Liikuntavammojen esiintyvyys suomalaisilla nuorilla, eniten vammoja aiheuttavat liikuntamuodot sekä vammojen aiheuttamat poissaolot
Notice bibliographique
Résumé
Liikuntavammat on tunnistettu yhdeksi nuorten heikentyneen terveyden ja toimintakyvyn merkittäväksi riskitekijäksi maailman terveysjärjestön WHO:n toimesta jo vuonna 1993. Liikuntavammojen on osoitettu aiheuttavan nuorilla kolme kertaa enemmän toimintakyvyn menetystä kuin liikennetapaturmat. Liikuntavammat saattavat lopettaa terveyttä edistävän liikunnan harrastamisen. Tämän pro gradu -tutkielman tarkoituksena oli selvittää liikuntavammojen esiintyvyyttä nuorilla urheiluseuraliikunnassa, vapaa-ajan liikunnassa sekä koululiikunnassa. Lisäksi selvitin missä lajeissa vammoja tapahtui ja miten paljon vammat aiheuttivat nuorilla poissaoloja koulusta ja harrastuksista. Tutkimukseen aineisto kerättiin LIITU-HBSC 2022 -tutkimukseen vastanneiden nuorten vastauksista (n=2377; poikia 1165, tyttöjä 1212). Vastausten perusteella kaikilla luokka-asteilla urheiluseuraliikunnassa tapahtui eniten loukkaantumisia niin pojilla (51% oli loukkaantunut) kuin tytöilläkin (46%). Vapaa-ajan liikunnassa pojista 39% ja tytöistä 30% kertoi loukkaantuneensa vähintään kerran edellisen 12 kuukauden aikana, kun taas koululiikunnassa vastaava luku oli pojilla 25% ja tytöillä 21%. Poikien keskuudessa eniten loukkaantumisia raportoitiin jalkapalloa (n=204), salibandyä (n=54) ja jääkiekkoa (n=52) pelatessa. Tyttöjen keskuudessa eniten loukkaantumisia tapahtui myös jalkapalloa pelatessa (n=91). Toiseksi eniten vammoja raportoitiin ratsastuksen (n=66) ja kolmanneksi eniten juoksulenkkeilyn sekä hölkän (n=60) yhteydessä. Valtaosa (55–82%) liikuntavammojen aiheuttamista poissaoloista kesti tytöillä ja pojilla alle 8 vuorokautta vamman tapahtumisympäristöstä riippumatta. Urheiluseuratoiminnassa yli 8 vuorokautta kestäneitä poissaoloja oli eniten niin pojilla (45%) kuin tytöillä (43%). Tämä tutkimus osoittaa liikuntavammojen olevan yleinen ongelma suomalaisilla nuorilla. Liikuntavammojen ehkäisemiseksi on tutkitusti tehokkaita menetelmiä. Urheiluseuratoiminnan lisäksi liikuntavammoja ehkäiseviä toimia tulisi jalkauttaa myös vapaa-ajan liikuntaan sekä kouluihin.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,100 | 0,023 |
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 ».