Sport participation and injury rates in high school students: A Canadian survey of 2029 adolescents
Notice bibliographique
Résumé
INTRODUCTION: The objective of this study is to examine sport and recreational (S&R) activity participation and injury rates (IR) in high school students (ages 14-19). METHODS: High school students (N = 24 schools, n = 2,029; 958 male, 1,048 female, 23 identified 'other' or missing; ages 14-19) in Alberta completed a web-based survey during class (October 2018-March 2019). Students identified their top three sports for participation in the past year. Primary outcome measures included IR for (a) any S&R-related injury, (b) most serious S&R-related injury resulting in medical attention, and (c) most serious injury resulting in restriction from S&R for at least one day. RESULTS: In total, 1763/2029 (86.89%) respondents [861/958 (89.87%) male, 886/1048 (84.54%) female, 16/23 (69.57%) identifying as 'other' or missing] participated in an S&R activity in the past year. Top sports for male participation were basketball (33.08%; 95% CI 27.67-39.00), ice hockey (20.46%; 95% CI 14.87-27.47), and soccer (19.42%; 95% CI 15.67-23.80). Top sports for female participation were dance (22.52%; 95% CI 17.98-27.82), basketball (18.32%; 95% CI 14.32-23.14), and badminton (17.84%; 95% CI 13.35-23.43). Of the 1,971 students completing the S&R injury question, 889 reported at least one injury during the past year [(IR = 45.10 injuries/100 students/year (95% CI 39.72-50.61)]. The medical attention IR was 29.09 injuries/100 students/year (95% CI 24.49-34.17) and time loss IR was 36.00 injuries/100 students/year (95% CI 30.47-41.93). CONCLUSIONS: High school student S&R IRs are high with 29% of adolescents reporting at least one medical attention injury within the past year. Injury prevention strategies targeting youth are necessary. Practical Application: Participation in S&R activities has multiple physical, psychological, and health benefits for adolescents, but some S&R activities also have greater risks of injury. This study informs the next sports to target for implementation of optimal prospective surveillance and injury prevention strategies among high school aged students.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».