The influence of match exposure on injury risk in elite men's rugby union
Notice bibliographique
Résumé
OBJECTIVES: To investigate the influence of previous season match exposure on injury incidence and burden in elite men's rugby union. DESIGN: A three-season (2016-17 to 2018-19) retrospective cohort design was used to collect and analyse injury and exposure data across English Premiership rugby union teams. METHODS: Generalised linear mixed-effects models were used to model the influence of match exposure (all match involvements, match involvements of ≥20 mins, and full-game equivalents) upon match and training injury incidence and burden in the following season. RESULTS: Involvement in ≥31 matches within a season was associated with substantially increased match and training injury burden in the following season. Match exposure was not clearly associated with injury incidence in the following season. The increased match injury burden associated with higher match involvements appeared to be driven by an increased risk for older (>26 y) Forwards, whilst the increased training injury burden associated with higher match involvements appeared to be driven by an increased risk for older (>26 y) Backs. CONCLUSIONS: The present study demonstrates that all match involvements, regardless of duration, should be considered when exploring associations between match exposure and injury risk. High match involvements (≥ 31 matches) are associated with elevated injury burden, in both matches and training, in the following season. The physical and psychological load of players with high previous-season match exposure should be carefully managed.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».