Association of self-reported health problems and interpersonal violence in sport: a cross-sectional study in world-level performing athletes
Notice bibliographique
Résumé
OBJECTIVES: A paucity of studies assesses the intersection of physical health (injury and illness), mental health and experiences of interpersonal violence (IV, also known as harassment and abuse) in sport. The objectives of this study were to examine the (a) frequency of self-reported physical and mental health problems of elite athletes in the 12 months prior to the survey, (b) differences in physical and mental health between male and female athletes and (c) relationship of athlete health with experiences of IV. METHODS: Elite adult athletes from four sports were approached at eight international events to answer an online questionnaire on their physical and mental health, as well as experiences of IV in sport within the past 12 months. RESULTS: A total of 562 athletes completed the questionnaire. Overall, 75% reported at least one physical symptom, most commonly headache and fatigue (n=188; 33.5% each), followed by musculoskeletal symptoms (n=169; 29.4%). 65.1% reported at least one mental health symptom, mostly of anxiety or depression. More female than male athletes reported physical (F:81.9%; M:68.3%; p<0.001) and mental (F:71.9%; M:58.4%; p<0.001) health problems, while addiction problems were more frequent in male athletes (F:1.8%; M:6.4%; p=0.006. 53.0% of the female and 42.3% of the male participants reported having experienced at least one form of IV. Linear regression analysis demonstrated that all forms of IV, except physical IV (all p's<0.001), were associated with an increasing number of physical and mental health symptoms. In addition, the analysis showed that female athletes had a higher increase in symptoms in response to IV than male athletes. CONCLUSIONS: This study demonstrates the relationship of elite athlete physical and mental health with IV. Injury and illness prevention programmes in international sport should include strategies to reduce IV.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».