Team Clinician Variability in Return-to-Play Decisions
Notice bibliographique
Résumé
OBJECTIVE: To describe the variability in the return-to-play (RTP) decisions of experienced team clinicians and to assess their clinical opinion as to the relevance of 19 factors described in a RTP decision-making model. DESIGN: Survey questionnaire. SETTING: Advanced Team Physician Course. PARTICIPANTS: Sixty-seven of 101 sports medicine clinicians completed the questionnaire. MAIN OUTCOME MEASURES: Results were analyzed using descriptive statistics. For categorical variables, we report percentage and frequency. For continuous variables, we report mean (SD) if data were approximately normally distributed and frequencies for clinically relevant categories for skewed data. RESULTS: The average number of years of clinical sports medicine experience was 13.6 (9.8). Of the 62 clinicians who responded fully, 35% (n = 22) would "clear" (vs "not clear") an athlete to participate in sport even if the risk of an acute reinjury or long-term sequelae is increased. When respondents were given 6 different RTP options rather than binary choices, there were increased discrepancies across some injury risk scenarios. For example, 8.1% to 16.1% of respondents who chose to clear an athlete when presented with binary choices, later chose to "not clear" an athlete when given 6 graded RTP options. The respondents often considered factors of potential importance to athletes as nonimportant to the RTP decision process if risk of reinjury was unaffected (range, n = 4 [10%] to n = 19 [45%]). CONCLUSIONS: There is a high degree of variability in how different clinicians weight the different factors related to RTP decision making. More precise definitions decrease but do not eliminate this variability.
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 | 0,018 | 0,140 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».