Players with high physical fitness are at greater risk of injury in youth football
Notice bibliographique
Résumé
The aim of this study was to investigate physical fitness, football-specific skills, and their association with injury risk in youth football. Altogether 447 male and female players aged 9-14 years (median 12 years) participated in performance tests and prospective follow-up. The physical fitness tests included five-jump test for distance, 30-m sprint, football-specific figure of eight agility, countermovement jump, and Yo-Yo intermittent endurance test level 1. The football-specific skill tests included dribbling and passing tests. Injuries and exposure were registered during the 20-week follow-up. Our candidate risk factors were low/high level of physical fitness measured with a composite score of physical fitness tests and low/high level of football-specific skills measured with a composite score of dribbling and passing tests. Secondarily, we investigated performance in individual tests and their association with injury risk. During the follow-up, players reported 565 injuries (264 acute and 301 overuse injuries). High level of physical fitness was associated with increased rate of all injuries (age-, sex-, and mean team exposure-adjusted IRR: 1.28, 95% CI: 1.04-1.58). The level of football-specific skills had no influence on the overall injury rate. Burden of overuse injuries, but not acute injuries was significantly higher in most fit players compared with the players in the reference group (IRR: 2.09, 95% CI: 1.04-4.24). In conclusion, most fit players were at greater risk of sustaining injuries in youth competitive football.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».