MétaCan
Menu
Retour à la cohorte
Enregistrement W4391384755 · doi:10.1136/bjsports-2023-concussion.165

11.24 Concussions in youth volleyball players at a national championship competition: incidence, risk factors and mechanism of injury

2024· article· en· W4391384755 sur OpenAlexaffabout
Kenzie Vaandering, Derek Meeuwisse, Kerry MacDonald, Robert Graham, Michaela K Chadder, Constance Lebrun, Carolyn A. Emery, Kathryn Schneider

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueDiverse Approaches in Healthcare and Education Studies
Établissements canadiensHotchkiss Brain InstituteAlberta Children's HospitalUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésConcussionPoisson regressionMedicineChampionshipInjury preventionPhysical therapyPoison controlRate ratioOccupational safety and healthPsychologyConfidence intervalMedical emergencyPopulationAdvertisingInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Objective To evaluate the incidence, mechanism, and sex as a risk factor for concussion in youth volleyball players. Design Prospective cohort. Setting 2018 Canadian Youth National Volleyball Tournament. Participants All tournament players were invited to participate. 1876 players [466 males, 1,391 females, mean age 16.2 years (+/- 1.26)] consented to participate. Assessment of Risk Factors Sex (male/female), age category (U14 – U18) and level of play (Division I – V). Outcome Measures Players completed a questionnaire including demographic information, injury and concussion history. All medical attention injuries were recorded by tournament medical personnel using an injury report form (including mechanism and type of injury). Concussion was defined as per the 5th International Consensus Conference on Concussion in Sport. Poisson regression was used to analyze risk factors (e.g. sex, age category, level of play) for concussion, adjusted for cluster by team and offset by athlete-exposures (AEs). Main Results 107 injuries occurred during the six-day tournament (6.09 injuries/1000 AEs). The most common injury was concussion (n = 28; 26.17%) with a rate of 1.58 concussions/1000 AEs. Most concussions occurred due to ball-to-head contact (61.5%), followed by player-player contact (23.1%) and player-floor contact (15.4%). 84.6% of concussions that occurred due to contacts were unanticipated. There was no significant difference in risk of concussion by sex, adjusted by age category and level of play (IRR: 3.57; 95% CI: 0.91, 14.03); however, the point estimate suggests females may be at greater risk than males. Conclusions Most concussions occurred due to ball-to-head contact and were unanticipated.

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)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,207
Score d'incertitude au seuil0,411

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,101
Tête enseignante GPT0,346
Écart entre enseignants0,246 · 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
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDiverse Approaches in Healthcare and Education StudiesTravaux en français237 207