MétaCan
Menu
Retour à la cohorte
Enregistrement W4386224198 · doi:10.3390/jcm12175569

Epidemiology of Injuries in Men’s Professional and Amateur Football (Part I)

2023· review· en· W4386224198 sur OpenAlexaboutno aff
Tudor Vladimir Gurau, Gabriela Gurău, Doina Carina Voinescu, Lucreția Anghel, Gelu Onose, Daniel Andrei Iordan, Constantin Munteanu, Ilie Onu, Carmina Liana Mușat

Notice bibliographique

RevueJournal of Clinical Medicine · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAmateurFootballEpidemiologyFootball playersFamily medicinePhysical therapyInternal medicineLaw

Résumé

récupéré en direct d'OpenAlex

Background (1): Football is the most popular sport among men, associated with a certain risk of injury, which leads to short- and long-term health consequences. While the injury profile of professional footballers is known, little is known about the injury profile of amateur footballers; amateur football is a major and diverse area, the development of which should be a priority for football associations around the world and UEFA. The aim of this study was to perform a systematic review of epidemiological literature data on injuries in professional and amateur football players belonging to certain leagues. Methods (2): A systematic review according to the PRISMA guidelines was performed until June 2023 in the databases PubMed, Web of Science, Google Academic, Google Scholar, and Diva portal. Forty-six studies reporting injury incidence in professional and amateur men's football were selected and analyzed. Two reviewers independently extracted data and assessed study quality using an adapted version of the Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement and the Newcastle Ottawa Scale (NOS) to assess risk of bias for the quality of external validity. Results (3): The overall incidence of injuries in professional male football players was 7.75 ± 2.28, 95% confidence interval, injuries/1000 h of exposure and that of amateur football players was 7.98 ± 2.95, 95% confidence interval, injuries/1000 h of exposure. The incidence of match injuries (30.64 ± 10.28, 95% confidence interval, injuries/1000 exposure hours) was 7.71 times higher than the training injury incidence rate (3.97 ± 1.35, 95% confidence interval, injuries/1000 h) in professional football players and 5.45 times higher in amateurs (17.56 ± 6.15 vs. 3.22 ± 1.4, 95% confidence interval, injuries/1000 h). Aggregate lower extremity injuries had the highest prevalence in both categories of footballers, being 83.32 ± 4.85% in professional footballers and 80.4 ± 7.04% in amateur footballers: thigh, ankle, and knee injuries predominated. Conclusions (4): Professional and amateur football players are at substantial risk of injury, especially during matches that require the highest level of performance. Injury rates have implications for players, coaches, and sports medicine practitioners. Therefore, information on football injuries can help develop personalized injury risk mitigation strategies that could make football safer for both categories of football players. The current findings have implications for the management, monitoring, and design of training, competition, injury prevention, especially severe injury, and education programs for amateur football players.

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)0,009
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0170,013
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,328
Tête enseignante GPT0,580
Écart entre enseignants0,252 · 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'étudeObservationnel
Domainenon disponible
GenreSynthèse

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

En bref

Citations39
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical MedicineMême sujetSports injuries and preventionTravaux en français237 207