Return to play following injury: whose decision should it be?
Notice bibliographique
Résumé
BACKGROUND: Return-to-play (RTP) decision-making is required for every injured athlete. However, these decisions often lead to conflict between sport medicine professionals, athletes, coaches and sport associations. This study explores differences in professionals' opinion about which criteria should be used for RTP decisions, and who is best able to evaluate them. METHODS: We surveyed Canadian sport medicine physicians, physiotherapists, athletic therapists, chiropractors, massage therapists, athletes, coaches and representatives from three sport associations. The 10 min online survey asked respondents to rate criteria as mandatory to irrelevant on a five-point Likert scale, and to indicate which profession was best able to evaluate the criteria. RESULTS: In general, medical doctors, physiotherapists and athletic therapists were considered best able to assess factors related to risk of injury and complications from injury. Each clinician group (except sport massage therapists) generally believed their own profession has the best capacity to evaluate the criteria. Athletes, coaches and sport associations were considered to have the best capacity to assess factors related to competition (desire, psychological and financial impact and loss of competitive standing). There remained considerable heterogeneity both between and within stakeholder groups. CONCLUSIONS: We found that differences in approach to RTP decisions were generally greater within versus between-stakeholder groups. If shared decision-making is to become the norm in clinical sport medicine, we need to begin a discussion on which discrepancies are due to lack of training (resolved through education) or scientific knowledge (resolved through research) or simply reflect the divergence of personal/societal values.
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 | 0,001 |
| 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) | 0,007 | 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 ».