Incidence and Severity of Foot and Ankle Injuries in Men’s Collegiate American Football
Notice bibliographique
Résumé
BACKGROUND: American football is an extremely physical game with a much higher risk of injury than other sports. While many studies have reported the rate of injury for particular body regions or for individual injuries, very little information exists that compares the incidence or severity of particular injuries within a body region. Such information is critical for prioritizing preventative interventions. PURPOSE: To retrospectively analyze epidemiological data to identify the most common and most severe foot and ankle injuries in collegiate men's football. STUDY DESIGN: Descriptive epidemiology study. METHODS: Injury data were obtained from the National Collegiate Athletic Association (NCAA) Injury Surveillance System (ISS) for all foot and ankle injuries during the 2004-2005 to 2008-2009 seasons. Injuries were analyzed in terms of incidence and using multiple measures of severity (time loss, surgeries, medical disqualifications). This frequency and severity information is summarized in tabular form as well as in a 4 × 4 quantitative injury risk assessment matrix (QIRAM). RESULTS: The rate of foot and ankle injuries was 15 per 10,000 athletic exposures (AEs). Five injuries were found to be responsible for more than 80% of all foot and ankle injuries: lateral ankle ligament sprains, syndesmotic (high ankle) sprains, medial ankle ligament sprains, midfoot injuries, and first metatarsophalangeal joint injuries. Ankle dislocations were found to be the most severe in terms of median time loss (100 days), percentage of surgeries (83%), and percentage of medical disqualifications (94%), followed by metatarsal fractures (38 days, 36%, and 49%, respectively) and malleolus fractures (33 days, 41%, and 59%, respectively). Statistical analysis suggests that the 3 measures of severity are highly correlated (r > 0.94), thereby justifying the use of time loss as a suitable proxy for injury severity in the construction of the QIRAM. CONCLUSION: Based on the QIRAM analysis, the 5 highest risk injuries were identified based on both incidence and severity (ankle dislocations, syndesmotic sprains, lateral ankle ligament sprains, metatarsal fractures, and malleolus fractures). A better understanding of the relative incidence and severity of these injuries will allow coaches, trainers, and researchers to more effectively focus their preventative interventions.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».