Risk factors associated with injury and concussion in sanctioned amateur and professional mixed martial arts bouts in Calgary, Alberta
Notice bibliographique
Résumé
BACKGROUND: There is limited literature that examines risk factors for injury and mild traumatic brain injury (mTBI) in mixed martial arts (MMA). An examination of previously unstudied bout and athlete characteristics that may pose health risks while partaking in this sport is warranted. HYPOTHESIS/PURPOSE: To determine the incidence of injury and concussion, along with the identification of risk factors that contribute to injury and mTBI in amateur and professional MMA bouts in Calgary, Alberta. STUDY DESIGN: A retrospective cohort study with case-control design. METHODS: Calgary amateur and professional MMA records were examined from 1 January 2010 to 31 December 2015. Descriptive statistics were used to describe the incidence of injury and concussion, along with univariate and multivariable logistic regression to identify risk factors for injury and mTBI. RESULTS: The injury rate per 100 athlete exposure (AE), the injury rate per 100 min of exposure and the concussion rate per 100 AE were 23.6 (95% CI 20.5 to 27.0), 4.1 (95% CI 3.48 to 4.70) and 14.7 (95% CI 11.8 to 17.2), respectively. The most common location of injury was the head and mTBI was the most common type of injury. Athletes whose bout was finished by a knockout/technical knockout, corner stoppage, draw, no contest or physician, and those whose country of origin was non-Canadian, were more likely to sustain an injury. No risk factors for concussion were shown to be significant. CONCLUSION: Engaging in MMA exposes athletes to inherent risk and several recommendations are proposed to reduce these risks. Future prospective investigations are necessary to better delineate the findings in this study.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».