Sports injury and illness incidence in the PyeongChang 2018 Olympic Winter Games: a prospective study of 2914 athletes from 92 countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To describe the incidence of injuries and illnesses sustained during the XXIII Olympic Winter Games, hosted by PyeongChang on 9-25 February 2018. METHODS: We recorded the daily number of athlete injuries and illnesses (1) through the reporting of all National Olympic Committee (NOC) medical teams and (2) in the polyclinic and medical venues by the PyeongChang 2018 medical staff. RESULTS: In total, 2914 athletes (1210 women, 42%; 1704 men, 58%) from 92 NOCs were observed for occurrence of injury and illness. NOC and PyeongChang 2018 medical staff reported 376 injuries and 279 illnesses, equalling 12.6 injuries and 9.4 illnesses per 100 athletes over the 17-day period. Altogether, 12% of the athletes incurred at least one injury and 9% at least one illness. The injury incidence was highest in ski halfpipe (28%), snowboard cross (26%), ski cross (25%), snowboard slopestyle (21%) and aerials (20%), and lowest in Nordic combined, biathlon, snowboard slalom, moguls and cross-country skiing (2%-6%). Of the 376 injuries recorded, 33% and 13% were estimated to lead to ≥1 day and >7 days of absence from sport, respectively. The highest incidences of illness were recorded in biathlon (15%), curling (14%), bobsleigh (14%) and snowboard slalom (13%). Thirty per cent of the illnesses were expected to result in time loss, and 70% affected the respiratory system. Women suffered 61% more illnesses than men. CONCLUSION: Overall, 12% of the athletes incurred at least one injury during the Games and 9% an illness, incidences that are similar to the Olympic Winter Games of 2010 and 2014.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle