High adherence to a neuromuscular injury prevention programme (FIFA 11+) improves functional balance and reduces injury risk in Canadian youth female football players: a cluster randomised trial
Notice bibliographique
Résumé
BACKGROUND: A protective effect on injury risk in youth sports through neuromuscular warm-up training routines has consistently been demonstrated. However, there is a paucity of information regarding the quantity and quality of coach-led injury prevention programmes and its impact on the physical performance of players. OBJECTIVE: The aim of this cluster-randomised controlled trial was to assess whether different delivery methods of an injury prevention programme (FIFA 11+) to coaches could improve player performance, and to examine the effect of player adherence on performance and injury risk. METHOD: During the 2011 football season (May-August), coaches of 31 tiers 1-3 level teams were introduced to the 11+ through either an unsupervised website or a coach-focused workshop with and without additional on-field supervisions. Playing exposure, adherence to the 11+, and injuries were recorded for female 13-year-old to 18-year-old players. Performance testing included the Star Excursion Balance Test (SEBT), single-leg balance, triple hop and jumping-over-a-bar tests. RESULTS: Complete preseason and postseason performance tests were available for 226 players (66.5%). Compared to the unsupervised group, single-leg balance (OR=2.8; 95% CI 1.1 to 4.6) and the anterior direction of the SEBT improved significantly in the onfield supervised group of players (OR=4.7; 95% CI 2.2 to 7.1), while 2-leg jumping performance decreased (OR=-5.1; 95% CI -9.9 to -0.2). However, significant improvements in 5 of 6 reach distances in the SEBT were found, favouring players who highly adhered to the 11+. Also, injury risk was lower for those players (injury rate ratio, IRR=0.28, 95% CI 0.10 to 0.79). CONCLUSIONS: Different delivery methods of the FIFA 11+ to coaches influenced players' physical performance minimally. However, high player adherence to the 11+ resulted in significant improvements in functional balance and reduced injury risk.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».