Incidence and burden of illness at the Tokyo 2020 Paralympic Games held during the COVID-19 pandemic: a prospective cohort study of 66 045 athlete days
Notice bibliographique
Résumé
OBJECTIVE: To describe the incidence and burden of illness at the Tokyo 2020 Paralympic Games, which was organised with strict COVID-19 countermeasures. METHODS: Daily illnesses were recorded via the web-based injury and illness surveillance system (teams with their own medical staff; n=81), and local polyclinic services (teams without their own medical staff; n=81). Illness proportion, incidence and burden were reported for all illnesses and in subgroups by sex, age, competition period, sports and physiological system. RESULTS: 4403 athletes (1853 female and 2550 male) from 162 countries were monitored for the 15-day period of the Tokyo Paralympic Games (66 045 athlete days). The overall incidence of illnesses per 1000 athlete days was 4.2 (95% CI 3.8 to 4.8; 280 illnesses). The highest incidences were in wheelchair tennis (7.1), shooting (6.1) and the new sport of badminton (5.9). A higher incidence was observed in female compared with male athletes (5.1 vs 3.6; p=0.005), as well as during the precompetition versus competition period (7.0 vs 3.5; p<0.0001). Dermatological and respiratory illnesses had the highest incidence (1.1 and 0.8, respectively). Illness burden was 4.9 days per 1000 athlete days and 23% of illnesses resulted in time loss from training/competition>1 day. CONCLUSION: The incidence of illness at the Tokyo 2020 Paralympic Games was the lowest yet to be recorded in either the summer or winter Paralympic Games. Dermatological and respiratory illnesses were the most common, with the burden of respiratory illness being the highest, largely due to time loss associated with COVID-19 cases. Infection countermeasures appeared successful in reducing respiratory and overall illness, suggesting implementation in future Paralympic Games may mitigate illness risk.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».