Policy change eliminating body checking in non-elite ice hockey leads to a threefold reduction in injury and concussion risk in 11- and 12-year-old players
Notice bibliographique
Résumé
BACKGROUND: In ice hockey, body checking is associated with an increased risk of injury. In 2011, provincial policy change disallowed body checking in non-elite Pee Wee (ages 11-12 years) leagues. OBJECTIVE: To compare the risk of injury and concussion between non-elite Pee Wee ice hockey players in leagues where body checking is permitted (2011-12 Alberta, Canada) and leagues where policy change disallowed body checking (2011-12 Ontario, Canada). METHOD: Non-elite Pee Wee players (lower 70%) from Alberta (n=590) and Ontario (n=281) and elite Pee Wee players (upper 30%) from Alberta (n=294) and Ontario (n=166) were recruited to participate in a cohort study. Baseline information, injury and exposure data was collected using validated injury surveillance. RESULTS: Based on multiple Poisson regression analyses (adjusted for clustering by team, exposure hours, year of play, history of injury/concussion, level of play, position and body checking attitude), the incidence rate ratio (IRR) associated with policy allowing body checking was 2.97 (95% CI 1.33 to 6.61) for all game injury and 2.83 (95% CI 1.09 to 7.31) for concussion. There were no differences between provinces in concussion [IRR=1.50 (95% CI 0.84 to 2.68)] or injury risk [IRR=1.22 (95% CI 0.69 to 2.16)] in elite levels of play where both provinces allowed body checking. CONCLUSIONS: The rate of injury and concussion were threefold greater in non-elite Pee Wee ice hockey players in leagues where body checking was permitted. The rate of injury and concussion did not differ between provinces in elite levels, where body checking was allowed.
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 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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».