MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388167140 · doi:10.1093/oso/9780195170320.003.0025

Epidemiology of Sports Injuries

2006· book-chapter· en· W4388167140 sur OpenAlexaboutno aff
Cory Toth

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineFootballConcussionSports medicinePeripheral nervous systemEpidemiologySpinal cord injuryNeurologyPhysical therapyPhysical medicine and rehabilitationInjury preventionCentral nervous systemPoison controlSpinal cordMedical emergencyPathologyInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Injury to the nervous system may occur with essentially any sport and may involve multiple levels of the nervous system, including peripheral nerves, brachial and lumbar plexi, spinal roots, spinal cord, brain stem, and cerebrum. While particular sports can be associated with a high incidence of injury, such as football, boxing, and hockey, other sports are less commonly associated with nervous system injury. Many sports are associated with sportspecific forms of injury. Injuries may range from serious central nervous system (CNS) injury associated with great morbidity and even mortality to peripheral nervous system (PNS) injury with lengthy disability. Management of these problems is often the responsibility of a number of medical specialties, including neurologists, emergency room physicians, sports medicine physicians, surgeons, and general physicians. As concerns regarding concussion and other injuries mount, sports neurology will gain even greater importance. Improved assessment of injuries, such as the Canadian registry of hockeyrelated spinal injuries and recent National Football League (NFL) investigations into pathophysiologies of cerebral injury, will enhance our understanding of injury mechanisms. In all likelihood, these important measurements will lead the way to improved injury prevention schemes as well.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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 Opus0,115
Tête enseignante GPT0,375
Écart entre enseignants0,261 · 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
GenreAutre

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

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTraumatic Brain Injury Research→Travaux en français237 207→