Epidemiology of injuries in professional football: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: We performed a systematic review and meta-analysis of epidemiological data of injuries in professional male football. METHOD: Forty-four studies have reported the incidence of injuries in football. Two reviewers independently extracted data and assessed trial quality using the Strengthening the Reporting of Observational Studies in Epidemiology statement and Newcastle Ottawa Scale. Studies were combined in a pooled analysis using a Poisson random effects regression model. RESULTS: The overall incidence of injuries in professional male football players was 8.1 injuries/1000 hours of exposure. Match injury incidence (36 injuries/1000 hours of exposure) was almost 10 times higher than training injury incidence rate (3.7 injuries/1000 hours of exposure). Lower extremity injuries had the highest incidence rates (6.8 injuries/1000 hours of exposure). The most common types of injuries were muscle/tendon (4.6 injuries/1000 hours of exposure), which were frequently associated with traumatic incidents. Minor injuries (1-3 days of time loss) were the most common. The incidence rate of injuries in the top 5 European professional leagues was not different to that of the professional leagues in other countries (6.8 vs 7.6 injuries/1000 hours of exposure, respectively). CONCLUSIONS: Professional male football players have a substantial risk of sustaining injuries, especially during matches.
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 | 0,014 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,028 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».