The epidemiology of injuries in powerlifting at the <scp>L</scp>ondon 2012 <scp>P</scp>aralympic <scp>G</scp>ames: An analysis of 1411 athlete‐days
Notice bibliographique
Résumé
Sport injury epidemiology has received increased recognition as a field of sport medicine research that can improve the health and safety of athletes. Injuries among Paralympic powerlifters have not previously been systematically studied. The purpose of this prospective cohort study was to characterize injuries among Paralympic powerlifters. Athletes competing in the sport of powerlifting were followed over the 7-day competition period of the 2012 London Paralympic Games. The main outcome measurements were injury incidence rate (IR; number of injuries per 1000 athlete-days) and injury incidence proportion (IP; injuries per 100 athletes). A total of 38 injuries among 163 powerlifters were documented. The overall IR was 33.3 injuries/1000 athlete-days (95% CI 24.0-42.6) and the overall IP was 23.3 injuries per 100 athletes (95% CI 16.8-29.8). The majority of injuries were chronic overuse injuries (61%). The most commonly injured anatomical region was the shoulder/clavicle (32% of all injuries), followed by the chest (13%) and elbow (13%). The information obtained in this study opens the door for future study into the mechanisms and details of injuries into powerlifters with physical impairments.
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 | 0,039 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».