Determination of future prevention strategies in elite track and field: analysis of Daegu 2011 IAAF Championships injuries and illnesses surveillance
Notice bibliographique
Résumé
OBJECTIVE: To determine the incidence and characteristics of newly incurred injuries and illnesses during international Athletics Championships, by improving the medical surveillance coverage, in order to determine future prevention strategies. DESIGN: Prospective recording of newly occurred injuries and illnesses. SETTING: 13th International Association of Athletics Federations World Championships in Athletics 2011 in Daegu, Korea. PARTICIPANTS: National team and Local Organising Committee physicians; and 1851 registered athletes. MAIN OUTCOME MEASURES: Incidence and characteristics of newly incurred injuries and illnesses. RESULTS: 82% of athletes were covered by medical teams participating with a response rate of 94%. A total of 249 injuries were reported, representing an incidence of 134.5 injuries per 1000 registered athletes, and 119 (48%) resulted in time loss from sport. A total of 185 injuries affected the lower limb (74%). Hamstring strain was the main diagnosis and 67% resulted in absence from sport. Overuse (n=148; 59%) was the predominant cause. A total of 126 illnesses were reported, signifying an incidence of 68.1 per 1000 registered athletes. Upper respiratory tract infection was the most common reported diagnosis (18%), followed by exercise-induced dehydration (12%), and gastroenteritis/diarrhoea (10%). The highest incidences of injuries were found in combined events and middle and long-distance events, and of illness in race walking events. CONCLUSION: During elite Athletics World Championships, 135 injuries, 60 time-loss injuries and 68 illnesses per 1000 registered athletes were reported. Higher risks of injuries were found in combined events and long-distance runs. Preventive interventions should focus on overuse injuries and hamstring strains, decreasing the risk of transmission of infectious diseases, appropriate event scheduling and heat acclimatisation.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».