A Tailored Advice Tool to Prevent Injuries Among Novice Runners: Protocol for a Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Besides the beneficial health effects of being active, running is associated with a risk of sustaining injuries. Runners need to change their behavior to increase the use of effective measures and subsequently reduce the number of running-related injuries. OBJECTIVE: The RunFitCheck intervention was developed according to an evidence- and practice-based approach to stimulate injury-preventive behavior among novice runners. This paper describes the study design in detail. METHODS: A randomized controlled trial with a follow-up period of 5 months will be conducted. The participants will be novice runners. At enrollment, participants will be asked to report injury-preventive measures they usually take during their running activities. After completing the enrollment questionnaire, participants will be randomized to intervention and control groups. The intervention group will have access to the RunFitCheck intervention; the control group will perform their running activities as usual. Participants will be asked to report retrospectively in detail what they have done regarding injury prevention during their running activities at 1, 3, and 5 months after enrollment. Descriptive analyses will be conducted for different baseline variables in the intervention and control group. Relative risks and 95% CIs will be used to analyze behavioral changes according to the intention-to-treat principle. RESULTS: The project was funded in 2016 and enrollment was completed in 2017. Data analysis is currently under way and the results are expected to be submitted for publication in 2019. CONCLUSIONS: To nullify the negative side effects of running, prevention of training errors is desirable. As the use of injury prevention measures is not compulsory in running, a behavioral change is necessary to increase the use of effective injury-preventive measures and to prevent running-related injuries. TRIAL REGISTRATION: Netherlands Trial Register NTR6381; http://www.trialregister.nl/trialreg/admin/rctview.asp?TC=6381 (Archived by WebCite at http://www.webcitation.org/736Xjm5jv). INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR1-10.2196/9708.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».