Evaluation of the lower extremity functional test to predict lower limb injuries in professional male footballers
Notice bibliographique
Résumé
The Lower Extremity Functional Test (LEFT) is a reliable and valid test for the measurement of athletic fitness, fatigue resistance, and speed performance. Contradictory results exist regarding the screening value of the LEFT in predicting lower limb injuries. The purpose of this study was to investigate the screening value of the LEFT in predicting lower limb injuries in professional male footballers. One hundred and twenty-one professional male football players participated in the study. LEFT was recorded pre-season and the lower-limb injuries were recorded during a 9-month season. Logistic regression analysis was used to determine the accuracy of the prognosis of LEFT. A total of twenty-five lower limb injuries were recorded. The model explained 53% of the variance in lower limb injury, showing that predictions by LEFT score is reliable, and correctly predicted 89.3% of cases, which is a large improvement. ROC analysis showed significant accuracy of the LEFT score (AUC 0.908, 95% CI 1.126-1.336, p = 0.001, OR = 1.227) in discriminating between injured and uninjured players. The optimum cut-off level of the LEFT score was 90.21 s; Our findings showed that the LEFT score was able to predict lower limb injuries in professional male footballers. The slower an athlete's LEFT scores, the more susceptible they are to future injury risk. Sports medicine specialists, football coaches and managers are suggested to use LEFT as a pre-season screening test to identify and prevent the weakness and functional imbalance of the athletes before the injury occurs by conducting this test.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».