Assessing External And Internal Loads Impacting Injury Odds In Male Collegiate Ice Hockey Players
Notice bibliographique
Résumé
While considerable research has outlined high injury risks associated with playing ice hockey across many demographics, work examining player load as a risk for injury is less clear. Currently, no research has considered the association between wearable technology-derived player load and risk of injury measured through player self-reported complaints across a season. PURPOSE: To record self-reported complaints of injury/pain and investigate the associations between wearable technology-derived internal and external loads and odds of player complaints of injury and pain in male ice hockey players. METHODS: Self-reported complaints of injuries and pain were collected for 27 university male players (22.0 ± 1.2 y, 86.7 ± 5.5 kg, 181.4 ± 5.0 cm). Additionally, weekly cumulated external (exposure, skating distance, time spent skating in speed zones, and number of skating events measured via local positioning system) and internal (training impulse (TRIMP) and sessional rate of perceived exertion (sRPE)) loads were measured in practices and home games throughout the season. Binomial logistic regressions (crude odds ratios (OR)) were used to assess the associations between weekly load measures and the odds of players reporting a complaint, in both the week of and the week following load measurements. Load measures were grouped into low (control), low-medium, medium-high, and high quartiles. RESULTS: Players reported an incidence of 77 and a prevalence of 87 complaints during the season. When assessing complaints within the same week as the cumulative loads, there was an increase in the odds of a complaint within the medium-high load group for weekly cumulative sRPE compared to the low load group (OR = 1.86, p = 0.04), but no changes in the odds of a complaint in any external load measures when comparing high and low load groups. For complaints following a weekly load, there was an increase in the odds of a complaint in the high load group for the previous week’s cumulative exposure (OR = 2.75, p < 0.01), sRPE (OR = 3.03, p < 0.01), time spent in low-speed (OR = 2.09, p = 0.03), and medium speed zones (OR = 2.05, p = 0.04) compared to the low load group. CONCLUSION: Several load measures used in this novel study indicate greater odds of male ice hockey players reporting complaints when experiencing high levels of load. PepsiCo and Mitacs
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».