Medical facilities and encounters at the 2010 vancouver winter olympic games
Notice bibliographique
Résumé
Background Epidemiological data and logistical details are crucial pieces of information for organisers of medical care at mass sporting events. Objective To outline the medical facilities at the 2010 Winter Olympic Games and to report the epidemiology of medical encounters. Design Prospective descriptive study. Setting Nine competition venues, six non-competition venues and two Polyclinics (Vancouver and Whistler). Medical services were available at all venues. The Polyclinics housed an inter-disciplinary team of health-care professionals. Imaging modalities (including CT and MRI) were on-site at the Polyclinics. Participants 2567 athletes, 82 National Olympic Committees, an estimated 4000 Officials, 25 000 Workforce/Volunteers, 10 000 Performers and 10 000 Media. Medical Services included 1560 volunteers and 19 full-time staff. Assessment Medical encounters were entered into a Medical Encounter Database (ATOS Origin). Games-Time reporting period was February 4th to 28th, inclusive. Computers were located at each Venue. Main outcome measure Medical encounters. Results There were 9038 medical encounters (8198 accredited; 840 spectator). The busiest venues were the Whistler Polyclinic (n=3124) and Vancouver Polyclinic (n=2930). Of the competition venues, the busiest were Whistler Sliding Centre (bobsleigh/luge/skeleton), Canada Hockey Place and Pacific Coliseum (figure skating and short track speed skating). Venues with the greatest number of spectator medical encounters were Canada Hockey Place (n=186), B.C. Place Stadium (Opening/Closing Ceremonies) (n=128) and UBC Sports Centre (hockey) (n=90). Sports with the highest and lowest athlete medical encounters were Alpine Skiing and Nordic Combined, respectively. The majority of encounters were musculoskeletal (MSK) (n=29%). There were 131 ground ambulance transfers and seven air ambulance extractions/transfers resulting in 14 hospital admissions and 43 outpatient visits. Conclusion The majority of medical encounters were seen at the Polyclinics. Although most were MSK, there was a high demand for other disciplines such as Dental and Imaging. Multi-disciplinary Polyclinics equipped with primary and ancillary services are essential at future Games.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».