488 FO06 – Are female athlete health needs being assessed and addressed in preparticipation examinations? A scoping review
Notice bibliographique
Résumé
<h3>Background</h3> Preparticipation examinations (PPEs) are routinely used to collect an athlete’s baseline health information prior to the start of a competitive season. However, a lack of female-specific health related questions could result in missed red flags and subsequent injury or illness. <h3>Objectives</h3> <h3>Design/Setting</h3> Five databases were searched; Embase, Scopus, CINAHL, Medline Ovid, SPORTDiscus. Studies with female athlete specific questionnaires/recommendations were included in the scoping review. Three reviewers independently screened titles and abstracts, followed by full text for eligibility and data extraction with conflicts being resolved by a third-party reviewer. Extracted data was grouped into pre-determined categories and mapped against current IOC extension health domains. <h3>Results</h3> 1351 studies were screened and 53 were deemed eligible and included. Thirty-five studies included relevant female-specific questions, and an additional 18 had recommendations and/or screening tools only. Of the female-specific questions, ass PPEs had questions related to menstrual health. Twenty-three (66%) had questions concerning disordered eating/eating habits. Twenty-five studies (71%) included questions on body weight/image, 15 (43%) referred to musculoskeletal/bone health and only three (9%) included questions surrounding mental health. Only seven (20%) had questions in four or more domains. <h3>Conclusions</h3> There is currently as gap in female specific health questions being included in PPEs which could have significant health and optimal participation implications. A more comprehensive, standardized PPE with the focus on inclusion of female specific questions and considerations should be developed to improve health and optimal participation of female athletes around the world
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 tête enseignante, 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 ».