Non-accidental harms (‘abuse’) in athletes with impairment (‘para athletes’): a state-of-the-art review
Notice bibliographique
Résumé
OBJECTIVE: Para athletes reap significant health benefits from sport but are vulnerable to non-accidental harms. Little is known about the types and impacts of non-accidental harms Para athletes face. In this literature review, we summarise current knowledge and suggest priorities for future research related to non-accidental harms in Para athletes. DESIGN: Six electronic databases were searched between August and September 2017. 2245 articles were identified in the initial title/abstract review, and 202 records were selected for full-text review following preliminary screening. Two independent examiners evaluated each full text, and eight citations were selected based on inclusion/exclusion criteria. DATA SOURCES: MEDLINE, Embase, PsycInfo, Cumulative Index to Nursing and Allied Health Literature, Scopus and Academic Search Premier. ELIGIBILITY CRITERIA FOR SELECTING STUDIES: Inclusion criteria: (A) human participants; (B) written in English; (C) descriptive, cohort and case series, case-control, qualitative, mixed methods studies and all clinical trials; and (D) data pertain to harassment/abuse of youth, recreational, collegiate, national-level and/or elite-level athletes with a physical and/or intellectual impairment. RESULTS: Most studies focused on young, visually impaired athletes and approximately half of all studies described high rates of bullying and its social implications. One study confirmed remarkably high rates of psychological, physical and sexual harms in Para athletes, compared with able-bodied peers. CONCLUSIONS: Bullying in young, visually impaired athletes is described most commonly in the available literature. Due to the limited amount of data, the prevalence of non-accidental harms in Para athletes remains unclear and information on trends over time is similarly unavailable.
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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».