Characteristics of martial art injuries in a defined Canadian population: a descriptive epidemiological study
Notice bibliographique
Résumé
BACKGROUND: The martial arts have emerged as common activities in the Canadian population, yet few studies have investigated the occurrence of associated injuries on a population basis. METHODS: We performed such an investigation and suggest potential opportunities for prevention. The data source was 14 years (1993 to 2006) of records from the Kingston sites of the Canadian Hospital Injury Reporting and Prevention Program (CHIRPP). RESULTS: 920 cases were identified. Incidence rates were initially estimated using census data as denominators. We then imputed annual injury rates per 10000 using a range of published estimates of martial arts participation available from a national survey. Rates of injury in males and females were 2300 and 1033 per 10000 (0.3% participation) and 575 and 258 per 10000 (1.2% participation). Injuries were most frequently reported in karate (33%) and taekwondo (14%). The most common mechanisms of injury were falls, throws and jumps (33%). Fractures (20%) were the most frequently reported type of injury and the lower limb was the most common site of injury (41%). CONCLUSIONS: Results provide a foundation for potential interventions with a focus on falls, the use of weapons, participation in tournaments, as well as head and neck trauma.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».