MétaCan
Menu
Retour à la cohorte
Enregistrement W4362459009 · doi:10.1123/jab.2022-0266

Mechanisms of Anterior Cruciate Ligament Tears in Professional National Basketball Association Players: A Video Analysis

2023· article· en· W4362459009 sur OpenAlexaff
Adam Petway, Matthew J. Jordan, Scott Epsley, Philip A. Anloague, Ernest Rimer

Notice bibliographique

RevueJournal of Applied Biomechanics · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAnterior cruciate ligamentKnee flexionTrunkMedicineOrthodonticsBasketballPhysical medicine and rehabilitationAnatomy

Résumé

récupéré en direct d'OpenAlex

A systematic search was performed of online databases for any anterior cruciate ligament (ACL) injuries within the NBA. Video was obtained of injuries occurring during competition and downloaded for 2-dimensional video analysis. Thirty-five in-game videos were obtained for analysis. Of the reviewed cases, 19% were noncontact ACL injuries where there was no player-to-player contact from an opposing player. Three injury mechanism categories were found based on the events at the point of initial ground contact of the foot of the injured limb: single-leg casting (mean dorsiflexion angle 18.9° (14.4°); mean knee flexion angle 15.6° (7.8°); and mean trunk lateral flexion 18.2° (8.4°)); bilateral hop (mean dorsiflexion angle 18.2° (15.2°), mean knee flexion angle 21° (14.5°), mean trunk extension angle 6.9° (11.4°), and landing angle from the athlete's center of mass 47.9° (10.1°)); and single-leg landing after contact (mean abduction angle of the swing leg 105.4° (18.1°), mean knee flexion angle of the injured limb 34.2° (8.0°), and mean trunk ipsilateral flexion angle 22.2° (7.0°)).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,408

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,288
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied BiomechanicsMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207