11.12 Video analysis of concussions in the national hockey league (NHL) over 5 seasons: 2014–2015 to 2018–2019
Notice bibliographique
Résumé
Objective To describe the sequence of events leading to concussion in NHL players from 2014–15 to 2018–2019 and compare injury characteristics to prior to Rule 48 (i.e., Illegal Check to the Head). Design Descriptive epidemiological study. Setting National Hockey League (NHL) Video Analysis Program. Digital video records were coded and analysed using a standardised protocol. Participants NHL players diagnosed with concussion where digital video footage of the injury was available (2014–19, n=516; 2006–2010 [before Rule 48], n=189). Outcome Measures Player position, period, location, and sequence of events (e.g., player contact, environment, puck possession, game situation) were analyzed for frequency. Comparison to 2006–2010 data was done with randomly resampling (1000 iterations), akin to a one-sample t-test. Main Results For 2014–19 seasons, sequence of events resulting in concussion were characterized by body checks (to the torso) around the perimeter of the ice. Compared to years 2006–2010, 2014--19 was characterized by significantly fewer concussions following open ice hits (47% vs. 37%; p<0.001), hits to the head via shoulder (42% vs. 31%; p<0.001), fights (9% vs. 3.3%; p<0.001), and lateral hits to head (35% vs. 21%; p<0.001). Concussive events were also less likely to occur in the first period (47% vs. 36%; p<0.001). Conclusions This study describes several differences in the sequences of events leading to concussion during the 2014 – 2019 seasons compared to prior years (2006–2010) predating the implementation of Rule 48.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».