The Injury Experience at the 2010 Winter Paralympic Games
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to examine incidence proportion and the characteristics of athlete injuries sustained during the 2010 Vancouver Paralympic Games. DESIGN: Descriptive epidemiological study. SETTING: All medical venues at the 2010 Vancouver Paralympic Games, Canada. PARTICIPANTS: A total of 505 athletes from 44 National Paralympic Committees participating in the 2010 Vancouver Winter Paralympic Games. ASSESSMENT OF RISK FACTORS: Baseline covariates included sport specificity (ie, ice sledge hockey, alpine skiing, Nordic skiing, wheelchair curling), gender, age, and disability classification. MAIN OUTCOME MEASURES: All injuries that occurred during the 2010 Vancouver Paralympic Games. "Injury" was defined as any sport-related musculoskeletal complaint that caused the athlete to seek medical attention during the study period, regardless of the athlete's ability to continue with training or competition. RESULTS: The Injury Surveillance System identified a total of 120 injuries among 505 athletes [incidence proportion = 23.8% (95% confidence interval, 20.11-27.7)] participating in the 2010 Winter Paralympic Games. There was a similar injury incidence proportion among male (22.8%) and female (26.6%) athletes [incidence rate ratio = 1.1 (95% confidence interval, 0.7-1.7)]. Medical encounters for musculoskeletal complaints were generated in 34% of all sledge hockey athletes, 22% of alpine ski racers, 19% of Nordic skiers, and 18% of wheelchair curling athletes. CONCLUSIONS: The Injury Surveillance System identified sport injuries in 24% of all athletes participating in the 2010 Winter Paralympic Games. The injury risk was significantly higher than during the 2002 (9.4%) and 2006 (8.4%) Winter Paralympic Games. This may reflect improved data collection systems but also highlights the high risk of acute injury in alpine skiing and ice sledge hockey at Paralympic Games. These data will assist future Organizing Committees with the delivery of medical care to athletes with a disability and guide future injury prevention research.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».