Injuries in recreational curling include head injuries and may be prevented by using proper footwear
Notice bibliographique
Résumé
INTRODUCTION: Our study examines a recreational curling population to describe patterns of injury occurrence, estimate risk of injury and to gauge attitudes towards equipment-based prevention strategies. METHODS: In a retrospective case series, we queried the Canadian Hospitals Injury Reporting and Prevention Program (CHIRPP), a national injury surveillance database, for curling injuries entered between 1993 and 2011. Kingston General Hospital and Hotel Dieu Hospital provide the two Kingston, Ontario, sites for emergency department (ED) care and participate in CHIRPP. Each retrieved entry underwent a chart review. A secondary survey was mailed to select individuals who had experienced curling injuries to solicit details on their injury and attitudes towards equipment to prevent injury. We used descriptive statistics for rates and proportions. RESULTS: Over 90% of acute curling injuries resulted from a fall, and 31.7% were head impacts. We found that acute injuries requiring ED presentation occur at a rate of approximately 0.17 per 1000 athlete-exposures (95% CI: 0.12-0.22). The secondary survey was completed by 54% of potential respondents. Of survey respondents, 41.3% attributed their fall to a lack of proper footwear and 73.5% of respondents agreed with mandatory sport-specific footwear as a prevention strategy, but only 8% agreed with mandatory helmet wear. CONCLUSION: Although curling injuries requiring medical care are not common, head injuries make up a large proportion. Mandated use of appropriate footwear appears to be the most effective prevention strategy, as well as the measure deemed most acceptable by players.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».