New sports, COVID-19 and the heat: sports injuries and illnesses in the Tokyo 2020 Summer Olympics
Notice bibliographique
Résumé
OBJECTIVE: To describe the incidence of injuries and illnesses sustained during the Tokyo Summer Olympic Games from 23 July to 8 August 2021. METHODS: We recorded the daily number of athlete injuries and illnesses (1) through the reporting of all National Olympic Committee (NOC) medical teams and (2) in the polyclinic and medical venues by the Tokyo 2020 medical staff. RESULTS: In total, 11 315 athletes (5423 women, 48%; 5892 men, 52%) from 206 NOCs were followed up prospectively for the occurrence of injury and illness. NOC and Tokyo 2020 medical staff reported 1035 injuries and 438 illnesses, equalling 9.1 injuries and 3.9 illnesses per 100 athletes over the 17-day period. Altogether, 9% of the athletes incurred at least one injury and 4% at least one illness. The incidence of injury was highest in boxing (27%), BMX racing (27%), BMX freestyle (22%), skateboarding (21%), karate (19%) and handball (18%), of which both BMX freestyle and skateboarding were new events, and lowest in diving, road cycling, rowing, marathon swimming and shooting (1-2%). Marathon and artistic swimming presented the highest illness incidences (both 8%), followed by skateboarding and karate (both 7%). In the study period, COVID-19 affected 18 athletes, accounting for 4% of all illnesses and 0.16% of all athletes. Exertional heat illness affected 78 athletes (18% of all illnesses, 0.7% of all athletes), the majority (88%) resulting in no time lost from sport. CONCLUSION: Overall, 9% of the athletes incurred an injury and 4% an illness during the Games. Comprehensive countermeasures helped mitigate both COVID-19 and exertional heat illnesses.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».