JUMPER'S KNEE: A PROSPECTIVE EVALUATION OF RISK FACTORS IN VOLLEYBALL PLAYERS USING AN OVERUSE MEASURE OF INJURY
Notice bibliographique
Résumé
Background A multitude of risk factors have been reported to increase an athlete's risk of developing jumper's knee. An overuse injury definition has been cited as more sensitive in capturing knee injuries when compared to a time-loss injury definition. To date, risk factors for jumper's knee have not been assessed for the development of knee problems captured by an overuse injury definition. Objective To assess a multitude of potential intrinsic risk factors for jumper's knee in volleyball players. Design Prospective Cohort. Setting Collegiate and national team training facilities. Patients (or Participants) Sixty elite adult male volleyball players were recruited from collegiate and national team programs in Canada. Interventions (or Assessment of Risk Factors) Participants completed risk factor assessments at the commencement of the season including: vertical jump ability (cm), weight bearing ankle dorsiflexion range (degrees), dynamic balance (cm), dynamic knee alignment (degrees) and landing mechanics (degrees). Main Outcome Measurements Self-reporting knee problems utilizing an overuse injury questionnaire collected via short message service (SMS) was completed prospectively over one season. Substantial knee problems were identified and logistic regression was used to estimate odds ratios for each risk factor independently. Results The season prevalence of knee problems was 75.0% (95% CI: 62.2 to 84.6) and the incidence proportion of those rated as substantial was 30.0% (95% CI: 19.5 to 43.1). The SMS system of tracking overuse injuries demonstrated 98.2% completeness. No single risk factor was found to predict substantial knee problems. All odds ratios were close to unity with narrow confidence intervals (0.91–1.07) and p>0.05. Conclusions A more sensitive capture of overuse knee injuries did not result in the identification of distinct risk factors for the development of jumper's knee. These findings bring question to the utility of field based pre-season risk factor assessment for the identification of at risk athletes.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».