MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392506717 · doi:10.4316/sam.2023.0211

Prevention and outcome measurement strategies to reduce the future impact of back pain in handball

2023· article· ro· W4392506717 sur OpenAlexaboutno aff
Gabriela Iuliana Cazac

Notice bibliographique

RevueȘtiința și arta mișcării · 2023
Typearticle
Languero
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOutcome (game theory)Physical therapyPhysical medicine and rehabilitationMedicinePsychologyEconomics

Résumé

récupéré en direct d'OpenAlex

From a physical therapist's perspective, one of the best ways to prevent back pain is to try to identify variables determined to be predisposing factors and to control certain somatic-related factors in junior players.To take steps in this direction, in close correlation with theoretical arguments, we proposed as prevention tools some specific outcome measurement strategies to control and verify over time certain factors that predispose to back pain episodes, such as low levels of the trunk muscular endurance and coordination or lateral muscular asymmetries.The existence of muscle asymmetries was identified by bioimpedance performed with the Tanita MC 780 MA analyzer and trunk muscle endurance and coordination levels were checked with the McGill trunk muscle endurance test battery.Junior players showed poor trunk muscle strength and an imbalance between the three main muscle groups and some lateral muscle mass asymmetries between dominant and non-dominant body parts.Approaching and presenting this strategic vision for the prevention of back pain in handball players can provide professionals in the field with information to guide, evaluate, verify and implement a future individualized prevention program.

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)0,013
score de la tête « metaresearch » (Gemma)0,019
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,040
Tête enseignante GPT0,355
Écart entre enseignants0,315 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueȘtiința și arta mișcării→Même sujetMusculoskeletal pain and rehabilitation→Travaux en français237 207→