Differences in injury and concussion rates in a cohort of Canadian female and male youth Rugby Union: a step towards targeted prevention strategies
Notice bibliographique
Résumé
Objective To examine differences in match and training musculoskeletal injury and concussion rates and describe mechanisms of concussion while considering previous playing experience in female and male Canadian high school Rugby Union (‘rugby’) players. Methods A 2-year prospective cohort study was completed in a high school league (n=361 females, 421 player-seasons; n=429 males, 481 player-seasons) in Calgary, Canada over the 2018 and 2019 rugby playing seasons. Baseline testing was completed at the start of each season and injury surveillance and individual player participation through session attendance was documented to quantify individual-level player exposure hours. Injury incidence rates (IRs) and incidence rate ratios (IRRs) were calculated using Poisson regression, offset by player exposure hours and clustered by team. Results Overall match IR for females was 62% higher than males (overall IRR=1.62, 95% CI: 1.20 to 2.18) and the overall training IR was twice as high for females (overall IRR=2.15, 95% CI: 1.40 to 3.32). The female match concussion IR was 70% higher than the males (concussion IRR=1.70, 95% CI: 1.08 to 2.69). Females had a 75% greater tackle-related IR compared with males (IRR=1.75, 95% CI: 1.20 to 2.56). Additionally, female tacklers had a twofold greater rate of injury compared with male tacklers (IRR = 2.17, 95% CI: 1.14 to 4.14). Previous playing experience was not associated with tackle-related injury or concussion IRs. Conclusion The rate of injury and concussion was significantly higher in females within this Canadian high school cohort. These results emphasise the need for development, implementation and evaluation of female-specific injury and concussion prevention strategies to reduce injury and concussion in female youth rugby.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».