A Warm-Up Program to Reduce Injuries in Youth Field Hockey Players: A Quasi-Experiment
Notice bibliographique
Résumé
CONTEXT: Field hockey is popular worldwide; however, it entails a risk of injury. Injuries hamper players' participation in the sport and impose a burden on public health. OBJECTIVE: To investigate the effectiveness of a structured exercise program among youth field hockey players on the injury rate, severity, and burden. DESIGN: Quasi-experimental study. SETTING: On field during 1 season of field hockey (October 2016 through June 2017). PATIENTS OR OTHER PARTICIPANTS: A convenience sample of 22 teams (291 players): 10 teams (135 players, mean age = 11.5 years [95% confidence interval (CI) = 11.2, 11.7 years]) in the intervention group and 12 teams (156 players, mean age = 12.9 years [95% CI = 12.6, 13.2 years]) in the control group. INTERVENTION(S): The Warming-up Hockey program, a sex- and age-specific, structured, evidence-informed warm-up program consisting of a preparation phase (ie, agility and cardiovascular warm-up exercises), movement skills (ie, stability and flexibility exercises), and sport-specific skills (ie, speed and strength exercises in field hockey situations). Participants in the control group performed their usual warm-up routines. MAIN OUTCOME MEASURE(S): Injury rate (ie, the number of injuries per 1000 player-hours of field hockey exposure), severity (ie, days of player time-loss), and burden on athletes' availability to play (ie, days of time loss due to injury per 1000 player-hours of field hockey exposure). RESULTS: .73). The burden of injuries on players' field hockey participation was lower in the intervention group (difference of 8.42 [95% CI = 4.37, 12.47] days lost per 1000 player-hours of field hockey). CONCLUSIONS: Exposure to the Warming-up Hockey program was not significantly associated with a lower injury rate. No reduction was observed in the severity of injuries alone; however, the burden of injuries on players' field hockey participation was lower in the intervention group.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».