MétaCan
Menu
Retour à la cohorte
Enregistrement W2283405686 · doi:10.1097/jsm.0000000000000235

Combative Sports Injuries

2015· article· en· W2283405686 sur OpenAlexafffundabout
Shelby Karpman, Patrick Reid, Leah Phillips, Ziling Qin, Douglas P. Gross

Notice bibliographique

RevueClinical Journal of Sport Medicine · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensUniversity of AlbertaAlberta Health Services
Organismes subventionnairesUniversity of Alberta
Mots-clésMedicineConcussionIncidence (geometry)Physical therapyInjury preventionPoison controlMartial artsOccupational safety and healthEmergency medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Mixed martial arts (MMA) is an increasingly popular combative sport involving aggressive techniques that present substantial injury risk. We examined the incidence and types of injuries sustained in MMA fights and compared this with injuries sustained in boxing matches. DESIGN: Consecutive Case Series. SETTING: We used data from post-fight medical examinations on all bouts in Edmonton, Canada, between 2000 and 2013. PARTICIPANTS: The participants were 1181 MMA competitors and 550 boxers. MAIN OUTCOME MEASURES: The attending physician conducted a mandatory post-fight examination of all fighters and documented the nature of injuries sustained. RESULTS: Boxers were significantly more likely not to experience injury (49.8% vs 59.4%, P < 0.001), whereas MMA fighters were significantly more likely to experience 1 injury (typically contusion/bruising, P < 0.001). Boxers were more likely to experience loss of consciousness (7.1% vs 4.2%, P = 0.01) and serious eye injury (1.1% vs 0.3%, P = 0.02). CONCLUSIONS: The overall injury incidence in MMA competitors appears slightly higher than for boxers, but MMA fighters experience more minor contusion/bruising injuries. Boxers are more likely to experience serious injury such as concussion/head trauma involving loss of consciousness or eye injury such as retinal detachment.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,235
Score d'incertitude au seuil0,746

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,100
Tête enseignante GPT0,446
Écart entre enseignants0,346 · 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 tête enseignante, 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

Citations54
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClinical Journal of Sport MedicineMême sujetSports injuries and preventionTravaux en français237 207