Does disallowing body checking in non-elite 13- to 14-year-old ice hockey leagues reduce rates of injury and concussion? A cohort study in two Canadian provinces
Notice bibliographique
Résumé
OBJECTIVE: To compare rates of injury and concussion among non-elite (lowest 60% by division of play) Bantam (ages 13-14 years) ice hockey leagues that disallow body checking to non-elite Bantam leagues that allow body checking. METHODS: In this 2-year cohort study, Bantam non-elite ice hockey players were recruited from leagues where policy allowed body checking in games (Calgary/Edmonton 2014-2015, Edmonton 2015-2016) and where policy disallowed body checking (Kelowna/Vancouver 2014-2015, Calgary 2015-2016). All ice hockey game-related injuries resulting in medical attention, inability to complete a session and/or time loss from hockey were identified using valid injury surveillance methodology. Any player suspected of having concussion was referred to a study physician for diagnosis and management. RESULTS: 49 body checking (608 players) and 33 non-body checking teams (396 players) participated. There were 129 injuries (incidence rate (IR)=7.98/1000 hours) and 54 concussions (IR=3.34/1000 hours) in the body checking teams in games. After policy change, there were 31 injuries (IR=3.66/1000 hours) and 17 concussions (IR=2.01/1000 hours) in games. Policy disallowing body checking was associated with a lower rate of all injury (adjusted incidence rate ratio (IRR)=0.44; 95% CI: 0.27 to 0.74). The point estimate showed a lower rate of concussion (adjusted IRR=0.6; 95% CI: 0.31 to 1.18), but this was not statistically significant. CONCLUSION: Policy change disallowing body checking in non-elite Bantam ice hockey resulted in a 56% lower rate of injury. There is growing evidence that disallowing body checking in youth ice hockey is associated with fewer injuries.
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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».