Imaging-detected bone stress injuries at the Tokyo 2020 summer Olympics: epidemiology, injury onset, and competition withdrawal rate
Notice bibliographique
Résumé
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, athlete injury history, and competition withdrawal rate of imaging-detected bone stress injuries during the Tokyo 2020 Olympic Games. METHODS: We collected and analysed imaging and clinical information in athletes with bone stress injuries diagnosed in the Olympic Village polyclinic during the Games. Two physicians independently and retrospectively reviewed all imaging examinations of bone stress injuries. RESULTS: A total of 11,315 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 38 stress reactions in 29 athletes (median age 24 years, range 18-35 years). Of these, 72% of athletes (n = 21) had symptoms before entering the Olympic Village. Bone stress injuries were most common in women (55%), the lower extremities (66%), and track and field athletes (45%). Six athletes (21%) did not start or did not finish their competitions. CONCLUSIONS: This study revealed 42 imaging-detected bone stress injuries in the polyclinic of the Tokyo 2020 Olympic Village. The high proportion of athletes 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».