Career Head Impact Exposure Profile of Canadian University Football Players
Notice bibliographique
Résumé
This study quantified head impact exposures for Canadian university football players over their varsity career. Participants included 63 players from one team that participated in a minimum of 3 seasons between 2013 and 2018. A total of 127,192 head impacts were recorded from 258 practices and 65 games. The mean (SD) number of career impacts across all positions was 2023.1 (1296.4), with an average of 37.1 (20.3) impacts per game and 7.4 (4.4) impacts per practice. The number of head impacts that players experienced during their careers increased proportionally to the number of athletic exposures (P < .001, r = .57). Linebackers and defensive and offensive linemen experienced significantly more head impacts than defensive backs, quarterbacks, and wide receivers (P ≤ .014). Seniority did not significantly affect the number of head impacts a player experienced. Mean linear acceleration increased with years of seniority within defensive backs and offensive linemen (P ≤ .01). Rotational velocity increased with years of seniority within defensive backs, defensive and offensive linemen, running backs, and wide receivers (P < .05). These data characterize career metrics of head impact exposure for Canadian university football players and provide insights to reduce head impacts through rule modifications and contact regulations.
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 | 0,002 | 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 | 0,001 |
| 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 ».