What are the risk factors for injuries and injury prevention strategies for skiers and snowboarders in terrain parks and half-pipes? A systematic review
Notice bibliographique
Résumé
OBJECTIVE: To synthesise the current evidence regarding the risk factors, the injury prevention strategies and the profile of injured skiers and snowboarders in terrain parks (TPs) and half-pipes (HPs). DESIGN: Systematic review following the Preferred Reporting Items for Systematic Reviews and Meta-Analysis guidelines. DATA SOURCES: Literature searches from six electronic databases and manual searches were performed. ELIGIBILITY CRITERIA FOR SELECTING STUDIES: Inclusion criteria were: (1) publication based on original data; (2) injuries sustained in TPs or HPs; (3) recreational skiing or snowboarding injuries; (4) observational or experimental study design with a comparison group. RESULTS: No study explored the risk factors in HPs or the prevention strategies in TPs or HPs. From the literature retrieved, there is strong evidence that skiing or snowboarding in a TP is a risk factor for head, neck, back and severe injuries. Two papers assessed the risk factors for injuries in TPs, mainly demonstrating that features promoting aerial manoeuvres or a large drop to the ground were associated with higher feature-specific injury rates. The profile of injured skiers and snowboarders in TPs described in the literature suggested some evidence of associations between factors including activity, sex, skill level, helmet use, age and TP injuries. SUMMARY/CONCLUSIONS: This systematic review demonstrates the need for studies identifying the risk factors for injuries to skiers and snowboarders and on interventions to reduce the risk of injury in TPs and HPs. Studies addressing the issue of TP design should be considered. PROSPERO REGISTRATION NUMBER: CRD42016045206.
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) | 0,004 | 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 ».