A Biopsychosocial Model for Understanding Training Load, Fatigue, and Musculoskeletal Sport Injury in University Athletes: A Scoping Review
Notice bibliographique
Résumé
ABSTRACT: McClean, ZJ, Pasanen, K, Lun, V, Charest, J, Herzog, W, Werthner, P, Black, A, Vleuten, RV, Lacoste, E, and Jordan, MJ. A biopsychosocial model for understanding training load, fatigue, and musculoskeletal sport injury in university athletes: A scoping review. J Strength Cond Res 38(6): 1177-1188, 2024-The impact of musculoskeletal (MSK) injury on athlete health and performance has been studied extensively in youth sport and elite sport. Current research examining the relationship between training load, injury, and fatigue in university athletes is sparse. Furthermore, a range of contextual factors that influence the training load-fatigue-injury relationship exist, necessitating an integrative biopsychosocial model to address primary and secondary injury prevention research. The objectives of this review were (a) to review the scientific literature examining the relationship between training load, fatigue, and MSK injury in university athletes and (b) to use this review in conjunction with a transdisciplinary research team to identify biopsychosocial factors that influence MSK injury and develop an updated, holistic biopsychosocial model to inform injury prevention research and practice in university sport. Ten articles were identified for inclusion in this review. Key findings were an absence of injury surveillance methodology and contextual factors that can influence the training load-fatigue-MSK injury relationship. We highlight the inclusion of academic load, social load, and mental health load as key variables contributing to a multifactorial, gendered environmental, scientific inquiry on sport injury and reinjury in university sport. An integrative biopsychosocial model for MSK injury in university sport is presented that can be used to study the biological, psychological, and social factors that modulate injury and reinjury risk in university athletes. Finally, we provide an example of how causal inference can be used to maximize the utility of longitudinally collected observational data that is characteristic of sport performance research in university sport.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».