Concussion in Youth Hockey: Prevalence, Risk Factors, and Management across Observation Strategies
Notice bibliographique
Résumé
Abstract Ice hockey ranks among the highest of all sports for rates of concussion, and estimates from youth hockey appear ominously close to estimates from the NHL (23.15 and 29.59 per 1000 player-hours, respectively), yet concussion is seldom studied in the youth setting, particularly in a way that accounts for under-reporting. To maximize the capture of concussions in youth hockey, we used broad injury inclusion criteria and multiple surveillance strategies, including (a) official injury reports, (b) reports from team personnel, and (c) reports from trained hockey observers. The aims were to (a) better elucidate the prevalence and causes of hockey-related concussions, (b) examine how concussions are reportedly managed in youth ice hockey, and (c) speak to the utility of the different surveillance strategies. Contact between players was the most common mechanism across observation strategies and more than half (51 %) of concussions reported by volunteers were caused by illegal acts (32 % hits from behind, 8 % hits to head, and 7 % crosschecks), though few (23 %) resulted in penalties. According to volunteer and observer reports, many young players are returning to play in the same game they sustained a concussion (34 % and 71 %, respectively), which contravenes Hockey Canada guidelines. Contrary to the literature, there were significantly higher odds (p<0.05) of sustaining a concussion in the youngest age division rather than among older players according to volunteer reports. This study sampled approximately 22 400 youth players and is among the broadest investigations of concussion in youth ice hockey.
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 | 0,001 | 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 ».