DOI: 10.1093/aje/kwg050 Injury Risk in Men’s Canada West University Football
Notice bibliographique
Résumé
Injury and participation information was collected over 5 years (1993–1997) on varsity men’s football players in the Canada West Universities Athletic Association. The locations of acute time-loss injuries or neurologic injures were coded as head and neck, upper extremity (shoulder to hand), or lower extremity (hip to foot). Poisson regression-based generalized estimating equations were used to estimate rate ratios and 95 % confidence intervals. Injury rates were higher during games as compared with practice periods (for the head and neck, rate ratio (RR) = 9.75 (95 % confidence interval (CI): 7.50, 12.67); for upper extremities, RR = 5.76 (95 % CI: 4.46, 7.45); and for lower extremities, RR = 7.06 (95 % CI: 6.03, 8.25)). In dry-field game situations, head and neck injury rates were 1.59 times higher on artificial turf than on natural grass (95 % CI: 1.04, 2.42). Lower extremity game injury rates were higher on artificial turf than on natural grass under both dry (RR = 1.83, 95 % CI: 1.35, 2.48) and wet (RR = 2.31, 95 % CI: 1.18, 4.52) field conditions. Injury rates increased with every additional year of participation. Past injury increased the rate of subsequent injury. The effect of an artificial field surface may be related to infrequent use. Risk factors for injury included participation in a game, playing on artificial turf, being a veteran player, and having a past injury. athletic injuries; cohort studies; football Abbreviations: CI, confidence interval; GEE, generalized estimating equations; RR, rate ratio.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».