High Injury and Concussion Rates in Female Youth Team Sport: An Opportunity for Prevention
Notice bibliographique
Résumé
The aim of this study was to investigate sport-related injury rates, types, locations, and mechanisms in female youth team sports. This was a secondary analysis of a cross-sectional study. An anonymous online survey was administered to high school students (ages 14-19) in Alberta, Canada. The survey included questions regarding demographic information, sport participation and self-reported injuries sustained in the past year. Results were analyzed for girls who reported playing a top ten team sports for female participation. For girls participating in team sports, the overall injury rate was 55.5 injuries/100 participants/year. The rate of at least one concussion was 9.4 concussions/100 participants/year. Injury and concussion rates were highest in ringette (Injury rate=42.9 injuries/100 participants/year, Concussion rate=19.0 concussions/100 participants/year) and rugby (Injury rate=40.0, Concussion rate=15.3). The top three most serious injury locations were the knee (24.7%), ankle (21.6%) and head (16.1%). The most common injury types were joint/ligament sprain (26.71%), fracture (13.0%) and concussion (11.8%). Contact mechanisms accounted for 73.4% of all serious injuries reported in girls team sports. Team sport injury rates are high in female youth team sports. Specific consideration of sport-specific injury rates, types and mechanisms in girls' team sports will inform development and evaluation of targeted sport-specific prevention strategies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».