Can visible signs predict concussion diagnosis in the National Hockey League?
Notice bibliographique
Résumé
BACKGROUND: Early identification and evaluation of concussions is critical. We examined the utility of using visible signs (VS) of concussion in predicting subsequent diagnosis of concussion in NHL players. METHODS: VS of concussion were identified through video review. Coders were trained to detect and record specific visual signs while viewing videos of NHL regular season games. 2460 games were reviewed by at least two independent coders across two seasons. The reliability, sensitivity and specificity of these VS were examined. RESULTS: VS were reliably coded with inter-rater agreement rates ranging from 73% to 98.9%. 1215 VS were identified in 861 events that occurred in 735 games. 47% of diagnosed concussions were associated with a VS but 53% of diagnosed concussions had no VS. Of the VS, only loss of consciousness, motor incoordination, and blank/vacant look had positive likelihood ratios greater than 1, indicating a positive association with concussion diagnoses. Slow to get up and clutching of the head were observed frequently but had low positive predictive values. Sensitivity decreased and specificity increased when multiple VS occurred together. CONCLUSIONS: Non-medical personnel can be trained to reliably identify events in which VS occur and to reliably identify specific VS within each of those events. VS can be useful to detect concussion early but they are not enough since more than half of physician diagnosed concussions occurred without the presence of a visual sign. The results underscore the complexity of this injury and highlight the need for comprehensive approaches to injury detection.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».