2.2 Frequency, severity and circumstances of head impacts with visible signs of concussion in ice hockey
Notice bibliographique
Résumé
Objective We analyzed video and helmet sensor data of head impacts in ice hockey to determine the prevalence of visible signs of concussion (VS), and test whether there were differences between head impacts with (versus without) VS in peak accelerations and rotational velocities of the head, and objects contacting the head. Design Observational cohort. Setting 51 home games across five seasons (2014–19) from a single team (BCIHL). Participants 58 men’s university ice hockey players. Outcome Measures Video footage of head impacts were analyzed to identify six types of VS (lying motionless, motor incoordination, clutching head, slow to get up, disorientation, and blank stare), and the object striking the head. For each head impact, we obtained measures of peak linear acceleration (amax) and rotational velocity (ωmax) of the head from helmet-mounted sensors (GForceTracker). Main Results VS were observed in 11% of head impacts (n=93/836). Slow to get up was observed 63 times, clutching head 40 times, motor incoordination 4 times, and disorientation once. Lying motionless and blank stare were not observed. Concussion diagnosis was unknown. amax(51 vs 38g) and ωmax(19.2 vs 14.7rad/s) were greater for head impacts with versus without VS (p≤0.003;n=534). The probability of VS was higher for stick-to-head impacts than body-to-head (OR=8.6; 95%CI=4.7–15.9) or environment-to-head impacts (13.3; 7.7–23.3), although impacting object had no effect on amax or ωmax (p≥0.574). Conclusions VS was observed in 11% of head impacts. These cases were more severe in terms of amax and ωmax, and frequently involved stick-to-head impacts.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».