Factors associated with illness in athletes participating in the London 2012 Paralympic Games: a prospective cohort study involving 49 910 athlete-days
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The incidence and factors associated with illness in Paralympic athletes have not been documented. AIM: To determine the factors associated with illness in athletes participating in the London 2012 Paralympic Games. METHODS: A cohort of 3565 athletes from 160 of the 164 participating countries in the London 2012 Paralympic Games were followed over a 14-day period (precompetition period=3 days, competition period=11 days; 49 910 athlete-days). Daily illness data were obtained from (1) teams with their own medical support who completed a daily illness log (78 teams, 3329 athletes) on a novel web-based system and (2) teams without their own medical support through the local organising committee database (82 teams, 236 athletes). Illness information from all athletes included age, gender, type of sport and the main system affected. MAIN OUTCOME MEASUREMENT: Incidence rate (IR) of illness (illness per 1000 athlete-days) and factors associated with IR (time period, gender, age and sport). RESULTS: The IR of illness was 13.2 (95% CI 12.2 to 14.2). The highest IR of illness was in the respiratory system, followed by the skin, digestive, nervous and genitourinary systems. The IR in the precompetition period was similar to that in the competition period, but the IR was significantly higher in athletics compared with other sports. Age and gender were not independent predictors of illness. CONCLUSIONS: Illness is common in Paralympic athletes and the main factor associated with higher IR of illness was the type of sport (athletics).
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.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle