059 Olympic-career related sports injury epidemiology: the retired olympian musculoskeletal health study (ROMHS)
Notice bibliographique
Résumé
Background There are numerous studies describing elite athlete injury patterns seasonally and during major sporting events, however little is known about injury patterns during an elite athlete’s entire sporting career. Objective To describe Olympic-career related significant (≥30 days duration) injuries. Design Cross-sectional survey. Setting The survey was promoted and distributed in eight languages, worldwide via email and social media to Olympians who competed at a Summer and/or Winter Olympic Games and considered themselves retired from Olympic level training and competition. Patients (or Participants) 3,357 Olympians (44% female), median age 44.7 yrs (16–97) from 131 countries and 57 Olympic Sports (42 summer, 15 winter), mean 1.6±0.9 Olympic Games per Olympian. Interventions (or Assessment of Risk Factors) Olympic-career participation and significant injury history. Main Outcome Measurements Injury prevalence by sport and anatomical region. Results There were 3,746 injuries reported in 2,116 Olympians equating to 63.0% of Olympians (female 68.1%, male 59.2%; Summer 62.0%, Winter 69.0%) reporting at least one significant Olympic-career related injury. Overall, 1.1 significant injuries per Olympic-career were reported, with 63.8% (n=2389) of injuries occurring in training. By sport (Summer and Winter, respectively), injury prevalence was highest in handball (82.2%), badminton (78.4%) and judo (77.2%), and alpine skiing (82.4%), freestyle skiing (81.6%), and snowboarding (77.3%), and lowest for shooting (40.0%) and swimming (48.5%), and biathlon (40.0%) and curling (54.3%) (sports with n≥20 participants). The knee (20.6%), followed by the lumbar spine (13.1%), and shoulder (12.9%) were the most common affected injury locations. Conclusions Overall, almost two thirds of Olympians reported sustaining at least one significant Olympic-career related injury. Similar to prospective injury studies, injury prevalence varied across sports, with the knee, lumbar spine and shoulder most commonly affected. It is important to understand the nature and causes of injuries during the entire career of an elite athlete, in order to better inform injury prevention and future athlete health initiatives.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».