The incidence of concussion in youth sports: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To conduct a comprehensive systematic review and meta-analysis of studies assessing the incidence of concussion in youth athletes. Specifically, we estimate the overall risk of concussion in youth sports and compare sport-specific estimates of concussion risk. DESIGN: Systemic review and meta-analysis. DATA SOURCES: A search of Medline, Embase (1980 through September 2014), and SportDiscus (1985 through September 2014) supplemented by manual searches of bibliographies and conference proceedings. INCLUSION CRITERIA: We included studies if they met the inclusion criteria of study design (prospective cohort study), relevant sports identified from the literature (eg, American football, rugby, hockey, lacrosse, soccer/football, basketball, baseball, softball, wrestling, field hockey, track, taekwondo, volleyball and cheerleading), population (males and females ≤18 years old), and outcome (concussion). RESULTS: Of the 698 studies reviewed for eligibility, 23 articles were accepted for systematic review and 13 of which were included in a meta-analysis. Random effects models were used to pool overall and sport-specific concussion incidence rates per 1000 athlete exposures (AEs). The overall risk of concussion was estimated at 0.23 (95% CI 0.19 to 0.28). The three sports with the highest incidence rates were rugby, hockey and American football at 4.18, 1.20 and 0.53, respectively. Lowest incidence rates per 1000 AEs occurred in volleyball, baseball and cheerleading at 0.03, 0.06 and 0.07, respectively. Quality of the included studies varied, with the majority of studies not reporting age and gender-specific incidence rates or an operational definition for concussion. CONCLUSIONS: There are striking differences in the rates of incident youth concussion across 12 sports. This systematic review and meta-analysis can serve as the current sport-specific baseline risk of concussion among youth athletes.
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 | 0,031 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,027 | 0,047 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».