SURVEY OF SPORT PARTICIPATION AND SPORT INJURY IN ELEMENTARY SCHOOL CHILDREN
Notice bibliographique
Résumé
Background Participation rates in youth sport in Canada are high. Sport injury epidemiology studies in youth primarily focus on adolescents (ages 13–18). There is a paucity of literature examining sport injury risk in children where injury prevention practices require development and evaluation. Objective To examine sport participation and sport injury rates in elementary school students (ages 9–12). Design Cross-sectional study. Setting A survey was sent home with students in randomly selected Calgary (Canada) elementary schools (grades 4–6). Participants Elementary schools in Calgary (Canada) were randomly selected to participate (N=26 schools). A survey was completed by 540 children and parent/guardian. Risk factor assessment The primary risk factors of interest include age, sport of choice, and time spent participating in sport. Main outcome measures Sport injury was defined as any injury sustained in the previous year that required medical attention. Results Overall, 81% of participants reported participating in sport in the past year. The highest sport-specific participation was reported in soccer (18.9%), swimming (13.5%), and dance (10.8%). The overall injury incidence proportion (IIP) was 28.3 injuries/100 children/year. The medical attention IIP was 9.8 injuries/100 children/year for males and 11.4 injuries/100 children/year for females. The highest IIP for males occurred in soccer (26.0%), cycling (19.5%) and hockey (9.1%). The highest IIP for females occurred in basketball (10.6%), soccer (10.6%), and dance (9.1%). Conclusions The IIP (28.3%) and medical attention IP (10.6%) was lower than previously reported in adolescents (ages 12–18), suggesting less severe injuries in younger children. The greatest burden of sport injury occurred in soccer, cycling, and basketball. This study will inform the development of future targeted interventions within specific sports as well as within school-based curriculums to prevent sport injury in children.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».