The Effect of Bye Weeks on Injury Event Rates in the Canadian Football League
Notice bibliographique
Résumé
OBJECTIVE: To determine the effect of bye weeks (no practices or games) on the injury event rate in the Canadian Football League (CFL). DESIGN: Historical (retrospective) cohort study. SETTING: CFL. PARTICIPANTS: CFL athletes between 2011 and 2018. INTERVENTION: CFL pseudorandom assignment of bye weeks each season (2011-2013: 1; 2014-2017: 2; 2018: 3). MAIN OUTCOME MEASURES: Game injury incident rate ratio (IRR) in the week following a bye week compared with non-bye weeks. Sensitivity analyses: IRR for the 2 and 3 weeks following a bye week. We conducted exploratory analyses for combined game and practice injury events because we did not have the number of players exposed during practice. RESULTS: The IRR was 0.96 (0.87-1.05), suggesting no meaningful effect of a bye week on the post-bye week game injury event rate. We obtained similar results for cumulative game injury events for subsequent weeks: IRR was 1.02 (0.95-1.10) for the 2 weeks following the bye week and 1.00 (0.93-1.06) for the 3 weeks following the bye week. The results were similar with 1, 2, or 3 bye weeks. However, the combined game and practice injury event rate was increased following the bye week [IRR = 1.14 (1.05-1.23)]. These results are expected if the break period results in medical clearance for preexisting injuries; increasing pain in these locations following the bye week would now be considered new injuries instead of "exacerbations." CONCLUSIONS: Bye weeks do not appear to meaningfully reduce the injury event rate. Furthermore, there was no injury reduction when adding additional bye weeks to the schedule.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».