Epidemiology of sports-related injuries in children and youth presenting to Canadian emergency departments from 2007–2010
Notice bibliographique
Résumé
BACKGROUND: Although injuries related to sports and recreation represent a significant burden to children and youth, few studies have examined the descriptive epidemiology of sports-related injury since 2005, and some sports such as ringette have not been evaluated to date. The primary purpose of this study was to provide the descriptive epidemiology of sports-related injuries treated in emergency departments for children and youth aged 5 - 19. METHODS: A retrospective data analysis was performed using data from the Canadian Hospitals Injury Reporting and Prevention Program [CHIRPP] from fiscal years (April - March) 2007/08 to 2009/10. CHIRPP is a computerized information system designed by the Public Health Agency of Canada that collects information about injuries to people evaluated in emergency departments across 11 pediatric hospitals and 5 general hospitals in Canada. Thirteen sports or activities were analyzed (baseball, basketball, cycling, football, ice hockey, lacrosse, ringette, rugby, skiing, sledding, snowboarding, soccer, and volleyball). Descriptive statistics, including frequency by sport, age and sex, as well as the percent of concussions within each sport were calculated. RESULTS: Out of a total of 56, 691 reported sports and recreational injuries, soccer accounted for the largest proportion of injuries with 11,941 reported cases over the 3 year time period. Of these, approximately 30% were fractures. The 10 - 14 year age group reported the greatest proportion of injuries in 10 out of the 13 sports analyzed. In addition, males reported a greater number of overall injuries than females in 11 out of the 13 sports analyzed. The largest percentage of concussions was reported in ringette; these injuries accounted for 17.1% of overall injuries within this sport. CONCLUSIONS: Injury prevention programs in Canada should focus on improving evidence-based programs to reduce the burden of injuries in all sports.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».