The Influence of Time of Season on Injury Rates and the Epidemiology of Canadian Football Injuries
Notice bibliographique
Résumé
OBJECTIVE: To describe injury rates and injury patterns in the Canadian Football League (CFL) according to time during the season, player position, injury type, and injury location. DESIGN: Prospective, cohort study. SETTING AND PARTICIPANTS: Eight seasons from CFL injury surveillance database. INDEPENDENT VARIABLES: Depending on the analysis, time of season (preseason, regular, and playoffs), player position, injury type, and injury location. MAIN OUTCOME MEASURES: Medical attention and time-loss injury rates per 100 athletes at risk (AAR), and prevalence of time-loss injuries per week. RESULTS: The average game injury rate was 45.2/100 AAR medical attention injuries and 30.7/100 AAR time-loss injuries. Injury rates declined by 1% per week over the season for both medical attention (rate ratio = 0.99) and time-loss (rate ratio = 0.99) injuries, with a substantial decline during the playoffs compared with preseason (rate ratio = 0.70-0.77). The number of ongoing time-loss injuries increased over the course of the regular season. Quarterbacks, offensive backs, and linebackers had the highest game injury rates. Joint/ligament and muscle/tendon injuries were the most common injury types for games and practices, respectively. The lower extremity was the most commonly affected area, specifically the lower leg/ankle/foot and hip/groin/thigh. CONCLUSIONS: There was a 1% decline in injury rate per week during the season and a 30% decline during the playoffs. The number of ongoing time-loss injuries increased over the regular season. Current results can aid league officials and medical staff in making evidence-based decisions concerning player safety and health.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».