Heads Above the Rest: Examining Head impacts in Canadian High School Football
Notice bibliographique
Résumé
This thesis contains three projects focused on concussion and head impacts in tackle football. First, is a systematic review and meta-analysis. Objective: To examine youth football concussion and head impact rates, modifiable risk factors, and football-specific prevention strategies. Methods: Nine databases were searched. Two authors (with a third to resolve disagreements) completed study screening and assessment of bias. Results: Concussion rates for high school (ages 13-19) and minor football (ages 5-15) were 0.78/1000 athlete exposures and 1.15/1000 athlete exposures. Of prevention strategies, contact training and contact restrictions had the strongest evidence supporting their effectiveness. Conclusions: The high rates of concussion and head impacts affirm the need for prevention strategies in youth football. The second manuscript investigated head impact rates in Canadian high school football. Objective: To describe head impact rates in Canadian high school football. Methods: Games (n=14) involving two teams were recorded during the 2019 season and analyzed to identify head impacts. Results: The offense experienced head impacts at a higher rate than the kicking and receiving units, but not the defense. Conclusion: To help reduce the head impact rates in this cohort, contact training emphasizing the removal of the head from contact may be beneficial. The third manuscript evaluated a score-based running time rule. Objective: To describe the effect of the score-based running time rule on the rates of head impacts in Canadian high school football. Methods: Video analysis was used to identify head impacts in games (n=14) involving two teams that were followed during the 2019 football season. Results: The rates of head impacts in games where running time came into effect were lower for the offense and defense, but not special team units (kicking team and receiving team). Conclusions: The score-based running time rule was associated with lower head impact rates for two of four team units.
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 | 0,026 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,011 |
| Bibliométrie | 0,009 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».