The intention-to-treat effect of changes in planned participation on injury risk in adolescent ice hockey players: A target trial emulation
Notice bibliographique
Résumé
OBJECTIVES: Target trial emulation is a framework for conducting causal inference using observational data. We employ this framework to estimate the effect of changing planned participation duration, measured using the acute:chronic workload ratio (ACWR), on injury risk among adolescent ice hockey players without recent injuries. DESIGN: Prospective cohort study designed to emulate a hypothetical randomized trial. METHODS: We used data from a 5-year cohort study (2013-2018) of ice hockey players aged 13-17 years in Alberta and British Columbia. We estimated injury risks associated with different planned changes in hockey participation duration (e.g. half [ACWR = 0.5], no change [ACWR = 1], two-fold [ACWR = 2], three-fold [ACWR = 3], and five-fold [ACWR = 5]) relative to participation in the previous 4 weeks. Outcomes were modeled using generalized additive models. We conducted secondary analyses restricted to concussions, and stratified by league bodychecking status. RESULTS: There were 2633 eligible participants, contributing 115,821 player-trials. Injury risk was 1.9 % (95 % CI: 1.7 %-2.3 %) for no change in participation (ACWR = 1). Injury risk ratios (RRs) were 0.43 at ACWR = 0.5 (95 % CI: 0.31-0.54), 1.62 (95 % CI: 1.33-1.98) at ACWR = 2, 1.91 at ACWR = 3 (95 % CI: 1.52-2.48) and 2.35 at ACWR = 5 (95 % CI: 1.68-3.26). Patterns were similar by league bodychecking status. Concussion RRs were stable between ACWR = 1 and 1.5, but RRs were greater than for any injury past ACWR = 2. CONCLUSIONS: Within the assumptions of this target trial emulation, injury risk increases consistently (no sweet spots) for increases in planned changes in participation duration relative to the previous 4 weeks among adolescent ice hockey players without recent injuries. Injuries in injury risk are less than expected for the increased exposure time at risk, suggesting beneficial effects of increasing participation that partially counteract the increased exposure time.
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 | 0,241 | 0,232 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,015 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».