MétaCan
Menu
Retour à la cohorte
Enregistrement W2981887602 · doi:10.3390/sports7110227

What Is Injury in Ice Hockey: An Integrative Literature Review on Injury Rates, Injury Definition, and Athlete Exposure in Men’s Elite Ice Hockey

2019· review· en· W2981887602 sur OpenAlexaff
Anthony S. Donskov, David K. Humphreys, James P. Dickey

Notice bibliographique

RevueSports · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésIce hockeyElitePsychologyPhysical therapyPhysical medicine and rehabilitationMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Injuries in men's elite ice hockey have been studied over the past 40 years, however, there is a lack of consensus on definitions of both injury and athlete exposure. These inconsistencies compromise the reliability and comparability of the research. While many individual studies report injury rates in ice hockey, we are not aware of any literature reviews that have evaluated the definitions of injury and athlete exposure in men's elite ice hockey. The purpose of this integrative review was to investigate the literature on hockey musculoskeletal injury to determine injury rates and synthesize information about the definitions of injury and athlete exposure. Injury rates varied from 13.8/1000 game athlete exposures to 121/1000 athlete exposures as measured by player-game hours. The majority of variability between studies is explained by differences in the definitions of both injury and athlete exposure. We were unable to find a consensus injury definition in elite ice hockey. In addition, we were unable to observe a consistent athlete exposure metric. We recommend that a consistent injury definition be adopted to evaluate injury risk in elite ice hockey. We recommend that injuries should be defined by a strict list that includes facial lacerations, dental injuries, and fractures. We also recommend that athlete exposure should be quantified using player-game hours.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0110,009
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,343
Écart entre enseignants0,320 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations23
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSportsMême sujetSports injuries and preventionTravaux en français237 207