Incidence rate and burden of illness at the Pyeongchang 2018 Paralympic Winter Games
Notice bibliographique
Résumé
OBJECTIVE: To describe the incidence rate (IR) and illness burden (IB) at the Pyeongchang 2018 Paralympic Winter Games. METHODS: A total of 567 athletes from 49 countries were monitored for 12 days over the Pyeongchang 2018 Games (6804 athlete days). Illness data were obtained daily from teams with (41 teams, 557 athletes) and teams without (8 teams, 10 athletes) their own medical support, through electronic data capturing systems. RESULTS: There were 87 illnesses reported, with an illness IR of 12.8 illnesses per 1000 athlete days (95% CI 10.2 to 16.0) and IB of 6.8 days lost per 1000 athlete days (95% CI 3.4 to 13.5). The highest IR was reported for Para snowboard (IR of 19.7 [95% CI 12.0 to 32.2]). Illnesses in the respiratory system (IR of 4.1 [95% CI 2.9 to 5.9]; IB of 1.4 [95% CI 0.6 to 3.0]), skin and subcutaneous system (IR of 2.5 [95% CI 1.5 to 4.1]; IB of 0.6 [95% CI 0.1 to 2.9]), and eye and ocular adnexa (IR of 1.6 [95% CI 0.9 to 3.1]; IB of 0.5 [95% CI 0.1 to 3.3]) were the most common. CONCLUSION: This is the first study to report both the IR and IB in this setting. There was a high IR of illness in the new sport of Para snowboard. The respiratory system had both the highest IR and IB.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».