MétaCan
Menu
Retour à la cohorte
Enregistrement W2220999911 · doi:10.1111/sms.12642

Head injury trends and helmet use in skiers and snowboarders in Western Canada, 2008–2009 to 2012–2013: an ecological study

2015· article· en· W2220999911 sur OpenAlexaffabout
Tracey J. Dickson, Stephen Trathen, F. Anne Terwiel, Gordon Waddington, Roger Adams

Notice bibliographique

RevueScandinavian Journal of Medicine and Science in Sports · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueWinter Sports Injuries and Performance
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésMedicineHead injuryInjury preventionPoison controlOccupational safety and healthHead (geology)ConcussionPhysical therapySurgeryEmergency medicine

Résumé

récupéré en direct d'OpenAlex

This research explored associations between helmet use and head injuries in snowsports by investigating reported snowsport injuries in Western Canada from 2008-2009 to 2012-2013. The key finding was that increased helmet use (from 69% to 80%) was not associated with a reduction in reported head injuries. Over the study period, the average rate of reported head injuries was 0.2/1000 skier visits, with a statistically significant variation (P < 0.001). The line of best fit showed an non-significant upward trend (P = 0.13). Lacerations were the only subcategory of head injuries that decreased significantly with helmet use. A higher proportion of people who reported a head injury were wearing a helmet than for injuries other than to the head. Skiers were more likely to report a head injury when wearing a helmet than snowboarders (P < 0.001 cf. P = 0.22). There were significant differences in characteristics of helmet and non-helmet wearers. Helmet wearers were more likely to be: young adults (P < 0.001); beginner/novices (P = 0.004); and snowboarders (P < 0.001), but helmet wearing was not associated with gender (P = 0.191). Further research is needed to explore the possible reasons for the failure of helmets to reduce head injuries, for example, increased reporting of head injuries and increased risk-taking combined with over-rating of the helmets' protection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,345
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Medicine and Science in SportsMême sujetWinter Sports Injuries and PerformanceTravaux en français237 207