Musculoskeletal Injury in Professional Dancers
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
OBJECTIVE: The purpose of the study was to determine the prevalence and factors associated with injury in professional ballet and modern dancers, and assess if dancers are reporting their injuries and explore reasons for not reporting injuries. DESIGN: Cross-sectional study. SETTING: Participants were recruited from nine professional ballet and modern dance companies in Canada, Denmark, Israel, and Sweden. PARTICIPANTS: Professional ballet and modern dancers. INDEPENDENT VARIABLES: Sociodemographic variables included age, sex, height, weight, and before-tax yearly or monthly income. Dance specific characteristics included number of years in present dance company, number of years dancing professionally, number of years dancing total, and rank in the company. MAIN OUTCOME MEASURES: Self-reported injury and Self-Estimated Functional Inability because of Pain. RESULTS: A total of 260 dancers participated in the study with an overall response rate of 81%. The point prevalence of self-reported injury in professional ballet and modern dancers was 54.8% (95% CI, 47.7-62.1) and 46.3% (95% CI, 35.5-57.1), respectively. Number of years dancing professionally (OR = 4.4, 95% CI, 1.6-12.3) and rank (OR = 2.4, 95% CI, 1.2-4.8) were associated with injury in ballet dancers. More than 15% of all injured dancers had not reported their injury and their reasons for not reporting injury varied. CONCLUSIONS: The prevalence of injury is high in professional dancers with a significant percentage not reporting their injuries for a variety of reasons. Number of years dancing and rank are associated with injury in professional ballet dancers.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,004 | 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