Survey of Sport Participation and Sport Injury in Calgary and Area High Schools
Notice bibliographique
Résumé
OBJECTIVE: To examine (1) sport participation and (2) sport injury in adolescents. DESIGN, SETTING, AND PARTICIPANTS: This was a retrospective survey design. In total, 2873 adolescents were recruited from a random sample of classes from 24 Calgary and area high schools. Each subject completed an in-class questionnaire in March 2004. MAIN OUTCOME MEASUREMENTS: Overall and sport-specific participation rates (number of sport participants/number of students completing survey). Overall and sport-specific injury rates (number of injuries/number of participants). RESULTS: In the previous 1 year, 94% of students participated in sport. The top 5 sports by participation for males were basketball, hockey, football, snowboarding, and soccer, and for females, basketball, dance, volleyball, snowboarding, and soccer. The injury rate including only injuries requiring medical attention was 40.2 injuries/100 adolescents/y (95% CI, 38.4-42.1), presenting to a hospital emergency department was 8.1 injuries/100 adolescents/y (95% CI, 7.1-9.2), resulting in time loss from sport was 49.9 injuries/100 adolescents/y (95% CI, 48-51.8), and resulting in loss of consciousness was 9.3 injuries/100 adolescents/y (95% CI, 8.3-10.5). The greatest proportion of injuries occurred in basketball, hockey, soccer, and snowboarding. The top 5 body parts injured were the ankle, knee, head, back, and wrist. The top 5 injury types were sprain, contusion, concussion, fracture, and muscle strain. A previous injury was associated with 49% of the injuries and direct contact with 45% of injuries. CONCLUSIONS: Rates of participation in sport and sport injury are high in adolescents. Future research should focus on prevention strategies in sports with high participation and injury rates to maximize population health impact.
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 | 0,011 | 0,001 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».