Pub Date : 2023-06-01DOI: 10.1016/j.jts.2023.04.002
J. Tondut , P.-E. Dandrieux , B. Caumeil , A. Ruffault , C. Giroux , G. Guilhem , L. Navarro , P. Édouard
Afin de mieux prévenir les blessures en sport, les mesures de prévention offrent aujourd’hui de nouveaux outils, comme le machine learning, pour accéder à une estimation du risque de blessures. Cet article s’attache à estimer le risque de blessures de 110 athlètes pratiquant des sports impliquant des répétitions de sprints (rugby à 7, athlétisme, bobsleigh). Les facteurs de risque mesurés quotidiennement (données d’entrées du modèle) étaient les perceptions des états physiques et psychologiques des athlètes, autorapportés chaque matin et chaque soir dans une application dédiée. Les données de sortie correspondaient aux blessures recensées par les athlètes. Un modèle de Decision Tree a été entraîné et optimisé pour réaliser la prédiction de la survenue d’une blessure en fonction des facteurs mesurés. Les performances du modèle ont été évaluées sur un nouveau jeu de données qui permettait d’atteindre les scores de performance suivants (accuracy = 0,91 [0,02] ; précision = 0,15 [0,04] ; recall = 0,18 [0,05] ; spécificité = 0,95 [0,02] ; ROC AUC = 0,56 [0,02]). L’estimation du risque de blessures est rendue particulièrement difficile, notamment en raison du déséquilibre entre le nombre de blessures et le nombre d’observations. L’interprétation du modèle de prédiction montrait que les facteurs les plus influents étaient les facteurs physiques et les émotions positives.
In order to better prevent injuries in sport, prevention measures now offer new tools such as machine learning to access an estimation of the injury risk. This article attempts to estimate the injury risk of 110 athletes practicing sports involving repeated sprints (rugby at 7, athletics, bobsleigh). The risk factors measured daily (input data of the model) were the perceptions of the physical and psychological states of the athletes, self-reported each morning and evening in a dedicated application. The output data corresponded to the injuries identified by the athletes. A Decision Tree model was trained and optimized to predict the occurrence of an injury based on the measured factors. Model performance was evaluated on a new dataset that achieved the following performance scores (accuracy = 0.91 [0.02]; precision = 0.15 [0.04]; recall = 0.18 [0.05]; specificity = 0.95 [0.02]; ROC AUC = 0.56 [0.02]). Estimating the risk of injury is made particularly difficult, especially because of the imbalance between the number of injuries and the number of observations. The interpretation of the prediction model showed that the most influential factors were physical factors and positive emotions.
{"title":"Estimation du risque de blessures en utilisant le machine learning basée sur le monitoring de la perception des états physiques et mentaux des athlètes : étude préliminaire sur 110 athlètes de haut niveau suivis sur une période de 18 mois","authors":"J. Tondut , P.-E. Dandrieux , B. Caumeil , A. Ruffault , C. Giroux , G. Guilhem , L. Navarro , P. Édouard","doi":"10.1016/j.jts.2023.04.002","DOIUrl":"10.1016/j.jts.2023.04.002","url":null,"abstract":"<div><p>Afin de mieux prévenir les blessures en sport, les mesures de prévention offrent aujourd’hui de nouveaux outils, comme le <em>machine learning</em>, pour accéder à une estimation du risque de blessures. Cet article s’attache à estimer le risque de blessures de 110 athlètes pratiquant des sports impliquant des répétitions de sprints (rugby à 7, athlétisme, bobsleigh). Les facteurs de risque mesurés quotidiennement (données d’entrées du modèle) étaient les perceptions des états physiques et psychologiques des athlètes, autorapportés chaque matin et chaque soir dans une application dédiée. Les données de sortie correspondaient aux blessures recensées par les athlètes. Un modèle de <em>Decision Tree</em> a été entraîné et optimisé pour réaliser la prédiction de la survenue d’une blessure en fonction des facteurs mesurés. Les performances du modèle ont été évaluées sur un nouveau jeu de données qui permettait d’atteindre les scores de performance suivants (<em>accuracy</em> <!-->=<!--> <!-->0,91 [0,02] ; précision<!--> <!-->=<!--> <!-->0,15 [0,04] ; <em>recall</em> <!-->=<!--> <!-->0,18 [0,05] ; spécificité<!--> <!-->=<!--> <!-->0,95 [0,02] ; ROC AUC<!--> <!-->=<!--> <!-->0,56 [0,02]). L’estimation du risque de blessures est rendue particulièrement difficile, notamment en raison du déséquilibre entre le nombre de blessures et le nombre d’observations. L’interprétation du modèle de prédiction montrait que les facteurs les plus influents étaient les facteurs physiques et les émotions positives.</p></div><div><p>In order to better prevent injuries in sport, prevention measures now offer new tools such as machine learning to access an estimation of the injury risk. This article attempts to estimate the injury risk of 110 athletes practicing sports involving repeated sprints (rugby at 7, athletics, bobsleigh). The risk factors measured daily (input data of the model) were the perceptions of the physical and psychological states of the athletes, self-reported each morning and evening in a dedicated application. The output data corresponded to the injuries identified by the athletes. A Decision Tree model was trained and optimized to predict the occurrence of an injury based on the measured factors. Model performance was evaluated on a new dataset that achieved the following performance scores (accuracy<!--> <!-->=<!--> <!-->0.91 [0.02]; precision<!--> <!-->=<!--> <!-->0.15 [0.04]; recall<!--> <!-->=<!--> <!-->0.18 [0.05]; specificity<!--> <!-->=<!--> <!-->0.95 [0.02]; ROC AUC<!--> <!-->=<!--> <!-->0.56 [0.02]). Estimating the risk of injury is made particularly difficult, especially because of the imbalance between the number of injuries and the number of observations. The interpretation of the prediction model showed that the most influential factors were physical factors and positive emotions.</p></div>","PeriodicalId":38932,"journal":{"name":"Journal de Traumatologie du Sport","volume":"40 2","pages":"Pages 74-80"},"PeriodicalIF":0.0,"publicationDate":"2023-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48767074","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-06-01DOI: 10.1016/j.jts.2023.03.001
K. Guex , F. Svensson , P. Edouard
{"title":"Blessures et prévention dans le sport : pourquoi ne pas changer de vision et voir le verre à moitié plein ?","authors":"K. Guex , F. Svensson , P. Edouard","doi":"10.1016/j.jts.2023.03.001","DOIUrl":"10.1016/j.jts.2023.03.001","url":null,"abstract":"","PeriodicalId":38932,"journal":{"name":"Journal de Traumatologie du Sport","volume":"40 2","pages":"Pages 57-61"},"PeriodicalIF":0.0,"publicationDate":"2023-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48557794","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-06-01DOI: 10.1016/S0762-915X(23)00051-7
{"title":"Sommaire","authors":"","doi":"10.1016/S0762-915X(23)00051-7","DOIUrl":"https://doi.org/10.1016/S0762-915X(23)00051-7","url":null,"abstract":"","PeriodicalId":38932,"journal":{"name":"Journal de Traumatologie du Sport","volume":"40 2","pages":"Pages v-vi"},"PeriodicalIF":0.0,"publicationDate":"2023-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"49900595","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-06-01DOI: 10.1016/j.jts.2023.03.004
Pascal Edouard , Gael Guilhem , François Delvaux , Thomas Romeas , Philippe M. Tscholl , Eric Besenius , Caroline Mouton , Christian Nuehrenboerger , Bénédicte Forthomme , Romain Seil , Camille Tooth
{"title":"Méthodes de recueil et report des données épidémiologiques sur les blessures et les maladies dans le sport : synthèse ReFORM de la position de consensus du Comité international olympique","authors":"Pascal Edouard , Gael Guilhem , François Delvaux , Thomas Romeas , Philippe M. Tscholl , Eric Besenius , Caroline Mouton , Christian Nuehrenboerger , Bénédicte Forthomme , Romain Seil , Camille Tooth","doi":"10.1016/j.jts.2023.03.004","DOIUrl":"10.1016/j.jts.2023.03.004","url":null,"abstract":"","PeriodicalId":38932,"journal":{"name":"Journal de Traumatologie du Sport","volume":"40 2","pages":"Pages 126-129"},"PeriodicalIF":0.0,"publicationDate":"2023-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"45595763","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-06-01DOI: 10.1016/j.jts.2023.05.001
P. Edouard , L. Navarro
{"title":"L’intelligence artificielle au service de la prévention des blessures en sport","authors":"P. Edouard , L. Navarro","doi":"10.1016/j.jts.2023.05.001","DOIUrl":"10.1016/j.jts.2023.05.001","url":null,"abstract":"","PeriodicalId":38932,"journal":{"name":"Journal de Traumatologie du Sport","volume":"40 2","pages":"Pages 55-56"},"PeriodicalIF":0.0,"publicationDate":"2023-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48680768","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-06-01DOI: 10.1016/j.jts.2023.03.002
B. Louguet , P. Menu , J. Grondin , P. Daley , Y. Quinette , A. Fouasson-Chailloux , M. Dauty
Introduction
Après reconstruction du ligament croisé antérieur avec une technique utilisant les ischio-jambiers, une perte de force des fléchisseurs du genou a été expliquée par la morbidité du site donneur. L’association avec des douleurs postéro-médiales du genou n’a jamais été étudiée. Ainsi, l’objectif de cette étude a été de mesurer l’association entre les douleurs postéro-médiales du genou et la perte de force des fléchisseurs du genou durant les premiers mois postopératoires.
Méthodes
Deux cent quarante-et-un patients, opérés selon la technique utilisant les « Droit Interne-Demi-Tendineux », ont été inclus s’ils avaient été suivis à 4 et 6 mois postopératoires pour une évaluation isocinétique du ratio bilatéral (LSI) des fléchisseurs du genou. Deux groupes ont été comparés en fonction de la présence ou non d’une douleur postéro-médiale du genou rapportée à 4 mois postopératoires.
Résultats
Parmi les patients, 12,4 % ont rapporté une douleur postéro-médiale du genou à 4 mois postopératoires. Les douleurs étaient survenues lors d’un étirement brutal des ischio-jambiers dans un délai moyen de 3 semaines postopératoires (60 %) ou elles persistaient depuis la chirurgie (40 %). La perte de force musculaire des fléchisseurs du genou des patients douloureux était significativement plus grande à 4 mois postopératoires par comparaison à celle des patients qui n’avaient pas déclaré de douleur (IJ LSI à 60°/s : 66,0 ± 13,3 % vs 84,1 ± 12,7 % ; p < 0,0001) alors que la perte de force des extenseurs était comparable. À 6 mois postopératoires, le LSI des fléchisseurs du genou, le score fonctionnel de Lysholm et le LSI de saut monopodal étaient comparables.
Conclusion
Les patients qui ont présenté des douleurs postéro-médiales après reconstruction du ligament croisé antérieur avec une technique utilisant les ischio-jambiers mettaient plus de temps à récupérer la force des fléchisseurs du genou.
Introduction
After anterior cruciate ligament reconstruction using hamstring graft, a loss of knee flexors strength was explained by the donor site morbidity. The association with posteromedial knee pain has never been studied. Therefore, the aim of this study was to measure the association between posteromedial knee pain and loss of knee flexors strength during the first postoperative months.
Methods
Two hundred and forty-one patients, operated using the Semi-Tendinous-Gracilis procedure, were included if they had been followed up at 4 and 6 postoperative months for an isokinetic measurement of the bilateral knee flexors ratio. Two groups were compared according to the presence or absence of posteromedial knee pain reported at 4 postoperative months.
Results
Among the patients, 12.4% reported posteromedial knee pain at 4 postoperative
背景:在使用腘绳肌技术重建前交叉韧带后,膝关节屈肌的力量丧失被解释为供体部位的发病率。与膝关节后内侧疼痛的关系从未被研究过。因此,本研究的目的是测量术后头几个月膝关节后内侧疼痛与膝关节屈肌力量丧失之间的关系。方法241例采用“右肌腱内半腱”技术进行手术的患者,如果他们在术后4个月和6个月随访,进行双侧屈肌比值(LSI)等速评估。两组患者在术后4个月是否有膝关节后内侧疼痛进行比较。结果12.4%的患者术后4个月出现膝关节后内侧疼痛。疼痛发生在术后3周内(60%)或术后持续(40%)。fléchisseurs肌肉力量的丧失患者的膝关节疼痛明显更大的患者术后4月相比于那些未申报的疼痛(lse: 66.0±60°/ s地市级13.3% vs 84.1±12.7%;p <0.0001),而拉伸器的力损失是相当的。术后6个月,膝关节屈肌的LSI、Lysholm功能评分和单足跳跃的LSI具有可比性。结论:采用腘绳肌技术重建前交叉韧带后出现后内侧疼痛的患者恢复膝关节屈肌力量的时间较长。在使用hamstring移植进行交叉韧带重建后,膝关节屈肌力量的丧失被解释为供体部位的发病率。= =地理= =根据美国人口普查,这个县的总面积是,其中土地和(3.064平方公里)水。因此,本研究的目的是测量术后第一个月膝关节后内侧疼痛与膝关节屈肌力量丧失之间的关系。方法包括141名使用半肌腱- gracilis手术的患者,如果他们在术后4个月和6个月随访,以测量双侧膝关节屈肌比值。根据术后4个月报告的膝关节后内侧疼痛是否存在,对两组进行比较。结果12.4%的患者术后4个月出现后内侧膝关节疼痛。疼痛发生在手术后平均3周内(60%)或手术后持续(40%)。与无疼痛患者相比,有疼痛患者术后4个月膝关节屈肌力量损失显著增加(60°/s时LSI: 66.0±13.3% vs 84.1±12.7%;P <= =地理= =根据美国人口普查,该镇总面积为,其中土地和(0.0%)水。术后6个月,膝关节屈肌力量LSI、Lysholm功能评分和单腿跳测LSI具有可比性。结论:采用半肌腱- gracilis手术重建前十字韧带后出现后内侧膝关节疼痛的患者恢复膝关节屈肌强度的时间较长。
{"title":"Association entre la perte de force des fléchisseurs du genou et les douleurs postéro-médiales du genou opéré d’une reconstruction du ligament croisé antérieur avec une technique utilisant les ischio-jambiers : mythe ou réalité ?","authors":"B. Louguet , P. Menu , J. Grondin , P. Daley , Y. Quinette , A. Fouasson-Chailloux , M. Dauty","doi":"10.1016/j.jts.2023.03.002","DOIUrl":"10.1016/j.jts.2023.03.002","url":null,"abstract":"<div><h3>Introduction</h3><p>Après reconstruction du ligament croisé antérieur avec une technique utilisant les ischio-jambiers, une perte de force des fléchisseurs du genou a été expliquée par la morbidité du site donneur. L’association avec des douleurs postéro-médiales du genou n’a jamais été étudiée. Ainsi, l’objectif de cette étude a été de mesurer l’association entre les douleurs postéro-médiales du genou et la perte de force des fléchisseurs du genou durant les premiers mois postopératoires.</p></div><div><h3>Méthodes</h3><p>Deux cent quarante-et-un patients, opérés selon la technique utilisant les « Droit Interne-Demi-Tendineux », ont été inclus s’ils avaient été suivis à 4 et 6 mois postopératoires pour une évaluation isocinétique du ratio bilatéral (LSI) des fléchisseurs du genou. Deux groupes ont été comparés en fonction de la présence ou non d’une douleur postéro-médiale du genou rapportée à 4 mois postopératoires.</p></div><div><h3>Résultats</h3><p>Parmi les patients, 12,4 % ont rapporté une douleur postéro-médiale du genou à 4 mois postopératoires. Les douleurs étaient survenues lors d’un étirement brutal des ischio-jambiers dans un délai moyen de 3 semaines postopératoires (60 %) ou elles persistaient depuis la chirurgie (40 %). La perte de force musculaire des fléchisseurs du genou des patients douloureux était significativement plus grande à 4 mois postopératoires par comparaison à celle des patients qui n’avaient pas déclaré de douleur (IJ LSI à 60°/s : 66,0<!--> <!-->±<!--> <!-->13,3 % vs 84,1<!--> <!-->±<!--> <!-->12,7 % ; <em>p</em> <!--><<!--> <!-->0,0001) alors que la perte de force des extenseurs était comparable. À 6 mois postopératoires, le LSI des fléchisseurs du genou, le score fonctionnel de Lysholm et le LSI de saut monopodal étaient comparables.</p></div><div><h3>Conclusion</h3><p>Les patients qui ont présenté des douleurs postéro-médiales après reconstruction du ligament croisé antérieur avec une technique utilisant les ischio-jambiers mettaient plus de temps à récupérer la force des fléchisseurs du genou.</p></div><div><h3>Introduction</h3><p>After anterior cruciate ligament reconstruction using hamstring graft, a loss of knee flexors strength was explained by the donor site morbidity. The association with posteromedial knee pain has never been studied. Therefore, the aim of this study was to measure the association between posteromedial knee pain and loss of knee flexors strength during the first postoperative months.</p></div><div><h3>Methods</h3><p>Two hundred and forty-one patients, operated using the Semi-Tendinous-Gracilis procedure, were included if they had been followed up at 4 and 6 postoperative months for an isokinetic measurement of the bilateral knee flexors ratio. Two groups were compared according to the presence or absence of posteromedial knee pain reported at 4 postoperative months.</p></div><div><h3>Results</h3><p>Among the patients, 12.4% reported posteromedial knee pain at 4 postoperative ","PeriodicalId":38932,"journal":{"name":"Journal de Traumatologie du Sport","volume":"40 2","pages":"Pages 104-112"},"PeriodicalIF":0.0,"publicationDate":"2023-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47703756","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-06-01DOI: 10.1016/j.jts.2023.02.001
K. Bakir , P. Edouard , B. Laval
Introduction
Le troisième cycle des études médicales en médecine générale (TCEM) constitue une période de transition entre le deuxième cycle et un apprentissage approfondi de l’exercice professionnel. C’est une période qui peut être vécue comme difficile par certains étudiants, notamment en raison du temps de travail souvent élevé. Le temps consacré aux activités extraprofessionnelles, y compris aux activités sportives, peut s’en trouver impacté. L’objectif principal de cette étude était d’explorer une modification des pratiques sportives lors de l’entrée en troisième cycle d’études médicales en médecine générale.
Méthode
Une étude descriptive transversale a été réalisée par le biais d’un questionnaire en ligne diffusé aux étudiants de troisième cycle d’études médicales en médecine générale dans la région Auvergne-Rhône-Alpes.
Résultats
Nous avons obtenu 203 réponses au questionnaire d’étudiants en TCEM qui pratiquaient du sport en deuxième cycle d’études médicales, et 188 réponses ont été analysées. Au total, 71,3 % des étudiants pratiquaient un sport pendant le TCEM et 28,7 % avaient stoppé leur pratique sportive lors de l’entrée en TCEM. Cet arrêt était en lien avec le temps de travail hebdomadaire élevé, l’heure tardive de départ du lieu de stage et l’impossibilité de prendre une pause, à midi, supérieure à 1 h. Il existait une altération de la qualité de vie perçue chez ces étudiants ayant arrêté le sport. Les habitudes de pratique sportive (type de sport, et mode de pratique) n’étaient pas modifiées lors de l’entrée en TCEM ; cependant, le temps de pratique hebdomadaire diminuait avec l’augmentation du volume horaire de travail.
Conclusion
Les étudiants de troisième cycle en médecine générale font du sport, mais beaucoup voudraient y consacrer plus de temps. Une meilleure gestion des horaires de travail pourrait y contribuer et, ainsi, améliorer la qualité de vie de ces étudiants.
Introduction
The third cycle of medical studies in general practice constitutes a period of transition with the second cycle and an in-depth learning of professional practice. This is a period that can be experienced as difficult by some students, in particular because of the long working hours. The time devoted to extra-professional activities, including sports activities, may be impacted. The main objective of this study was to seek a change in sports practices when entering the third cycle of medical studies in general medicine.
Method
A cross-sectional descriptive study was carried out through an online questionnaire distributed to third cycle students in general medicine in the Auvergne-Rhône-Alpes region.
Results
We obtained 203 responses to the questionnaire of students who practiced sports during the second cycle of medical studies, and 188 responses were analyzed. In total, 71.3% of
{"title":"Le sport pendant le troisième cycle des études médicales de médecine générale : étude transversale par questionnaire en ligne","authors":"K. Bakir , P. Edouard , B. Laval","doi":"10.1016/j.jts.2023.02.001","DOIUrl":"10.1016/j.jts.2023.02.001","url":null,"abstract":"<div><h3>Introduction</h3><p>Le troisième cycle des études médicales en médecine générale (TCEM) constitue une période de transition entre le deuxième cycle et un apprentissage approfondi de l’exercice professionnel. C’est une période qui peut être vécue comme difficile par certains étudiants, notamment en raison du temps de travail souvent élevé. Le temps consacré aux activités extraprofessionnelles, y compris aux activités sportives, peut s’en trouver impacté. L’objectif principal de cette étude était d’explorer une modification des pratiques sportives lors de l’entrée en troisième cycle d’études médicales en médecine générale.</p></div><div><h3>Méthode</h3><p>Une étude descriptive transversale a été réalisée par le biais d’un questionnaire en ligne diffusé aux étudiants de troisième cycle d’études médicales en médecine générale dans la région Auvergne-Rhône-Alpes.</p></div><div><h3>Résultats</h3><p>Nous avons obtenu 203 réponses au questionnaire d’étudiants en TCEM qui pratiquaient du sport en deuxième cycle d’études médicales, et 188 réponses ont été analysées. Au total, 71,3 % des étudiants pratiquaient un sport pendant le TCEM et 28,7 % avaient stoppé leur pratique sportive lors de l’entrée en TCEM. Cet arrêt était en lien avec le temps de travail hebdomadaire élevé, l’heure tardive de départ du lieu de stage et l’impossibilité de prendre une pause, à midi, supérieure à 1<!--> <!-->h. Il existait une altération de la qualité de vie perçue chez ces étudiants ayant arrêté le sport. Les habitudes de pratique sportive (type de sport, et mode de pratique) n’étaient pas modifiées lors de l’entrée en TCEM ; cependant, le temps de pratique hebdomadaire diminuait avec l’augmentation du volume horaire de travail.</p></div><div><h3>Conclusion</h3><p>Les étudiants de troisième cycle en médecine générale font du sport, mais beaucoup voudraient y consacrer plus de temps. Une meilleure gestion des horaires de travail pourrait y contribuer et, ainsi, améliorer la qualité de vie de ces étudiants.</p></div><div><h3>Introduction</h3><p>The third cycle of medical studies in general practice constitutes a period of transition with the second cycle and an in-depth learning of professional practice. This is a period that can be experienced as difficult by some students, in particular because of the long working hours. The time devoted to extra-professional activities, including sports activities, may be impacted. The main objective of this study was to seek a change in sports practices when entering the third cycle of medical studies in general medicine.</p></div><div><h3>Method</h3><p>A cross-sectional descriptive study was carried out through an online questionnaire distributed to third cycle students in general medicine in the Auvergne-Rhône-Alpes region.</p></div><div><h3>Results</h3><p>We obtained 203 responses to the questionnaire of students who practiced sports during the second cycle of medical studies, and 188 responses were analyzed. In total, 71.3% of","PeriodicalId":38932,"journal":{"name":"Journal de Traumatologie du Sport","volume":"40 2","pages":"Pages 113-119"},"PeriodicalIF":0.0,"publicationDate":"2023-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47773404","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-06-01DOI: 10.1016/j.jts.2023.04.008
A. Braga , A. Rambaud
{"title":"Fiche pratique du Star Excursion Balance Test modifié (SEBTm)","authors":"A. Braga , A. Rambaud","doi":"10.1016/j.jts.2023.04.008","DOIUrl":"10.1016/j.jts.2023.04.008","url":null,"abstract":"","PeriodicalId":38932,"journal":{"name":"Journal de Traumatologie du Sport","volume":"40 2","pages":"Pages 130-132"},"PeriodicalIF":0.0,"publicationDate":"2023-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"43774949","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
La blessure en sport représente aujourd’hui une grande problématique pour les athlètes et leur entourage. Des mesures de prévention sont développées et sont à disposition du milieu sportif. Parmi elles, l’émergence de nouvelles technologies et d’approches d’analyse des données offrent de nouvelles opportunités. Compte tenu du fait que ces méthodes de prédiction tendent à se développer, il nous a semblé important que les acteurs autour de l’athlète et, en particulier les professionnels de santé, aient des notions pour mieux comprendre ces approches et pouvoir interpréter les travaux présentant des analyses de prédiction (estimation du risque) des blessures. À travers cet article de mise au point, s’appuyant sur une revue narrative de la littérature, nous avons présenté le Machine Learning (ML) ainsi que ses applications et ses limites. Le ML, ou « apprentissage automatique » en français, est un outil dérivé des statistiques, apparenté à l’intelligence artificielle qui permet de construire, à partir de données d’entrée (variables prédictives) et de sortie (variables à prédire), des modèles capables de prédire un évènement. Ainsi, comme toute analyse, le ML peut présenter certaines limites et certains risques qu’il convient d’éviter, mais aussi de connaître et détecter quand on lit des articles/travaux utilisant le ML ou quand on veut l’utiliser. En conclusion, en traumatologie du sport, les modèles de Machine Learning offrent l’opportunité : 1) d’aider le diagnostic de blessures ou 2) d’optimiser l’entraînement des athlètes en estimant leur risque de blessure, à la fois dans un contexte de screening et de monitoring. Toutefois, cet outil de prédiction ne peut s’adapter à toutes les situations sans risque et peut parfois conduire à de fausses prédictions. Ainsi, le Machine Learning offre des perspectives intéressantes avec la possibilité d’avoir un outil d’aide à la décision pour les acteurs de terrain, mais il convient de prendre en compte les limites et les risques de cette approche afin de les utiliser au mieux et d’en tirer les meilleurs avantages. Le Machine Learning n’est pas une boule de cristal qui permet de voir le futur, mais une méthode d’analyse de données qui s’appuie sur des données mesurées et dépend donc de la qualité de ces dernières.
Today, injury in sport represents a major problem for athletes and their entourage. Prevention measures are developed and are available to the sports community. Among them, the emergence of new technologies and data analysis approaches offer new opportunities. Given the fact that these prediction methods tend to develop, it seemed important to us that the actors around the athlete, and in particular health professionals, have notions to better understand these approaches and to be able to interpret the work presenting injury prediction (risk estimation) analyses. Through this article, based on a narrative review of the lite
{"title":"La prédiction des blessures en sport : fiction ou réalité ?","authors":"Jeanne Tondut , Pierre-Eddy Dandrieux , Laurent Navarro , Christophe Ley , Pascal Édouard","doi":"10.1016/j.jts.2023.03.006","DOIUrl":"10.1016/j.jts.2023.03.006","url":null,"abstract":"<div><p>La blessure en sport représente aujourd’hui une grande problématique pour les athlètes et leur entourage. Des mesures de prévention sont développées et sont à disposition du milieu sportif. Parmi elles, l’émergence de nouvelles technologies et d’approches d’analyse des données offrent de nouvelles opportunités. Compte tenu du fait que ces méthodes de prédiction tendent à se développer, il nous a semblé important que les acteurs autour de l’athlète et, en particulier les professionnels de santé, aient des notions pour mieux comprendre ces approches et pouvoir interpréter les travaux présentant des analyses de prédiction (estimation du risque) des blessures. À travers cet article de mise au point, s’appuyant sur une revue narrative de la littérature, nous avons présenté le <em>Machine Learning</em> (ML) ainsi que ses applications et ses limites. Le ML, ou « apprentissage automatique » en français, est un outil dérivé des statistiques, apparenté à l’intelligence artificielle qui permet de construire, à partir de données d’entrée (variables prédictives) et de sortie (variables à prédire), des modèles capables de prédire un évènement. Ainsi, comme toute analyse, le ML peut présenter certaines limites et certains risques qu’il convient d’éviter, mais aussi de connaître et détecter quand on lit des articles/travaux utilisant le ML ou quand on veut l’utiliser. En conclusion, en traumatologie du sport, les modèles de <em>Machine Learning</em> offrent l’opportunité : 1) d’aider le diagnostic de blessures ou 2) d’optimiser l’entraînement des athlètes en estimant leur risque de blessure, à la fois dans un contexte de <em>screening</em> et de <em>monitoring</em>. Toutefois, cet outil de prédiction ne peut s’adapter à toutes les situations sans risque et peut parfois conduire à de fausses prédictions. Ainsi, le <em>Machine Learning</em> offre des perspectives intéressantes avec la possibilité d’avoir un outil d’aide à la décision pour les acteurs de terrain, mais il convient de prendre en compte les limites et les risques de cette approche afin de les utiliser au mieux et d’en tirer les meilleurs avantages. Le <em>Machine Learning</em> n’est pas une boule de cristal qui permet de voir le futur, mais une méthode d’analyse de données qui s’appuie sur des données mesurées et dépend donc de la qualité de ces dernières.</p></div><div><p>Today, injury in sport represents a major problem for athletes and their entourage. Prevention measures are developed and are available to the sports community. Among them, the emergence of new technologies and data analysis approaches offer new opportunities. Given the fact that these prediction methods tend to develop, it seemed important to us that the actors around the athlete, and in particular health professionals, have notions to better understand these approaches and to be able to interpret the work presenting injury prediction (risk estimation) analyses. Through this article, based on a narrative review of the lite","PeriodicalId":38932,"journal":{"name":"Journal de Traumatologie du Sport","volume":"40 2","pages":"Pages 62-68"},"PeriodicalIF":0.0,"publicationDate":"2023-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47841714","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-06-01DOI: 10.1016/S0762-915X(23)00054-2
{"title":"Calendrier des congres","authors":"","doi":"10.1016/S0762-915X(23)00054-2","DOIUrl":"https://doi.org/10.1016/S0762-915X(23)00054-2","url":null,"abstract":"","PeriodicalId":38932,"journal":{"name":"Journal de Traumatologie du Sport","volume":"40 2","pages":"Page 133"},"PeriodicalIF":0.0,"publicationDate":"2023-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"49900593","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}