Paralympic Medical Services for the 2010 Paralympic Winter Games
Notice bibliographique
Résumé
OBJECTIVE: To present the planning and medical encounters for the 2010 Paralympic Winter Games. DESIGN: Prospective medical encounter study. SETTING: 2010 Paralympic Winter Games. PARTICIPANTS: Athletes, coaches, officials, workforce, volunteers, and media. ASSESSMENT OF RISK FACTORS: Sport type: alpine, Nordic, and sledge hockey and curling. Participant type: athlete, workforce, and spectators. Terrain and speed. MAIN OUTCOME MEASURES: Medical encounters entered in database at competitive (alpine skiing, biathlon, cross-country skiing, sledge hockey, and curling) and noncompetitive (Whistler and Vancouver Polyclinics, presentation centers, opening and closing ceremonies, media center, Paralympic Family Hotel) venues. RESULTS: Forty-two nations participated with 1350 Paralympic athletes, coaches, and officials. There were 2590 accredited medical encounters (657 athletes, 25.4%; 682 International Federation/National Paralympic Committee officials, 26.3%; 57 IPC, 2.2%; 8 media, 0.3%; 1075 workforce, 41.5%; 111 others, 4.3%) and 127 spectator encounters for a total of 2717 encounters. During the preopening period medical services saw 201 accredited personnel. The busiest venues during the Paralympic Games were the Whistler (1633 encounters) and Vancouver (748 encounters) Polyclinics. Alpine, sledge hockey, and curling were the busiest competitive venues. The majority of medical encounters were musculoskeletal (44.6%, n = 1156). Medical services recorded 1657 therapy treatments, 977 pharmaceutical prescriptions dispensed, 204 dental treatments, 353 imaging examinations (more than 50% from alpine skiing), and 390 laboratory tests. There were 24 ambulance transfers with 7 inpatient hospitalizations for a total of 24 inpatient days and 4 outpatient visits. CONCLUSIONS: The mandate to have minimal impact on the health services of Vancouver and the Olympic Corridor while offering excellent medical services to the Games was accomplished. This data will be valuable to future organizing committees.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».