Higher rates of concussion following COVID-19 infection in high school athletes
Notice bibliographique
Résumé
OBJECTIVE: To compare concussion rates (CRs) over one academic year in high school athletes with and without a COVID-19 infection prior to concussion. METHODS: Illness and concussion were prospectively reported for male and female high school athletes across six states over one academic year in the Players Health Rehab surveillance system. Concussion was truncated to 60 days following recovery and return to sport from COVID-19. CRs were estimated per 1000 athletes per academic year and stratified by those who tested positive for COVID-19 infection (with COVID-19) and those who did not (no COVID-19). Poisson regression analyses estimated rate ratio (RR) of concussion controlling for state, gender and an offset of the log athlete participation (with COVID-19 and no COVID-19). RESULTS: Of 72 522 athletes, 430 COVID-19 infections and 1273 concussions were reported. The CR was greater in athletes who reported COVID-19 (CR=74.4/1000 athletes/year, 95% CI 49.6 to 99.3) compared with those who did not (CR=17.2, 95% CI 16.3 to 18.2). Athletes with recent COVID-19 had a threefold higher rate of concussion (RR=3.1, 95% CI 2.0 to 4.7). CONCLUSION: Athletes returning from COVID-19 had higher CRs than those who did not experience COVID-19. This may be related to ongoing COVID-19 sequelae or deconditioning related to reduced training and competition load during the illness and when returning to sport. Further research is needed to understand the association of recent COVID-19 infection and concussion in order to inform preventive strategies.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».