Acceptability and perceptions of end-users towards an online sports-health surveillance system
Notice bibliographique
Résumé
AIM: To describe the acceptability and the perceptions of athletes and staff members (ie, end-users) towards an online sports-health surveillance system. METHODS: A pilot study with a mixed-methods approach was pursued. Descriptive analysis was conducted to present the adherence of judo (n=34), swimming (n=21) and volleyball (n=14) athletes to an online registration of their sport exposure and any health complaints between April 2014 and January 2015. End-users' perceptions towards the system were investigated qualitatively with semistructured interviews (n=21). Qualitative analysis was based on the constant comparative method using principles of the grounded theory. RESULTS: The response rates of judo, swimming and volleyball athletes were 50% (SD 23), 61% (SD 27) and 56% (SD 25), respectively. Most athletes found it simple to register their sport exposure and health complaints online; however, personal communication was still preferred for this purpose. The system facilitated the communication between medical and trainer staff, who were able to identify in the system reports health complaints from athletes that were not necessarily communicated face-to-face. Therefore, staff members reported that they were able to intervene earlier to prevent minor health complaints from becoming severe health problems. However, staff members expected higher adherence of athletes to the online follow-ups, and athletes expected to receive feedback on their inputs to the system. CONCLUSION: An online system can be used in sporting settings complementary to regular strategies for monitoring athletes' health. However, providing feedback on athletes' inputs is important to maintain their adherence to such an online system.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».