Overuse injuries are prevalent in children’s competitive football: a prospective study using the OSTRC Overuse Injury Questionnaire
Notice bibliographique
Résumé
OBJECTIVES: To investigate the prevalence and burden of overuse injuries in children's football as well as player characteristics and their association with overuse injury risk. METHODS: This investigation is based on the control arm (10 clubs) of a randomised controlled trial investigating prevention of injuries in youth football. We conducted a prospective 20-week follow-up study on overuse injuries among Finnish football players (n=733, aged 9-14 years). Each week, we sent a text message to players' parents to ask if the player had sustained any injury during the past week. Players with overuse problem were interviewed over the phone using an overuse injury questionnaire. The main outcome measures were prevalence of all overuse injuries and substantial overuse injuries (those leading to moderate or severe reductions in participation or performance) and injury severity. RESULTS: The average response rate was 95%. In total, 343 players (46.8%) reported an overuse problem while in the study. The average weekly prevalence of all overuse problems and substantial overuse problems was 12.8% and 6.0%, respectively. Injuries affecting the knee had the highest weekly prevalence (5.7% and 2.4% for all and substantial knee problems, respectively). Girls had a higher likelihood of knee problems (OR 2.70; 95% CI 1.69 to 4.17), whereas boys had a higher likelihood of heel problems (OR 2.82; 95% CI 1.07 to 7.44). The likelihood of reporting an overuse problem increased with age (OR 1.21; 95% CI 1.00 to 1.47). CONCLUSION: Overuse injuries are prevalent in children's competitive football. Knee overuse injuries represent the greatest burden on participation and performance. TRIAL REGISTRATION NUMBER: ISRCTN14046021.
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 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 ».