Pac-12 CARE-Affiliated Program: structure, methods and initial results
Notice bibliographique
Résumé
Sport-related concussion has garnered increasing scientific attention and research over the last decade. Collegiate student-athletes represent an important cohort in this field. As such, the Pac-12 CARE-Affiliated Program (CAP) was formed in 2017 as a regional hub of the Concussion Assessment, Research and Education (CARE) consortium. CAP is multisite, prospective, longitudinal study that aims to improve student-athlete health by identifying factors associated with concussion incidence and recovery and using this knowledge to inform best clinical practices and policy decisions. CAP employed a staggered rollout across the Pac-12, with the first four institutions enrolling in fall 2018. After receiving institutional review board (IRB) approval, these institutions began consenting student-athletes to share clinical concussion and baseline data for research purposes. Athletes completed baseline testing that included a medical questionnaire, concussion history and a battery for clinical concussion assessments. Concussed student-athletes were given the same battery of assessments in addition to full injury and return to play reports. Clinicians at each university worked with a data coordinator to ensure appropriate reporting, and the Pac-12 Concussion Coordinating Unit at the University of Colorado Boulder provided oversight for quality control of the data study wide. During year 1, CAP consented 2181 student-athletes and tracked 140 concussions. All research was conducted with the appropriate IRB approval across the participating Pac-12 institutions. Data security and dissemination are managed by the Presagia Sports Athlete Electronic Health Record software (Montreal, Quebec, Canada) and QuesGen Systems (San Francisco, California, USA).
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».