Injury and Illness Trends in the National Hockey League Following an Abrupt Cessation of Play
Notice bibliographique
Résumé
Background: The National Hockey League (NHL) saw an unprecedented disruption to the competitive calendar due to the COVID-19 pandemic in March of 2020. Returning to play following an abrupt cessation of activity is a known risk factor for athletes. Purpose: To analyze the occurrence and severity of events (injury and illness) in the NHL and to understand any differences in occurrence and severity between pre-pandemic seasons and seasons that immediately followed. Study Design: Descriptive Epidemiology Study. Methods: Using a retrospective cohort inclusive of all players on active rosters in the NHL between 2016-2023, public access injury and illness data were collected. Outcome measures included event incidence, period prevalence, and severity (mean days lost; MDL), as well as incidence rate ratio (IRR) comparing pre- and post-pandemic seasons. Results: IRR for illness peaked in December 2021 (IRR = 62.46; 95% CI 13.65 to 285.91). Incidence of upper body injuries was significantly higher in 2020-21 (IRR = 1.70, p = 0.001) and 2021-22 (IRR = 1.40, p = 0.044) compared to pre-pandemic seasons (Incidence = 17.58 injuries / 1000 player-hours). Injury incidence increased as the 2022-23 season progressed (p = 0.004); injury incidence was stable across all other seasons. Mean days lost (MDL) to injury was higher in 2020-21 (MDL = 18.12, p < 0.001), 2021-22 (MDL = 18.46, p = 0.015), and 2022-23 (MDL = 18.12, p < 0.001) compared to pre-pandemic seasons (MDL = 17.34). Conclusion: Incidence of upper body injuries increased in the 2020-21 and 2021-22 NHL regular seasons while it decreased significantly in the 2022-23 regular season compared with the four pre-pandemic seasons. This suggests a need to examine if modifiable risk factors exist for determining optimal return to play strategies following an abrupt cessation of play. Level of Evidence: 3.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».