613 MEP081 – Breaking the ice: analyzing head contacts, physical contacts, and video-suspected injury rates in community para ice hockey
Notice bibliographique
Résumé
Background In the 2014 and 2018 Paralympics, para ice hockey (PIH) had the second and third highest rate of injury among all sports, respectively. However, at the community level, the rate and burden of injury are poorly understood. This is of concern as popularity of the sport continues to grow. Objective To compare physical contact (PC), head contact (HC), and video-suspected injury (SI) incidence rates (IR) based on video-analysis among three PIH levels of play. Design Cross-sectional study. Setting Canadian ice hockey rinks. Participants PIH, Junior (lowest level; ~< 16 years), Intermediate C, and Intermediate B (IC; lower level; IB; higher level, ~>16 years) tournament games from the 2021–2022 season. Assessment of Risk Factors Games were filmed and then analyzed in Dartfish, using validated criteria for HC, and trunk contacts (lower intensity PC and body checking). SI’s were identified using consensus guideline metrics. Main Outcome Measurements Multivariate Poisson regression analyses (adjusted for cluster by game, offset by game-minutes) were used to estimate IRs (per 100 team-game-minutes) and incidence rate ratios (IRR) using IC as the reference group for analyses. Results Analyses of thirty games (n=10 Junior; n=10 IC; n=10 IB) revealed, IB had a 50% higher PC IR than IC (IRR=1.50,95%CI:1.09–2.08), Junior did not differ from IC (IRR=1.15,95%CI: 0.83–1.59). The results suggest an 84% higher rate of HC in IB compared IC (IRR=1.84,95%CI: 0.83–4.09)(not significant though clinically relevant). Across all levels, 0–3% of all direct HCs were penalized. SI’s were 3.19-fold higher in IB (IR=1.78/100-team-game-minutes, 95%CI:0.09–3.61) than IC (IR=0.56/100-team-game-minutes,95%CI:0.15–2.05)(IRR= 3.19, 95%CI:0.76–13.41)(not significant but clinically relevant). Conclusions IB had the highest in-game PC IR. The rates of HC are high across all levels of play and few (0–3%) HCs were penalized in any level. These findings can inform future research targeting primary prevention strategies in this population to reduce HCs rates.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».