What strategies can be used to effectively reduce the risk of concussion in sport? A systematic review
Notice bibliographique
Résumé
AIM OR OBJECTIVE: To examine the effectiveness of concussion prevention strategies in reducing concussion risk in sport. DESIGN: Systematic review according to the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analysis) guidelines. DATA SOURCES: Eleven electronic databases searched and hand-search of references from selected studies. ELIGIBILITY CRITERIA FOR SELECTING STUDIES: The following were the study inclusion criteria: (1) contained original human research data; (2) investigated an outcome of concussion or head impact; (3) evaluated a concussion prevention intervention; (4) included sport participants; (5) analytical study designand (6) peer-reviewed. The following were the exclusion criteria: (1) review articles, case series or case studies and (2) not in English. RESULTS: The studies selected (n=48) provided evidence related to protective gear (helmets, headgear, mouthguards) (n=25), policy and rule changes (n=13) and other interventions (training, education, facilities) (n=10). Meta-analyses demonstrate a combined effect of a 70% reduction (incidence rate ratio (IRR)=0.3 (95% CI: 0.22 to 0.41)) in concussion risk in youth ice hockey leagues where policy disallows body checking, and the point estimate (IRR=0.8 (95% CI: 0.6 to 1.1)) suggests a protective effect of mouthguards in contact and collision sport (basketball, ice hockey, rugby). SUMMARY/CONCLUSIONS: Highlights include a protective effect of helmets in skiing/snowboarding and the effectiveness of policy eliminating body checking in youth ice hockey. Future research should examine mouthguards in contact sport, football helmet padding, helmet fit in collision sport, policy limiting contact practice in youth football, rule enforcement to reduce head contact in ice hockey and soccer, ice surface size and board/glass flexibility in ice hockey and training strategies targeting intrinsic risk factors (eg, visual training). SYSTEMATIC REVIEW REGISTRATION: PROSPERO 2016:CRD42016039162.
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 | 0,020 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,012 |
| Bibliométrie | 0,013 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».