Can Design Help Mitigate Running-Related Injuries?
Notice bibliographique
Résumé
Long-distance recreational running is a popular form of exercise \nenjoyed by many people across Canada. With a plethora of well-understood \nphysical and mental health benefits, it is no surprise that running is so popular. \nThese benefits, coupled with a low barrier to participation, makes running an \nattractive form of exercise for many. \nWhile running may be a healthy way to stay active, many runners will inevitably \nsustain a running-related injury. While studies show varying degrees of injury \nprevalence, many indications point about 65%. These injuries often prevent \npeople from running, which can have an impact on an individual's physical and \nmental health. Running is known to help prevent lifestyle-related diseases such \nas cardiovascular disease, diabetes, and certain forms of cancer. Thus, keeping \nindividuals running carries health benefits to the athlete but it may also carry \nimmense socioeconomic benefits by reducing the burden on the Canadian \nhealthcare system. \nThe current research aims to review the current state of knowledge as it \npertains to the physical and mental health benefits associated with running, \nrunning-related technologies, and running-related injuries. Primary research \nwas conducted in order to understand perceptions of and attitudes toward \nrunning injuries. The insights derived from the secondary and primary research \ninitiatives were synthesized to yield 3 injury-prevention principles designed to \nmitigate running related injuries through the use of technology.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,010 |
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 ».