Accounting for sampling variability, injury under-reporting, and sensor error in concussion injury risk curves

ما از روش های آماری بیزی برای تولید داده های مصنوعی از منحنی های خطر آسیب ضربه ای که قبلا منتشر شده است استفاده شده است با استفاده از داده های سنسورهای مبتنی بر کلاه بر بازیکنان فوتبال دانشگاهی و بررسی اثر سه منبع خطا در رابطه با خطر. حسابداری برای متغیرهای نمونه گیری، عدم قطعیت یا عرض را به منحنی خطر آسیب اضافه می کند. با در نظر گرفتن مقادیر مختلف تلفات ناخواسته در گروه غیرمجاز، ما متوجه شدیم که حسابداری برای گزارش کم گزارش شده، شتاب چرخشی مورد نیاز برای یک خطر متلاشی شدن را کاهش می دهد. در نهایت، پس از حسابداری خطای سنسور، روابط تقویت شده بین شتاب چرخشی و خطر آسیب، با کاهش بیشتر شتاب چرخشی مورد نیاز برای یک خطر احتمالی ضربه، پیدا می کنیم. به عنوان سنسورهای دقیق تر طراحی شده و حساس تر و ابزارهای مشخص تشخیصی بالینی معرفی شده است، تجزیه و تحلیل ما راهنمایی هایی برای توسعه آینده منحنی های خطرناک خطرناک جامع فراهم می کند.