Varsity athletes' concussion beliefs: A driving factor to prevention?
Notice bibliographique
Résumé
Concussion prevention programs aim to reduce concussion incidence by increasing knowledge and awareness about the injury, though reductions in the context of sport have been limited. Many of these efforts have been directed towards influencing athlete beliefs of concussion injury to encourage the use of protective behaviours. Little is know about athletes' beliefs about concussion and how those beliefs might affect protective behaviours. The Common Sense Model (CSM) of Illness Representation suggests that stimuli, such as education or experiences regarding an injury, influence an individual’s danger and fear representations of the injury. These perceptions relate to the likelihood the individual enacting coping or protective behaviours. This cross-sectional survey of 100 varsity athletes (55% male; mean age 20; 61% involved in contact sports; 63% history of concussion) used the CSM to examine beliefs (control, timeline, consequence, emotions) about concussion injury along with competitive drive and how they influence attitudes and intentions towards protective behaviours. Women expressed greater fear and anxiety towards concussion than men. Athletes educated about concussion believed that concussion injury could have long-term effects versus non-educated athletes. Athletes’ belief about the cyclical nature of concussion, the social consequences of the injury, and the efficacy of medical treatment were positively related to protective behaviour attitudes accounting for 10 percent of the variance. None were unique predictors of attitudes. Only emotional associations uniquely predicted protective behaviour intention accounting for 13 percent of the variance. Attitudes accounted for 10 percent of the variance in behavioural intention. Emotion plays a significant role in protective behaviour intention but cognitive representations play a limited role. Research and practice should consider factors other than danger beliefs in prevention efforts.
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 | 0,005 |
| 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 | 0,002 | 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) | 0,005 | 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 ».