Injuries, Risk Factors, and Prevention Strategies in Bicycle Motocross (BMX): A Scoping Review
Notice bibliographique
Résumé
CONTEXT: Bicycle motocross (BMX) has become increasingly popular since its inclusion in the 2008 Olympics, but it has some of the highest injury rates (IRs) in multisport studies. To support planning for tailored primary prevention, understanding gaps in BMX injury prevention is crucial. OBJECTIVE: To examine the evidence on injury incidence, prevalence, risk factors, prevention strategies, and prevention implementation in BMX. DATA SOURCES: Ovid MEDLINE, Embase, APA PsycInfo, CINAHL, and SPORTDiscus were searched systematically in June 2023. STUDY SELECTION: Articles including BMX and any injury as the main topic or subtopic were searched across multiple databases. STUDY DESIGN: A scoping review was designed following the PRISMA Extension for Scoping Reviews (PRISMA-ScR). LEVEL OF EVIDENCE: Level 4. DATA EXTRACTION: BMX injury incidences, prevalence, risk factors, prevention strategies, and prevention implementation were extracted. Two reviewers screened all studies and extracted data independently. RESULTS: Of the 1856 articles screened, 37 met inclusion criteria. Most studies used injury surveillance at elite competitions or emergency departments, and common injuries were contusions, lacerations, and fractures. IRs provided were based primarily on elite competition and were heterogeneous (eg, 2016 Olympics: 37.5 per 100 athletes; 2007 BMX World Championship: 11.7 per 100 athletes; 1989 BMX Euro Championship: 6.6 per 100 athletes). Only 1 study stratified IRs by BMX discipline (BMX freestyle: IR, 22.2 injuries per 100 athletes; BMX racing: IR, 27.1 per 100 athletes). Few prevention strategies have been evaluated, but reducing the number of riders per race could be helpful. CONCLUSION: Most BMX studies do not use recommended injury surveillance methodology. Studies based on emergency department data may underestimate minor injuries and do not adequately measure BMX exposures. Rigorous community-based prospective studies examining IRs for both BMX racing and freestyle, risk factors, and prevention strategies are needed to inform widespread evidence-based prevention strategies.
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 | 0,010 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,014 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».