San Jose
Domicile
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance
Client Web pour les lignes

Centre de jeu
	Sags 36-39-7, 79pts	0	FINAL	2	Oil Kings 34-38-10, 78pts

Team Stats
W1	Séquence	W1
20-20-1	Fiche domicile	19-17-5
16-19-6	Fiche domicile	15-21-5
4-5-1	Derniers 10 matchs	6-4-0
2.01	Buts par match	2.30
2.02	Buts contre par match	2.50
14.94%	Pourcentage en avantage numérique	14.60%
82.87%	Pourcentage en désavantage numérique	83.18%

Sags
36-39-7, 79pts

FINAL

Heat
28-49-5, 61pts

Team Stats
W1	Séquence	L2
20-20-1	Fiche domicile	15-24-2
16-19-6	Fiche domicile	13-25-3
4-5-1	Derniers 10 matchs	3-6-1
2.01	Buts par match	2.05
2.02	Buts contre par match	2.89
14.94%	Pourcentage en avantage numérique	16.59%
82.87%	Pourcentage en désavantage numérique	82.99%

Meneurs d'équipe
	Buts Alex Turcotte 20	Passes Henry Thrun 33

	Points Henry Thrun 45	Plus/Moins Anttoni Honka 9

	Victoires Malcolm Subban 35	Pourcentage d’arrêts Dryden McKay 0.962

Statistiques d’équipe
Buts pour 165 2.01 GFG	Tirs pour 1473 17.96 Avg	Pourcentage en avantage numérique 14.9% 36 GF	Début de zone offensive 39.1%
Buts contre 166 2.02 GAA	Tirs contre 1481 18.06 Avg	Pourcentage en désavantage numérique 82.9%% 37 GA	Début de la zone défensive 39.2%

Informations de l'équipe
	Directeur général	Nick Gagnon
	Division	Atlantique
	Conférence	Est
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	1,946
	Billets de saison	300
Informations de la formation
	Équipe Pro	23
	Équipe Mineure	20
	Limite contact	43 / 50
	Espoirs	14

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du joueur	C	L	R	D	CON	CK	FG	DI	SK	ST	EN	DU	PH	FO	PA	SC	DF	PS	EX	LD	PO	MO	OV	SP	Âge	Contrat	Salaire moyen
1	Ben Meyers (R)	X	X			100.00	65	40	77	71	75	74	66	66	72	60	63	64	67	56	50	0	50	64	0	23	3	912,500$
2	Tyler Benson		X	X		100.00	62	43	70	67	68	68	66	62	41	61	55	57	61	55	50	0	50	60	0	24	2	620,000$
3	Jiri Kulich (R)	X	X			100.00	59	40	70	68	61	57	57	64	42	62	62	55	65	50	50	0	50	60	0	18	3	950,000$
4	Alex Turcotte (R)	X				100.00	62	45	67	70	63	60	58	59	45	56	53	62	60	50	50	0	50	59	0	21	1	925,000$
5	Jordy Bellerive	X				100.00	60	54	60	67	63	65	64	62	56	59	54	59	61	52	51	0	50	59	0	23	2	733,333$
6	Aatu Raty (R)	X				100.00	63	40	69	66	63	57	57	62	52	61	56	60	61	50	50	0	50	59	0	19	3	836,667$
7	Ty Tullio (R)			X		100.00	57	40	70	69	57	60	61	62	41	59	58	57	62	50	50	0	50	59	0	20	3	833,333$
8	Michal Teply (R)		X			100.00	57	45	73	64	65	63	62	62	42	60	55	52	60	50	50	0	50	58	0	21	1	825,833$
9	Zayde Wisdom (R)	X				100.00	62	40	69	65	63	60	60	58	51	55	54	59	59	50	50	0	50	58	0	20	3	797,500$
10	Reilly Walsh				X	100.00	59	45	69	72	62	66	66	66	40	65	58	69	65	52	50	0	50	64	0	23	1	700,000$
11	Henry Thrun (R)				X	100.00	57	40	71	71	77	80	60	65	40	62	60	63	66	51	50	0	50	64	0	21	3	650,000$
12	Michael Kesselring (R)				X	100.00	66	57	64	69	67	63	63	66	40	58	60	68	65	51	50	0	50	63	0	22	1	1,100,000$
13	Wyatt Kalynuk				X	100.00	60	60	57	71	62	66	65	62	40	61	55	68	63	54	50	0	50	62	0	25	2	925,000$
14	Jack Thompson (R)				X	100.00	60	40	71	69	62	62	62	64	40	60	59	66	64	50	50	0	50	62	0	20	3	828,333$
15	Anttoni Honka (R)				X	100.00	56	40	70	69	60	62	63	64	40	63	57	65	63	50	50	0	50	61	0	21	3	700,000$
16	Helge Grans (R)				X	100.00	64	46	72	65	68	60	60	61	40	55	54	62	60	50	50	0	50	60	0	20	3	847,500$
17	Corson Ceulemans (R)				X	100.00	62	40	68	64	65	54	53	56	40	54	54	61	58	50	50	0	50	58	0	19	3	925,000$
Rayé
1	Carter Savoie (R)		X			100.00	56	40	69	63	62	60	60	59	40	54	56	53	59	50	50	0	50	57	0	20	3	925,000$
2	Rory Kerins (R)	X				100.00	62	40	68	65	62	58	57	56	47	54	54	58	58	50	50	0	50	57	0	20	3	846,667$
3	Philippe Daoust (R)		X			100.00	54	43	66	70	53	57	54	54	50	51	51	52	58	50	50	0	50	55	0	20	5	600,000$
4	Demetrios Koumontzis (R)		X			100.00	44	44	78	63	64	41	53	34	48	29	30	41	35	50	50	0	50	44	0	22	2	650,000$

	MOYENNE D’ÉQUIPE					100.00	59	44	69	68	64	62	60	60	45	57	55	60	60	51	50	0	50	59

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du gardien	CON	SK	DU	EN	SZ	AG	RB	SC	HS	RT	PH	PS	EX	LD	PO	MO	OV	SP	Âge	Contrat	Salaire moyen
1	Malcolm Subban	100.00	74	71	73	75	72	70	72	68	71	73	71	66	59	0	50	66	0	28	2	1,500,000$
2	Dryden McKay (R)	100.00	63	57	57	62	60	59	59	56	60	60	53	52	50	0	50	55	0	24	3	560,000$
Rayé

	MOYENNE D’ÉQUIPE	100.00	69	64	65	69	66	65	66	62	66	67	62	59	55	0	50	61

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du joueur	Nom de l’équipe	POS	GP	G	A	P	+/-	PIM	PIM5	HIT	HTT	SHT	OSB	OSM	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PPM	PKG	PKA	PKP	PKS	PKM	GW	GT	FO%	FOT	EG	P/20	PSG	PSS	FW	FT	S1	S2	S3
1	Henry Thrun	Sags (San)	D	80	12	33	45	2	20	0	95	96	95	33	65	12.63%	71	1826	22.83	6	12	18	62	224	1	0	1	1	178	2	1	100.00%	1	0	0.49	0	1	0	0	0	8	1
2	Jiri Kulich	Sags (San)	C/LW	80	14	23	37	1	32	0	117	91	134	43	112	10.45%	18	1731	21.64	0	5	5	20	197	0	2	2	2	153	2	2	39.63%	434	0	0.43	5	9	0	0	2	5	5
3	Tyler Benson	Sags (San)	LW/RW	80	14	22	36	4	28	0	126	72	133	18	78	10.53%	7	1590	19.89	4	5	9	31	184	0	0	0	4	116	1	1	46.22%	119	0	0.45	4	8	0	0	6	0	3
4	Wyatt Kalynuk	Sags (San)	D	80	7	24	31	-6	50	0	121	97	75	20	45	9.33%	61	1534	19.19	7	4	11	55	187	0	1	1	0	137	0	0	0%	0	0	0.40	1	1	0	0	2	0	2
5	Alex Turcotte	Sags (San)	C	82	20	9	29	6	36	0	115	134	114	22	89	17.54%	12	1440	17.57	1	0	1	6	72	0	0	0	2	46	6	3	50.14%	1109	0	0.40	0	4	0	0	5	4	0
6	Reilly Walsh	Sags (San)	D	39	8	21	29	-1	18	0	51	63	47	12	31	17.02%	32	822	21.09	6	5	11	30	100	0	0	0	1	76	2	1	0%	0	0	0.71	0	0	0	0	4	0	5
7	Jordy Bellerive	Sags (San)	C	82	13	16	29	-3	28	0	113	129	127	33	86	10.24%	11	1425	17.39	1	5	6	7	71	0	0	0	0	29	2	2	55.73%	689	0	0.41	0	2	0	0	2	2	2
8	Ty Tullio	Sags (San)	RW	80	11	18	29	4	18	0	65	75	118	43	80	9.32%	4	1431	17.89	1	7	8	20	185	0	0	0	0	18	2	2	40.82%	98	0	0.41	0	2	0	0	2	2	2
9	Jack Thompson	Sags (San)	D	80	4	23	27	-6	28	0	65	82	77	25	52	5.19%	56	1535	19.20	1	7	8	43	187	0	1	1	0	146	1	0	0%	0	0	0.35	0	1	0	0	2	2	2
10	Ben Meyers	Sags (San)	C/LW	37	16	8	24	3	4	0	56	104	97	33	61	16.49%	10	806	21.80	4	2	6	17	100	2	1	3	3	92	6	1	63.19%	853	1	0.60	1	1	0	0	4	2	1
11	Anttoni Honka	Sags (San)	D	82	4	19	23	9	32	0	62	67	43	9	28	9.30%	43	1230	15.01	1	1	2	10	38	0	0	0	0	26	0	0	66.67%	3	0	0.37	1	1	0	0	1	2	2
12	Michael Kesselring	Sags (San)	D	37	1	16	17	0	39	5	74	43	45	19	39	2.22%	37	798	21.58	0	6	6	26	93	0	0	0	0	66	0	0	0%	0	0	0.43	1	1	1	0	0	1	3
13	Helge Grans	Sags (San)	D	80	5	11	16	7	51	5	112	47	36	8	18	13.89%	39	1184	14.80	1	0	1	3	11	0	0	0	0	70	2	0	0%	0	0	0.27	1	1	0	0	3	2	1
14	Aatu Raty	Sags (San)	C	37	8	7	15	-7	18	0	51	77	65	10	55	12.31%	6	708	19.14	1	2	3	10	80	0	0	0	0	40	1	0	51.94%	620	0	0.42	0	1	0	0	0	0	4
15	Zayde Wisdom	Sags (San)	C	78	5	8	13	-4	14	0	53	56	53	17	48	9.43%	6	890	11.41	1	4	5	3	69	0	0	0	0	15	2	0	47.09%	223	0	0.29	1	1	0	0	0	2	2
16	Matthew Phillips	San Jose	C	15	5	6	11	5	2	0	9	46	45	9	27	11.11%	4	332	22.20	0	1	1	4	40	0	0	0	0	33	2	1	45.02%	331	0	0.66	0	2	0	0	1	1	1
17	Michal Teply	Sags (San)	LW	51	2	8	10	-7	14	0	43	47	63	19	38	3.17%	3	929	18.23	0	1	1	5	64	0	0	0	0	42	0	0	31.82%	66	0	0.22	0	0	0	0	0	0	0
18	Givani Smith	San Jose	LW/RW	15	3	6	9	3	34	10	52	25	48	11	41	6.25%	3	309	20.61	0	0	0	3	40	1	0	1	2	47	2	0	46.15%	26	0	0.58	0	1	1	1	2	0	0
19	Carter Savoie	Sags (San)	LW	39	5	4	9	-1	6	0	26	29	33	6	22	15.15%	1	686	17.61	0	0	0	4	16	0	0	0	0	40	1	0	51.35%	37	0	0.26	0	1	0	0	0	0	1
20	Corson Ceulemans	Sags (San)	D	49	0	6	6	3	18	0	38	26	13	5	13	0%	19	529	10.81	0	0	0	0	1	0	0	0	0	4	0	0	50.00%	10	0	0.23	0	0	0	0	0	0	1
21	Alex Chiasson	San Jose	RW	6	2	3	5	3	0	0	7	7	11	2	12	18.18%	0	110	18.35	0	0	0	2	9	0	0	0	0	0	0	0	66.67%	9	0	0.91	1	1	0	0	2	0	0
Statistiques d’équipe totales ou en moyenne				1209	159	291	450	15	490	20	1451	1413	1472	397	1040	10.80%	443	21855	18.08	35	67	102	361	1979	4	5	9	15	1383	34	14	51.60%	4628	1	0.41	16	39	2	1	38	33	38

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du gardien	Nom de l’équipe	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	A	EG	PS %	PSA	ST	BG	S1	S2	S3
1	Malcolm Subban	Sags (San)	80	35	37	7	0.893	1.90	4743	2	11	150	1406	3	2	0.610	41	80	0	3	6	5
2	Dryden McKay	Sags (San)	4	1	0	0	0.962	0.57	106	0	0	1	26	0	0	1.000	2	0	80	0	0	0
Statistiques d’équipe totales ou en moyenne			84	36	37	7	0.895	1.87	4850	2	11	151	1432	3	2		43	80	80	3	6	5

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

Nom du joueur	Nom de l’équipe	POS	Âge	Date de naissance	Recrue	Poids	Taille	Non-échange	Disponible pour échange	Ballotage forcé	Waiver Possible	Contrat	Type	Salaire actuel	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Salaire annuel 3	Salaire annuel 4	Salaire annuel 5	Lien
Aatu Raty	Sags (San)	C	19	2002-11-14	Yes	185 Lbs	6 ft2	No	No	No	No	3	Pro & Farm	836,667$	0$	0$	No	836,667$	836,667$
Alex Turcotte	Sags (San)	C	21	2001-02-26	Yes	185 Lbs	5 ft11	No	No	No	No	1	Pro & Farm	925,000$	0$	0$	No					Lien
Anttoni Honka	Sags (San)	D	21	2000-10-05	Yes	179 Lbs	5 ft10	No	No	No	No	3	Pro & Farm	700,000$	0$	0$	No	700,000$	700,000$			Lien
Ben Meyers	Sags (San)	C/LW	23	1998-11-15	Yes	194 Lbs	5 ft11	No	No	No	No	3	Pro & Farm	912,500$	0$	0$	No	912,500$	912,500$
Carter Savoie	Sags (San)	LW	20	2002-01-23	Yes	192 Lbs	5 ft9	No	No	No	No	3	Pro & Farm	925,000$	0$	0$	No	925,000$	925,000$
Corson Ceulemans	Sags (San)	D	19	2003-05-05	Yes	198 Lbs	6 ft2	No	No	No	No	3	Pro & Farm	925,000$	0$	0$	No	925,000$	925,000$
Demetrios Koumontzis	Sags (San)	LW	22	2000-03-24	Yes	183 Lbs	5 ft10	No	No	No	No	2	Pro & Farm	650,000$	0$	0$	No	650,000$				Lien
Dryden McKay	Sags (San)	G	24	1997-11-25	Yes	183 Lbs	6 ft0	No	No	Yes	Yes	3	Pro & Farm	560,000$	0$	0$	No	560,000$	560,000$
Helge Grans	Sags (San)	D	20	2002-05-10	Yes	205 Lbs	6 ft3	No	No	No	No	3	Pro & Farm	847,500$	0$	0$	No	847,500$	847,500$			Lien
Henry Thrun	Sags (San)	D	21	2001-03-12	Yes	190 Lbs	6 ft2	No	No	No	No	3	Pro & Farm	650,000$	0$	0$	No	650,000$	650,000$			Lien
Jack Thompson	Sags (San)	D	20	2002-03-19	Yes	179 Lbs	6 ft0	No	No	No	No	3	Pro & Farm	828,333$	0$	0$	No	828,333$	828,333$
Jiri Kulich	Sags (San)	C/LW	18	2004-04-14	Yes	179 Lbs	5 ft11	No	No	No	No	3	Pro & Farm	950,000$	0$	0$	No	950,000$	950,000$
Jordy Bellerive	Sags (San)	C	23	1999-05-02	No	194 Lbs	5 ft11	No	No	No	No	2	Pro & Farm	733,333$	0$	0$	No	733,333$				Lien
Malcolm Subban (contrat à 1 volet)	Sags (San)	G	28	1993-12-21	No	216 Lbs	6 ft2	No	No	Yes	Yes	2	Pro & Farm	1,500,000$	600,000$	0$	No	1,500,000$				Lien
Michael Kesselring	Sags (San)	D	22	2000-01-13	Yes	190 Lbs	6 ft4	No	No	No	No	1	Pro & Farm	1,100,000$	0$	0$	No					Lien
Michal Teply	Sags (San)	LW	21	2001-05-27	Yes	187 Lbs	6 ft3	No	No	No	No	1	Pro & Farm	825,833$	0$	0$	No					Lien
Philippe Daoust	Sags (San)	LW	20	2001-11-05	Yes	150 Lbs	6 ft0	No	No	No	No	5	Pro & Farm	600,000$	0$	0$	No	600,000$	600,000$	600,000$	600,000$	Lien
Reilly Walsh	Sags (San)	D	23	1999-04-21	No	185 Lbs	6 ft0	No	No	No	No	1	Pro & Farm	700,000$	0$	0$	No					Lien
Rory Kerins	Sags (San)	C	20	2002-04-12	Yes	185 Lbs	6 ft0	No	No	No	No	3	Pro & Farm	846,667$	0$	0$	No	846,667$	846,667$
Ty Tullio	Sags (San)	RW	20	2002-04-05	Yes	165 Lbs	5 ft10	No	No	No	No	3	Pro & Farm	833,333$	0$	0$	No	833,333$	833,333$
Tyler Benson	Sags (San)	LW/RW	24	1998-03-15	No	190 Lbs	6 ft0	No	No	Yes	Yes	2	Pro & Farm	620,000$	0$	0$	No	620,000$				Lien
Wyatt Kalynuk	Sags (San)	D	25	1997-04-14	No	181 Lbs	6 ft1	No	No	Yes	Yes	2	Pro & Farm	925,000$	0$	0$	No	925,000$				Lien
Zayde Wisdom	Sags (San)	C	20	2002-05-20	Yes	194 Lbs	5 ft11	No	No	No	No	3	Pro & Farm	797,500$	0$	0$	No	797,500$	797,500$

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
23	21.48	186 Lbs	6 ft0	2.52	834,420$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Jiri Kulich	Aatu Raty		40	1	2	2
2	Tyler Benson	Ben Meyers	Ty Tullio	30	1	2	2
3		Alex Turcotte	Jordy Bellerive	20	1	2	2
4	Ben Meyers	Zayde Wisdom	Jiri Kulich	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Henry Thrun	Michael Kesselring	40	1	2	2
2	Jack Thompson	Wyatt Kalynuk	30	1	2	2
3	Anttoni Honka	Helge Grans	20	1	2	2
4	Michael Kesselring	Henry Thrun	10	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Jiri Kulich	Ben Meyers		60	1	2	2
2	Tyler Benson	Aatu Raty	Ty Tullio	40	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Henry Thrun	Michael Kesselring	60	1	2	2
2	Jack Thompson	Wyatt Kalynuk	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Ben Meyers	Jiri Kulich	60	1	2	2
2	Tyler Benson	Aatu Raty	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Henry Thrun	Michael Kesselring	60	1	2	2
2	Jack Thompson	Wyatt Kalynuk	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Ben Meyers	60	1	2	2	Henry Thrun	Michael Kesselring	60	1	2	2
2	Jiri Kulich	40	1	2	2	Jack Thompson	Wyatt Kalynuk	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Ben Meyers	Jiri Kulich	60	1	2	2
2	Tyler Benson	Aatu Raty	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Henry Thrun	Michael Kesselring	60	1	2	2
2	Jack Thompson	Wyatt Kalynuk	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Jiri Kulich	Ben Meyers		Henry Thrun	Michael Kesselring

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Jiri Kulich	Ben Meyers		Henry Thrun	Michael Kesselring

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Zayde Wisdom, Jordy Bellerive,	Zayde Wisdom, Jordy Bellerive

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Anttoni Honka, Helge Grans, Michael Kesselring	Anttoni Honka	Helge Grans, Michael Kesselring

Tirs de pénalité
, Jiri Kulich, Tyler Benson, Aatu Raty, Jordy Bellerive

Gardien
#1 : Malcolm Subban, #2 : Dryden McKay

Lignes d’attaque personnalisées en prolongation
, , , , , , , , , ,

Lignes de défense personnalisées en prolongation
, , , ,

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

	Total												Domicile											Visiteur
#	VS Équipe	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	PCT	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT
1	Admirals	4	2	2	0	0	0	0	0	10	6	4	2	1	1	0	0	0	0	0	8	4	4	2	1	1	0	0	0	0	0	2	2	0	4	0.500	10	18	28	0	1	45	57	57	18	73	498	489	474	56	87	22	33	63	14	2	14.29%	15	3	80.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
2	Baby Hawks	3	0	3	0	0	0	0	0	5	11	-6	1	0	1	0	0	0	0	0	2	3	-1	2	0	2	0	0	0	0	0	3	8	-5	0	0.000	5	10	15	0	0	45	57	57	18	45	498	489	474	56	53	27	12	60	11	1	9.09%	6	2	66.67%	1	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
3	Bears	2	1	0	0	1	0	0	0	4	1	3	1	1	0	0	0	0	0	0	2	0	2	1	0	0	0	1	0	0	0	2	1	1	4	1.000	4	8	12	0	1	45	57	57	18	38	498	489	474	56	22	8	4	37	9	0	0.00%	1	0	100.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
4	Bruins	2	0	1	0	0	0	0	1	4	6	-2	1	0	1	0	0	0	0	0	3	4	-1	1	0	0	0	0	0	0	1	1	2	-1	1	0.250	4	8	12	0	0	45	57	57	18	31	498	489	474	56	42	11	14	34	7	2	28.57%	6	3	50.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
5	Cabaret Lady Mary Ann	2	1	0	0	0	0	0	1	7	5	2	1	1	0	0	0	0	0	0	4	1	3	1	0	0	0	0	0	0	1	3	4	-1	3	0.750	7	12	19	0	0	45	57	57	18	48	498	489	474	56	25	11	6	29	8	2	25.00%	3	0	100.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
6	Caroline	2	1	1	0	0	0	0	0	3	3	0	1	1	0	0	0	0	0	0	2	0	2	1	0	1	0	0	0	0	0	1	3	-2	2	0.500	3	5	8	1	1	45	57	57	18	27	498	489	474	56	32	5	10	44	5	0	0.00%	5	1	80.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
7	Chiefs	3	1	2	0	0	0	0	0	2	4	-2	2	1	1	0	0	0	0	0	2	1	1	1	0	1	0	0	0	0	0	0	3	-3	2	0.333	2	4	6	0	1	45	57	57	18	44	498	489	474	56	38	9	17	53	11	1	9.09%	6	2	66.67%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
8	Chill	3	1	1	0	1	0	0	0	6	5	1	1	0	0	0	1	0	0	0	1	0	1	2	1	1	0	0	0	0	0	5	5	0	4	0.667	6	11	17	0	1	45	57	57	18	50	498	489	474	56	39	23	14	59	10	3	30.00%	6	1	83.33%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
9	Comets	4	1	3	0	0	0	0	0	7	9	-2	2	1	1	0	0	0	0	0	6	4	2	2	0	2	0	0	0	0	0	1	5	-4	2	0.250	7	13	20	1	0	45	57	57	18	78	498	489	474	56	65	18	22	61	14	2	14.29%	9	1	88.89%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
10	Cougars	2	2	0	0	0	0	0	0	9	3	6	1	1	0	0	0	0	0	0	5	1	4	1	1	0	0	0	0	0	0	4	2	2	4	1.000	9	17	26	0	0	45	57	57	18	29	498	489	474	56	55	10	16	36	6	2	33.33%	8	1	87.50%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
11	Crunch	2	1	1	0	0	0	0	0	8	6	2	1	1	0	0	0	0	0	0	4	1	3	1	0	1	0	0	0	0	0	4	5	-1	2	0.500	8	15	23	0	0	45	57	57	18	48	498	489	474	56	45	14	10	41	8	0	0.00%	5	2	60.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
12	Heat	3	3	0	0	0	0	0	0	6	3	3	1	1	0	0	0	0	0	0	1	0	1	2	2	0	0	0	0	0	0	5	3	2	6	1.000	6	11	17	0	1	45	57	57	18	54	498	489	474	56	33	9	6	61	5	3	60.00%	3	1	66.67%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
13	Jayhawks	3	2	1	0	0	0	0	0	11	7	4	2	2	0	0	0	0	0	0	10	4	6	1	0	1	0	0	0	0	0	1	3	-2	4	0.667	11	21	32	0	0	45	57	57	18	80	498	489	474	56	61	16	16	66	3	1	33.33%	8	0	100.00%	1	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
14	Las Vegas	4	1	2	0	0	0	1	0	8	8	0	2	0	2	0	0	0	0	0	3	6	-3	2	1	0	0	0	0	1	0	5	2	3	4	0.500	8	11	19	0	1	45	57	57	18	67	498	489	474	56	71	23	24	74	5	1	20.00%	9	1	88.89%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
15	Manchots	2	1	1	0	0	0	0	0	5	7	-2	1	1	0	0	0	0	0	0	3	2	1	1	0	1	0	0	0	0	0	2	5	-3	2	0.500	5	10	15	0	0	45	57	57	18	38	498	489	474	56	32	10	14	26	7	1	14.29%	6	0	100.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
16	Marlies	2	0	2	0	0	0	0	0	1	4	-3	1	0	1	0	0	0	0	0	1	2	-1	1	0	1	0	0	0	0	0	0	2	-2	0	0.000	1	2	3	0	0	45	57	57	18	29	498	489	474	56	39	8	12	36	7	0	0.00%	4	1	75.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
17	Minnesota	3	1	1	0	0	1	0	0	6	5	1	1	0	1	0	0	0	0	0	0	2	-2	2	1	0	0	0	1	0	0	6	3	3	3	0.500	6	10	16	0	1	45	57	57	18	59	498	489	474	56	67	17	14	54	8	2	25.00%	7	0	100.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
18	Monarchs	4	0	4	0	0	0	0	0	4	9	-5	2	0	2	0	0	0	0	0	2	5	-3	2	0	2	0	0	0	0	0	2	4	-2	0	0.000	4	8	12	0	0	45	57	57	18	66	498	489	474	56	73	17	26	79	8	0	0.00%	11	2	81.82%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
19	Monsters	2	1	0	0	0	0	1	0	5	3	2	1	1	0	0	0	0	0	0	2	1	1	1	0	0	0	0	0	1	0	3	2	1	4	1.000	5	8	13	0	0	45	57	57	18	35	498	489	474	56	30	13	14	37	4	1	25.00%	7	1	85.71%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
20	Monsters	3	1	2	0	0	0	0	0	4	8	-4	1	0	1	0	0	0	0	0	0	4	-4	2	1	1	0	0	0	0	0	4	4	0	2	0.333	4	8	12	0	0	45	57	57	18	46	498	489	474	56	65	26	8	44	11	4	36.36%	4	2	50.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
21	Oceanics	3	0	2	0	0	0	1	0	8	10	-2	2	0	2	0	0	0	0	0	3	6	-3	1	0	0	0	0	0	1	0	5	4	1	2	0.333	8	12	20	0	0	45	57	57	18	51	498	489	474	56	66	15	18	49	12	3	25.00%	7	2	71.43%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
22	Oil Kings	3	1	1	0	0	0	1	0	5	4	1	2	1	0	0	0	0	1	0	5	2	3	1	0	1	0	0	0	0	0	0	2	-2	4	0.667	5	7	12	0	1	45	57	57	18	62	498	489	474	56	53	22	12	66	5	0	0.00%	5	1	80.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
23	Phantoms	2	0	1	0	0	1	0	0	2	5	-3	1	0	1	0	0	0	0	0	0	2	-2	1	0	0	0	0	1	0	0	2	3	-1	1	0.250	2	4	6	0	0	45	57	57	18	31	498	489	474	56	40	11	20	43	7	0	0.00%	10	1	90.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
24	Rocket	2	0	1	0	0	0	0	1	3	5	-2	1	0	1	0	0	0	0	0	0	1	-1	1	0	0	0	0	0	0	1	3	4	-1	1	0.250	3	6	9	0	0	45	57	57	18	36	498	489	474	56	46	10	28	32	4	0	0.00%	12	2	83.33%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
25	Seattle	4	0	2	0	0	0	0	2	4	8	-4	2	0	1	0	0	0	0	1	3	5	-2	2	0	1	0	0	0	0	1	1	3	-2	2	0.250	4	8	12	0	0	45	57	57	18	75	498	489	474	56	74	34	26	74	12	1	8.33%	12	0	100.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
26	Senators	2	1	1	0	0	0	0	0	3	3	0	1	1	0	0	0	0	0	0	3	2	1	1	0	1	0	0	0	0	0	0	1	-1	2	0.500	3	4	7	0	0	45	57	57	18	49	498	489	474	56	32	9	16	32	7	1	14.29%	7	1	85.71%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
27	Sound Tigers	2	1	1	0	0	0	0	0	2	1	1	1	0	1	0	0	0	0	0	0	1	-1	1	1	0	0	0	0	0	0	2	0	2	2	0.500	2	4	6	0	1	45	57	57	18	38	498	489	474	56	20	7	8	34	6	0	0.00%	3	0	100.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
28	Spiders	2	1	1	0	0	0	0	0	2	3	-1	1	0	1	0	0	0	0	0	0	2	-2	1	1	0	0	0	0	0	0	2	1	1	2	0.500	2	3	5	0	0	45	57	57	18	24	498	489	474	56	41	17	10	36	5	1	20.00%	5	0	100.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
29	Stars	3	2	1	0	0	0	0	0	11	8	3	2	1	1	0	0	0	0	0	5	6	-1	1	1	0	0	0	0	0	0	6	2	4	4	0.667	11	20	31	0	0	45	57	57	18	51	498	489	474	56	61	26	26	48	14	2	14.29%	13	4	69.23%	1	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
30	Thunder	2	2	0	0	0	0	0	0	7	2	5	1	1	0	0	0	0	0	0	3	1	2	1	1	0	0	0	0	0	0	4	1	3	4	1.000	7	13	20	0	0	45	57	57	18	41	498	489	474	56	39	18	12	38	3	0	0.00%	6	0	100.00%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
31	Wolf Pack	2	1	1	0	0	0	0	0	3	4	-1	1	1	0	0	0	0	0	0	2	1	1	1	0	1	0	0	0	0	0	1	3	-2	2	0.500	3	5	8	0	0	45	57	57	18	30	498	489	474	56	35	12	14	36	5	0	0.00%	7	2	71.43%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
	Total	82	30	39	0	2	2	4	5	165	166	-1	41	18	20	0	1	0	1	1	85	74	11	41	12	19	0	1	2	3	4	80	92	-12	79	0.482	165	296	461	2	10	45	57	57	18	1473	498	489	474	56	1481	478	482	1482	241	36	14.94%	216	37	82.87%	3	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
	_Since Last GM Reset	82	30	39	0	2	2	4	5	165	166	-1	41	18	20	0	1	0	1	1	85	74	11	41	12	19	0	1	2	3	4	80	92	-12	79	0.482	165	296	461	2	10	45	57	57	18	1473	498	489	474	56	1481	478	482	1482	241	36	14.94%	216	37	82.87%	3	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
	_Vs Conference	36	12	18	0	2	1	2	1	66	69	-3	18	7	10	0	1	0	0	0	33	33	0	18	5	8	0	1	1	2	1	33	36	-3	34	0.472	66	118	184	0	4	45	57	57	18	624	498	489	474	56	637	201	229	639	111	14	12.61%	101	17	83.17%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526
	_Vs Division	16	1	10	0	1	0	1	1	42	34	8	8	0	6	0	1	0	0	0	23	13	10	8	1	4	0	0	0	1	1	19	21	-2	7	0.219	42	77	119	0	0	45	57	57	18	311	498	489	474	56	323	91	114	278	50	7	14.00%	51	10	80.39%	0	994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%	2033	1426	1908	580	1034	526

			Total pour les joueurs
Matchs joués	Points	Séquence	Buts	Passes	Points	Tirs pour	Tirs contre	Tirs bloqués	Minutes de pénalités	Mises en échec	Buts en filet désert	Blanchissages
82	79	W1	165	296	461	1473	1481	478	482	1482	2	10

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
82	30	39	2	2	4	5	165	166

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	18	20	1	0	1	1	85	74

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	12	19	1	2	3	4	80	92

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
4	5	0	0	0	1

Tentatives en avantage numérique	Buts en avantage numérique	% en avantage numérique	Tentatives en désavantage numérique	Buts contre en désavantage numérique	% en désavantage numérique	Buts pour en désavantage numérique
241	36	14.94%	216	37	82.87%	3

Tirs en 1e période	Tirs en 2e période	Tirs en 3e période	Tirs en 4e période	Buts en 1e période	Buts en 2e période	Buts en 3e période	Buts en 4e période
498	489	474	56	45	57	57	18

Mises en jeu
Gagnées en zone offensive	Total en zone offensive	% gagnées en zone offensive	Gagnées en zone défensive	Total en zone défensive	% gagnées en zone défensive	Gagnées en zone neutre	Total en zone neutre	% gagnées en zone neutre
994	2028	49.01%	1014	2033	49.88%	550	1127	48.80%

Temps avec la rondelle
En zone offensive	Contrôle en zone offensive	En zone défensive	Contrôle en zone défensive	En zone neutre	Contrôle en zone neutre
2033	1426	1908	580	1034	526

Derniers matchs joués Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

Jour	Match	Équipe visiteuse	Score	Équipe locale	Score	ST	OT	SO	Lien
3 - 2023-10-12	16	Las Vegas	4	Sags	2	BL			Sommaire du match
5 - 2023-10-14	29	Monsters	4	Sags	0	BL			Sommaire du match
8 - 2023-10-17	47	Caroline	0	Sags	2	BW			Sommaire du match
10 - 2023-10-19	61	Bruins	4	Sags	3	BL			Sommaire du match
12 - 2023-10-21	74	Sags	3	Chill	2	AW			Sommaire du match
15 - 2023-10-24	89	Sags	3	Cabaret Lady Mary Ann	4	AL	X	X	Sommaire du match
17 - 2023-10-26	106	Sags	4	Thunder	1	AW			Sommaire du match
18 - 2023-10-27	112	Sags	1	Caroline	3	AL			Sommaire du match
20 - 2023-10-29	128	Sags	2	Bears	1	AW	X		Sommaire du match
24 - 2023-11-02	156	Comets	1	Sags	4	BW			Sommaire du match
26 - 2023-11-04	171	Manchots	2	Sags	3	BW			Sommaire du match
29 - 2023-11-07	189	Phantoms	2	Sags	0	BL			Sommaire du match
31 - 2023-11-09	203	Oil Kings	0	Sags	2	BW			Sommaire du match
32 - 2023-11-10	209	Sags	3	Las Vegas	2	AW	X	X	Sommaire du match
34 - 2023-11-12	226	Sags	2	Admirals	0	AW			Sommaire du match
36 - 2023-11-14	237	Cabaret Lady Mary Ann	1	Sags	4	BW			Sommaire du match
38 - 2023-11-16	250	Chiefs	1	Sags	0	BL			Sommaire du match
42 - 2023-11-20	278	Sags	1	Comets	3	AL			Sommaire du match
44 - 2023-11-22	291	Sags	0	Seattle	1	AL	X	X	Sommaire du match
46 - 2023-11-24	300	Rocket	1	Sags	0	BL			Sommaire du match
47 - 2023-11-25	313	Comets	3	Sags	2	BL			Sommaire du match
49 - 2023-11-27	326	Bears	0	Sags	2	BW			Sommaire du match
52 - 2023-11-30	340	Sags	1	Bruins	2	AL	X	X	Sommaire du match
53 - 2023-12-01	355	Sags	2	Spiders	1	AW			Sommaire du match
55 - 2023-12-03	370	Sags	1	Wolf Pack	3	AL			Sommaire du match
57 - 2023-12-05	383	Sags	2	Sound Tigers	0	AW			Sommaire du match
59 - 2023-12-07	393	Sags	4	Cougars	2	AW			Sommaire du match
62 - 2023-12-10	427	Sags	2	Las Vegas	0	AW			Sommaire du match
64 - 2023-12-12	441	Oceanics	3	Sags	1	BL			Sommaire du match
67 - 2023-12-15	459	Sags	1	Jayhawks	3	AL			Sommaire du match
69 - 2023-12-17	478	Sags	3	Monsters	1	AW			Sommaire du match
71 - 2023-12-19	494	Monarchs	3	Sags	1	BL			Sommaire du match
73 - 2023-12-21	509	Jayhawks	2	Sags	4	BW			Sommaire du match
75 - 2023-12-23	527	Sags	0	Comets	2	AL			Sommaire du match
79 - 2023-12-27	541	Sags	1	Monarchs	2	AL			Sommaire du match
80 - 2023-12-28	545	Oil Kings	2	Sags	3	BW	X	X	Sommaire du match
83 - 2023-12-31	571	Sags	1	Monsters	3	AL			Sommaire du match
85 - 2024-01-02	586	Cougars	1	Sags	5	BW			Sommaire du match
87 - 2024-01-04	601	Oceanics	3	Sags	2	BL			Sommaire du match
89 - 2024-01-06	607	Marlies	2	Sags	1	BL			Sommaire du match
92 - 2024-01-09	627	Sags	0	Marlies	2	AL			Sommaire du match
94 - 2024-01-11	642	Sags	3	Rocket	4	AL	X	X	Sommaire du match
96 - 2024-01-13	655	Sags	0	Senators	1	AL			Sommaire du match
98 - 2024-01-15	672	Sags	4	Crunch	5	AL			Sommaire du match
99 - 2024-01-16	686	Sags	2	Baby Hawks	4	AL			Sommaire du match
103 - 2024-01-20	714	Admirals	3	Sags	2	BL			Sommaire du match
105 - 2024-01-22	729	Sags	1	Monarchs	2	AL			Sommaire du match
106 - 2024-01-23	738	Wolf Pack	1	Sags	2	BW			Sommaire du match
110 - 2024-01-27	761	Crunch	1	Sags	4	BW			Sommaire du match
113 - 2024-01-30	777	Seattle	1	Sags	0	BL			Sommaire du match
114 - 2024-01-31	780	Sags	0	Admirals	2	AL			Sommaire du match
128 - 2024-02-14	834	Sags	5	Oceanics	4	AW	X	X	Sommaire du match
129 - 2024-02-15	846	Sags	2	Heat	1	AW			Sommaire du match
131 - 2024-02-17	861	Monsters	1	Sags	2	BW			Sommaire du match
133 - 2024-02-19	871	Las Vegas	2	Sags	1	BL			Sommaire du match
138 - 2024-02-24	913	Chill	0	Sags	1	BW	X		Sommaire du match
141 - 2024-02-27	938	Spiders	2	Sags	0	BL			Sommaire du match
143 - 2024-02-29	952	Admirals	1	Sags	6	BW			Sommaire du match
145 - 2024-03-02	966	Sags	6	Stars	2	AW			Sommaire du match
146 - 2024-03-03	971	Sags	2	Minnesota	3	AL	X		Sommaire du match
148 - 2024-03-05	989	Stars	5	Sags	3	BL			Sommaire du match
150 - 2024-03-07	1004	Sound Tigers	1	Sags	0	BL			Sommaire du match
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
152 - 2024-03-09	1014	Senators	2	Sags	3	BW			Sommaire du match
155 - 2024-03-12	1035	Sags	2	Phantoms	3	AL	X		Sommaire du match
157 - 2024-03-14	1051	Sags	2	Manchots	5	AL			Sommaire du match
159 - 2024-03-16	1066	Sags	3	Monsters	2	AW	X	X	Sommaire du match
160 - 2024-03-17	1075	Sags	1	Baby Hawks	4	AL			Sommaire du match
162 - 2024-03-19	1088	Sags	2	Chill	3	AL			Sommaire du match
164 - 2024-03-21	1108	Thunder	1	Sags	3	BW			Sommaire du match
166 - 2024-03-23	1122	Baby Hawks	3	Sags	2	BL			Sommaire du match
169 - 2024-03-26	1147	Stars	1	Sags	2	BW			Sommaire du match
171 - 2024-03-28	1156	Sags	4	Minnesota	0	AW			Sommaire du match
173 - 2024-03-30	1177	Sags	0	Chiefs	3	AL			Sommaire du match
175 - 2024-04-01	1188	Seattle	4	Sags	3	BL	X	X	Sommaire du match
178 - 2024-04-04	1210	Monarchs	2	Sags	1	BL			Sommaire du match
180 - 2024-04-06	1221	Chiefs	0	Sags	2	BW			Sommaire du match
181 - 2024-04-07	1231	Jayhawks	2	Sags	6	BW			Sommaire du match
183 - 2024-04-09	1251	Heat	0	Sags	1	BW			Sommaire du match
185 - 2024-04-11	1263	Sags	1	Seattle	2	AL			Sommaire du match
187 - 2024-04-13	1282	Minnesota	2	Sags	0	BL			Sommaire du match
189 - 2024-04-15	1294	Sags	0	Oil Kings	2	AL			Sommaire du match
192 - 2024-04-18	1309	Sags	3	Heat	2	AW			Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	1750	1250
Prix des billets	50	20
Assistance	45,069	34,703
Assistance PCT	62.81%	67.71%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	1946 - 64.86%	86,269$	3,537,012$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
1,768,568$	1,769,166$	1,769,166$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
9,214$	1,768,568$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	0	9,214$	0$

Sags Leaders statistiques des joueurs (saison régulière)

Afficher ou masquer des colonnes

#	Nom du joueur	GP	G	A	P	+/-	PIM	HIT	HTT	SHT	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PKG	PKA	PKP	PKS	GW	GT	FO%	HT	P/20	PSG	PSS

Sags Leaders des statistiques des gardiens (saison régulière)

Afficher ou masquer des colonnes

#	Nom du gardien	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA

Sags Statistiques de l'Équipe de Carrière

Afficher ou masquer des colonnes

	Total											Domicile											Visiteur
Année	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT

Sags Leaders statistiques des joueurs (séries éliminatoires)

Afficher ou masquer des colonnes

#	Nom du joueur	GP	G	A	P	+/-	PIM	HIT	HTT	SHT	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PKG	PKA	PKP	PKS	GW	GT	FO%	HT	P/20	PSG	PSS

Sags Leaders des statistiques des gardiens (séries éliminatoires)

Afficher ou masquer des colonnes

#	Nom du gardien	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA

	Sags
	GP: 82 \| W: 36 \| L: 39 \| OTL: 7 \| P: 79 GF: 165 \| GA: 166 \| PP%: 14.94% \| PK%: 82.87% DG: Nick Gagnon \| Morale : 50 \| Moyenne d’équipe : 59