Concussions in Community-Level Rugby: Risk, Knowledge, and Attitudes
Notice bibliographique
Résumé
BACKGROUND: Rugby is a popular collision sport where participants are at risk of sustaining concussions. Most research focuses on elite-level or youth divisions. Comparatively, little is known about adult community rugby. The aim of this research was to estimate the risk of sustaining a concussion during participation in community-level rugby and summarize the collective knowledge and attitudes toward concussions. HYPOTHESIS: Concussion symptoms will be reported frequently among community-level rugby players and a substantial proportion will report a willingness to continue participation despite the risk. STUDY DESIGN: Cross-sectional analysis. LEVEL OF EVIDENCE: Level 3. METHODS: An anonymous, voluntary survey was administered to all 464 senior rugby players registered in the province of Manitoba in 2015. Two primary domains were assessed: (1) concussion history from the preceding season including occurrence, symptomatology, and impact on daily activities and (2) knowledge and attitudes toward concussion risks and management. RESULTS: In total, 284 (61.2%) rugby players responded. Concussive symptoms were reported by 106 (37.3%). Of those, 87% were formally diagnosed with a concussion and 27% missed school and/or work as a result. The danger of playing while symptomatic was recognized by 93.7% of participants, yet 29% indicated they would continue while symptomatic. Furthermore, 39% felt they were letting others down if they stopped playing due to a concussion. CONCLUSION: Concussive symptoms were common among the study cohort and had a notable impact on daily activities. A high proportion of players were willing to continue while experiencing symptoms despite recognizing the danger. The observed discord between knowledge and attitudes implicates a culture of "playing injured." CLINICAL RELEVANCE: Understanding the risk of injury may affect an individual's decision to participate in community-level rugby. Moreover, evidence of discord between the knowledge and attitudes of players may direct future research initiatives and league governance.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».