MétaCan
Menu
Retour à la cohorte
Enregistrement W4220846492 · doi:10.1136/bjsports-2021-104737

Incidence of acute respiratory illnesses in athletes: a systematic review and meta-analysis by a subgroup of the IOC consensus on ‘acute respiratory illness in the athlete’

2022· review· en· W4220846492 sur OpenAlexaff
Wayne Derman, Marelise Badenhorst, Maaike M. Eken, Josu Ezeiza-Gomez, Jane Fitzpatrick, Maree Gleeson, Lovemore Kunorozva, Katja Mjøsund, Margo Mountjoy, Nicola Sewry, Martin Schwellnus

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueExercise and Physiological Responses
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésIncidence (geometry)MedicineAthletesMeta-analysisMEDLINESubgroup analysisPhysical therapyInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine the incidence of acute respiratory illness (ARill) in athletes and by method of diagnosis, anatomical classification, ages, levels of performance and seasons. DESIGN: Systematic review and meta-analysis. DATA SOURCES: Electronic databases: PubMed-Medline, EbscoHost and Web of Science. ELIGIBILITY CRITERIA: Original research articles published between January 1990 and July 2020 in English reporting the incidence of ARill in athletes, at any level of performance (elite/non-elite), aged 15-65 years. RESULTS: Across all 124 studies (n=1 28 360 athletes), the incidence of ARill, estimated by dividing the number of cases by the total number of athlete days, was 4.7 (95% CI 3.9 to 5.7) per 1000 athlete days. In studies reporting acute respiratory infections (ARinf; suspected and confirmed) the incidence was 4.9 (95% CI 4.0 to 6.0), which was similar in studies reporting undiagnosed ARill (3.7; 95% CI 2.1 to 6.7). Incidences of 5.9 (95% CI 4.8 to 7.2) and 2.8 (95% CI 1.8 to 4.5) were found for studies reporting upper ARinf and general ARinf (upper or lower), respectively. The incidence of ARinf was similar across the different methods to diagnose ARinf. A higher incidence of ARinf was found in non-elite (8.7; 95% CI 6.1 to 12.5) vs elite athletes (4.2; 95% CI 3.3 to 5.3). SUMMARY/CONCLUSIONS: These findings suggest: (1) the incidence of ARill equates to approximately 4.7 per athlete per year; (2) the incidence of upper ARinf was significantly higher than general (upper/lower) ARinf; (3) elite athletes have a lower incidence of ARinf than non-elite athletes; (4) if pathogen identification is not available, physicians can confidently use validated questionnaires and checklists to screen athletes for suspected ARinf. For future studies, we recommend that a clear diagnosis of ARill is reported. PROSPERO REGISTRATION NUMBER: CRD42020160472.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,453
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0130,002
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,351
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetExercise and Physiological ResponsesTravaux en français237 207