Ski and snowboard school programs: Injury surveillance and risk factors for grade‐specific injury
Notice bibliographique
Résumé
The objective of our study was to evaluate incidence rates and profile of school program ski and snowboard-related injuries by school grade group using a historical cohort design. Injuries were identified via Accident Report Forms completed by ski patrollers. Severe injury was defined as those with ambulance evacuation or recommending patient transport to hospital. Poisson regression analysis was used to examine the school grade group-specific injury rates adjusting for risk factors (sex, activity, ability, and socioeconomic status) and accounting for the effect of clustering by school. Forty of 107 (37%) injuries reported were severe. Adolescents (grades 7-12) had higher crude injury rates (91 of 10 000 student-days) than children (grades 1-3: 25 of 10 000 student-days; grades 4-6: 65 of 10 000 student-days). Those in grades 1-3 had no severe injuries. Although the rate of injury was lower in grades 1-3, there were no statistically significant grade group differences in adjusted analyses. Snowboarders had a higher rate of injury compared with skiers, while higher ability level was protective. Participants in grades 1-3 had the lowest crude and adjusted injury rates. Students in grades 7-12 had the highest rate of overall and severe injuries. These results will inform evidence-based guidelines for school ski/snowboard program participation by school-aged children.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».