MétaCan
Menu
Retour à la cohorte
Enregistrement W4229447369 · doi:10.3389/fpsyg.2022.883279

Injury Prevention Considerations for Drum Kit Performance

2022· article· en· W4229447369 sur OpenAlexafffund
Nadia R. Azar

Notice bibliographique

RevueFrontiers in Psychology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMusicians’ Health and Performance
Établissements canadiensUniversity of Windsor
Organismes subventionnairesGRAMMY Museum FoundationUniversity of Windsor
Mots-clésPsychologyApplied psychologyPhysical therapyPhysical medicine and rehabilitationMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

For any skilled performer to deliver their optimal performance, preparation must extend beyond task-specific skill development to include psychological skills training, physical conditioning, and injury prevention. The keynote lecture upon which this article is based (delivered at the International Symposium on Performance Science 2021) explored current research that demonstrates the importance of physical conditioning and injury prevention for drummers (i.e., percussionists who play the drum kit). Early results revealed that professional drummers' heart rates during live performances can reach similar levels to those of other professional athletes during competitions. They also established that playing-related musculoskeletal disorders (PRMDs) are very common in drummers, particularly those affecting the upper limbs such as tendinitis and carpal tunnel syndrome. Evidence from laboratory-based studies supports non-neutral postures, repetitive movements, and exposure to hand-arm vibration as risk factors for the development of these injuries in drummers. Embedding injury prevention education within drum kit curricula is a promising strategy for reducing the rates at which drummers report experiencing PRMDs, and the barriers and facilitators that drum kit educators encounter when attempting to do so are currently under investigation. When drummers include both physical conditioning and injury prevention within their overall preparation regimen, they will maximize their potential to deliver their peak performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,038
Tête enseignante GPT0,367
Écart entre enseignants0,330 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetMusicians’ Health and PerformanceTravaux en français237 207