Ability of Preseason Body Composition and Physical Fitness to Predict the Risk of Injury in Male Collegiate Hockey Players
Notice bibliographique
Résumé
BACKGROUND: Injuries in collegiate ice hockey can result in significant time lost from play. The identification of modifiable risk factors relating to a player's physical fitness allows the development of focused training and injury prevention programs targeted at reducing these risks. PURPOSE: To determine the ability of preseason fitness outcomes to predict in-season on-ice injury in male collegiate ice hockey players. STUDY DESIGN: Prognostic cohort study. LEVEL OF EVIDENCE: Level 3. METHODS: Athlete demographics, percentage body fat, aerobic capacity (300-m shuttle run; 1-, 1.5-, 5-mile run), and strength assessment (sit-ups, push-ups, grip strength, bench press, Olympic cleans, squats) data were collected at the beginning of 8 successive seasons for 1 male collegiate ice hockey team. Hockey-related injury data and player-level practice/game athlete exposure (AE) data were also prospectively collected. Seventy-nine players participated (203 player-years). Injury was defined as any event that resulted in the athlete being unable to participate in 1 or more practices or games following the event. Multivariable logistic regression was performed to determine the ability of the independent variables to predict the occurrence of on-ice injury. RESULTS: There were 132 injuries (mean, 16.5 per year) in 55 athletes. The overall injury rate was 4.4 injuries per 1000 AEs. Forwards suffered 68% of the injuries. Seventy percent of injuries occurred during games with equal distribution between the 3 periods. The mean number of days lost due to injury was 7.8 ± 13.8 (range, 1-127 days). The most common mechanism of injury was contact with another player (54%). The odds of injury in a forward was 1.9 times (95% CI, 1.1-3.4) that of a defenseman and 3 times (95% CI, 1.2-7.7) that of a goalie. The odds of injury if the player's body mass index (BMI) was ≥25 kg/m(2) was 2.1 times (95% CI, 1.1-3.8) that of a player with a BMI <25 kg/m(2). The odds ratios for bench press, maximum sit-ups, and Olympic cleans were statistically significant but close to 1.0, and therefore the clinical relevance is unknown. CONCLUSION: Forwards have higher odds of injury relative to other player positions. BMI was predictive of on-ice injury. Aerobic fitness and maximum strength outcomes were not strongly predictive of on-ice injury.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,000 |
| 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 ».