The most cited publications on snowboarding-related head injuries, concussions, and injury distribution
Notice bibliographique
Résumé
Objectives The purpose of this study was to identify the 50 most-cited publications relating to snowboarding and conduct a bibliometric analysis of the identified studies.Methods Clarivate Analytics Web of Science database was queried to identify all publication titles, abstracts, and keywords related to snowboarding. The resulting articles were sorted by total number of citations. Titles and abstracts were included based on their relevance to snowboarding. Once the 50 most cited articles were identified, each article was further analyzed to obtain author name, publication year, country of origin, journal name, article type, research topic, competition level, total number of citations, and the level of evidence. Citation density (total number of citations/years since publication) was calculated and recorded for each of the most-cited studies.Results The 50 most-cited articles were cited 4,123 times with an average of 82.5 citations per article. The most cited article was cited 212 times. The majority of articles came from 2 different countries, with the United States and Canada contributing 18 and 10 articles, respectively. The American Journal of Sports Medicine published the most articles (n = 11). The most studied topic was injury distribution (n = 25) followed by head injuries (n = 8). Recreational snowboarding was the most studied level of competition (n = 43).Conclusions The 50 most-cited articles related to snowboarding are predominantly cohort and review studies from the United States and Canada, focusing on recreational athletes. These articles primarily detail the total anatomic distribution of snowboard-related injuries, particularly head injuries and concussions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».