MétaCan
Menu
Retour à la cohorte
Enregistrement W4392350319 · doi:10.1136/bjsports-2024-ioc.81

850 BO05 – Friday nights under northern lights: injury rates, burden, and risk factors in high-school aged tackle football players in Canada

2024· article· en· W4392350319 sur OpenAlexaffabout
Joshua Cairns, Ashley T Kolstad, Isla Shill, Jean‐Michel Galarneau, Matthew J. Jordan, Kathryn Schneider, Kati Pasanen, Stephen West, Carolyn A. Emery

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensInstitute of Population and Public HealthAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFootballConcussionPoisson regressionMedicineInjury preventionPoison controlPhysical therapyDemographyOccupational safety and healthEmergency medicineEnvironmental healthPopulationGeography

Résumé

récupéré en direct d'OpenAlex

Background The burden of injury in tackle football is high and the growing popularity of the sport in Canada warrants research into the extent of the problem. Objective To investigate injury rates, types, burden, mechanisms, and risk factors in Canadian youth football. Design a cohort sub-study within the SHRed Concussions study. Setting & Participants Tackle football participants (n=599 males;ages) in Calgary during a nine-week Spring Football season. Identifiable Risk Factors Preseason baseline questionnaires and individual player-exposure hours (games and practices) were collected. Risk factors included; age, previous playing experience, 12-month history of injury, history of concussion, height, weight, BMI, and football-specific position-played. Risk factors were assessed using univariable Poisson regression analyses (offset for player-hours). Main outcome measures A validated injury surveillance methodology was implemented. Injuries were defined as, removal from play, missing a session, or requiring medical attention. Results The overall injury rate (IR) was 4.61 injuries/1000 player-hours (95%CI;3.84–5.53) or 29.4 injuries/100 player-seasons (95%CI;25.76–33.21). The game-IR (12.73/1000 game-playing-hours; 95%CI;9.81–16.52) was higher than practice-IR (2.22/1000 game-playing-hours; 95%CI;1.75–2.83) (IRR=5.79; 95% CI: 4.23–7.99). Overall time-loss IR was 3.43 injuries/1000 player-hours (95%CI: 2.84–4.14) and overall medical attention IR was 2.71 injuries/1000 player-hours(95%CI: 2.20–3.34). The game-concussion rate was 3.86/1000 game-hours (95%CI;2.66–5.42) and for practices, CR was 0.45/1000 practice-hours (95%CI: 0.25–0.75). The most common injury locations included: the head (28.4%), ankle (13.1%), wrist/hand (10.3%), knee (10.2%), and shoulder (8.5%). The most common injury types were ligament sprain (28.9%) and concussion (26.1%). Player-to-player contact was the most common mechanism of injury. The median time-loss following injury was 12.5 days (25th-75th%ile;5–22 days). Risk factors for injury included previous one-year history of injury, lifetime history of concussion, and morphological characteristics (height, BMI). Conclusions Adolescent Canadian tackle football has a high rate of injury and concussion. Future research should focus on prevention strategies with a strong focus on concussion prevention.

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)0,000
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 enseignants0,011
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,236
Écart entre enseignants0,230 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSports injuries and preventionTravaux en français237 207