810 MEP024 – Male and female basketball related injuries at the Canada games in 2009, 2013, and 2017
Notice bibliographique
Résumé
Background The Canada Games (CG) is the largest sporting event for young Canadian athletes. Understanding injury differences between male and female athletes is integral for injury prevention and treatment. Objective To compare injury rates between male and female basketball players competing at the CG. Design Retrospective cohort. Setting Canada Summer Games Participants All male and female basketball participants registered to compete in the 2009, 2013 and 2017 Canada Games. Main Outcome Measurements Injuries related to participation were identified based on coding medical reports using the 2020 International Olympic Committee consensus statement on methods for recording and reporting epidemiological data on injury and illness in sport. Incidence proportion (injuries per 100 registered athletes) and incidence rates (injuries per 1000 athlete-days) with 95% confidence intervals (CI). Crude incidence rate ratios (IRR; 95% CI) were calculated to compare male and female injury rates. Results In total, 793 athletes (382 females, 411 males, ages 14–18), participated in a 6-day (2013) or 7-day (2009, 2017) event across three CG. There were 84 female injuries [22.0 injuries per 100 athletes (95% CI: 17.4–27.2) or 33.0 injuries per 1000 athlete-days (26.3–40.8) and 80 male injuries [19.46 per 100 athletes (14.43–24.22) or 29.19 per 1000 athlete-days (23.1–36.3)]. No significant difference between male and female injury rates was observed [IRR: 1.13 (0.82–1.55)]. Contact injuries were common, with 44 female [11.5 per 100 athletes (8.4–15.5)] and 42 male cases [10.2 per 100 athletes (7.4–13.8)]. Non-contact injuries included 16 female [4.2 per 100 athletes (2.4–6.8) and 21 male cases [5.1 per 100 athletes (3.2–7.8)]. The most prominent injury locations for females and males were the ankle (23% and 19%, respectively), and knee (14% and 15%, respectively). Conclusion Both male and female athletes sustained approximately 1 in 5 injuries at CG. Lower body and contact injuries were prominent among CG basketball athletes.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».