Hang up your cleats and hope for the best? A cross-sectional study of five health domains in retired elite female rugby players
Notice bibliographique
Résumé
Objectives: To investigate retired elite female rugby players' health outcomes (and their relationships) in five key areas (musculoskeletal, cognitive, mental, reproductive/endocrinological and cardiovascular) and how those compare with the general population. Methods: Female rugby players aged ≥18 years old and retired from elite competition ≥2 years were recruited via email or social media to complete a 179-item online questionnaire and neurocognitive assessment. Data from general population controls (matched for age and sex) were obtained where available. Results: 159 participants responded (average age 43 (±5) years). 156 (98%) reported a hip/groin, knee, foot/ankle or lower back injury during their career, of which 104 (67%) reported ongoing pain. Participants reported worse hip and knee outcomes compared with the general population (p<0.0001). 146 (92%) reported sustaining one or more concussions. History of concussion was associated with lower-than-average scores on neurocognitive assessment. Compared with general population data, retired female rugby players reported less anxiety (OR=0.079 (95% CI 0.03 to 0.19)), depression (OR=0.67 (95% CI 0.57 to 0.78)) and distress (OR=0.17 (95% CI 0.15 to 0.19)). Amenorrhoea rates were higher compared with matched controls, and the age at menopause was younger. The prevalence of hypertension was higher. The rugby players perceived that their health decreased in retirement and cited a lack of physical activity as a main contributor. Conclusion: Our findings point to the potential value of screening and monitoring, and identifying preventative measures during sporting careers to promote health and long-term quality of life for 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 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 | 0,006 | 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 ».