Cavus Foot in Soccer Players: Increased Prevalence in Experienced Players and Risk Factor for Injury
Notice bibliographique
Résumé
BACKGROUND: Foot type, especially cavus foot, is associated with foot and ankle soccer injuries, such as ankle sprains, ankle instability, and foot and ankle lateral injuries. The aim of this study was to identify risk factors for foot and ankle injuries among soccer players. METHODS: Male and female soccer players, from beginners to semiprofessionals, aged between 10 and 40 years were enrolled in this cross-sectional study. Players filled in questionnaires about their training and injury history. Clinical measurements included foot length, Foot Posture Index-6, and arch height flexibility. Each variable was dichotomized: age (<18 years versus ≥18 years), level of play (AA and below versus AAA and above), foot type (cavus or not), and injury. Injury occurrence was analyzed using χ2 tests between each group of variables, and significance was set at P < .05. RESULTS: A total of 277 players, including 81 females, volunteered; 147 were younger than 18 years and 180 were AA level or below. Cavus foot prevalence was 30%. In the cavus foot group, 51.8% of players had reached at least an AAA level compared with 27.8% in the normal-arched group (P < .001 [χ2]). Injuries were associated with a cavus foot type (P < .01 [χ2]) and with sex, age, or highest level played (P < .001 [χ2]). CONCLUSIONS: This study identified a high prevalence of cavus foot among soccer players of all ages, with an increased prevalence among higher-level players. The injury risk factors were female sex, older age, playing at a higher level, and cavus feet.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».