Prevention strategies and modifiable risk factors for concussion: a systematic review and meta-analysis for the Female, woman and girl/or Athlete Injury pRevention (FAIR) consensus
Notice bibliographique
Résumé
OBJECTIVE: To examine prevention strategies and potential modifiable risk factors (MRFs) for sport-related concussion (SRC) and head impact/head acceleration event (HAE) outcomes in female, woman and/or girl athletes. DESIGN: Systematic review with meta-analyses and Grading of Recommendations, Assessment, Development and Evaluation. DATA SOURCES: Medline, CINAHL, PsycINfo, SportDiscus, ERIC, CENTRAL and CDSR. ELIGIBILITY: Primary data studies with comparison group(s) assessing the association of prevention interventions and/or MRFs for SRC or HAE with ≥1 female/woman/girl in each study group. RESULTS: Of the 108 included studies, 67 evaluated a SRC prevention strategy (equipment n=25, policy/rule n=21, training n=10, management n=11) and 41 evaluated potential MRFs (34 distinct MRFs across nine categories). In total, 40/108 (37%) studies (prevention 19/67; MRF 21/41) included female/woman/girl-specific estimates. Three meta-analyses were conducted: two SRC prevention strategies (headgear, eyewear) and one MRF (artificial turf vs grass) based on availability of female/woman/girl-only estimates and similar outcomes and exposure. Headgear was associated with 30% lower SRC rates in adolescent female/girl lacrosse and soccer (IRR=0.70, 95% CI 0.50 to 0.99; very-low certainty). Eyewear use was not protective for SRC (IRR=1.08, 95% CI 0.69 to 1.68; very-low certainty). SRC rates did not differ by artificial turf versus grass (IRR=0.95, 95% CI 0.62 to 1.45; very-low certainty). CONCLUSION: We found limited evidence for prevention strategies and MRFs in female/woman/girl athletes except for very-low certainty evidence supporting headgear use in adolescent lacrosse and soccer. Future studies should consider the design, implementation and evaluation of SRC prevention strategies that target MRFs to guide safe practice recommendations specifically for female/woman/girl athletes.
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 | 0,021 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,034 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».