INVESTIGATION OF PAIN FREQUENCY IN HIGH SCHOOL-AGED PROFESSIONAL ATHLETES
Bibliographic record
Abstract
Amaç: Genç yaşlarda sporla profesyonel düzeyde ilgilenmek, fiziksel ve zihinsel gelişimi olumlu yönde etkilerken, artan yüklenme ve tekrarlayan hareketler nedeniyle ağrı ve sakatlık riskini de beraberinde getirebilmektedir. Bu çalışmada amacımız, lise çağındaki sporcularda ağrının karakterini, şiddetini, yerini, sıklığını ve özelliğini tespit etmektir.Gereç ve Yöntem: 42 lise çağında (37 erkek 5 kız) genç sporcu dahil edildi. Güreş branşından 20 erkek sporcu, judo branşından 10 erkek 5 kız sporcu ve halter branşından 7 erkek sporcu çalışmaya katıldı. Ağrının çok boyutlu olarak değerlendirilmesinde McGill-Melzack Ağrı Anketi kullanıldı.Bulgular: Güreş branşındaki sporcularında ağrılar genellikle diz bölgesinde yoğunlaşırken (%65), halter ve judo yapan sporcularında bel ağrılarının daha yaygın olduğu görüldü (halterde %71, judoda %46). Ağrının sıklığı her üç branşta da genellikle kısa/anlık olarak bildirildi. Güreş sporcularının %30’u, halter sporcularının %28.6’sı ve judo sporcularının %10’u ağrılarını şiddetli olarak ifade etti. Katılımcılar, ağrılarını sıklıkla “sefil eden,” “yorucu” ve “boğucu” gibi kelimelerle tanımladılar.Sonuç: Ağrının karakteri, şiddeti ve yeri, spor branşlarının fiziksel gereksinimlerine göre farklılık göstermektedir. Bu durum, sporcuların performansını ve yaşam kalitesini etkileyebilecek önemli bir faktördür. Sporcularda ağrı yönetimi ve önleyici yaklaşımlar geliştirilmesi, performans kaybını önlemek ve sağlıklarını korumak açısından büyük önem taşımaktadır.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".