Compliance with needle-use declarations at two Olympic Winter Games: Sochi (2014) and PyeongChang (2018)
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
OBJECTIVES: We describe compliance with the 'IOC Needle Policy' at two Winter Olympic Games (Sochi and PyeongChang) and compare these findings to those of the Summer Olympic Games of Rio de Janeiro. METHOD: All needle-use declaration(s) (NUD) received during the course of the 2014 and 2018 Olympic Games were reviewed. We recorded socio-demographic data, the nature and purpose of needle use, product(s) injected, and route of administration. Data were analysed descriptively. RESULTS: In total, doctors from 22 National Olympic Committees (NOCs) submitted 122 NUD involving 82 athletes in Sochi; in PyeongChang, doctors from 19 NOCs submitted 82 NUD involving 61 athletes. This represented approximately 2% of all athletes at both Games, and 25% and 20% of all NOCs participating in Sochi and PyeongChang, respectively. No marked differences in the NUD distribution patterns were apparent when comparing the two Winter Olympic Games. The most commonly administered substances were as follows: local anaesthetics, non-steroidal anti-inflammatory drug and glucocorticoids. Physicians submitted multiple NUD for 24% of all athletes who required a NUD. CONCLUSION: A limited number of NOCs submitted NUD suggesting a low incidence of needle use or limited compliance (approximately 2%). A key challenge for the future is to increase the rate of compliance in submitting NUD. More effective education of NOCs, team physicians and athletes regarding the NUD policy, its purpose, and the necessity for NUD submissions, in association with the enforcement of the appropriate sanctions following non-compliance are needed.
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 | 0,000 | 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