Fragmentation characteristics of long bones resulting from impact of different ammunition sizes
Notice bibliographique
Résumé
Abstract Firearm violence has continued to increase, yet there remains a gap in the literature surrounding GSW fracture patterns to long bones. The majority of GSW research is centered on the cranium or thoracic bones, as they are most affiliated with fatal injuries. The present study examined differences in fragmentation and trauma characteristics on long bones caused by two ammunition types. White‐tailed deer ( Odocoileus virginianus ) tibiae ( n = 50) were encased in 10% ballistic gelatin, and 9 mm ammunition from a handgun and 5.56 mm ammunition from an assault rifle were fired from 3 yards (~2.74 m). Due to the higher potential wounding energy, it was anticipated that tibiae impacted by 5.56 mm ammunition would exhibit a greater degree of fragmentation and obscure fracture patterns. Conversely, fragmentation patterns from 9 mm ammunition were expected to be more discernible, given the lower energy transfer and smaller caliber, allowing for easier classification of fracture patterns. A Mann–Whitney U ‐test revealed 5.56 mm ammunition caused more fragmentation than 9 mm ( p = 0.002). False butterfly fractures were observed in 48% of the 9 mm sample and 4% of the 5.56 mm sample. Chi‐square tests for independence showed that all but stepped breakout ( χ 2 [1] = 1.299, p = 0.254) had a statistical association with an ammunition type. The present study found significant differences between the frequency of observed ballistic characteristics and ammunition type within the sample; however, due to similarities, it is not recommended to use fracture pattern analysis as a method of classifying ammunition type.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».