A - 51 Examining the Role of Cognition in Lower Extremity Musculoskeletal Injury and Concussion Risk in Elite Athletes
Notice bibliographique
Résumé
Abstract Purpose Recent evidence suggests a relationship between cognitive performance and the risk of lower extremity musculoskeletal (LEMSK) injury, and that concussion may also increase the risk of subsequent LEMSK injury, though these relationships have been largely examined in isolation. This study examined associations between pre-season cognitive performance and the risk of subsequent LEMSK injury and concussion among elite athletes. Method An observational study of elite/international-level athletes from a Canadian national sport institute. 146 athletes (female = 87) across six different sports completed pre-season cognitive testing (Vienna Test System) between 2018 and 2023. Subsequent LEMSK injuries and concussions during the year following pre-season cognitive testing were documented via an injury surveillance program. Results Pre-season cognitive performance was similar in athletes with (n = 24) and without (n = 122) a subsequent concussion, and those with (n = 100) and without (n = 46) a subsequent LEMSK (ps > 0.05). Athletes with both a subsequent LEMSK and concussion had slower baseline reaction time on a task of stress reactivity (n = 16; median RT = 0.74 s) compared to athletes with only a subsequent LEMSK (n = 84; median RT = 0.69 s; V = 900.5, p = 0.019). Concussion history was a significant predictor of both subsequent LEMSK (B = 0.94, p = 0.017) and the number of subsequent LEMSK (B = 1.23, p < 0.01). Faster RTs on inhibition tests were predictors of subsequent number of LEMSK, while controlling for concussion history (B = -10.21, p = 0.045; B = -10.60, p = 0.017). Conclusions Identifying risk factors for LEMSK injuries and concussions is critical for preventing future injuries. These preliminary results suggest a relationship between baseline reaction time performance and combined subsequent LEMSK and concussion injury.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».