MétaCan
Menu
← Retour à la cohorte
Enregistrement W3126187024 · doi:10.11575/prism/38632

STICK ITT - Study to Increase Current Knowledge of Injuries in Trampoline and Tumbling

2021· dissertation· en· W3126187024 sur OpenAlexaboutno aff
Sheila Downie

Notice bibliographique

RevueOpen MIND · 2021
Typedissertation
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTrampolineCurrent (fluid)MedicinePhysical medicine and rehabilitationPhysical therapyEngineeringPsychologyElectrical engineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

Objectives: To examine incidence rates, severity, characteristics, mechanism and potential risk factors for injury in competitive Trampoline and Tumbling (T&T) athletes ages 8 to 25 years. Methods: Competitive T&T athletes were recruited from across Canada to complete an online questionnaire (e.g., demographics, one-year injury history, injury type and location). Injury was defined as an injury that kept the athlete from T&T training and/or competing for more than one day and/or required medical attention. Univariate Poisson regression analyses were used to estimate incidence rates (IR) and incidence rate ratios (IRR), controlling for cluster by club and offset by exposure hour. Differences in rates were estimated across level of competition (sub-elite/elite), sex (male/female), age (years), T&T experience (years) and exposure (training/competition hours). Descriptive statistics (medians, ranges, proportions, 95% confidence intervals) for athlete demographics and injury characteristics are reported. Results: A total of 132 athletes [89 female; median age=14 (range 10-24 years), 43 males; median age 15 (range 9-24)] from 25 clubs completed the survey with 65% reporting at least one T&T related injury in the previous year. A total of 135 injuries were reported (IR 2.01/1000 exposure hours 95%CI 1.69-2.39). The median time-loss was 30 days (range 0-482) and 125/135 (92.5%) of the injured athletes sought medical attention. The injury rate for elite athletes was 115 injuries/100 athletes/year (95% CI 89.4-143.1) and 92 injuries/100 athletes (95%CI 70.8-116.6) for sub-elite. The most common injury locations were the ankle [28% (24/135)] and head/face [18% (24/135)]. Ligament sprains [22% (30/135)] and concussion [17% (23/135)] were the most common injury type. Females reported significantly higher rate of injury than males [IRR 1.49 (95%CI 1.12-1.92)]. Conclusion: This study examined injury incidence in terms of exposure and found females were at greater rate of injury over their male counterparts. Athletes experience ankle, head (concussion) and overuse type injuries as they engage in competitive T&T. Additional prospective research is needed to inform the development of effective injury prevention strategies among these high-risk young athletes.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,041
Tête enseignante GPT0,425
Écart entre enseignants0,383 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetSports injuries and prevention→Travaux en français237 207→