Analysis of water polo injuries during 8904 player matches at FINA World Championships and Olympic games to make the sport safer
Notice bibliographique
Résumé
OBJECTIVE: To analyse injuries of water polo players reported during four Summer Olympic Games (2004, 2008, 2012, 2016) and four Federation Internationale de Natation World Championships (2009, 2013, 2015, 2017). METHODS: Injuries during training and matches were reported daily by the team physicians and the local medical staff at the sports venues using an established surveillance system. RESULTS: A total of 381 injuries were reported, equivalent to 14.1 injuries per 100 players (95% CI ±1.42). The most frequent diagnoses were laceration (12.7%) and contusion (10.9%) of head, followed by (sub-)luxation/sprain of hand (9.5%) and contusion of trunk (6.5%) or hand (6.2%). More than half of the injuries (57.0%) occurred due to contact with another player. A quarter of the injuries (25.4%) were expected to result in absence from training or match; 10 (2.9%) resulted in an estimated time-loss of 3 or more weeks. About three-quarters of injuries (75.6%) occurred during matches, 86 during training. The incidence of match injuries was on average 56.2 injuries per 1000 match hours (95% CI ±6.74). The incidence of time-loss match injuries (14.7; 95% CI ±3.44) was significantly higher in men than in women. CONCLUSIONS: A critical review of water polo in-competition rules and the implementation of a Fair Play programme may help to mitigate the high incidence of contact injuries incurred during matches. A water polo-specific concussion education programme including recognition, treatment and return to play is recommended. Finally, a prospective injury surveillance programme would help to better define water polo injuries outside of the competition period.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».