Differential Emotional Responses of Varsity Athletes to Concussion and Musculoskeletal Injuries
Notice bibliographique
Résumé
OBJECTIVE: To determine if athletes with concussion and those with minor musculoskeletal injuries experienced differential emotional response to injury. DESIGN: A prospective longitudinal cohort study. SETTING: University of Toronto, Ontario, Canada. PARTICIPANTS: Thirty-four injured athletes from Canadian Interuniversity Sport (CIS) and 19 healthy, physically active undergraduate students participated in the study. INTERVENTION: All participants completed the Profile of Mood States (POMS; short version) on 3 nonconsecutive days during a 2-week period after a baseline test. MAIN OUTCOME MEASURES: Emotional responses were assessed using the POMS. The 7 main outcome measures assessed by POMS were tension, depression, anger, vigor, fatigue, confusion, and total mood disturbance. RESULTS: After injury, concussion produced an emotional profile characterized by significantly elevated fatigue and decreased vigor. In contrast, athletes with musculoskeletal injuries displayed a significant increase in anger that resolved to a pre-injury level within 2 weeks. CONCLUSIONS: The results revealed that both injured groups experienced emotional disturbance after injury. More importantly, the findings strongly suggest that the emotional reaction after concussion is different from that of musculoskeletal injury. Therefore, we concluded that assessing emotional reactions to concussion is particularly important and recommend that sports medicine professionals assess and monitor emotional functioning as well as somatic complaints and neurocognitive changes during recovery.
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 | 0,002 | 0,003 |
| 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) | 0,001 | 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 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 ».