Is There an Association Between Injury History and Lower Extremity Joint Injury During Canada Games Competition?
Notice bibliographique
Résumé
Background Injuries during elite level competition like the Canada Games, occur frequently and injury history is one of the strongest predictors of future injury; however, this association is unknown in the Canada Games. Purpose To determine the association between injury history and incidence of lower extremity joint injury during Canada Games competition. Methods Data from the 2009 – 2019 Canada Games (8710 male and 8391 female athletes) competitions were de-identified by the Canada Games Council for analysis. Injury data were cleaned and categorized for previous injury and injury type and location. Injury history was self-reported and included concussion, major surgical procedure, neck and back, trauma to joint or bone, and trauma to ligament or tendon. Injury from the Canada Games competitions were categorized to include ankle, knee, hip, and patellofemoral joint injuries. Chi-Square (χ 2 ) test of independence determined association between injury history and incidence of lower extremity joint injury during Canada Games competition. IBM SPSS (Version 26) was used for statistical analysis ( p -value < 0.05). Results Four hundred and seventy-five ankle, 503 knee, 253 hip, and 106 patellofemoral joint injuries were reported during 10 years of Canada Games competitions. There were significant associations between history of neck and back injuries with ankle injuries and knee injuries, history of trauma and overuse of ligament or tendon with hip injuries and history of trauma or overuse of joint or bone with patellofemoral joint injuries. Conclusion These findings support previous literature suggesting that injury history is associated with future injury. Level of Evidence 3
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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».