Imaging-detected Bone Stress Injuries at the Tokyo 2020 Summer Olympics: Epidemiology, Injury Onset, and Competition Withdrawal Rate
Notice bibliographique
Résumé
Abstract Background Prevention and early detection of injuries are essential in optimising sport participation and performance. The aim of this study is to investigate the epidemiology, history, and competition withdrawal rate of imaging-detected bone stress injuries during the Tokyo 2020 Olympic Games. Methods We collected and analysed imaging and patient information data in athletes with bone stress injuries diagnosed in the Olympic Village polyclinic during the Games. Two physicians independently and retrospectively reviewed all imaging examinations. Results A total of 10,305 individual athletes from 206 National Olympic Committees competed at the Games, during which 567 MRIs and 352 X-rays were performed at the Olympic Village polyclinic. Radiology examinations revealed four stress fractures and 31 stress reactions in 29 athletes (median age 24 years, range 18–35 years). Of these, 72% of patients (n = 21) had symptoms before entering the Olympic Village. Bone stress injuries were more common in women (55%), the lower extremities (66%), and track and field athletes (45%). Six patients (21%) did not start or did not finish their competitions. Conclusions This study revealed 35 imaging-detected bone stress injuries in the polyclinic of the Tokyo 2020 Olympic Village. The high proportion of patients with symptoms before entering the village and the high proportion of competition withdrawals suggests the usefulness of an early MRI examination.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 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 ».