MétaCan
Menu
Retour à la cohorte
Enregistrement W2948669444 · doi:10.3389/fpsyg.2019.01411

Can Preinjury Adversity Affect Postinjury Responses? A 5-Year Prospective, Multi-Study Analysis

2019· article· en· W2948669444 sur OpenAlexfundno aff
Ross Wadey, Lynne Evans, Sheldon Hanton, Mustafa Sarkar, Helen Oliver

Notice bibliographique

RevueFrontiers in Psychology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensnon disponible
Organismes subventionnairesTrent UniversityNottingham Trent University
Mots-clésPsychologyCoping (psychology)Biopsychosocial modelClinical psychologyThematic analysisAthletesRepeated measures designPhysical therapyPsychiatryMedicineQualitative research

Résumé

récupéré en direct d'OpenAlex

Informed by and drawing on both the integrated model of response to sport injury (Wiese-Bjornstal, Smith, Shaffer, & Morrey, 1998) and the biopsychosocial model of challenge and threat states (Blascovich, 2008), this multi-study paper examined whether preinjury adversity affected postinjury responses over a five-year time period. Study 1 employed a prospective, repeated-measures methodological design. Non-injured participants (N=846) from multiple-sites and sports completed a measure of adversity (Petrie, 1992); 143 subsequently became injured and completed a measure of coping (Carver, Scheier, & Weintraub, 1989) and psychological responses (Evans, Hardy, Mitchell, & Rees, 2008) at injury onset, rehabilitation, and return to sport. MANOVAs identified significant differences between groups categorized as low, moderate, and high preinjury adversity at each time phase. Specifically, in contrast to low or high preinjury adversity groups, injured athletes with moderate preinjury adversity experienced less negative psychological responses and used more problem-and emotion-focused coping strategies. Study 2 aimed to provide an in-depth understanding of why groups differed in their responses over time, and how preinjury adversity affected these responses. A purposeful sample of injured athletes from each of the three groups were identified and interviewed (N=18). Using thematic analysis, nine themes were identified that illustrated that injured athletes with moderate preinjury adversity responded more positively to injury over time in comparison to other groups. Those with high preinjury adversities were excessively overwhelmed to the point that they were unable to cope with injury, while those with low preinjury adversities had not developed the coping abilities and resources needed to cope postinjury. Practical implications and future research directions are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,335
Écart entre enseignants0,323 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetSports injuries and preventionTravaux en français237 207