Injury Prevention in Female Athletes: Defining the Boundaries of Scientific Literature
Notice bibliographique
Résumé
Purpose: This study aims to perform a bibliometric analysis centered on recent advancements in injury prevention for female athletes. Methods: The study employed Excel, VOSviewer, and the bibliometric R-package tools to analyze and evaluate relevant records obtained from the Web of Science (WOS) database, using a reliable search methodology. Results: From the WOS database, a collection of 10 560 scientific records was acquired using specific keywords, covering the period between 2010 and 2023. These records were subjected to content analysis, revealing the prevalent themes in this research area. Noteworthy topics included risk, risk factors, prevention, women, exercise, physical activity, epidemiology, injuries, performance, injury, strength, and health. The investigation also indicated that the journals “American journal of sports medicine” and “journal of athletic training” demonstrated the highest level of activity in this field. Regarding research productivity, developed countries, such as the United States and Canada stood out as the most prolific contributors. Moreover, the study recognized Gregory D Myer as the most active author in this area. Conclusion: The convergence of injury prevention in female athletes continues to be a subject of significant research attention. This study highlights that the bulk of the literature on this subject originates from researchers in developed countries. However, it is crucial to recognize that a substantial segment of the global population, particularly in developing nations, lacks sufficient representation in research related to early life psychology concerning exercise and physical activity.
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 | 0,044 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,098 | 0,083 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».