Hurt on the Hill: A Longitudinal Analysis of Obstacle Course Racing Injuries
Notice bibliographique
Résumé
BACKGROUND: Obstacle course racing (OCR) has become a popular sport in recent years as it challenges participants' mental and physical endurance through a combination of trail running and obstacles. There is currently only a limited amount of published work reporting injury types or rates at these events. PURPOSE: This study aims to build on the current literature, analyzing injury rates and patterns at OCR events. METHODS: A secondary data analysis of deidentified medical charts from 33 OCR events in Canada from 2015 to 2017 was conducted. The scope of on-site care was first aid. STUDY DESIGN: Descriptive epidemiology study. RESULTS: A total of 1782 injuries occurred over 3 seasons from 73,366 participants, with an overall average injury rate of 2.4%; 1.0% (n = 17) of injuries required emergency medical services transport to a local emergency department, and the majority of these injuries were musculoskeletal in nature. The most common injuries treated were lacerations and musculoskeletal-related injuries; 93.9% of the injuries were able to be treated on site. These findings, in conjunction with the published literature, suggest that OCR medical teams should anticipate injury rates of up to 5.0% and a transportation rate of approximately 4.5% of those injuries to local emergency departments. CONCLUSION: The injury and transportation rates found in this study are congruent with the current literature and, most notably, they demonstrated a stable trend across a variety of course lengths (5-42 km ) and numbers of obstacles (≥20). While the majority of injuries may be treated on site, there is still a serious potential for life-threatening emergencies to occur.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».