EFFECT OF PREVIOUS CONCUSSION OR INJURY ON SPORT-SPECIFIC SKILLS IN ELITE YOUTH ICE HOCKEY: A PILOT STUDY
Notice bibliographique
Résumé
Background Concussions can lead to cognitive or neuromotor impairments which may influence skill performance. No published research has investigated the effect of previous concussions on sport-specific skill performance. Skill performance may be an important component of injury prevention strategy development in youth ice hockey. Objective To investigate the effect of previous concussion or injury on sport-specific skill performance in elite youth ice hockey. Design Cross Sectional pilot study. Setting Winsport arena in Calgary, Alberta, Canada. Participants: A sample of ten teams (n=131, 84 males and 47 females, ages 13-17) representing the most elite 20% of players by division of play (“AA, AAA”). Risk factor assessment Players completed a preseason baseline questionnaire including history of previous concussion and/or injury in the past year. Main outcome measurements On-ice skills testing was based on the Hockey Canada Skills Test (HCST) battery which included forward agility weave, forward and backward speed skate, forward to backward transition agility, and a 6-repeat endurance test. Results Comparing players with a history of concussion and those without, there were no differences in HCST component scores. There were also no differences in HCST scores between those reporting a previous injury within 1 year and those without. Males were faster than females on all HCST timed skill components, except for forward agility weave without the puck. Midget players were faster than Bantam players for transition agility with and without the puck, forward speed with the puck, and backward speed with and without the puck. Conclusion There were no apparent associations between history of concussion and/or injury and sport-specific skill performance. Our results provide reference values for HCST component scores that can allow assessment of risk and provide a foundation for prevention studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».