YLI ESTEIDEN! : Suomalaisten kilpaesteratsastajien alaselkäkivut
Bibliographic record
Abstract
Alaselkäkivut ovat kolmanneksi yleisin vaiva urheilijoiden keskuudessa nilkka- ja polvivammojen jälkeen.Ratsastajien keskuudessa aihetta on kuitenkin tutkittu hyvin vähän ja muutenkin ratsastajan rooliin urheilijana on havahduttu vasta viime vuosien aikana. Keskivartalon hallinnan heikkous on todettu usein aiheuttavan urheilijoilla alaselkäkipuja sekä kasvattaa vammautumisriskiä suoritusten aikana. Varsinkin syvien, stabiloivien lihasten heikkous sekä motorisen kontrollin puute on todettu olevan yhteydessä alaselkäkipuihin.\n\nTämän opinnäytetyön tarkoituksena oli selvittää, esiintyykö suomalaisilla kilpaesteratsastajilla alaselkäkipuja, milloin ja miten niitä esiintyy sekä minkälainen merkitys keskivartalon hallinnalla on heidän harjoitusohjelmassaan.\nTavoitteena oli saada lisää tietoa ratsastuksen kuormittavuuden vaikutuksista ratsastajan kehoon sekä siitä, miten keskivartalon hallinta näkyy ratsastajien harjoittelussa. Tutkimusmenetelmänä käytettiin kvantitatiivista eli määrällistä tutkimusta kyselytutkimuksen muodossa.\n\nKysely tapahtui sähköisessä muodossa strukturoidulla kyselylomakkeella (webropol-kysely). Kysely lähetettiin Suomen Ratsastajainliiton välityksellä kaikille tämän vuoden aikana alue- sekä kansallisen tason estekilpailuihin osallistuneille esteratsastajille. Vastaanottajia oli noin 2600 ja vastauksia tuli yhteensä 695 kappaletta.\n\nTutkimuksen tulokset osoittivat, että jopa 75 %:lla suomalaisista kilpaesteratsastajista esiintyy alaselkäkipuja, usein ajoittaisina, tuntien tai päivien pituisina jaksoina, viikoittain tai kerran kuukaudessa. Diagnosoituja selkäsairauksia esiintyi 18 % ja vamman jälkeisestä alaselkäkivusta kärsii 16 % vastaajista. Ratsastajat kokivat myös, että keskivartalon hallinta on tärkeää heidän ratsastuksensa kannalta, mutta vain 62 % kertoi tekevänsä oheisharjoitteita ratsastuksen lisäksi. Myös 37 % vastaajista kertoi harrastavansa muuta urheilulajia ratsastuksen lisäksi.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.002 |
| Meta-epidemiology (narrow) | 0.007 | 0.007 |
| Meta-epidemiology (broad) | 0.006 | 0.002 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.008 | 0.003 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.043 | 0.479 |
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; both teacher heads agree on what is shown here.
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".