MétaCan
Menu
Retour à la cohorte
Enregistrement W4311411596 · doi:10.1249/jsr.0000000000001022

Assessing Performing Artists in Medical and Health Practice — The Dancers, Instrumentalists, Vocalists, and Actors Screening Protocol

2022· article· en· W4311411596 sur OpenAlexaff
Bronwen Ackermann, Christine Guptill, Clay Miller, Randall W. Dick, J. Matt McCrary

Notice bibliographique

RevueCurrent Sports Medicine Reports · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMusicians’ Health and Performance
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésDivaMedicineMedical educationProtocol (science)Sports medicineAthletesHealth carePhysical therapyAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Training in the performing arts exposes individuals to often extreme physical and psychological demands, which are linked to high occupational injury rates. The intense demands of performing artists have been likened to those of sport athletes. However, distinct differences in these demands necessitate specialized approaches to the health care of performing artists. Through the Athletes and the Arts collaboration, the American College of Sports Medicine and Performing Arts Medicine Association identified that the creation of a specialized preparticipation screening tool for performing artists would likely enhance health care for performing artists significantly. Based on a thorough review of established assessments and an extensive consultation process with domain experts, a consensus best-practice screening tool was developed: the Dancer, Instrumentalist, Vocalist, Actor (DIVA) Preparticipation Screening. This screening tool is modeled on the athletic preparticipation examination (PPE) in its structure and 30-min target duration. However, DIVA diverges considerably from the PPE in its content to address the specific risks and needs of performing artists. In particular, screening questions and physical examination procedures focus strongly on musculoskeletal injuries and mental health conditions, in response to the preponderance and interactions of these conditions appearing in performing artists. The DIVA tool presented is intended as a "living tool," which can be modified in the future to include new effective assessment techniques as appropriate. Training in the DIVA preparticipation physical examination is included as a core component of the essentials of performing arts medicine continuing education course described in detail in a companion manuscript in this issue.

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)0,022
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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 Opus0,077
Tête enseignante GPT0,455
Écart entre enseignants0,378 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Sports Medicine ReportsMême sujetMusicians’ Health and PerformanceTravaux en français237 207