This is Sparta - A Five-Year Obstacle Course Racing Injury Analysis
Notice bibliographique
Résumé
Introduction: Obstacle Course Races (OCR) are mass participation sporting events, challenging participants to complete physical and mental tasks over a variety of distances and terrains. The case series studied, Spartan Race, has races occurring in urban, rural, and wilderness venues, ranging from 5 to 42 kilometers, while incorporating 20 to 60 obstacles. Aim: To understand the injury rates, injury and illness patterns, and transport considerations within OCRs. Methods: A secondary data analysis of de-identified medical charts from 56 Spartan Race events occurring in Eastern Canada from 2014 to 2018 was performed. The scope of practice was first aid from 2014 to 2017, with the addition of advanced life support onsite in 2018. Results: Over 5 years, 2,387 injuries occurred among 127,481 participants, creating a patient presentation rate of 18.7/1000. Although the majority of injuries (92%; n=2,204) were treated onsite, a transport to hospital rate of 1.2/1000 (n=154) occurred along with an ambulance transport rate of 0.23/1000 (n=29). Lacerations (55%) and musculoskeletal (36%) injuries were the most frequent clinical presentations observed, whereas life-threatening emergencies (affecting airway, breathing, and circulation) were infrequent (n=10). Transport to the closest local tertiary care center was on average 49.8 kilometers (25.3 kilometers) and 40.5 minutes (17.9 minutes) away from the venue. Discussion: These results suggest that there may be an upper limit to the injury rates within Spartan Races. The majority of patient presentations were able to be treated onsite, supporting the need for a qualified onsite medical team to mitigate the strain on local healthcare systems. Although life-threatening emergencies were uncommon, they do occur, and medical teams must be appropriately prepared. Further research is needed to understand the staffing and equipment requirements of medical teams, the demographic information of the injured, and the examination of the impact OCR events have on the local health care systems.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».