MétaCan
Menu
Retour à la cohorte
Enregistrement W4311301409 · doi:10.1136/bjsports-2022-106234

Incidence and burden of injury at the Tokyo 2020 Paralympic Games held during the COVID-19 pandemic: a prospective cohort study of 66 045 athlete days

2022· article· en· W4311301409 sur OpenAlexaff
Wayne Derman, Phoebe Runciman, Maaike M. Eken, Pieter‐Henk Boer, Cheri Blauwet, Manos Bogdos, Guzel Idrisova, Esmè Jordaan, James Kissick, Philipe LeVan, Jan Lexell, Fariba Mohammadi, Marcelo Patricio, Martin Schwellnus, Nick Webborn, Stuart E. Willick, Kazuyoshi Yagishita

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineAthletesIncidence (geometry)Physical therapyEpidemiologyFootballProspective cohort studyInjury preventionSports medicinePoison controlEmergency medicineSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To describe the epidemiology of injuries at the Tokyo 2020 Paralympic Games, including injuries sustained in the new sports of badminton and taekwondo. METHODS: Injury data were obtained daily via the established web-based injury and illness surveillance system (WEB-IISS; 81 countries, 3836 athletes) and local organising committee medical facilities (81 countries, 567 athletes). Univariate unadjusted incidences (injuries per 1000 athlete days with 95% CIs), injury proportion (IP, %) and injury burden (days lost per 1000 athlete days) are reported. RESULTS: A total of 4403 athletes (1853 women, 2550 men) from 162 countries were monitored prospectively during the 3-day pre-competition and 12-day competition periods (66 045 athlete days). 386 injuries were reported in 352 athletes (IP=8.0%) with an incidence of 5.8 per 1000 athlete days (95% CI 5.3 to 6.5). Football 5-a-side (17.2), taekwondo (16.0), judo (11.6) and badminton (9.6) had the highest incidence. There was a higher incidence of injuries in the pre-competition period than in the competition period (7.5 vs 5.4; p=0.0053). Acute (sudden onset) injuries and injuries to the shoulder (0.7) and hand/fingers (0.6) were most common. Injury burden was 10.9 (8.6-13.8), with 35% of injuries resulting in time loss from training and competition. CONCLUSION: Compared with previous Paralympic Games, there was a reduction in injury incidence but higher injury burden at the Tokyo 2020 Paralympic Games. The new sports of taekwondo and badminton had a high injury incidence, with the highest injury burden in taekwondo, compared with other sports. These findings provide epidemiological data to inform injury prevention measures for high-risk sports.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,291
Écart entre enseignants0,279 · 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

Citations30
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetSports injuries and preventionTravaux en français237 207