Relationships Between Common Preseason Screening Measures and Dance-Related Injuries in Preprofessional Ballet Dancers
Notice bibliographique
Résumé
OBJECTIVE: To examine modifiable and nonmodifiable factors for associations with dance-related injury among preprofessional ballet dancers over 5 academic years. DESIGN: Prospective cohort study. METHODS: Full-time preprofessional ballet dancers (n = 452; 399 female; median age [range], 15 years [11-21]) participated across 5 academic years at a vocational school. Participants completed baseline screening and online weekly injury questionnaires including dance exposure (hours/week). Zero-inflated Poisson regression models were used to examine associations between potential risk factors measured at baseline and self-reported dance-related injury. RESULTS: In count model coefficients, left one leg standing score (log coefficient estimate, −0.249 [95% CI: −0.478, −0.02]; P = .033) and right unipedal dynamic balance time (log coefficient estimate, −0.0294 [95% CI: −0.048, −0.01]; P>.001) carried a protective effect with increased years of training when adjusted for Athletic Coping Skills Inventory (ACSI) score. A significant association was found for left unipedal dynamic balance time and dance-related injury (log coefficient estimate, 0.013 [95% CI: 0.000, 0.026]; P = .045) when adjusted for years of training and ACSI score. There were no significant associations between dance-related injury and ankle and hip range of motion, active straight leg raise, or Y Balance Test measures. CONCLUSION: When adjusted for years of previous dance training and psychological coping skills, there was a significant association between limb-specific lumbopelvic control and dynamic balance tasks, as well as self-reported dance-related injury in preprofessional ballet. J Orthop Sports Phys Ther 2023;53(11):703-711. Epub 3 October 2023. doi:10.2519/jospt.2023.11835
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».