The incidence of concussion in professional and collegiate ice hockey: are we making progress? A systematic review of the literature
Notice bibliographique
Résumé
BACKGROUND: The fast, random nature and characteristics of ice hockey make injury prevention a challenge as high-velocity impacts with players, sticks and boards occur and may result in a variety of injuries, including concussion. METHODS: Five online databases (January 1970 and May 2012) were systematically searched followed by a manual search of retrieved papers. RESULTS: Seventeen studies met the inclusion criteria. The heterogeneous diagnostic procedures and criteria for concussion prevented a pooling of data. When comparing the injury data of European and North American or Canadian leagues, the latter show a higher percentage of concussions in relation to the overall number of injuries (2-7% compared with 5.3-18.6%). The incidence ranged from 0.2/1000 to 6.5/1000 game-hours, 0.72/1000 to 1.81/1000 athlete-exposures and was estimated at 0.1/1000 practice-hours. DISCUSSION AND CONCLUSIONS: The included studies indicate a high incidence of concussion in professional and collegiate ice hockey. Despite all efforts there is no conclusive evidence that rule changes or other measures lead to a decrease in the actual incidence of concussions over the last few decades. This review supports the need for standardisation of the diagnostic criteria and reporting protocols for concussion to allow interstudy comparisons in the future.
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 | 0,013 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,006 |
| Bibliométrie | 0,025 | 0,025 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».