REMOVING MAN-MADE JUMPS FROM SNOW-PARKS REDUCES THE RISK OF SEVERE SKI-PATROL REPORTED INJURIES SUSTAINED BY SKIERS AND SNOWBOARDERS
Notice bibliographique
Résumé
Background Evidence indicates that snow-park (SP) injuries are more severe than injuries on regular slopes. This prompted two major ski areas in the province of Québec, Canada, to remove all man-made jumps from their SPs before the 2007–2008 season. Objective To determine if removing jumps from SPs reduced the prevalence of severe injuries for skiers and snowboarders. Methods Subjects were skiers and snowboarders who reported to the ski patrol with a SP injury at two ski areas before (seasons 2000–2001 to 2006–2007) and after (seasons 2007–2008 to 2009–2010) SP jumps were removed, and for all the ski areas with no SP jump removal. Severe injuries were defined based on type of injury or ambulance evacuation. We compared the proportion of severe injuries before and after SP jump removal with trends at the other areas. Logistic regression analysis was used to adjust the pre- and post change comparison for age, sex, skill level, helmet use, and type of activity. Results At the two hills that removed jumps, the proportion of severe injuries was 19.3% (600 severe SP injuries/3109 all SP injuries) before and 14.5% (63/434) after the change compared with 23.7% (2679/11 324) and 22.1% (921/4173) at other hills. After covariate adjustment, the odds of severe injuries declined at the two areas that removed jumps (adjusted OR (AOR): 0.72; 95% CI 0.54 to 0.97) with no change at other Québec ski areas (AOR 0.98; 95% CI 0.83 to 1.08). Significance Results suggest that removing man-made jumps from SPs prevents severe injuries.
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 ».