Shoulder and elbow injuries in professional baseball pitchers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Baseball is a sport that is played across the world, with significant roots in the United States, Latin America, and Asia. Major League Baseball (MLB) is the premier professional baseball league in the world and has affiliates in the United States and Canada. MLB reportedly exceeded $US10 billion in revenue in 2017, with 15 consecutive years of record-breaking revenue from the years 2003 to 2017. With the significant financial stakes involved in MLB, it is imperative to field the most talented players as often as possible to attract consistent crowds and a winning culture for the team. The pitcher plays a crucial role in baseball, acting as the cornerstone of a team’s defensive capacity. A talented pitcher could significantly limit the run-scoring potential of opposing teams, greatly enhancing their own team’s chances of winning the game. However, due to their high throwing volumes, pitchers are more susceptible to arm injuries compared to other players in the team. This issue has led to ongoing debate regarding the which variables are most associated with shoulder and elbow injury risk in professional baseball pitchers. This thesis aims to address some of the key deficiencies in the scientific literature by: 1. Summarising the current literature on shoulder and elbow injuries and their associated risk modifiers in professional baseball pitchers. 2. Developing a generalized additive mixed model alongside a linear mixed effects regression model to predict humeral torsion and determine their performance error compared to a null model, along with the standard error of ultrasound when performing this assessment. 3. Developing a generalized additive mixed model using preseason shoulder rotational range of motion measures and various demographic data as predictor variables to predict injury in the upcoming season.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle