MétaCan
Menu
Retour à la cohorte
Enregistrement W2096319570 · doi:10.1136/bjsm.2009.067751

Psychological predictors of injuries in circus artists: an exploratory study

2010· article· en· W2096319570 sur OpenAlexaff
Ian Shrier, Madeleine Hallé

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueMusicians’ Health and Performance
Établissements canadiensJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychologyVisual artsArt

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To explore the relationship between potential psychological risk factors and injury risk in circus artists. DESIGN: Historical cohort study. SETTING: Cirque du Soleil training programme. PARTICIPANTS: Forty-seven circus artists training to become Cirque du Soleil artists. ASSESSMENT OF RISK FACTORS: Artists completed the validated REST-Q questionnaire (19 domains) during their first 2 weeks of training. MAIN OUTCOME: Injury risk ratio. RESULTS: Of the five a priori exposures of interest, injury, emotional exhaustion, self-efficacy and fatigue were associated with an increase in injury risk (risk ratios between 1.8 and 2.8), but Conflicts/Pressure was not (risk ratio=0.8). Of the several specific psychological aspects that are considered risk factors for injury, low self-efficacy had the strongest relationship. CONCLUSIONS: Most of the strong psychological risk factors for injuries previously identified in athletes also appear to be risk factors in circus artists.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,330
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetMusicians’ Health and PerformanceTravaux en français237 207