Ligue de hockey Simulée Ste-Flanelle

Colorado
Accueil
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance
Statistiques d’équipe en carrière
Client Web pour les lignes

Centre de jeu
	Oceanics 52-20-10, 114pts	4	FINAL	3	Monsters 54-22-6, 114pts

Team Stats
L1	Streak	W1
30-6-5	Home Record	30-7-4
22-14-5	Away Record	24-15-2
6-3-1	Last 10 Games	5-4-1
4.17	Goals Per Game	3.62
3.55	Goals Against Per Game	2.70
23.77%	Power Play Percentage	22.59%
75.38%	Penalty Kill Percentage	84.59%

Chiefs
45-32-5, 95pts

FINAL

Monsters
54-22-6, 114pts

Team Stats
L3	Streak	W1
25-14-2	Home Record	30-7-4
20-18-3	Away Record	24-15-2
6-4-0	Last 10 Games	5-4-1
3.41	Goals Per Game	3.62
3.18	Goals Against Per Game	2.70
22.26%	Power Play Percentage	22.59%
80.71%	Penalty Kill Percentage	84.59%

Meneurs d'équipe
	Buts Caleb Jones 10	Passes Caleb Jones 30

	Points Caleb Jones 40	Plus/Moins Caleb Jones 30

	Victoires Laurent Brossoit 41	Pourcentage d’arrêts Jon Gillies 0.938

Statistiques d’équipe
Buts pour 297 3.62 GFG	Tirs pour 3153 38.45 Avg	Pourcentage en avantage numérique 22.6% 54 GF	Début de zone offensive 41.2%
Buts contre 221 2.70 GAA	Tirs contre 2777 33.87 Avg	Pourcentage en désavantage numérique 84.6% 43 GA	Début de la zone défensive 40.2%

Information d’équipe
	Directeur général	Paul-André Desrochers
	Division	Nord
	Conférence	Ouest
	Capitaine
	Assistant #1
	Assistant #2
	Informations de l’aréna
	Capacité	3,000
	Assistance	2,844
	Billets de saison	300
Information formation
	Équipe Pro	28
	Équipe Mineure	20
	Limite contact	48 / 50
	Espoirs	14
Historique d'équipe
	Saison actuelle	54-22-6 (114PTS)
	Historique	54-22-7 (0.651%)
	Apparitions séries éliminatoires
	Historique séries éliminatoires (W-L)	-

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	Jesper Boqvist	X	X	X		100.00	72	45	99	86	67	64	71	67	52	66	73	75	25	51	51	0	50	66	0	21	3	925,001$
2	Ivan Barbashev	X	X	X		100.00	78	44	94	82	68	65	80	59	59	64	64	76	25	65	67	0	50	65	0	24	1	1,500,000$
3	Jordan Kyrou		X	X		100.00	57	41	92	81	71	67	80	68	44	79	76	53	25	56	57	0	50	65	0	22	1	742,500$
4	Oskar Steen	X		X		100.00	78	72	94	68	65	70	66	64	80	58	64	67	55	44	44	0	50	61	0	22	3	809,168$
5	Benjamin Jones (R)	X				100.00	76	75	79	66	68	72	67	63	78	57	63	66	54	44	44	0	50	60	0	21	4	760,000$
6	Ty Ronning			X		100.00	70	61	92	62	61	60	59	68	50	61	71	63	67	44	44	0	50	60	0	22	4	750,833$
7	Peyton Krebs (R)	X	X			100.00	68	66	72	76	66	53	50	65	80	69	58	61	55	44	44	0	50	59	0	19	3	894,167$
8	Alexei Protas (R)	X				100.00	86	82	95	68	82	59	60	56	70	56	51	68	48	44	44	0	50	58	0	19	4	795,000$
9	Marian Studenic			X		100.00	81	43	85	60	62	57	60	56	25	61	64	66	25	44	44	0	50	57	0	21	1	775,833$
10	Brett Seney	X	X			100.00	63	56	79	77	56	67	71	54	68	47	56	57	53	49	49	0	50	56	0	24	2	782,500$
11	Joona Koppanen	X	X			100.00	81	75	96	63	75	57	59	52	65	47	53	65	50	44	44	0	50	55	0	22	1	753,333$
12	Haydn Fleury				X	100.00	78	44	94	72	77	67	74	60	25	41	48	76	75	61	62	0	50	64	0	24	1	2,000,000$
13	Steven Kampfer				X	100.00	75	43	93	68	70	70	53	60	25	51	50	70	25	63	64	0	50	62	0	32	3	750,000$
14	Carl Dahlstrom				X	100.00	85	83	91	61	83	47	46	56	25	53	41	71	39	59	59	0	50	60	0	25	1	825,000$
15	Lucas Carlsson				X	100.00	65	42	94	65	70	61	66	59	25	47	47	73	25	45	46	0	50	59	0	23	1	792,500$
16	Teemu Kivihalme				X	100.00	63	74	38	66	67	66	61	63	28	47	62	59	53	44	44	0	50	56	0	25	1	650,000$
Rayé
1	Otto Koivula	X	X			100.00	82	84	77	66	84	58	59	55	69	58	47	66	45	45	45	0	50	57	0	22	1	650,000$
2	Olle Lycksell (R)			X		100.00	47	40	90	68	63	66	86	50	54	44	47	44	49	54	54	0	50	52	0	21	4	837,000$
3	Curtis Hall (R)	X				100.00	80	74	94	63	74	48	49	45	56	38	46	62	44	44	44	0	50	51	0	20	4	925,000$
4	Grant Mismash (R)		X			100.00	48	45	84	65	67	55	69	45	54	41	40	46	43	54	54	0	50	49	0	21	3	825,000$
5	Linus Lindstrom (R)	X				100.00	34	40	40	40	49	33	33	34	40	34	34	40	37	32	30	0	50	36	0	22	1	650,000$
6	Jordan Gross				X	100.00	77	68	99	66	68	53	56	41	25	28	39	60	37	44	44	0	50	54	0	25	1	825,000$
7	Connor Hobbs				X	100.00	67	68	74	58	69	54	54	47	25	33	38	62	38	53	53	0	50	53	0	23	1	730,000$
8	Ziyat Paigin (R)				X	100.00	32	37	37	37	70	31	31	32	37	32	32	37	34	32	30	0	50	37	0	25	1	792,500$

	MOYENNE D’ÉQUIPE					100.00	68	58	83	66	69	58	61	55	48	51	53	62	43	48	48	0	50	56

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
1	Laurent Brossoit	100.00	68	47	53	81	75	61	77	65	74	68	45	55	55	0	50	66	0
2	Jon Gillies	100.00	55	51	73	91	53	55	58	62	56	56	30	45	45	0	50	58	0
Rayé
1	Tyler Parsons	100.00	44	48	60	70	40	42	50	51	44	45	30	44	44	0	50	48	0
2	Filip Larsson (R)	100.00	42	49	60	71	45	45	47	48	42	43	28	44	44	0	50	48	0

	MOYENNE D’ÉQUIPE	100.00	52	49	62	78	53	51	58	57	54	53	33	47	47	0	50	55

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	HT	P/20	PSG	PSS	FW	FL	FT	S1	S2	S3
1	Ivan Barbashev	Monsters (Col)	C/LW/RW	82	39	51	90	25	32	0	173	256	380	110	284	10.26%	34	1906	23.25	5	11	16	50	188	2	1	3	13	243	2	2	50.98%	1479	1	2	0.94	3	12	0	0	0	7	7	5
2	Oskar Steen	Monsters (Col)	C/RW	82	30	44	74	39	41	15	119	135	279	89	215	10.75%	22	1497	18.26	5	14	19	47	187	1	0	1	3	86	4	0	57.45%	644	1	0	0.99	3	5	2	0	1	6	6	5
3	Jordan Kyrou	Monsters (Col)	LW/RW	73	26	45	71	26	2	0	30	119	279	78	190	9.32%	10	1401	19.20	5	9	14	32	169	0	0	0	7	146	5	0	46.27%	134	0	1	1.01	5	10	0	0	0	4	2	6
4	Benjamin Jones	Monsters (Col)	C	81	24	43	67	29	24	0	98	224	263	76	191	9.13%	21	1459	18.01	2	6	8	18	97	0	0	0	2	82	7	2	58.03%	1799	0	0	0.92	0	3	0	0	0	2	5	5
5	Peyton Krebs	Monsters (Col)	C/LW	82	26	40	66	33	46	10	106	174	251	70	185	10.36%	18	1433	17.48	4	9	13	38	166	0	0	0	3	37	5	2	56.14%	880	0	0	0.92	1	2	1	0	0	6	2	5
6	Ty Ronning	Monsters (Col)	RW	82	29	35	64	21	8	0	33	91	247	86	230	11.74%	8	1216	14.83	7	10	17	43	143	0	0	0	0	2	2	5	42.11%	95	0	0	1.05	2	2	0	0	0	4	4	3
7	Steven Kampfer	Monsters (Col)	D	68	12	34	46	31	32	0	78	63	140	41	72	8.57%	90	1602	23.57	4	3	7	57	182	0	0	0	3	179	2	0	0.00%	0	0	0	0.57	0	0	0	0	0	2	1	2
8	Haydn Fleury	Monsters (Col)	D	67	14	29	43	24	44	0	121	71	142	40	93	9.86%	113	1609	24.02	5	3	8	55	175	0	2	2	1	174	3	1	0.00%	0	0	0	0.53	0	0	0	0	0	2	3	1
9	Marian Studenic	Monsters (Col)	RW	82	18	24	42	-10	38	0	112	92	224	68	175	8.04%	8	1252	15.27	3	3	6	15	58	0	0	0	0	28	2	0	24.47%	94	0	0	0.67	0	0	0	0	0	2	2	2
10	Caleb Jones	Colorado	D	78	10	30	40	30	22	0	66	70	106	42	58	9.43%	87	1625	20.84	4	4	8	39	170	0	0	0	0	199	0	1	0.00%	0	0	0	0.49	0	0	0	0	0	0	2	3
11	Lucas Carlsson	Monsters (Col)	D	71	8	24	32	-2	14	0	40	74	82	24	53	9.76%	92	1237	17.43	2	5	7	19	47	0	0	0	1	95	1	0	0.00%	0	0	0	0.52	0	0	0	0	0	2	1	2
12	Mark Borowiecki	Colorado	D	32	6	23	29	-2	36	0	114	43	81	31	56	7.41%	58	757	23.66	1	8	9	34	90	0	2	2	0	74	1	1	0.00%	0	0	0	0.77	0	0	0	0	0	1	4	1
13	Alexei Protas	Monsters (Col)	C	81	11	17	28	0	45	5	86	158	132	44	111	8.33%	15	1078	13.32	0	2	2	2	22	0	0	0	3	96	5	0	56.59%	1267	0	0	0.52	0	0	1	0	0	0	0	1
14	Carl Dahlstrom	Monsters (Col)	D	82	6	21	27	14	89	5	206	64	72	26	36	8.33%	107	1576	19.22	5	5	10	25	147	0	0	0	0	151	1	0	0.00%	0	0	0	0.34	0	0	0	0	1	1	1	3
15	Jesper Boqvist	Monsters (Col)	C/LW/RW	13	7	13	20	11	2	0	8	45	75	25	46	9.33%	5	315	24.25	1	1	2	12	28	0	1	1	1	34	3	0	48.22%	421	0	0	1.27	0	2	0	0	0	2	1	0
16	Alex Alexeyev	Colorado	D	12	4	10	14	5	20	10	32	10	20	9	19	20.00%	21	276	23.06	2	2	4	7	22	0	0	0	0	18	0	0	0.00%	0	0	0	1.01	0	0	1	1	0	0	0	2
17	Otto Koivula	Monsters (Col)	C/LW	69	3	10	13	-12	42	10	86	79	115	37	103	2.61%	13	912	13.22	0	0	0	1	13	0	0	0	4	86	0	0	48.82%	127	0	0	0.29	0	0	1	0	1	0	2	1
18	Brett Seney	Monsters (Col)	C/LW	82	1	10	11	-7	8	0	30	62	111	25	85	0.90%	8	792	9.67	0	0	0	0	0	0	0	0	0	11	0	0	55.39%	204	0	0	0.28	0	0	0	0	0	0	0	0
19	Joona Koppanen	Monsters (Col)	C/LW	42	4	2	6	3	6	0	27	20	26	6	7	15.38%	1	209	4.99	0	0	0	0	0	0	0	0	0	0	0	0	43.75%	48	0	0	0.57	0	0	0	0	0	0	1	0
20	Teemu Kivihalme	Monsters (Col)	D	11	1	3	4	5	27	5	27	6	9	2	13	11.11%	7	174	15.88	0	0	0	0	2	0	0	0	0	9	1	0	0.00%	0	0	0	0.46	0	0	0	0	1	0	0	1
21	Connor Hobbs	Monsters (Col)	D	13	0	2	2	2	21	5	37	2	8	2	3	0.00%	15	224	17.26	0	0	0	0	0	0	0	0	0	17	0	0	0.00%	0	0	0	0.18	0	0	1	0	0	0	0	0
22	Jordan Gross	Monsters (Col)	D	1	0	0	0	0	0	0	0	0	1	2	0	0.00%	1	8	8.13	0	0	0	0	0	0	0	0	0	0	0	0	0.00%	0	0	0	0.00	0	0	0	0	0	0	0	0
23	Olle Lycksell	Monsters (Col)	RW	2	0	0	0	0	0	0	0	0	0	0	1	0.00%	0	9	4.69	0	0	0	0	0	0	0	0	0	0	0	0	0.00%	2	0	0	0.00	0	0	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				1288	279	510	789	265	599	65	1629	1858	3043	933	2226	9.17%	754	22577	17.53	55	95	150	494	1914	3	6	9	41	1775	44	14	54.25%	7194	2	3	0.70	14	36	7	1	4	41	44	48

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	Laurent Brossoit	Monsters (Col)	57	41	13	3	0.928	2.41	3432	10	3	138	1908	2	1	0.771	35	57	0	7	6	1
2	Calvin Petersen	Colorado	21	10	8	3	0.907	3.11	1272	6	0	66	707	1	1	0.833	6	21	0	0	0	0
3	Jon Gillies	Monsters (Col)	4	3	0	0	0.938	2.22	216	0	1	8	130	0	0	0.000	0	3	78	1	0	0
Statistiques d’équipe totales ou en moyenne			82	54	21	6	0.923	2.59	4921	16	4	212	2745	3	2	0.780	41	81	78	8	6	1

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	Nouveau joueur	Poids	Taille	Non-échange	Disponible pour échange	Ballotage forcé	Contrat	Type	Salaire actuel	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Salaire annuel 3	Salaire annuel 4	Link
Alexei Protas	Monsters (Col)	C	19	2001-01-06	Yes	214 Lbs	6 ft6	No	No	No	4	Pro & Farm	795,000$	79,500$	0$	No	795,000$	795,000$	795,000$
Benjamin Jones	Monsters (Col)	C	21	1999-02-25	Yes	187 Lbs	6 ft0	No	No	No	4	Pro & Farm	760,000$	76,000$	0$	No	760,000$	760,000$	760,000$
Brett Seney	Monsters (Col)	C/LW	24	1996-02-27	No	156 Lbs	5 ft9	No	No	No	2	Pro & Farm	782,500$	78,250$	0$	No	782,500$			Lien
Carl Dahlstrom	Monsters (Col)	D	25	1995-01-28	No	221 Lbs	6 ft4	No	No	No	1	Pro & Farm	825,000$	82,500$	0$	No				Lien
Connor Hobbs	Monsters (Col)	D	23	1997-01-04	No	187 Lbs	6 ft1	No	No	No	1	Pro & Farm	730,000$	73,000$	0$	No				Lien
Curtis Hall	Monsters (Col)	C	20	2000-04-26	Yes	196 Lbs	6 ft3	No	No	No	4	Pro & Farm	925,000$	92,500$	0$	No	925,000$	925,000$	925,000$	Lien
Filip Larsson	Monsters (Col)	G	22	1998-08-17	Yes	181 Lbs	6 ft2	No	No	No	2	Pro & Farm	836,666$	83,667$	0$	No	836,666$			Lien
Grant Mismash	Monsters (Col)	LW	21	1999-02-19	Yes	186 Lbs	6 ft0	No	No	No	3	Pro & Farm	825,000$	82,500$	0$	No	825,000$	825,000$		Lien
Haydn Fleury	Monsters (Col)	D	24	1996-07-08	No	208 Lbs	6 ft3	No	No	No	1	Pro & Farm	2,000,000$	200,000$	0$	No				Lien
Ivan Barbashev	Monsters (Col)	C/LW/RW	24	1995-12-14	No	187 Lbs	6 ft0	No	No	No	1	Pro & Farm	1,500,000$	150,000$	0$	No				Lien
Jesper Boqvist	Monsters (Col)	C/LW/RW	21	1998-10-30	No	180 Lbs	6 ft0	No	No	No	3	Pro & Farm	925,001$	925,001$	0$	No	925,001$	925,001$		Lien
Jon Gillies	Monsters (Col)	G	26	1994-01-21	No	223 Lbs	6 ft6	No	No	No	1	Pro & Farm	700,000$	70,000$	0$	No				Lien
Joona Koppanen	Monsters (Col)	C/LW	22	1998-02-25	No	192 Lbs	6 ft5	No	No	No	1	Pro & Farm	753,333$	75,333$	0$	No				Lien
Jordan Gross	Monsters (Col)	D	25	1995-05-09	No	190 Lbs	5 ft10	No	No	No	1	Pro & Farm	825,000$	82,500$	0$	No				Lien
Jordan Kyrou	Monsters (Col)	LW/RW	22	1998-05-05	No	195 Lbs	6 ft0	No	No	No	1	Pro & Farm	742,500$	74,250$	0$	No				Lien
Laurent Brossoit	Monsters (Col)	G	27	1993-03-22	No	205 Lbs	6 ft3	No	No	No	1	Pro & Farm	650,000$	65,000$	0$	No				Lien
Linus Lindstrom	Monsters (Col)	C	22	1998-01-08	Yes	168 Lbs	5 ft11	No	No	No	1	Pro & Farm	650,000$	65,000$	0$	No				Lien
Lucas Carlsson	Monsters (Col)	D	23	1997-07-05	No	190 Lbs	6 ft0	No	No	No	1	Pro & Farm	792,500$	79,250$	0$	No				Lien
Marian Studenic	Monsters (Col)	RW	21	1998-10-28	No	163 Lbs	6 ft1	No	No	No	1	Pro & Farm	775,833$	77,583$	0$	No				Lien
Olle Lycksell	Monsters (Col)	RW	21	1999-08-24	Yes	176 Lbs	5 ft11	No	No	No	4	Pro & Farm	837,000$	83,700$	0$	No	837,000$	837,000$	837,000$	Lien
Oskar Steen	Monsters (Col)	C/RW	22	1998-03-09	No	188 Lbs	5 ft9	No	No	No	3	Pro & Farm	809,168$	80,917$	0$	No	809,168$	809,168$		Lien
Otto Koivula	Monsters (Col)	C/LW	22	1998-09-01	No	223 Lbs	6 ft5	No	No	No	1	Pro & Farm	650,000$	65,000$	0$	No				Lien
Peyton Krebs	Monsters (Col)	C/LW	19	2001-01-26	Yes	180 Lbs	5 ft11	No	No	No	3	Pro & Farm	894,167$	89,417$	0$	No	894,167$	894,167$		Lien
Steven Kampfer	Monsters (Col)	D	32	1988-09-24	No	198 Lbs	5 ft11	No	No	No	3	Pro & Farm	750,000$	75,000$	0$	No	750,000$	750,000$		Lien
Teemu Kivihalme	Monsters (Col)	D	25	1995-06-14	No	181 Lbs	6 ft0	No	No	No	1	Pro & Farm	650,000$	65,000$	0$	No				Lien
Ty Ronning	Monsters (Col)	RW	22	1997-10-20	No	172 Lbs	5 ft9	No	No	No	4	Pro & Farm	750,833$	75,083$	0$	No	750,833$	750,833$	750,833$	Lien
Tyler Parsons	Monsters (Col)	G	23	1997-09-17	No	185 Lbs	6 ft1	No	No	No	1	Pro & Farm	742,500$	74,250$	0$	No				Lien
Ziyat Paigin	Monsters (Col)	D	25	1995-02-08	Yes	209 Lbs	6 ft6	No	No	No	1	Pro & Farm	792,500$	79,250$	0$	No				Lien

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
28	22.96	191 Lbs	6 ft1	1.96	845,339$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Jordan Kyrou	Jesper Boqvist	Ivan Barbashev	40	1	2	2
2	Peyton Krebs	Oskar Steen	Ty Ronning	30	1	2	2
3	Brett Seney	Benjamin Jones	Marian Studenic	20	1	2	2
4	Joona Koppanen	Alexei Protas	Jesper Boqvist	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Haydn Fleury	Steven Kampfer	40	1	2	2
2	Carl Dahlstrom	Lucas Carlsson	30	1	2	2
3	Teemu Kivihalme	Alexei Protas	20	1	2	2
4	Haydn Fleury	Steven Kampfer	10	1	2	2

Attaque en svantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Jordan Kyrou	Jesper Boqvist	Ivan Barbashev	60	1	2	2
2	Peyton Krebs	Oskar Steen	Ty Ronning	40	1	2	2

Défense en svantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Haydn Fleury	Steven Kampfer	60	1	2	2
2	Carl Dahlstrom	Lucas Carlsson	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Jesper Boqvist	Jordan Kyrou	60	1	2	2
2	Ivan Barbashev	Oskar Steen	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Haydn Fleury	Steven Kampfer	60	1	2	2
2	Carl Dahlstrom	Lucas Carlsson	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Jesper Boqvist	60	1	2	2	Haydn Fleury	Steven Kampfer	60	1	2	2
2	Jordan Kyrou	40	1	2	2	Carl Dahlstrom	Lucas Carlsson	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Jesper Boqvist	Jordan Kyrou	60	1	2	2
2	Ivan Barbashev	Oskar Steen	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Haydn Fleury	Steven Kampfer	60	1	2	2
2	Carl Dahlstrom	Lucas Carlsson	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Jordan Kyrou	Jesper Boqvist	Ivan Barbashev	Haydn Fleury	Steven Kampfer

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Jordan Kyrou	Jesper Boqvist	Ivan Barbashev	Haydn Fleury	Steven Kampfer

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Benjamin Jones, Marian Studenic, Brett Seney	Benjamin Jones, Marian Studenic	Brett Seney

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Teemu Kivihalme, Carl Dahlstrom, Lucas Carlsson	Teemu Kivihalme	Carl Dahlstrom, Lucas Carlsson

Tirs de pénalité
Jesper Boqvist, Jordan Kyrou, Ivan Barbashev, Oskar Steen, Ty Ronning

Gardien
#1 : Laurent Brossoit, #2 : Jon Gillies

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	3	2	0	0	0	1	0	0	12	8	4	2	2	0	0	0	0	0	0	8	3	5	1	0	0	0	0	1	0	0	4	5	-1	5	0.833	12	19	31	0	0	102	99	85	17	115	1044	1018	1041	88	97	28	26	49	14	2	14.29%	11	2	81.82%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
2	Baby Hawks	4	2	1	0	0	0	0	1	14	10	4	2	1	0	0	0	0	0	1	5	4	1	2	1	1	0	0	0	0	0	9	6	3	5	0.625	14	25	39	0	0	102	99	85	17	155	1044	1018	1041	88	115	27	42	104	10	2	20.00%	15	1	93.33%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
3	Bears	2	1	1	0	0	0	0	0	5	4	1	1	1	0	0	0	0	0	0	5	2	3	1	0	1	0	0	0	0	0	0	2	-2	2	0.500	5	8	13	0	0	102	99	85	17	59	1044	1018	1041	88	72	16	12	65	8	2	25.00%	5	0	100.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
4	Bruins	2	1	1	0	0	0	0	0	6	7	-1	1	0	1	0	0	0	0	0	2	4	-2	1	1	0	0	0	0	0	0	4	3	1	2	0.500	6	11	17	0	0	102	99	85	17	59	1044	1018	1041	88	84	17	27	38	10	1	10.00%	10	0	100.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
5	Cabaret Lady Mary Ann	2	2	0	0	0	0	0	0	10	3	7	1	1	0	0	0	0	0	0	6	1	5	1	1	0	0	0	0	0	0	4	2	2	4	1.000	10	19	29	0	0	102	99	85	17	85	1044	1018	1041	88	76	16	10	67	9	2	22.22%	4	0	100.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
6	Caroline	2	0	0	0	1	0	1	0	7	5	2	1	0	0	0	0	0	1	0	3	2	1	1	0	0	0	1	0	0	0	4	3	1	4	1.000	7	9	16	0	0	102	99	85	17	82	1044	1018	1041	88	82	31	28	41	4	1	25.00%	14	3	78.57%	1	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
7	Chiefs	5	3	2	0	0	0	0	0	14	14	0	3	2	1	0	0	0	0	0	10	10	0	2	1	1	0	0	0	0	0	4	4	0	6	0.600	14	24	38	0	0	102	99	85	17	192	1044	1018	1041	88	159	42	73	93	20	3	15.00%	13	3	76.92%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
8	Chill	4	3	0	0	0	1	0	0	14	6	8	2	2	0	0	0	0	0	0	9	2	7	2	1	0	0	0	1	0	0	5	4	1	7	0.875	14	27	41	0	1	102	99	85	17	147	1044	1018	1041	88	125	36	34	84	14	4	28.57%	16	1	93.75%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
9	Comets	3	2	1	0	0	0	0	0	9	9	0	1	1	0	0	0	0	0	0	4	3	1	2	1	1	0	0	0	0	0	5	6	-1	4	0.667	9	15	24	0	0	102	99	85	17	117	1044	1018	1041	88	93	36	17	75	11	2	18.18%	6	3	50.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
10	Cougars	2	1	1	0	0	0	0	0	7	7	0	1	1	0	0	0	0	0	0	3	2	1	1	0	1	0	0	0	0	0	4	5	-1	2	0.500	7	11	18	0	0	102	99	85	17	86	1044	1018	1041	88	84	14	10	34	8	2	25.00%	5	1	80.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
11	Crunch	2	1	1	0	0	0	0	0	7	4	3	1	1	0	0	0	0	0	0	6	2	4	1	0	1	0	0	0	0	0	1	2	-1	2	0.500	7	13	20	0	0	102	99	85	17	86	1044	1018	1041	88	55	10	10	46	9	1	11.11%	5	1	80.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
12	Heat	3	2	1	0	0	0	0	0	9	8	1	2	1	1	0	0	0	0	0	5	5	0	1	1	0	0	0	0	0	0	4	3	1	4	0.667	9	18	27	0	0	102	99	85	17	106	1044	1018	1041	88	84	30	20	61	9	1	11.11%	10	0	100.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
13	Jayhawks	3	2	0	0	0	0	0	1	15	9	6	2	1	0	0	0	0	0	1	11	8	3	1	1	0	0	0	0	0	0	4	1	3	5	0.833	15	29	44	0	0	102	99	85	17	128	1044	1018	1041	88	107	28	22	61	8	2	25.00%	11	3	72.73%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
14	Las Vegas	3	3	0	0	0	0	0	0	15	6	9	1	1	0	0	0	0	0	0	6	3	3	2	2	0	0	0	0	0	0	9	3	6	6	1.000	15	30	45	0	1	102	99	85	17	151	1044	1018	1041	88	87	15	22	61	9	2	22.22%	11	1	90.91%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
15	Manchots	2	1	1	0	0	0	0	0	6	8	-2	1	1	0	0	0	0	0	0	4	2	2	1	0	1	0	0	0	0	0	2	6	-4	2	0.500	6	11	17	0	0	102	99	85	17	65	1044	1018	1041	88	82	30	19	27	6	1	16.67%	7	1	85.71%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
16	Marlies	2	1	1	0	0	0	0	0	7	5	2	1	1	0	0	0	0	0	0	4	0	4	1	0	1	0	0	0	0	0	3	5	-2	2	0.500	7	13	20	1	1	102	99	85	17	57	1044	1018	1041	88	80	27	29	39	4	0	0.00%	11	2	81.82%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
17	Minnesota	5	4	0	0	0	0	1	0	24	12	12	2	1	0	0	0	0	1	0	8	5	3	3	3	0	0	0	0	0	0	16	7	9	10	1.000	24	40	64	0	0	102	99	85	17	228	1044	1018	1041	88	177	44	44	118	6	4	66.67%	21	4	80.95%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
18	Monarchs	3	1	2	0	0	0	0	0	9	9	0	1	0	1	0	0	0	0	0	2	4	-2	2	1	1	0	0	0	0	0	7	5	2	2	0.333	9	16	25	1	0	102	99	85	17	96	1044	1018	1041	88	91	29	32	67	6	1	16.67%	11	1	90.91%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
19	Monsters	2	2	0	0	0	0	0	0	11	3	8	1	1	0	0	0	0	0	0	6	1	5	1	1	0	0	0	0	0	0	5	2	3	4	1.000	11	19	30	0	0	102	99	85	17	88	1044	1018	1041	88	63	27	8	48	9	3	33.33%	4	0	100.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
20	Oceanics	4	0	2	0	1	0	1	0	15	15	0	2	0	1	0	0	0	1	0	8	8	0	2	0	1	0	1	0	0	0	7	7	0	4	0.500	15	25	40	0	0	102	99	85	17	147	1044	1018	1041	88	152	56	34	97	10	4	40.00%	17	3	82.35%	1	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
21	Oil Kings	3	1	2	0	0	0	0	0	10	11	-1	1	1	0	0	0	0	0	0	4	1	3	2	0	2	0	0	0	0	0	6	10	-4	2	0.333	10	18	28	0	0	102	99	85	17	113	1044	1018	1041	88	90	28	22	62	9	2	22.22%	11	3	72.73%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
22	Phantoms	2	1	0	0	1	0	0	0	8	5	3	1	0	0	0	1	0	0	0	4	3	1	1	1	0	0	0	0	0	0	4	2	2	4	1.000	8	15	23	0	0	102	99	85	17	57	1044	1018	1041	88	81	22	16	48	7	2	28.57%	8	1	87.50%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
23	Rocket	2	0	2	0	0	0	0	0	5	7	-2	1	0	1	0	0	0	0	0	3	4	-1	1	0	1	0	0	0	0	0	2	3	-1	0	0.000	5	10	15	0	0	102	99	85	17	70	1044	1018	1041	88	76	17	6	40	7	1	14.29%	3	1	66.67%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
24	Senators	2	0	0	0	0	0	2	0	9	7	2	1	0	0	0	0	0	1	0	4	3	1	1	0	0	0	0	0	1	0	5	4	1	4	1.000	9	12	21	0	0	102	99	85	17	91	1044	1018	1041	88	85	19	14	41	5	0	0.00%	7	0	100.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
25	Sharks	3	0	1	0	0	0	1	1	8	9	-1	2	0	0	0	0	0	1	1	5	5	0	1	0	1	0	0	0	0	0	3	4	-1	3	0.500	8	12	20	0	0	102	99	85	17	99	1044	1018	1041	88	87	34	8	61	3	3	100.00%	3	1	66.67%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
26	Sound Tigers	2	1	1	0	0	0	0	0	6	4	2	1	0	1	0	0	0	0	0	1	3	-2	1	1	0	0	0	0	0	0	5	1	4	2	0.500	6	11	17	0	0	102	99	85	17	87	1044	1018	1041	88	54	14	8	57	5	2	40.00%	3	1	66.67%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
27	Spiders	2	2	0	0	0	0	0	0	9	5	4	1	1	0	0	0	0	0	0	5	3	2	1	1	0	0	0	0	0	0	4	2	2	4	1.000	9	17	26	0	0	102	99	85	17	66	1044	1018	1041	88	79	19	16	46	2	1	50.00%	8	0	100.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
28	Stars	4	2	1	0	0	0	0	1	12	12	0	2	1	0	0	0	0	0	1	6	4	2	2	1	1	0	0	0	0	0	6	8	-2	5	0.625	12	22	34	0	1	102	99	85	17	132	1044	1018	1041	88	133	41	34	94	7	2	28.57%	16	4	75.00%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
29	Thunder	2	2	0	0	0	0	0	0	8	5	3	1	1	0	0	0	0	0	0	4	3	1	1	1	0	0	0	0	0	0	4	2	2	4	1.000	8	15	23	0	0	102	99	85	17	109	1044	1018	1041	88	54	9	18	44	6	1	16.67%	8	1	87.50%	0	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
30	Wolf Pack	2	0	0	0	0	0	2	0	6	4	2	1	0	0	0	0	0	1	0	4	3	1	1	0	0	0	0	0	1	0	2	1	1	4	1.000	6	7	13	0	0	102	99	85	17	80	1044	1018	1041	88	73	17	10	59	4	0	0.00%	5	1	80.00%	1	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
	Total	82	43	22	0	3	2	8	4	297	221	76	41	23	7	0	1	0	6	4	155	103	52	41	20	15	0	2	2	2	0	142	118	24	114	0.695	297	521	818	2	4	102	99	85	17	3153	1044	1018	1041	88	2777	779	671	1827	239	54	22.59%	279	43	84.59%	3	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
	_Since Last GM Reset	82	43	22	0	3	2	8	4	297	221	76	41	23	7	0	1	0	6	4	155	103	52	41	20	15	0	2	2	2	0	142	118	24	114	0.695	297	521	818	2	4	102	99	85	17	3153	1044	1018	1041	88	2777	779	671	1827	239	54	22.59%	279	43	84.59%	3	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
	_Vs Conference	43	25	12	0	1	0	2	3	158	117	41	21	13	3	0	0	0	2	3	80	54	26	22	12	9	0	1	0	0	0	78	63	15	59	0.686	158	283	441	0	2	102	99	85	17	1731	1044	1018	1041	88	1418	379	360	957	126	27	21.43%	145	28	80.69%	1	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550
	_Vs Division	26	5	5	0	0	0	0	1	93	69	24	13	3	1	0	0	0	0	1	46	33	13	13	2	4	0	0	0	0	0	47	36	11	11	0.212	93	163	256	0	2	102	99	85	17	1001	1044	1018	1041	88	861	246	261	590	67	19	28.36%	98	16	83.67%	1	1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%	2056	1428	1839	612	1091	550

			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	114	W1	297	521	818	3153	2777	779	671	1827	2	4

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
82	43	22	3	2	8	4	297	221

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	23	7	1	0	6	4	155	103

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	20	15	2	2	2	0	142	118

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
5	4	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
239	54	22.59%	279	43	84.59%	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
1044	1018	1041	88	102	99	85	17

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
1658	2999	55.29%	1588	2932	54.16%	693	1355	51.14%

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
2056	1428	1839	612	1091	550

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
2 - 2021-10-13	11	Heat	3	Monsters	2	L			Sommaire du match
4 - 2021-10-15	27	Minnesota	2	Monsters	4	W			Sommaire du match
9 - 2021-10-20	56	Bruins	4	Monsters	2	L			Sommaire du match
11 - 2021-10-22	72	Jayhawks	4	Monsters	3	L	X	X	Sommaire du match
13 - 2021-10-24	83	Monsters	0	Bears	2	L			Sommaire du match
15 - 2021-10-26	92	Monsters	2	Manchots	6	L			Sommaire du match
17 - 2021-10-28	107	Monsters	4	Cabaret Lady Mary Ann	2	W			Sommaire du match
18 - 2021-10-29	117	Monsters	4	Thunder	2	W			Sommaire du match
20 - 2021-10-31	131	Monsters	3	Chiefs	2	W			Sommaire du match
24 - 2021-11-04	155	Monsters	4	Las Vegas	0	W			Sommaire du match
25 - 2021-11-05	168	Admirals	1	Monsters	2	W			Sommaire du match
29 - 2021-11-09	192	Cabaret Lady Mary Ann	1	Monsters	6	W			Sommaire du match
31 - 2021-11-11	201	Stars	0	Monsters	3	W			Sommaire du match
32 - 2021-11-12	214	Monsters	4	Jayhawks	1	W			Sommaire du match
35 - 2021-11-15	230	Monsters	2	Stars	6	L			Sommaire du match
37 - 2021-11-17	244	Chill	2	Monsters	5	W			Sommaire du match
39 - 2021-11-19	260	Monsters	1	Monsters	6	W			Sommaire du match
42 - 2021-11-22	276	Monsters	4	Oceanics	3	W	X		Sommaire du match
44 - 2021-11-24	290	Monsters	2	Oil Kings	5	L			Sommaire du match
46 - 2021-11-26	311	Monsters	1	Comets	5	L			Sommaire du match
49 - 2021-11-29	328	Monsters	4	Heat	3	W			Sommaire du match
51 - 2021-12-01	340	Monsters	4	Minnesota	2	W			Sommaire du match
53 - 2021-12-03	351	Marlies	0	Monsters	4	W			Sommaire du match
57 - 2021-12-07	387	Oil Kings	1	Monsters	4	W			Sommaire du match
59 - 2021-12-09	394	Monsters	7	Baby Hawks	2	W			Sommaire du match
60 - 2021-12-10	413	Baby Hawks	3	Monsters	2	L	X	X	Sommaire du match
64 - 2021-12-14	434	Monsters	3	Marlies	5	L			Sommaire du match
65 - 2021-12-15	439	Monsters	2	Rocket	3	L			Sommaire du match
67 - 2021-12-17	455	Monsters	4	Bruins	3	W			Sommaire du match
69 - 2021-12-19	471	Heat	2	Monsters	3	W			Sommaire du match
71 - 2021-12-21	486	Phantoms	3	Monsters	4	W	X		Sommaire du match
73 - 2021-12-23	500	Spiders	3	Monsters	5	W			Sommaire du match
76 - 2021-12-26	522	Monsters	1	Chiefs	2	L			Sommaire du match
78 - 2021-12-28	536	Monsters	2	Baby Hawks	4	L			Sommaire du match
79 - 2021-12-29	544	Caroline	2	Monsters	3	W	X	X	Sommaire du match
81 - 2021-12-31	562	Baby Hawks	1	Monsters	3	W			Sommaire du match
83 - 2022-01-02	580	Monsters	5	Las Vegas	3	W			Sommaire du match
87 - 2022-01-06	586	Minnesota	3	Monsters	4	W	X	X	Sommaire du match
88 - 2022-01-07	593	Monsters	4	Stars	2	W			Sommaire du match
91 - 2022-01-10	621	Oceanics	4	Monsters	5	W	X	X	Sommaire du match
93 - 2022-01-12	634	Chiefs	5	Monsters	1	L			Sommaire du match
95 - 2022-01-14	649	Monsters	4	Spiders	2	W			Sommaire du match
97 - 2022-01-16	661	Monsters	5	Sound Tigers	1	W			Sommaire du match
98 - 2022-01-17	666	Monsters	2	Wolf Pack	1	W	X	X	Sommaire du match
101 - 2022-01-20	691	Manchots	2	Monsters	4	W			Sommaire du match
105 - 2022-01-24	722	Stars	4	Monsters	3	L	X	X	Sommaire du match
107 - 2022-01-26	738	Sharks	1	Monsters	2	W	X	X	Sommaire du match
109 - 2022-01-28	744	Chiefs	3	Monsters	4	W			Sommaire du match
111 - 2022-01-30	759	Cougars	2	Monsters	3	W			Sommaire du match
123 - 2022-02-11	799	Monsters	4	Phantoms	2	W			Sommaire du match
126 - 2022-02-14	813	Monsters	1	Crunch	2	L			Sommaire du match
128 - 2022-02-16	833	Monsters	5	Senators	4	W	X	X	Sommaire du match
130 - 2022-02-18	851	Monsters	5	Monsters	2	W			Sommaire du match
131 - 2022-02-19	859	Monsters	6	Minnesota	2	W			Sommaire du match
133 - 2022-02-21	874	Senators	3	Monsters	4	W	X	X	Sommaire du match
135 - 2022-02-23	888	Bears	2	Monsters	5	W			Sommaire du match
137 - 2022-02-25	902	Monarchs	4	Monsters	2	L			Sommaire du match
139 - 2022-02-27	919	Thunder	3	Monsters	4	W			Sommaire du match
141 - 2022-03-01	931	Sound Tigers	3	Monsters	1	L			Sommaire du match
143 - 2022-03-03	947	Monsters	4	Admirals	5	L	X		Sommaire du match
144 - 2022-03-04	958	Monsters	6	Monarchs	2	W			Sommaire du match
148 - 2022-03-08	981	Crunch	2	Monsters	6	W			Sommaire du match
150 - 2022-03-10	996	Monsters	4	Caroline	3	W	X		Sommaire du match
151 - 2022-03-11	1008	Monsters	1	Chill	2	L	X		Sommaire du match
153 - 2022-03-13	1017	Monsters	4	Cougars	5	L			Sommaire du match
155 - 2022-03-15	1031	Admirals	2	Monsters	6	W			Sommaire du match
157 - 2022-03-17	1047	Monsters	4	Comets	1	W			Sommaire du match
159 - 2022-03-19	1065	Monsters	3	Sharks	4	L			Sommaire du match
160 - 2022-03-20	1069	Monsters	1	Monarchs	3	L			Sommaire du match
162 - 2022-03-22	1081	Wolf Pack	3	Monsters	4	W	X	X	Sommaire du match
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
164 - 2022-03-24	1096	Comets	3	Monsters	4	W			Sommaire du match
166 - 2022-03-26	1110	Las Vegas	3	Monsters	6	W			Sommaire du match
168 - 2022-03-28	1129	Sharks	4	Monsters	3	L	X	X	Sommaire du match
170 - 2022-03-30	1142	Monsters	4	Chill	2	W			Sommaire du match
172 - 2022-04-01	1154	Rocket	4	Monsters	3	L			Sommaire du match
174 - 2022-04-03	1172	Monsters	6	Minnesota	3	W			Sommaire du match
176 - 2022-04-05	1188	Monsters	4	Oil Kings	5	L			Sommaire du match
178 - 2022-04-07	1201	Monsters	3	Oceanics	4	L			Sommaire du match
180 - 2022-04-09	1222	Chill	0	Monsters	4	W			Sommaire du match
182 - 2022-04-11	1235	Jayhawks	4	Monsters	8	W			Sommaire du match
184 - 2022-04-13	1251	Oceanics	4	Monsters	3	L			Sommaire du match
186 - 2022-04-15	1258	Chiefs	2	Monsters	5	W			Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	35	15
Assistance	77,365	39,253
Assistance PCT	94.35%	95.74%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	2844 - 94.81%	80,404$	3,296,570$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
2,565,548$	3,199,450$	3,199,450$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
17,109$	2,565,548$	28	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	0	17,109$	0$

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

	Monsters
	GP: 82 \| W: 54 \| L: 22 \| OTL: 6 \| P: 114 GF: 297 \| GA: 221 \| PP%: 22.59% \| PK%: 84.59% DG: Paul-André Desrochers \| Morale : 50 \| Moyenne d’équipe : 56