A prospective study of injuries and illnesses among 910 amateur golfers during one season
Notice bibliographique
Résumé
Objectives: Our aims were (a) to describe the prevalence and incidence of self-reported injuries and illnesses of amateur golfers over a 5-month period and (b) to investigate potential risk factors for injury. Methods: We recruited 910 amateur golfers (733 males [81%] and 177 females [19%]) from golf clubs in the USA and Switzerland. The median age was 60 (IQR: 47-67) and the median golfing handicap was 12 (IQR: 6-18). Participants' health was monitored weekly for 5 months using the Oslo Sports Trauma Research Centre Questionnaire on Health Problems. Players also completed a baseline questionnaire on personal and golf-specific characteristics and their medical history. Results: We distributed 19 406 questionnaires and received 11 180 responses (57.6%). The prevalence of injuries was 11.3% (95% CI: 9.8 to 12.8) and of illnesses was 2% (95% CI 1.7 to 2.2). The incidence of injuries and illnesses was 3.79 (95% CI 3.54 to 4.06) and 0.94 (95% CI 0.81 to 1.07) per golfer per year, respectively. The injury regions with the highest burden of injury (time-loss days per player per year) were lumbosacral spine (5.93), shoulder (3.47) and knee (2.08). Injury risk was higher with increased age, osteoarthritis and previous injury. Conclusion: The prevalence and incidence of injury and illness in amateur golf were low compared with many other sports. To further reduce the burden of injury, future research attention should be directed towards the lumbosacral spine, knee and shoulder.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».