46 (5A) Exploring the incidence, magnitude and causes of head acceleration events measured by instrumented mouthguards in elite men’s and women’s Australian football
Notice bibliographique
Résumé
Purpose To quantify head acceleration events (HAEs) in elite Australian football.Methods Instrumented mouthguard (iMG) data were collected from elite Australian football players (2021–2023), with primary analysis on 2023 data from an updated HITIQ iMG, targeting 500 player matches per sex. HAE incidence, magnitude (peak linear acceleration [PLA] and peak rotational acceleration [PRA]), and causes were compared by sex and within each sex for match-play skills.Results Primary analysis included 126 men (median matches per player: 3 [interquartile range (IQR): 2–6]) and 185 women (median matches: 3 [IQR: 1–4]). Men had a higher mean incidence of HAEs with a PLA ≥8 g per match than women (5.7 [95% confidence interval (CI): 5.0–6.4] vs. 3.0 [95% CI: 2.8–3.3]), but incidence was comparable when normalised for time on ground (3.6/hour [95% CI: 3.2–4.1] vs. 3.1/hour [95% CI: 2.9–3.4]). Men recorded higher maximum single-impact PLA (median 31 g [IQR: 19–50] vs. 22 g [IQR: 14–37]; p<0.001) and PRA (median 3.0 krad/s² [IQR: 1.8–5.4] vs. 2.4 krad/s² [IQR: 1.5–3.9]; p<0.001) per match. Conversely, per impact analysis revealed that PRA was greater in women (median 1.4 krad/s² [IQR: 0.9–2.2]) than men (1.2 krad/s² [IQR: 0.8–2.0]; p<0.001), while PLA was similar. Leading HAE causes were marking contests (29.8%) and contested balls (21.3%) in men, and contested balls (26.4%) and tackling (22.5%) in women.Conclusion This study identifies differences in HAE exposure by sex and match-play skills in elite Australian football.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,003 | 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 ».