Age effects in NHL draftees: a data-driven review of a multi-dimensional concept
Notice bibliographique
Résumé
Introduction: Relative age effects (RAEs) have been extensively documented in youth sports, where artificial age cut-offs create advantages for relatively older athletes throughout development. Despite four decades of research, these effects persist in many sports, particularly in ice hockey, where misaligned cut-off dates between developmental systems and professional selection create unique challenges. This study examines varying age cut-off dates, athletes' development trajectories and career outcomes in elite ice hockey. Methods: Using one of the most comprehensive longitudinal datasets to date, the present paper also explores whether an "underdog effect" (i.e., where relatively younger athletes who survive selection barriers may achieve greater success) is present within the current sample of athletes. We analyzed the complete population of 10,485 NHL-drafted players spanning 44 years (1980-2024), examining birth quarter distributions, time to league entry, and career permanence (defined as playing ≥5 seasons and ≥268 games). Using Cox proportional hazards models and multinomial regression analyses, we investigated how birth quartile influenced player career trajectories while controlling for draft position, nationality, anthropometrics, and playing position. Results: Results revealed that while relatively younger players were significantly underrepresented in the draft, those who were drafted demonstrated superior career trajectories. In standard analyses, Q4 players showed a faster time to enter the NHL after getting drafted (HR = 1.32, 95% CI = 1.15-1.52), and Q3 players showed significantly higher likelihood of achieving permanence (HR = 1.39, 95% CI = 1.10-1.75). When accounting for the September 15 draft cut-off (2005-2024), a "dual disadvantage" was identified within the sample, with Q3 athletes showing the strongest effects, with 61% higher likelihood of achieving permanence (HR = 1.61, 95% CI = 1.27-2.05). Discussion: These findings support the "underdog hypothesis," suggesting that relatively younger athletes who overcome systemic disadvantages develop compensatory skills that enhance long-term performance. Future athlete development systems should consider implementing strategies such as bio-banding or "future teams" to better support relatively younger athletes, potentially increasing talent retention across the entire player pool.
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 | 0,058 | 0,190 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».