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

Centre de jeu
	Bears 50-25-7, 107pts	3	FINAL	4	Bruins 38-35-9, 85pts

Team Stats
L2	Streak	L1
30-11-0	Home Record	19-18-4
20-14-7	Away Record	19-17-5
6-4-0	Last 10 Games	6-3-1
3.61	Buts par match	3.33
2.94	Buts contre par match	3.46
20.00%	Pourcentage en avantage numérique	22.53%
84.51%	Pourcentage en désavantage numérique	78.21%

Spiders
59-20-3, 121pts

FINAL

Bears
50-25-7, 107pts

Team Stats
W5	Streak	L2
33-6-2	Home Record	30-11-0
26-14-1	Away Record	20-14-7
9-0-1	Last 10 Games	6-4-0
3.84	Buts par match	3.61
2.49	Buts contre par match	2.94
26.10%	Pourcentage en avantage numérique	20.00%
81.28%	Pourcentage en désavantage numérique	84.51%

Meneurs d'équipe
	Buts Joe Veleno 44	Passes Philip Tomasino 63

	Points Philip Tomasino 106	Plus/Moins Joe Veleno 33

	Victoires Alex Lyon 48	Pourcentage d’arrêts Colton Point 0.947

Statistiques d’équipe
Buts pour 296 3.61 GFG	Tirs pour 2999 36.57 Avg	Pourcentage en avantage numérique 20.0% 50 GF	Début de zone offensive 40.1%
Buts contre 241 2.94 GAA	Tirs contre 2880 35.12 Avg	Pourcentage en désavantage numérique 84.5%% 46 GA	Début de la zone défensive 40.7%

Informations de l'équipe
	Directeur général	JF Langlais
	Division	Est
	Conférence	Est
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	2,178
	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	Philip Tomasino (R)	X				100.00	67	42	95	78	65	59	78	70	38	73	66	62	25	54	54	0	50	64	0	20	3	894,167$
2	Joe Veleno	X	X			100.00	84	45	89	82	75	65	64	62	72	60	62	69	25	52	52	0	50	63	0	21	3	894,167$
3	Boris Katchouk		X			100.00	88	57	81	72	77	56	71	61	36	57	57	74	25	50	50	0	50	61	0	23	2	750,000$
4	John Hayden		X	X		100.00	84	99	59	78	85	58	68	57	31	54	56	70	63	64	64	0	50	61	0	26	6	800,000$
5	Byron Froese	X		X		100.00	75	74	76	62	74	59	58	64	80	56	65	68	62	59	59	0	50	60	0	30	2	850,000$
6	Michael Dal Colle		X	X		100.00	81	76	92	66	76	60	61	61	50	57	59	70	56	57	57	0	50	60	0	25	2	750,000$
7	Tim Schaller	X	X			100.00	80	76	88	63	76	64	67	56	70	50	54	70	51	62	63	0	50	59	0	30	4	1,000,000$
8	Antoine Morand	X				100.00	72	66	87	67	66	62	66	50	63	47	47	60	45	44	44	0	50	54	0	22	2	778,334$
9	Sam Miletic	X	X			100.00	79	71	96	65	71	54	55	51	64	50	47	63	45	44	44	0	50	54	0	24	3	894,167$
10	Otto Kivenmaki (R)	X				100.00	45	40	81	69	60	55	64	51	55	47	44	45	48	50	50	0	50	50	0	21	3	560,000$
11	Sean Day				X	100.00	82	80	86	66	80	71	76	55	25	51	45	66	43	44	44	0	50	61	0	23	2	750,000$
12	Alex Vlasic (R)				X	100.00	75	44	95	75	77	64	43	55	25	46	49	73	25	45	45	0	50	60	0	20	4	916,667$
13	Mikko Lehtonen				X	100.00	73	44	89	67	71	63	61	58	25	53	44	67	24	46	46	0	50	59	0	27	3	925,000$
14	Dakota Mermis				X	100.00	68	71	61	67	71	58	60	54	25	49	41	61	39	55	55	0	50	57	0	27	2	655,000$
15	Jack Rathbone				X	100.00	67	41	92	71	63	64	60	58	25	39	47	65	25	45	45	0	50	57	0	22	2	925,000$
16	Kaedan Korczak (R)				X	100.00	76	74	82	73	74	56	58	49	25	43	40	61	38	44	44	0	50	57	0	20	2	795,000$
17	Layton Ahac (R)				X	100.00	76	70	91	61	70	47	48	47	25	39	39	61	37	44	44	0	50	53	0	20	2	897,500$
18	Kim Nousiainen (R)				X	100.00	42	35	99	67	60	58	75	44	25	42	38	42	40	58	58	0	50	51	0	20	4	859,167$
Rayé
1	Ethan Phillips (R)			X		100.00	39	30	99	68	54	53	68	41	46	38	36	37	38	54	54	0	50	46	0	20	4	650,000$

	MOYENNE D’ÉQUIPE					100.00	71	60	86	69	71	59	63	55	42	50	49	62	40	51	51	0	50	57

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	Alex Lyon	100.00	59	44	55	75	61	61	68	69	68	68	95	46	46	0	50	61	0	28	4	800,000$
2	Colton Point (R)	100.00	45	46	58	95	45	45	45	50	45	45	45	44	44	0	50	51	0	23	2	750,000$
Rayé
1	Kaden Fulcher (R)	100.00	44	42	53	80	45	44	45	49	45	45	45	44	44	0	50	49	0	23	2	800,000$
2	Daniil Chechelev (R)	100.00	44	40	50	76	45	44	45	49	45	45	45	44	44	0	50	48	0	20	4	650,000$

	MOYENNE D’ÉQUIPE	100.00	48	43	54	82	49	49	51	54	51	51	58	45	45	0	50	52

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	Philip Tomasino	Bears (Was)	C	82	43	63	106	30	6	0	29	217	298	77	257	14.43%	21	1892	23.07	8	13	21	51	207	0	2	2	8	273	9	3	36.22%	2681	0	0	1.12	5	8	0	0	0	6	10	6
2	Joe Veleno	Bears (Was)	C/LW	82	44	52	96	33	22	0	128	168	377	97	257	11.67%	33	1906	23.26	7	9	16	59	211	2	1	3	11	281	8	4	61.36%	132	1	1	1.01	3	8	0	0	0	6	4	6
3	Boris Katchouk	Bears (Was)	LW	82	30	47	77	24	72	0	209	185	319	102	236	9.40%	21	1662	20.27	5	10	15	41	188	0	0	0	4	171	2	1	40.88%	137	0	0	0.93	2	6	0	0	0	10	6	3
4	John Hayden	Bears (Was)	LW/RW	82	29	45	74	24	106	30	271	134	260	65	166	11.15%	23	1590	19.40	3	12	15	52	208	0	0	0	9	139	7	2	37.23%	274	1	1	0.93	3	8	0	3	2	6	4	3
5	Michael Dal Colle	Bears (Was)	LW/RW	79	20	47	67	23	48	10	77	119	282	64	210	7.09%	13	1417	17.94	0	16	16	48	186	0	0	0	0	2	2	0	45.76%	118	0	0	0.95	0	1	1	0	1	1	5	4
6	Byron Froese	Bears (Was)	C/RW	82	31	33	64	21	20	0	81	197	318	86	213	9.75%	16	1524	18.59	9	7	16	60	192	0	0	0	2	41	4	3	60.47%	1910	0	1	0.84	0	1	0	0	0	6	2	8
7	Alex Vlasic	Bears (Was)	D	82	13	42	55	22	36	0	96	94	159	42	96	8.18%	152	1754	21.39	5	14	19	73	216	0	2	2	6	252	3	1	0.00%	0	0	0	0.63	0	0	0	0	0	2	2	1
8	Tim Schaller	Bears (Was)	C/LW	82	29	22	51	1	72	10	132	172	283	59	200	10.25%	26	1315	16.04	0	0	0	5	23	0	0	0	0	23	2	0	54.95%	1403	0	1	0.78	0	0	0	1	1	3	3	2
9	Mikko Lehtonen	Bears (Was)	D	82	11	30	41	9	36	0	110	79	110	28	81	10.00%	122	1609	19.62	9	4	13	52	193	0	0	0	2	222	2	2	0.00%	0	0	0	0.51	0	0	0	0	0	0	0	4
10	Sean Day	Bears (Was)	D	82	6	33	39	12	96	10	253	48	84	29	71	7.14%	123	1900	23.17	2	7	9	30	217	0	1	1	2	229	0	0	0.00%	0	0	0	0.41	0	0	1	0	1	0	2	3
11	Sam Miletic	Bears (Was)	C/LW	82	14	22	36	5	25	5	83	86	177	72	123	7.91%	24	1358	16.57	0	1	1	0	1	1	0	1	2	105	3	0	56.29%	151	0	0	0.53	0	0	1	0	0	1	2	1
12	Antoine Morand	Bears (Was)	C	82	9	23	32	1	20	0	74	88	116	35	110	7.76%	13	1125	13.72	1	0	1	1	2	0	0	0	0	4	1	0	56.25%	288	0	0	0.57	0	0	0	0	0	0	2	2
13	Jack Rathbone	Bears (Was)	D	82	0	27	27	22	26	0	62	65	81	20	49	0.00%	73	1121	13.68	0	0	0	7	18	0	0	0	0	37	0	0	0.00%	0	0	0	0.48	0	0	0	0	0	0	2	0
14	Kaedan Korczak	Bears (Was)	D	82	4	13	17	8	64	0	183	41	66	20	37	6.06%	97	1595	19.46	1	3	4	25	191	0	0	0	1	206	2	0	0.00%	0	0	0	0.21	0	0	0	0	0	0	1	3
15	Layton Ahac	Bears (Was)	D	82	6	11	17	28	36	0	131	26	31	10	20	19.35%	67	938	11.45	0	0	0	0	4	0	0	0	0	59	2	0	100.00%	1	0	0	0.36	0	0	0	0	0	0	2	1
16	Dakota Mermis	Bears (Was)	D	65	4	8	12	3	20	0	79	16	20	7	13	20.00%	25	520	8.01	0	0	0	0	17	0	0	0	0	14	0	1	50.00%	2	0	0	0.46	0	0	0	0	0	0	0	0
17	Kim Nousiainen	Bears (Was)	D	82	0	1	1	1	0	0	1	9	4	1	4	0.00%	17	521	6.35	0	0	0	0	0	0	0	0	2	24	0	0	0.00%	0	0	0	0.04	0	0	0	0	0	0	0	0
18	Otto Kivenmaki	Bears (Was)	C	82	0	0	0	-11	0	0	0	6	9	4	5	0.00%	1	158	1.93	0	0	0	2	31	0	0	0	0	0	0	0	30.30%	66	0	0	0.00%	0	0	0	0	0	0	0	0
19	Ethan Phillips	Bears (Was)	RW	20	0	0	0	2	0	0	0	4	5	3	2	0.00%	1	319	15.97	0	0	0	0	7	0	0	0	0	0	0	0	22.22%	27	0	0	0.00%	0	0	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				1476	293	519	812	258	705	65	1999	1754	2999	821	2150	9.77%	868	24231	16.42	50	96	146	506	2122	3	6	9	49	2089	47	17	48.19%	7190	2	4	0.67	13	32	3	4	5	41	47	47

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	Alex Lyon	Bears (Was)	82	48	24	6	0.917	2.86	4716	4	3	225	2709	4	2	0.517	29	82	0	7	5	8
2	Colton Point	Bears (Was)	7	2	1	1	0.947	2.18	248	0	0	9	169	0	0	0.667	3	0	82	0	0	0
Statistiques d’équipe totales ou en moyenne			89	50	25	7	0.919	2.83	4965	4	3	234	2878	4	2		32	82	82	7	5	8

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	Salaire annuel 5	Salaire annuel 6	Link
Alex Lyon (contrat à 1 volet)	Bears (Was)	G	28	1992-12-08	No	201 Lbs	6 ft1	No	No	Yes	4	Pro & Farm	800,000$	0$	0$	No	800,000$	800,000$	800,000$			Lien
Alex Vlasic	Bears (Was)	D	20	2001-06-05	Yes	198 Lbs	6 ft6	No	No	No	4	Pro & Farm	916,667$	0$	0$	No	916,667$	916,667$	916,667$			Lien
Antoine Morand	Bears (Was)	C	22	1999-02-18	No	184 Lbs	5 ft11	No	No	No	2	Pro & Farm	778,334$	0$	0$	No	778,334$					Lien
Boris Katchouk	Bears (Was)	LW	23	1998-06-17	No	206 Lbs	6 ft2	No	No	No	2	Pro & Farm	750,000$	0$	0$	No	750,000$					Lien
Byron Froese (contrat à 1 volet)	Bears (Was)	C/RW	30	1991-03-12	No	202 Lbs	6 ft1	No	No	Yes	2	Pro & Farm	850,000$	0$	0$	No	850,000$					Lien
Colton Point	Bears (Was)	G	23	1998-03-04	Yes	230 Lbs	6 ft5	Yes	No	No	2	Pro & Farm	750,000$	0$	0$	No	750,000$					Lien
Dakota Mermis (contrat à 1 volet)	Bears (Was)	D	27	1994-01-05	No	196 Lbs	6 ft0	No	No	Yes	2	Pro & Farm	655,000$	0$	0$	No	655,000$					Lien
Daniil Chechelev	Bears (Was)	G	20	2001-02-23	Yes	187 Lbs	6 ft3	No	No	No	4	Pro & Farm	650,000$	0$	0$	No	650,000$	650,000$	650,000$			Lien
Ethan Phillips	Bears (Was)	RW	20	2001-05-07	Yes	154 Lbs	5 ft9	No	No	No	4	Pro & Farm	650,000$	0$	0$	No	650,000$	650,000$	650,000$			Lien
Jack Rathbone	Bears (Was)	D	22	1999-05-20	No	177 Lbs	5 ft10	No	No	No	2	Pro & Farm	925,000$	0$	0$	No	925,000$					Lien
Joe Veleno	Bears (Was)	C/LW	21	2000-01-13	No	206 Lbs	6 ft1	No	No	No	3	Pro & Farm	894,167$	0$	0$	No	894,167$	894,167$				Lien
John Hayden (contrat à 1 volet)	Bears (Was)	LW/RW	26	1995-02-14	No	223 Lbs	6 ft3	No	No	Yes	6	Pro & Farm	800,000$	0$	0$	No	800,000$	800,000$	800,000$	800,000$	800,000$	Lien
Kaden Fulcher	Bears (Was)	G	23	1998-09-23	Yes	201 Lbs	6 ft3	No	No	No	2	Pro & Farm	800,000$	0$	0$	No	800,000$					Lien
Kaedan Korczak	Bears (Was)	D	20	2001-01-29	Yes	192 Lbs	6 ft4	No	No	No	2	Pro & Farm	795,000$	0$	0$	No	795,000$					Lien
Kim Nousiainen	Bears (Was)	D	20	2000-11-14	Yes	170 Lbs	5 ft9	No	No	No	4	Pro & Farm	859,167$	0$	0$	No	859,167$	859,167$	859,167$			Lien
Layton Ahac	Bears (Was)	D	20	2001-02-22	Yes	187 Lbs	6 ft2	No	No	No	2	Pro & Farm	897,500$	0$	0$	No	897,500$					Lien
Michael Dal Colle	Bears (Was)	LW/RW	25	1996-06-20	No	200 Lbs	6 ft3	No	No	Yes	2	Pro & Farm	750,000$	0$	0$	No	750,000$					Lien
Mikko Lehtonen (contrat à 1 volet)	Bears (Was)	D	27	1994-01-16	No	196 Lbs	6 ft0	No	No	Yes	3	Pro & Farm	925,000$	25,000$	0$	No	925,000$	925,000$				Lien
Otto Kivenmaki	Bears (Was)	C	21	2000-03-24	Yes	172 Lbs	5 ft9	No	No	No	3	Pro & Farm	560,000$	0$	0$	No	560,000$	560,000$				Lien
Philip Tomasino	Bears (Was)	C	20	2001-07-28	Yes	179 Lbs	6 ft0	No	No	No	3	Pro & Farm	894,167$	0$	0$	No	894,167$	894,167$				Lien
Sam Miletic	Bears (Was)	C/LW	24	1997-05-04	No	196 Lbs	6 ft0	No	No	Yes	3	Pro & Farm	894,167$	0$	0$	No	894,167$	894,167$				Lien
Sean Day	Bears (Was)	D	23	1998-01-09	No	218 Lbs	6 ft3	No	No	No	2	Pro & Farm	750,000$	0$	0$	No	750,000$					Lien
Tim Schaller (contrat à 1 volet)	Bears (Was)	C/LW	30	1990-11-16	No	205 Lbs	6 ft2	No	No	Yes	4	Pro & Farm	1,000,000$	100,000$	0$	No	1,000,000$	1,000,000$	1,000,000$			Lien

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
23	23.26	195 Lbs	6 ft1	2.91	806,268$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Joe Veleno	Philip Tomasino	John Hayden	40	1	2	2
2	Boris Katchouk	Byron Froese	Michael Dal Colle	30	1	2	2
3	Sam Miletic	Tim Schaller	Antoine Morand	20	1	2	2
4	Philip Tomasino	Antoine Morand	Joe Veleno	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Sean Day	Alex Vlasic	40	1	2	2
2	Mikko Lehtonen	Kaedan Korczak	30	1	2	2
3	Dakota Mermis	Jack Rathbone	20	1	2	2
4	Layton Ahac	Kim Nousiainen	10	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Joe Veleno	Philip Tomasino	John Hayden	60	1	2	2
2	Boris Katchouk	Byron Froese	Michael Dal Colle	40	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Sean Day	Alex Vlasic	60	1	2	2
2	Mikko Lehtonen	Kaedan Korczak	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Philip Tomasino	Joe Veleno	60	1	2	2
2	John Hayden	Boris Katchouk	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Sean Day	Alex Vlasic	60	1	2	2
2	Mikko Lehtonen	Kaedan Korczak	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Philip Tomasino	60	1	2	2	Sean Day	Alex Vlasic	60	1	2	2
2	Joe Veleno	40	1	2	2	Mikko Lehtonen	Kaedan Korczak	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Philip Tomasino	Joe Veleno	60	1	2	2
2	John Hayden	Boris Katchouk	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Sean Day	Alex Vlasic	60	1	2	2
2	Mikko Lehtonen	Kaedan Korczak	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Joe Veleno	Philip Tomasino	John Hayden	Sean Day	Alex Vlasic

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Joe Veleno	Philip Tomasino	John Hayden	Sean Day	Alex Vlasic

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Otto Kivenmaki, Tim Schaller, Sam Miletic	Otto Kivenmaki, Tim Schaller	Sam Miletic

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Dakota Mermis, Jack Rathbone, Layton Ahac	Dakota Mermis	Jack Rathbone, Layton Ahac

Tirs de pénalité
Philip Tomasino, Joe Veleno, John Hayden, Boris Katchouk, Michael Dal Colle

Gardien
#1 : Alex Lyon, #2 : Colton Point

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	2	2	0	0	0	0	0	0	9	4	5	1	1	0	0	0	0	0	0	4	3	1	1	1	0	0	0	0	0	0	5	1	4	4	1.000	9	15	24	0	0	113	102	76	15	101	984	1021	957	69	83	19	33	60	3	0	0.00%	8	0	100.00%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
2	Baby Hawks	2	0	2	0	0	0	0	0	1	6	-5	1	0	1	0	0	0	0	0	0	2	-2	1	0	1	0	0	0	0	0	1	4	-3	0	0.000	1	2	3	0	0	113	102	76	15	49	984	1021	957	69	62	31	22	31	5	0	0.00%	10	2	80.00%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
3	Bruins	3	2	1	0	0	0	0	0	13	8	5	1	1	0	0	0	0	0	0	4	3	1	2	1	1	0	0	0	0	0	9	5	4	4	0.667	13	24	37	0	0	113	102	76	15	107	984	1021	957	69	104	39	22	75	14	6	42.86%	10	2	80.00%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
4	Cabaret Lady Mary Ann	3	3	0	0	0	0	0	0	20	4	16	2	2	0	0	0	0	0	0	14	2	12	1	1	0	0	0	0	0	0	6	2	4	6	1.000	20	36	56	0	0	113	102	76	15	173	984	1021	957	69	113	33	21	88	4	2	50.00%	8	1	87.50%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
5	Caroline	3	2	0	0	0	1	0	0	10	5	5	1	1	0	0	0	0	0	0	5	2	3	2	1	0	0	0	1	0	0	5	3	2	5	0.833	10	15	25	0	1	113	102	76	15	105	984	1021	957	69	74	17	16	69	9	1	11.11%	8	1	87.50%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
6	Chiefs	2	1	1	0	0	0	0	0	9	10	-1	1	0	1	0	0	0	0	0	4	7	-3	1	1	0	0	0	0	0	0	5	3	2	2	0.500	9	15	24	0	0	113	102	76	15	98	984	1021	957	69	82	20	18	43	6	3	50.00%	9	2	77.78%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
7	Chill	2	2	0	0	0	0	0	0	11	7	4	1	1	0	0	0	0	0	0	5	4	1	1	1	0	0	0	0	0	0	6	3	3	4	1.000	11	19	30	0	0	113	102	76	15	87	984	1021	957	69	78	17	14	42	5	2	40.00%	7	2	71.43%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
8	Comets	2	2	0	0	0	0	0	0	7	4	3	1	1	0	0	0	0	0	0	3	2	1	1	1	0	0	0	0	0	0	4	2	2	4	1.000	7	12	19	0	0	113	102	76	15	62	984	1021	957	69	71	17	21	66	1	0	0.00%	8	1	87.50%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
9	Cougars	3	3	0	0	0	0	0	0	11	6	5	2	2	0	0	0	0	0	0	8	4	4	1	1	0	0	0	0	0	0	3	2	1	6	1.000	11	20	31	0	0	113	102	76	15	97	984	1021	957	69	116	38	30	64	8	2	25.00%	14	1	92.86%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
10	Crunch	3	2	1	0	0	0	0	0	16	9	7	2	1	1	0	0	0	0	0	9	6	3	1	1	0	0	0	0	0	0	7	3	4	4	0.667	16	30	46	0	0	113	102	76	15	146	984	1021	957	69	111	29	31	80	13	4	30.77%	11	1	90.91%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
11	Heat	2	2	0	0	0	0	0	0	9	5	4	1	1	0	0	0	0	0	0	4	3	1	1	1	0	0	0	0	0	0	5	2	3	4	1.000	9	17	26	0	0	113	102	76	15	68	984	1021	957	69	64	24	14	50	5	1	20.00%	6	1	83.33%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
12	Jayhawks	2	0	2	0	0	0	0	0	4	6	-2	1	0	1	0	0	0	0	0	2	3	-1	1	0	1	0	0	0	0	0	2	3	-1	0	0.000	4	7	11	0	0	113	102	76	15	66	984	1021	957	69	65	15	20	35	9	1	11.11%	10	3	70.00%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
13	Las Vegas	2	1	0	0	1	0	0	0	12	7	5	1	1	0	0	0	0	0	0	8	4	4	1	0	0	0	1	0	0	0	4	3	1	4	1.000	12	23	35	0	0	113	102	76	15	81	984	1021	957	69	81	23	10	56	9	4	44.44%	5	0	100.00%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
14	Manchots	3	2	0	0	0	0	1	0	11	8	3	2	1	0	0	0	0	1	0	9	7	2	1	1	0	0	0	0	0	0	2	1	1	6	1.000	11	17	28	0	0	113	102	76	15	89	984	1021	957	69	117	40	32	65	7	0	0.00%	16	3	81.25%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
15	Marlies	3	1	1	0	0	0	0	1	12	12	0	1	1	0	0	0	0	0	0	4	2	2	2	0	1	0	0	0	0	1	8	10	-2	3	0.500	12	20	32	0	0	113	102	76	15	103	984	1021	957	69	118	33	47	74	9	2	22.22%	16	2	87.50%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
16	Minnesota	2	1	1	0	0	0	0	0	6	6	0	1	1	0	0	0	0	0	0	4	1	3	1	0	1	0	0	0	0	0	2	5	-3	2	0.500	6	11	17	0	0	113	102	76	15	77	984	1021	957	69	53	21	21	49	6	2	33.33%	3	0	100.00%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
17	Monarchs	2	1	0	0	0	0	0	1	11	5	6	1	1	0	0	0	0	0	0	8	1	7	1	0	0	0	0	0	0	1	3	4	-1	3	0.750	11	20	31	0	0	113	102	76	15	92	984	1021	957	69	60	14	4	58	5	2	40.00%	2	0	100.00%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
18	Monsters	4	1	2	0	0	0	0	1	10	16	-6	2	0	2	0	0	0	0	0	2	9	-7	2	1	0	0	0	0	0	1	8	7	1	3	0.375	10	18	28	0	0	113	102	76	15	136	984	1021	957	69	155	53	38	106	14	1	7.14%	18	1	94.44%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
19	Monsters	2	0	1	0	0	0	0	1	5	8	-3	1	0	1	0	0	0	0	0	3	5	-2	1	0	0	0	0	0	0	1	2	3	-1	1	0.250	5	10	15	0	0	113	102	76	15	75	984	1021	957	69	93	12	14	39	5	1	20.00%	7	1	85.71%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
20	Oceanics	2	1	0	0	1	0	0	0	7	5	2	1	1	0	0	0	0	0	0	3	2	1	1	0	0	0	1	0	0	0	4	3	1	4	1.000	7	13	20	0	0	113	102	76	15	77	984	1021	957	69	55	24	10	45	10	1	10.00%	5	0	100.00%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
21	Oil Kings	2	1	1	0	0	0	0	0	6	3	3	1	1	0	0	0	0	0	0	4	0	4	1	0	1	0	0	0	0	0	2	3	-1	2	0.500	6	9	15	0	1	113	102	76	15	80	984	1021	957	69	51	22	12	35	9	0	0.00%	6	0	100.00%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
22	Phantoms	4	2	1	0	0	1	0	0	14	11	3	2	1	1	0	0	0	0	0	5	3	2	2	1	0	0	0	1	0	0	9	8	1	5	0.625	14	23	37	0	1	113	102	76	15	128	984	1021	957	69	121	36	31	98	19	4	21.05%	12	3	75.00%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
23	Rocket	3	2	0	0	0	0	1	0	12	9	3	2	1	0	0	0	0	1	0	8	6	2	1	1	0	0	0	0	0	0	4	3	1	6	1.000	12	16	28	0	0	113	102	76	15	95	984	1021	957	69	102	25	25	71	8	2	25.00%	8	3	62.50%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
24	Seattle	2	1	1	0	0	0	0	0	7	9	-2	1	0	1	0	0	0	0	0	2	6	-4	1	1	0	0	0	0	0	0	5	3	2	2	0.500	7	12	19	0	0	113	102	76	15	58	984	1021	957	69	66	19	18	43	4	0	0.00%	9	4	55.56%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
25	Senators	3	2	1	0	0	0	0	0	8	7	1	1	1	0	0	0	0	0	0	5	4	1	2	1	1	0	0	0	0	0	3	3	0	4	0.667	8	16	24	0	0	113	102	76	15	88	984	1021	957	69	96	29	14	52	15	0	0.00%	6	2	66.67%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
26	Sharks	2	0	2	0	0	0	0	0	4	11	-7	1	0	1	0	0	0	0	0	1	5	-4	1	0	1	0	0	0	0	0	3	6	-3	0	0.000	4	8	12	0	0	113	102	76	15	69	984	1021	957	69	90	33	30	45	5	0	0.00%	14	3	78.57%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
27	Sound Tigers	4	1	1	0	0	0	1	1	14	14	0	2	1	0	0	0	0	1	0	9	6	3	2	0	1	0	0	0	0	1	5	8	-3	5	0.625	14	24	38	1	0	113	102	76	15	132	984	1021	957	69	148	44	20	111	9	1	11.11%	9	2	77.78%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
28	Spiders	4	1	3	0	0	0	0	0	6	10	-4	2	1	1	0	0	0	0	0	3	3	0	2	0	2	0	0	0	0	0	3	7	-4	2	0.250	6	11	17	1	0	113	102	76	15	124	984	1021	957	69	131	35	55	102	8	2	25.00%	19	3	84.21%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
29	Stars	2	1	1	0	0	0	0	0	4	7	-3	1	1	0	0	0	0	0	0	4	2	2	1	0	1	0	0	0	0	0	0	5	-5	2	0.500	4	8	12	0	0	113	102	76	15	79	984	1021	957	69	57	27	18	39	6	0	0.00%	9	0	100.00%	3	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
30	Thunder	3	2	1	0	0	0	0	0	12	10	2	1	1	0	0	0	0	0	0	4	2	2	2	1	1	0	0	0	0	0	8	8	0	4	0.667	12	22	34	0	0	113	102	76	15	107	984	1021	957	69	97	34	16	69	8	2	25.00%	8	1	87.50%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
31	Wolf Pack	4	3	1	0	0	0	0	0	15	9	6	2	2	0	0	0	0	0	0	9	3	6	2	1	1	0	0	0	0	0	6	6	0	6	0.750	15	26	41	0	0	113	102	76	15	150	984	1021	957	69	166	45	32	139	12	4	33.33%	16	1	93.75%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
	Total	82	45	25	0	2	2	3	5	296	241	55	41	27	11	0	0	0	3	0	157	112	45	41	18	14	0	2	2	0	5	139	129	10	107	0.652	296	519	815	2	3	113	102	76	15	2999	984	1021	957	69	2880	868	709	1999	250	50	20.00%	297	46	84.51%	3	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
	_Since Last GM Reset	82	45	25	0	2	2	3	5	296	241	55	41	27	11	0	0	0	3	0	157	112	45	41	18	14	0	2	2	0	5	139	129	10	107	0.652	296	519	815	2	3	113	102	76	15	2999	984	1021	957	69	2880	868	709	1999	250	50	20.00%	297	46	84.51%	3	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540
	_Vs Conference	45	23	14	0	1	1	2	4	157	137	20	21	14	5	0	0	0	2	0	75	57	18	24	9	9	0	1	1	0	4	82	80	2	57	0.633	157	276	433	2	1	113	102	76	15	1590	984	1021	957	69	1619	495	398	1141	143	27	18.88%	166	25	84.94%	0	1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%	1991	1365	1889	616	1088	540

			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	107	L2	296	519	815	2999	2880	868	709	1999	2	3

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
82	45	25	2	2	3	5	296	241

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	27	11	0	0	3	0	157	112

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	18	14	2	2	0	5	139	129

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
6	4	0	0	0	0

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
250	50	20.00%	297	46	84.51%	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
984	1021	957	69	113	102	76	15

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
1429	2886	49.51%	1390	2928	47.47%	646	1376	46.95%

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
1991	1365	1889	616	1088	540

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
6 - 2022-10-12	5	Bruins	3	Bears	4	BW			Sommaire du match
7 - 2022-10-13	15	Bears	3	Marlies	4	AL			Sommaire du match
9 - 2022-10-15	29	Rocket	3	Bears	4	BW	X	X	Sommaire du match
11 - 2022-10-17	43	Comets	2	Bears	3	BW			Sommaire du match
14 - 2022-10-20	65	Bears	2	Senators	1	AW			Sommaire du match
16 - 2022-10-22	80	Monarchs	1	Bears	8	BW			Sommaire du match
18 - 2022-10-24	93	Bears	1	Spiders	3	AL			Sommaire du match
21 - 2022-10-27	117	Bears	0	Stars	5	AL			Sommaire du match
23 - 2022-10-29	136	Bears	6	Chill	3	AW			Sommaire du match
25 - 2022-10-31	145	Bears	3	Caroline	0	AW			Sommaire du match
26 - 2022-11-01	150	Las Vegas	4	Bears	8	BW			Sommaire du match
28 - 2022-11-03	164	Bears	3	Cougars	2	AW			Sommaire du match
30 - 2022-11-05	179	Jayhawks	3	Bears	2	BL			Sommaire du match
32 - 2022-11-07	195	Oil Kings	0	Bears	4	BW			Sommaire du match
34 - 2022-11-09	208	Manchots	3	Bears	4	BW			Sommaire du match
36 - 2022-11-11	222	Thunder	2	Bears	4	BW			Sommaire du match
38 - 2022-11-13	242	Bears	6	Thunder	4	AW			Sommaire du match
40 - 2022-11-15	253	Bears	6	Cabaret Lady Mary Ann	2	AW			Sommaire du match
42 - 2022-11-17	269	Bears	5	Chiefs	3	AW			Sommaire du match
44 - 2022-11-19	279	Monsters	5	Bears	3	BL			Sommaire du match
48 - 2022-11-23	312	Phantoms	0	Bears	4	BW			Sommaire du match
50 - 2022-11-25	322	Heat	3	Bears	4	BW			Sommaire du match
51 - 2022-11-26	336	Bears	2	Spiders	4	AL			Sommaire du match
54 - 2022-11-29	359	Bears	4	Comets	2	AW			Sommaire du match
56 - 2022-12-01	374	Bears	5	Seattle	3	AW			Sommaire du match
58 - 2022-12-03	390	Bears	5	Heat	2	AW			Sommaire du match
60 - 2022-12-05	400	Bears	2	Oil Kings	3	AL			Sommaire du match
62 - 2022-12-07	413	Bears	5	Phantoms	6	AL	X		Sommaire du match
64 - 2022-12-09	427	Seattle	6	Bears	2	BL			Sommaire du match
66 - 2022-12-11	446	Bears	4	Oceanics	3	AW	X		Sommaire du match
68 - 2022-12-13	463	Bears	1	Baby Hawks	4	AL			Sommaire du match
70 - 2022-12-15	471	Stars	2	Bears	4	BW			Sommaire du match
72 - 2022-12-17	491	Marlies	2	Bears	4	BW			Sommaire du match
74 - 2022-12-19	503	Cougars	3	Bears	6	BW			Sommaire du match
77 - 2022-12-22	528	Bears	1	Senators	2	AL			Sommaire du match
78 - 2022-12-23	537	Oceanics	2	Bears	3	BW			Sommaire du match
82 - 2022-12-27	549	Bears	4	Wolf Pack	3	AW			Sommaire du match
84 - 2022-12-29	566	Senators	4	Bears	5	BW			Sommaire du match
86 - 2022-12-31	581	Rocket	3	Bears	4	BW			Sommaire du match
89 - 2023-01-03	599	Crunch	4	Bears	3	BL			Sommaire du match
91 - 2023-01-05	617	Bears	6	Monsters	4	AW			Sommaire du match
92 - 2023-01-06	622	Chill	4	Bears	5	BW			Sommaire du match
94 - 2023-01-08	639	Monsters	4	Bears	1	BL			Sommaire du match
97 - 2023-01-11	659	Bears	4	Phantoms	2	AW			Sommaire du match
100 - 2023-01-14	681	Phantoms	3	Bears	1	BL			Sommaire du match
102 - 2023-01-16	702	Bears	4	Sound Tigers	5	AL	X	X	Sommaire du match
103 - 2023-01-17	707	Minnesota	1	Bears	4	BW			Sommaire du match
105 - 2023-01-19	726	Bears	2	Jayhawks	3	AL			Sommaire du match
107 - 2023-01-21	745	Bears	4	Las Vegas	3	AW	X		Sommaire du match
110 - 2023-01-24	764	Bears	2	Monsters	3	AL	X	X	Sommaire du match
112 - 2023-01-26	773	Manchots	4	Bears	5	BW	X	X	Sommaire du match
115 - 2023-01-29	800	Bears	5	Marlies	6	AL	X	X	Sommaire du match
117 - 2023-01-31	804	Bears	2	Monsters	3	AL	X	X	Sommaire du match
128 - 2023-02-11	838	Bears	6	Bruins	1	AW			Sommaire du match
129 - 2023-02-12	847	Sharks	5	Bears	1	BL			Sommaire du match
131 - 2023-02-14	855	Caroline	2	Bears	5	BW			Sommaire du match
133 - 2023-02-16	870	Cabaret Lady Mary Ann	1	Bears	6	BW			Sommaire du match
135 - 2023-02-18	889	Bears	2	Caroline	3	AL	X		Sommaire du match
138 - 2023-02-21	909	Cougars	1	Bears	2	BW			Sommaire du match
140 - 2023-02-23	920	Admirals	3	Bears	4	BW			Sommaire du match
142 - 2023-02-25	937	Wolf Pack	1	Bears	3	BW			Sommaire du match
143 - 2023-02-26	947	Bears	7	Crunch	3	AW			Sommaire du match
146 - 2023-03-01	973	Bears	5	Admirals	1	AW			Sommaire du match
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
149 - 2023-03-04	992	Bears	3	Sharks	6	AL			Sommaire du match
151 - 2023-03-06	1011	Bears	3	Monarchs	4	AL	X	X	Sommaire du match
154 - 2023-03-09	1029	Spiders	1	Bears	2	BW			Sommaire du match
156 - 2023-03-11	1048	Bears	1	Sound Tigers	3	AL			Sommaire du match
159 - 2023-03-14	1067	Bears	2	Wolf Pack	3	AL			Sommaire du match
160 - 2023-03-15	1076	Crunch	2	Bears	6	BW			Sommaire du match
162 - 2023-03-17	1093	Chiefs	7	Bears	4	BL			Sommaire du match
164 - 2023-03-19	1109	Bears	2	Minnesota	5	AL			Sommaire du match
166 - 2023-03-21	1121	Monsters	5	Bears	1	BL			Sommaire du match
168 - 2023-03-23	1135	Baby Hawks	2	Bears	0	BL			Sommaire du match
170 - 2023-03-25	1162	Bears	2	Manchots	1	AW			Sommaire du match
174 - 2023-03-29	1187	Sound Tigers	3	Bears	5	BW			Sommaire du match
175 - 2023-03-30	1194	Bears	2	Thunder	4	AL			Sommaire du match
178 - 2023-04-02	1217	Wolf Pack	2	Bears	6	BW			Sommaire du match
182 - 2023-04-06	1247	Bears	4	Rocket	3	AW			Sommaire du match
184 - 2023-04-08	1262	Cabaret Lady Mary Ann	1	Bears	8	BW			Sommaire du match
186 - 2023-04-10	1278	Sound Tigers	3	Bears	4	BW	X	X	Sommaire du match
187 - 2023-04-11	1290	Bears	3	Bruins	4	AL			Sommaire du match
189 - 2023-04-13	1301	Spiders	2	Bears	1	BL			Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	40	20
Assistance	62,626	26,681
Assistance PCT	76.37%	65.08%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	2178 - 72.61%	74,114$	3,038,660$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
1,358,002$	1,351,418$	1,351,418$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
7,113$	1,358,002$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	0	7,113$	0$

Bears Leaders statistiques (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

Bears 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

Bears 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

Bears Leaders statistiques (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

Bears 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

	Bears
	GP: 82 \| W: 50 \| L: 25 \| OTL: 7 \| P: 107 GF: 296 \| GA: 241 \| PP%: 20.00% \| PK%: 84.51% DG: JF Langlais \| Morale : 50 \| Moyenne d’équipe : 56