Does Visual Performance Influence Head Impact Severity Among High School Football Athletes?
Notice bibliographique
Résumé
OBJECTIVE: To compare the odds of sustaining moderate and severe head impacts, rather than mild, between high school football players with high and low visual performance. DESIGN: Prospective quasi-experimental. SETTING: Clinical Research Center/On-field. PARTICIPANTS: Thirty-seven high school varsity football players. INTERVENTIONS: Athletes completed the Nike SPARQ Sensory Station visual assessment before the season. Head impact biomechanics were captured at all practices and games using the Head Impact Telemetry System. MAIN OUTCOME MEASURES: Each player was classified as either a high or low performer using a median split for each of the following visual performance measures: visual clarity, contrast sensitivity, depth perception, near-far quickness, target capture, perception span, eye-hand coordination, go/no go, and reaction time. We computed the odds of sustaining moderate and severe head impacts against the reference odds of sustaining mild head impacts across groups of high and low performers for each of the visual performance measures. RESULTS: Players with better near-far quickness had increased odds of sustaining moderate [odds ratios (ORs), 1.27; 95% confidence intervals (CIs), 1.04-1.56] and severe head impacts (OR, 1.45; 95% CI, 1.05-2.01) as measured by Head Impact Technology severity profile. High and low performers were at equal odds on all other measures. CONCLUSIONS: Better visual performance did not reduce the odds of sustaining higher magnitude head impacts. Visual performance may play less of a role than expected for protecting against higher magnitude head impacts among high school football players. Further research is needed to determine whether visual performance influences concussion risk. CLINICAL RELEVANCE: Based on our results, we do not recommend using visual training programs at the high school level for the purpose of reducing the odds of sustaining higher magnitude head impacts.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».