A retrospective case-control analysis of 2002 running injuries
Notice bibliographique
Résumé
OBJECTIVE: To provide an extensive and up to date database for specific running related injuries, across the sexes, as seen at a primary care sports medicine facility, and to assess the relative risk for individual injuries based on investigation of selected risk factors. METHODS: Patient data were recorded by doctors at the Allan McGavin Sports Medicine Centre over a two year period. They included assessment of anthropometric, training, and biomechanical information. A model was constructed (with odds ratios and their 95% confidence intervals) of possible contributing factors using a dependent variable of runners with a specific injury and comparing them with a control group of runners who experienced a different injury. Variables included in the model were: height, weight, body mass index, age, activity history, weekly activity, history of injury, and calibre of runner. RESULTS: Most of the study group were women (54%). Some injuries occurred with a significantly higher frequency in one sex. Being less than 34 years old was reported as a risk factor across the sexes for patellofemoral pain syndrome, and in men for iliotibial band friction syndrome, patellar tendinopathy, and tibial stress syndrome. Being active for less than 8.5 years was positively associated with injury in both sexes for tibial stress syndrome; and women with a body mass index less than 21 kg/m(2) were at a significantly higher risk for tibial stress fractures and spinal injuries. Patellofemoral pain syndrome was the most common injury, followed by iliotibial band friction syndrome, plantar fasciitis, meniscal injuries of the knee, and tibial stress syndrome. CONCLUSIONS: Although various risk factors were shown to be positively associated with a risk for, or protection from, specific injuries, future research should include a non-injured control group and a more precise measure of weekly running distance and running experience to validate these results.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».