A Video Analysis of Suspected Injuries and Suspected Concussions in Elite Ladies Gaelic Football Matches
Notice bibliographique
Résumé
BACKGROUND: Previous research shows that injuries are prevalent in ladies Gaelic football. However, little is known about how these injuries occur (ie, the mechanism of injury). In addition, there are limited data on injuries sustained during elite-level matches. Concussions are also a key concern, yet research has examined solely self-reported suspected concussions, and it remains unclear how potential concussions are identified and managed during matches. OBJECTIVE: To establish the incidence, characteristics, and management of suspected injuries and concussions in elite ladies Gaelic football matches. DESIGN: Cross-sectional video analysis study. LEVEL OF EVIDENCE: Level 3. METHODS: A video coding framework was developed based on similar published studies and validated by 5 Gaelic football-specific raters. One research assistant coded all matches from the 2022 season, and an experienced referee also reviewed foul play events. RESULTS: There were 829 suspected injuries (suspected injury rate [IR], 229.0 per 1000 hours; 95% CI, 214.0-245.2; 6.9 suspected injuries per match) and 162 suspected concussions (IR, 44.8 per 1000 hours; 95% CI, 38.4-52.2; 1.4 per match) recorded in 120 matches. Most suspected injuries received onfield medical attention (84.0%); however, just 13.6% of suspected concussions were removed from play. The tackle accounted for the most suspected injuries (40.2%), player-to-player contact (68.2%) was the most common mechanism, and the head/neck (38.1%) was the body location injured most frequently. Foul play concerned 53.2% of suspected injuries, with 76.7% of fouls concerning the tackle. CONCLUSION: The nonremoval of suspected concussions and the frequency of tackle-related suspected injuries and foul play warrants attention. CLINICAL RELEVANCE: Developing and implementing injury prevention programs, concussion management strategies, and education for all knowledge users may contribute to a safer playing environment.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».