Effect of a new concussion substitute rule on medical assessment of head collision events in Premier League football
Notice bibliographique
Résumé
OBJECTIVE: To investigate the utilisation of additional permanent concussion substitutes (APCSs) and its efficacy with regards to rate and duration of medical assessment of head collision events (HCEs) in the 2020-2021 Premier League season. The present APCS rule allows players with a suspected concussion to be removed from a match without counting towards a team's allocated substitutions. METHODS: Eighty Premier League matches, 40 prior to additional permanent concussion substitutes implementation (Pre-APCS) and 40 after (Post-APCS), were randomly selected and analysed by a team of trained reviewers for HCEs. Data on HCE incidence, rates of medical assessment, duration of medical assessment and return to play were collected for each match. Data for the Pre-APCS and Post-APCS groups were compared to analyse differences in assessment of HCEs. RESULTS: During the 2020-2021 Premier League season, three APCSs were used. There were 38 HCEs identified in the Pre-APCS group (0.95 per match, 28.79 per 1000 athlete-hours of exposure) and 42 in the Post-APCS group (1.05 per match, 31.82 per 1000 athlete-hours of exposure). Incidence of HCEs (p=0.657), rates of medical assessment (23.7% Pre-APCS vs 21.4% Post-APCS; p=0.545) and duration of medical assessment (median 81 s Pre-APCS vs 102 s Post-APCS; p=0.466) did not significantly differ between the two groups. CONCLUSIONS: The implementation of APCSs in the Premier League did not impact the rate or duration of medical assessement of HCEs. Despite the introduction of APCSs, the consensus protocols for HCE assessment were rarely followed. We recommend changes to APCS and its implementation that would be aimed at protecting player health.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».