Jets
Domicile
Formation
Statistiques joueurs
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance
Statistiques de l'Équipe de Carrière
Client Web pour les lignes

Centre de jeu
	Firebirds 6-75-1, 13pts	2	FINAL	9	Moose 50-25-7, 107pts

Team Stats
OTW1	Séquence	W4
4-36-1	Fiche domicile	28-11-2
2-39-0	Fiche domicile	22-14-5
1-9-0	Derniers 10 matchs	8-1-1
1.65	Buts par match	3.89
6.99	Buts contre par match	2.32
6.31%	Pourcentage en avantage numérique	14.12%
65.79%	Pourcentage en désavantage numérique	84.14%

Moose
50-25-7, 107pts

FINAL

Ice Hogs
6-74-2, 14pts

Team Stats
W4	Séquence	L40
28-11-2	Fiche domicile	3-37-1
22-14-5	Fiche domicile	3-37-1
8-1-1	Derniers 10 matchs	0-10-0
3.89	Buts par match	1.62
2.32	Buts contre par match	7.40
14.12%	Pourcentage en avantage numérique	7.76%
84.14%	Pourcentage en désavantage numérique	71.64%

Meneurs d'équipe
	Buts Aleksanteri Kaskimaki 44	Passes Aleksanteri Kaskimaki 61

	Points Aleksanteri Kaskimaki 105	Plus/Moins Samuel Savoie 64

	Victoires Chris Driedger 29	Pourcentage d’arrêts Chris Driedger 0.865

Statistiques d’équipe
Buts pour 319 3.89 GFG	Tirs pour 2211 26.96 Avg	Pourcentage en avantage numérique 14.1% 50 GF	Début de zone offensive 42.8%
Buts contre 190 2.32 GAA	Tirs contre 1391 16.96 Avg	Pourcentage en désavantage numérique 84.1%% 75 GA	Début de la zone défensive 34.6%

Informations de l'équipe
	Directeur général	Mika
	Entraîneur	Todd Richards
	Division	Central Division
	Conférence	Western Conference
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	2,927
	Billets de saison	0
Informations de la formation
	Équipe Pro	19
	Équipe Mineure	21
	Limite contact	40 / 51
	Espoirs	29
Historique d'équipe
	Saison actuelle	50-25-7 (107PTS)
	Historique	0-0-0


	Coupe Stanley	0

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	TA	SP	Âge	Contrat	Salaire
1	Tyler Pitlick			X		100.00	77	75	83	73	75	73	75	64	80	60	65	66	62	44	46	67	50	64		0	34	1	800,000$
2	Clark Bishop	X	X			100.00	76	72	86	68	72	82	87	62	78	56	63	66	60	49	50	66	50	63		0	30	1	775,000$
3	Aleksanteri Kaskimaki (R)	X				100.00	78	70	95	66	70	74	78	60	75	59	57	65	54	44	44	63	50	61		0	22	3	870,000$
4	Samu Tuomaala			X		100.00	70	65	81	66	65	63	64	62	50	61	60	62	57	44	44	62	50	60		0	23	2	863,333$
5	Judd Caulfield			X		100.00	82	82	82	63	82	76	82	55	50	50	56	66	53	44	44	61	50	60		0	25	2	837,500$
6	Roby Jarventie		X			100.00	84	77	99	80	77	36	31	60	75	72	44	68	42	44	44	59	50	59		0	23	2	995,000$
7	Konsta Helenius (R)	X				100.00	73	67	87	66	67	55	54	60	75	57	58	63	55	44	44	61	50	58		0	19	3	975,000$
8	Samuel Savoie (R)		X			100.00	74	68	88	65	68	79	87	51	50	50	47	61	45	44	44	56	50	57		0	22	3	846,666$
9	Felix Unger Sorum (R)			X		100.00	72	63	93	65	63	71	76	52	50	53	46	60	44	44	44	56	50	56		0	20	3	831,667$
10	Tucker Robertson	X				100.00	74	67	89	62	67	56	58	50	63	47	48	61	46	44	44	54	50	54		0	22	2	950,000$
11	Eetu Liukas		X			100.00	78	77	80	65	77	50	50	50	50	45	50	63	48	44	44	55	50	54		0	23	3	867,500$
12	Uvis Balinskis				X	100.00	76	54	88	75	72	65	95	64	25	53	48	67	25	56	56	62	50	65	N	0	29	2	850,000$
13	Steven Santini				X	100.00	82	79	89	66	79	69	75	50	25	39	43	68	41	58	59	56	50	62	N	0	31	3	775,000$
14	Corey Schueneman				X	100.00	75	70	88	66	70	75	82	50	25	43	41	62	39	47	47	55	50	60	N	0	30	2	775,000$
15	Dakota Mermis				X	100.00	74	71	80	69	71	55	57	48	25	40	39	63	37	54	54	52	50	58	N	0	32	3	812,000$
16	Michael Karow				X	100.00	76	76	75	64	76	53	56	46	25	37	39	61	37	44	44	50	50	56		0	27	2	775,000$
17	Aleksi Heimosalmi (R)				X	100.00	70	63	86	64	63	67	73	47	25	37	42	58	40	44	44	53	50	56		0	22	3	805,833$
Rayé

	MOYENNE D’ÉQUIPE					100.00	76	70	86	67	71	65	69	55	50	51	50	64	46	47	47	58	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	TA	SP	Âge	Contrat	Salaire
1	Joel Blomqvist (R)	100.00	59	54	53	80	65	52	69	60	65	59	75	45	45	60	50	60		0	24	2	925,000$
2	Chris Driedger	100.00	44	40	50	84	43	42	50	51	46	47	30	44	44	46	50	50	N	0	31	1	795,000$
Rayé

	MOYENNE D’ÉQUIPE	100.00	52	47	52	82	54	47	60	56	56	53	53	45	45	53	50	55

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
Todd Richards	75	73	71	68	87	81	60	USA	58	1	925,000$

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	HT	P/20	PSG	PSS	FW	FL	FT	S1	S2	S3
1	Aleksanteri Kaskimaki	Moose (WPG)	C	82	44	61	105	56	49	5	73	156	299	75	212	14.72%	5	1509	18.41	10	15	25	55	295	0	0	0	4	87	4	3	66.54%	1366	2	1.39	0	0	0	0	0	12	7	2
2	Judd Caulfield	Moose (WPG)	RW	82	41	47	88	62	100	10	140	82	230	70	167	17.83%	11	1548	18.89	4	6	10	27	223	2	1	3	8	178	5	2	59.00%	100	3	1.14	1	3	1	0	1	10	5	6
3	Samu Tuomaala	Moose (WPG)	RW	82	33	41	74	51	48	0	78	91	225	52	148	14.67%	10	1386	16.90	8	10	18	36	275	0	0	0	0	11	7	1	62.16%	111	0	1.07	0	0	0	0	0	4	4	7
4	Clark Bishop	Moose (WPG)	C/LW	82	30	44	74	57	60	0	78	152	224	72	175	13.39%	17	1593	19.44	4	8	12	22	130	2	2	4	8	416	3	2	65.68%	1323	0	0.93	2	3	0	0	0	2	4	8
5	Samuel Savoie	Moose (WPG)	LW	82	17	52	69	64	57	5	72	82	130	37	93	13.08%	9	1515	18.48	1	5	6	8	115	1	1	2	7	185	4	0	67.09%	79	0	0.91	0	0	0	0	0	0	7	2
6	Uvis Balinskis	Moose (WPG)	D	82	12	51	63	53	100	0	124	83	72	21	53	16.67%	55	1720	20.98	2	4	6	21	109	0	1	1	2	307	4	0	0%	0	0	0.73	0	0	0	0	0	3	3	4
7	Roby Jarventie	Moose (WPG)	LW	82	22	39	61	43	72	10	95	96	134	25	85	16.42%	4	1372	16.74	3	7	10	21	229	0	0	0	2	127	3	2	60.32%	63	0	0.89	0	0	1	0	1	3	2	1
8	Konsta Helenius	Moose (WPG)	C	82	21	31	52	40	24	0	41	95	132	48	118	15.91%	9	1064	12.98	2	4	6	13	168	1	2	3	8	237	4	2	64.90%	889	0	0.98	1	3	0	0	0	3	2	1
9	Tyler Pitlick	Moose (WPG)	RW	82	28	24	52	28	35	5	70	62	164	36	106	17.07%	3	750	9.15	5	6	11	26	176	0	0	0	0	4	2	1	74.47%	47	0	1.39	0	0	0	1	0	3	2	1
10	Eetu Liukas	Moose (WPG)	LW	82	12	31	43	34	102	20	125	69	101	34	91	11.88%	12	1503	18.33	4	3	7	12	152	0	1	1	4	217	0	1	58.69%	443	0	0.57	0	0	1	2	1	1	4	2
11	Steven Santini	Moose (WPG)	D	82	7	34	41	52	112	0	159	36	77	18	52	9.09%	56	1722	21.01	2	7	9	36	278	1	4	5	2	352	4	0	0%	1	0	0.48	0	0	0	0	0	1	4	4
12	Corey Schueneman	Moose (WPG)	D	82	4	37	41	55	58	0	141	31	74	25	54	5.41%	58	1689	20.60	2	5	7	47	283	0	1	1	2	211	0	0	0%	0	0	0.49	0	0	0	0	0	1	3	2
13	Mikael Pyyhtia	Jets	C	52	19	13	32	4	10	0	17	126	145	30	88	13.10%	14	757	14.57	0	0	0	0	2	2	0	2	5	85	1	2	55.80%	672	0	0.84	0	0	0	0	0	1	1	4
14	Michael Karow	Moose (WPG)	D	82	6	25	31	44	58	0	158	18	32	19	31	18.75%	46	1501	18.32	1	6	7	11	186	0	1	1	1	293	2	0	0%	0	0	0.41	0	0	0	0	0	4	1	0
15	Dakota Mermis	Moose (WPG)	D	82	6	23	29	52	98	10	143	32	40	18	39	15.00%	43	1570	19.16	2	5	7	10	260	0	0	0	1	148	1	0	0%	0	0	0.37	0	0	1	0	1	1	0	2
16	Felix Unger Sorum	Moose (WPG)	RW	82	10	17	27	6	28	0	39	53	86	25	50	11.63%	4	838	10.23	0	0	0	1	12	0	0	0	0	0	3	0	61.90%	42	0	0.64	0	0	0	0	0	0	0	0
17	Aleksi Heimosalmi	Moose (WPG)	D	82	3	11	14	50	50	0	101	28	29	5	13	10.34%	54	1580	19.27	0	3	3	5	63	0	0	0	0	243	1	0	0%	0	0	0.18	0	0	0	0	0	1	0	0
18	Tucker Robertson	Moose (WPG)	C	30	3	3	6	5	4	0	9	14	17	12	17	17.65%	2	166	5.55	0	0	0	0	0	0	0	0	0	0	1	0	68.89%	135	0	0.72	0	0	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				1394	318	584	902	756	1065	65	1663	1306	2211	622	1592	14.38%	412	23792	17.07	50	94	144	351	2963	9	14	23	54	3109	49	16	63.80%	5271	5	0.76	4	9	4	3	4	50	49	46

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	EG	PS %	PSA	ST	BG	S1	S2	S3
1	Chris Driedger	Moose (WPG)	48	29	13	3	0.865	2.25	2638	2	5	99	733	1	0.500	2	43	39	0	2	1
2	Pheonix Copley	Jets	42	21	12	4	0.866	2.28	2313	2	4	88	657	0	0.500	6	39	42	1	0	1
Statistiques d’équipe totales ou en moyenne			90	50	25	7	0.865	2.27	4951	4	9	187	1390	1		8	82	81	1	2	2

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	Pays	Recrue	Poids	Taille	Non-échange	Disponible pour échange	Acquis Par	Date de la Dernière Transaction	Ballotage forcé	Waiver Possible	Contrat	Date du Signature du Contrat	Forcer UFA	Rappel d'urgence	Type	Salaire actuel	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire année 2	Salaire année 3	Salaire année 4	Salaire année 5	Salaire année 6	Salaire année 7	Salaire année 8	Salaire année 9	Salaire année 10	Plafond salarial année 2	Plafond salarial année 3	Plafond salarial année 4	Plafond salarial année 5	Plafond salarial année 6	Plafond salarial année 7	Plafond salarial année 8	Plafond salarial année 9	Plafond salarial année 10	Non-échange année 2	Non-échange année 3	Non-échange année 4	Non-échange année 5	Non-échange année 6	Non-échange année 7	Non-échange année 8	Non-échange année 9	Non-échange année 10	Lien
Aleksanteri Kaskimaki	Moose (WPG)	C	22	2004-02-06	FIN	Yes	193 Lbs	6 ft0	No	No	Assign Manually		No	No	3	2025-08-27	False	False	Pro & Farm	870,000$	0$	0$	No	870,000$	870,000$	-	-	-	-	-	-	-	870,000$	870,000$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-	Lien
Aleksi Heimosalmi	Moose (WPG)	D	22	2003-05-08	FIN	Yes	170 Lbs	5 ft11	No	No	Prospect		No	No	3	2025-08-27	False	False	Pro & Farm	805,833$	0$	0$	No	805,833$	805,833$	-	-	-	-	-	-	-	805,833$	805,833$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-	Lien
Chris Driedger	Moose (WPG)	G	31	1994-05-18	MB	No	205 Lbs	6 ft4	Yes	No	Free Agent	2024-08-16	No	Yes	1	2025-08-21	False	False	Pro & Farm	795,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Clark Bishop	Moose (WPG)	C/LW	30	1996-03-29	CAN	No	197 Lbs	6 ft1	No	No	Free Agent		No	Yes	1	2024-06-16	False	False	Pro & Farm	775,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Corey Schueneman	Moose (WPG)	D	30	1995-09-02	USA	No	197 Lbs	5 ft11	Yes	No	Free Agent		No	Yes	2	2025-08-21	False	False	Pro & Farm	775,000$	0$	0$	No	775,000$	-	-	-	-	-	-	-	-	775,000$	-	-	-	-	-	-	-	-	Yes	-	-	-	-	-	-	-	-	Lien
Dakota Mermis	Moose (WPG)	D	32	1994-01-05	USA	No	197 Lbs	6 ft0	Yes	No	Free Agent		No	Yes	3	2025-08-21	False	False	Pro & Farm	812,000$	0$	0$	No	812,000$	812,000$	-	-	-	-	-	-	-	812,000$	812,000$	-	-	-	-	-	-	-	Yes	Yes	-	-	-	-	-	-	-	Lien / Lien NHL
Eetu Liukas	Moose (WPG)	LW	23	2002-09-25	FIN	No	205 Lbs	6 ft3	No	No	Assign Manually		No	No	3	2025-08-27	False	False	Pro & Farm	867,500$	0$	0$	No	867,500$	867,500$	-	-	-	-	-	-	-	867,500$	867,500$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-	Lien
Felix Unger Sorum	Moose (WPG)	RW	20	2005-09-14	NOR	Yes	170 Lbs	5 ft11	No	No	Prospect		No	No	3	2025-08-27	False	False	Pro & Farm	831,667$	0$	0$	No	831,667$	831,667$	-	-	-	-	-	-	-	831,667$	831,667$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-	Lien
Joel Blomqvist	Moose (WPG)	G	24	2002-01-10	FIN	Yes	200 Lbs	6 ft3	No	No	Assign Manually		No	No	2	2024-06-29	False	False	Pro & Farm	925,000$	0$	0$	No	925,000$	-	-	-	-	-	-	-	-	925,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien
Judd Caulfield	Moose (WPG)	RW	25	2001-03-19	USA	No	220 Lbs	6 ft3	No	No	Assign Manually		No	Yes	2	2024-06-29	False	False	Pro & Farm	837,500$	0$	0$	No	837,500$	-	-	-	-	-	-	-	-	837,500$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien
Konsta Helenius	Moose (WPG)	C	19	2006-05-11	FIN	Yes	189 Lbs	5 ft11	No	No	Assign Manually		No	No	3	2025-08-27	False	False	Pro & Farm	975,000$	0$	0$	No	975,000$	975,000$	-	-	-	-	-	-	-	975,000$	975,000$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-	Lien
Michael Karow	Moose (WPG)	D	27	1998-12-18	USA	No	209 Lbs	6 ft2	No	No	Trade	2025-02-01	No	Yes	2	2024-07-07	False	False	Pro & Farm	775,000$	0$	0$	No	775,000$	-	-	-	-	-	-	-	-	775,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien
Roby Jarventie	Moose (WPG)	LW	23	2002-08-08	FIN	No	209 Lbs	6 ft3	No	No	Free Agent		No	No	2	2025-08-02	False	False	Pro & Farm	995,000$	0$	0$	No	995,000$	-	-	-	-	-	-	-	-	995,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien
Samu Tuomaala	Moose (WPG)	RW	23	2003-01-08	FIN	No	180 Lbs	5 ft10	No	No	Assign Manually		No	No	2	2024-06-29	False	False	Pro & Farm	863,333$	0$	0$	No	863,333$	-	-	-	-	-	-	-	-	863,333$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien
Samuel Savoie	Moose (WPG)	LW	22	2004-03-25	CAN	Yes	190 Lbs	5 ft10	No	No	Prospect		No	No	3	2025-08-27	False	False	Pro & Farm	846,666$	0$	0$	No	846,666$	846,666$	-	-	-	-	-	-	-	846,666$	846,666$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-	Lien
Steven Santini	Moose (WPG)	D	31	1995-03-07	USA	No	214 Lbs	6 ft3	Yes	No	Free Agent		No	Yes	3	2025-08-21	False	False	Pro & Farm	775,000$	0$	0$	No	775,000$	775,000$	-	-	-	-	-	-	-	775,000$	775,000$	-	-	-	-	-	-	-	Yes	Yes	-	-	-	-	-	-	-	Lien / Lien NHL
Tucker Robertson	Moose (WPG)	C	22	2003-06-22	CAN	No	189 Lbs	5 ft11	No	No	Assign Manually		No	No	2	2024-06-29	False	False	Pro & Farm	950,000$	0$	0$	No	950,000$	-	-	-	-	-	-	-	-	950,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien
Tyler Pitlick	Moose (WPG)	RW	34	1991-11-01	USA	No	201 Lbs	6 ft2	No	No	N/A		No	Yes	1		False	False	Pro & Farm	800,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Uvis Balinskis	Moose (WPG)	D	29	1996-08-01	LAT	No	196 Lbs	6 ft0	Yes	No	Free Agent		No	Yes	2	2025-08-21	False	False	Pro & Farm	850,000$	0$	0$	No	850,000$	-	-	-	-	-	-	-	-	850,000$	-	-	-	-	-	-	-	-	Yes	-	-	-	-	-	-	-	-	Lien

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
19	25.74	196 Lbs	6 ft1	2.26	848,658$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Roby Jarventie	Clark Bishop	Tyler Pitlick	40	1	2	2
2	Samuel Savoie	Aleksanteri Kaskimaki	Samu Tuomaala	30	1	2	2
3	Eetu Liukas	Konsta Helenius	Judd Caulfield	20	1	2	2
4	Roby Jarventie	Tucker Robertson	Felix Unger Sorum	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Uvis Balinskis	Steven Santini	40	1	2	2
2	Corey Schueneman	Dakota Mermis	30	1	2	2
3	Michael Karow	Aleksi Heimosalmi	20	1	2	2
4	Uvis Balinskis	Steven Santini	10	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Roby Jarventie	Clark Bishop	Tyler Pitlick	60	1	2	2
2	Samuel Savoie	Aleksanteri Kaskimaki	Samu Tuomaala	40	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Uvis Balinskis	Steven Santini	60	1	2	2
2	Corey Schueneman	Dakota Mermis	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Clark Bishop	Roby Jarventie	60	1	2	2
2	Aleksanteri Kaskimaki	Samuel Savoie	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Uvis Balinskis	Steven Santini	60	1	2	2
2	Corey Schueneman	Dakota Mermis	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Clark Bishop	60	1	2	2	Uvis Balinskis	Steven Santini	60	1	2	2
2	Aleksanteri Kaskimaki	40	1	2	2	Corey Schueneman	Dakota Mermis	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Clark Bishop	Roby Jarventie	60	1	2	2
2	Aleksanteri Kaskimaki	Samuel Savoie	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Uvis Balinskis	Steven Santini	60	1	2	2
2	Corey Schueneman	Dakota Mermis	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Roby Jarventie	Clark Bishop	Tyler Pitlick	Uvis Balinskis	Steven Santini

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Roby Jarventie	Clark Bishop	Tyler Pitlick	Uvis Balinskis	Steven Santini

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Judd Caulfield, Roby Jarventie, Konsta Helenius	Judd Caulfield, Roby Jarventie	Judd Caulfield

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Dakota Mermis, Michael Karow, Aleksi Heimosalmi	Dakota Mermis	Dakota Mermis, Michael Karow

Tirs de pénalité
Tyler Pitlick, Clark Bishop, Aleksanteri Kaskimaki, Samu Tuomaala, Judd Caulfield

Gardien
#1 : Chris Driedger, #2 :

Lignes d’attaque personnalisées en prolongation
Tyler Pitlick, Clark Bishop, Aleksanteri Kaskimaki, Samu Tuomaala, Judd Caulfield, Roby Jarventie, Konsta Helenius, Samuel Savoie, Felix Unger Sorum, Eetu Liukas

Lignes de défense personnalisées en prolongation
Uvis Balinskis, Steven Santini, Corey Schueneman, Dakota Mermis, Michael Karow

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	Americans	4	2	2	0	0	0	0	0	8	9	-1	2	1	1	0	0	0	0	0	3	5	-2	2	1	1	0	0	0	0	0	5	4	1	4	0.500	8	14	22	0	1	120	97	97	8	71	701	716	779	24	59	27	73	71	22	2	9.09%	34	5	85.29%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
2	Admirals	4	3	1	0	0	0	0	0	14	11	3	2	2	0	0	0	0	0	0	6	3	3	2	1	1	0	0	0	0	0	8	8	0	6	0.750	14	26	40	0	0	120	97	97	8	113	701	716	779	24	79	10	67	105	13	2	15.38%	26	6	76.92%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
3	Barracuda	2	1	1	0	0	0	0	0	6	7	-1	1	1	0	0	0	0	0	0	5	4	1	1	0	1	0	0	0	0	0	1	3	-2	2	0.500	6	11	17	0	0	120	97	97	8	41	701	716	779	24	45	9	28	36	6	2	33.33%	12	2	83.33%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
4	Bears	2	2	0	0	0	0	0	0	12	4	8	1	1	0	0	0	0	0	0	6	1	5	1	1	0	0	0	0	0	0	6	3	3	4	1.000	12	23	35	0	0	120	97	97	8	72	701	716	779	24	32	5	27	49	11	2	18.18%	11	1	90.91%	1	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
5	Bruins	2	1	1	0	0	0	0	0	10	9	1	1	0	1	0	0	0	0	0	4	6	-2	1	1	0	0	0	0	0	0	6	3	3	2	0.500	10	18	28	0	0	120	97	97	8	47	701	716	779	24	34	15	32	30	9	2	22.22%	16	2	87.50%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
6	Canucks	2	0	2	0	0	0	0	0	5	9	-4	1	0	1	0	0	0	0	0	3	5	-2	1	0	1	0	0	0	0	0	2	4	-2	0	0.000	5	8	13	0	0	120	97	97	8	32	701	716	779	24	56	15	45	37	11	1	9.09%	20	3	85.00%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
7	Checkers	2	2	0	0	0	0	0	0	7	0	7	1	1	0	0	0	0	0	0	3	0	3	1	1	0	0	0	0	0	0	4	0	4	4	1.000	7	14	21	0	2	120	97	97	8	39	701	716	779	24	28	11	20	38	10	1	10.00%	9	0	100.00%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
8	Comets	2	0	0	0	2	0	0	0	6	4	2	1	0	0	0	1	0	0	0	2	1	1	1	0	0	0	1	0	0	0	4	3	1	4	1.000	6	11	17	0	0	120	97	97	8	67	701	716	779	24	21	6	16	57	7	1	14.29%	7	2	71.43%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
9	Condors	2	2	0	0	0	0	0	0	11	2	9	1	1	0	0	0	0	0	0	8	1	7	1	1	0	0	0	0	0	0	3	1	2	4	1.000	11	22	33	0	0	120	97	97	8	56	701	716	779	24	31	7	22	47	10	2	20.00%	9	1	88.89%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
10	Crunch	2	1	0	0	0	1	0	0	6	6	0	1	1	0	0	0	0	0	0	4	3	1	1	0	0	0	0	1	0	0	2	3	-1	3	0.750	6	12	18	0	0	120	97	97	8	32	701	716	779	24	40	10	26	41	8	2	25.00%	13	2	84.62%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
11	Eagles	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	16	24	0	0	120	97	97	8	44	701	716	779	24	39	13	22	34	12	2	16.67%	11	1	90.91%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
12	Firebirds	5	5	0	0	0	0	0	0	43	4	39	3	3	0	0	0	0	0	0	26	4	22	2	2	0	0	0	0	0	0	17	0	17	10	1.000	43	78	121	0	2	120	97	97	8	258	701	716	779	24	38	10	30	106	10	5	50.00%	15	1	93.33%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
13	Griffins	3	0	0	0	0	1	0	2	3	6	-3	1	0	0	0	0	0	0	1	1	2	-1	2	0	0	0	0	1	0	1	2	4	-2	3	0.500	3	5	8	0	0	120	97	97	8	60	701	716	779	24	41	18	28	57	20	0	0.00%	14	1	92.86%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
14	Gulls	2	2	0	0	0	0	0	0	16	2	14	1	1	0	0	0	0	0	0	7	1	6	1	1	0	0	0	0	0	0	9	1	8	4	1.000	16	27	43	0	0	120	97	97	8	87	701	716	779	24	22	5	18	37	4	2	50.00%	9	0	100.00%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
15	Ice Hogs	4	4	0	0	0	0	0	0	33	2	31	2	2	0	0	0	0	0	0	17	1	16	2	2	0	0	0	0	0	0	16	1	15	8	1.000	33	64	97	0	2	120	97	97	8	152	701	716	779	24	40	12	40	72	6	2	33.33%	19	0	100.00%	1	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
16	Islanders	2	2	0	0	0	0	0	0	13	3	10	1	1	0	0	0	0	0	0	7	2	5	1	1	0	0	0	0	0	0	6	1	5	4	1.000	13	24	37	0	0	120	97	97	8	88	701	716	779	24	17	8	20	42	3	1	33.33%	9	1	88.89%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
17	Marlies	2	1	1	0	0	0	0	0	5	7	-2	1	1	0	0	0	0	0	0	4	3	1	1	0	1	0	0	0	0	0	1	4	-3	2	0.500	5	9	14	0	0	120	97	97	8	46	701	716	779	24	26	8	25	35	14	2	14.29%	8	3	62.50%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
18	Monsters	2	1	0	0	0	1	0	0	6	4	2	1	1	0	0	0	0	0	0	4	1	3	1	0	0	0	0	1	0	0	2	3	-1	3	0.750	6	11	17	0	0	120	97	97	8	34	701	716	779	24	49	10	29	34	15	2	13.33%	12	3	75.00%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
19	Penguins	3	2	0	0	1	0	0	0	14	5	9	2	2	0	0	0	0	0	0	10	2	8	1	0	0	0	1	0	0	0	4	3	1	6	1.000	14	24	38	0	0	120	97	97	8	90	701	716	779	24	48	15	26	55	12	2	16.67%	12	2	83.33%	2	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
20	Phantoms	2	0	1	0	0	1	0	0	4	7	-3	1	0	1	0	0	0	0	0	1	3	-2	1	0	0	0	0	1	0	0	3	4	-1	1	0.250	4	8	12	0	0	120	97	97	8	29	701	716	779	24	43	13	34	25	10	1	10.00%	15	4	73.33%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
21	Reign	3	0	3	0	0	0	0	0	1	6	-5	1	0	1	0	0	0	0	0	1	3	-2	2	0	2	0	0	0	0	0	0	3	-3	0	0.000	1	2	3	1	0	120	97	97	8	50	701	716	779	24	54	18	42	71	14	0	0.00%	20	1	95.00%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
22	Roadrunners	2	2	0	0	0	0	0	0	13	6	7	1	1	0	0	0	0	0	0	6	4	2	1	1	0	0	0	0	0	0	7	2	5	4	1.000	13	25	38	0	0	120	97	97	8	68	701	716	779	24	31	5	31	60	5	3	60.00%	11	3	72.73%	2	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
23	Rocket	2	1	0	0	1	0	0	0	5	3	2	1	1	0	0	0	0	0	0	2	1	1	1	0	0	0	1	0	0	0	3	2	1	4	1.000	5	9	14	0	0	120	97	97	8	44	701	716	779	24	28	7	28	42	18	2	11.11%	13	2	84.62%	1	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
24	Senators	2	1	1	0	0	0	0	0	5	5	0	1	1	0	0	0	0	0	0	3	2	1	1	0	1	0	0	0	0	0	2	3	-1	2	0.500	5	9	14	0	0	120	97	97	8	50	701	716	779	24	27	8	12	44	14	2	14.29%	6	0	100.00%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
25	Silver Knights	4	0	4	0	0	0	0	0	4	16	-12	2	0	2	0	0	0	0	0	3	9	-6	2	0	2	0	0	0	0	0	1	7	-6	0	0.000	4	6	10	0	0	120	97	97	8	83	701	716	779	24	87	30	61	68	18	0	0.00%	27	6	77.78%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
26	Stars	4	3	1	0	0	0	0	0	19	11	8	2	1	1	0	0	0	0	0	10	4	6	2	2	0	0	0	0	0	0	9	7	2	6	0.750	19	33	52	0	0	120	97	97	8	115	701	716	779	24	98	32	58	112	12	1	8.33%	27	6	77.78%	1	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
27	Thunderbirds	4	3	0	0	0	0	1	0	24	3	21	2	2	0	0	0	0	0	0	13	1	12	2	1	0	0	0	0	1	0	11	2	9	8	1.000	24	44	68	0	2	120	97	97	8	162	701	716	779	24	53	10	36	82	6	2	33.33%	18	1	94.44%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
28	Wild	4	0	3	0	0	1	0	0	7	13	-6	2	0	1	0	0	1	0	0	4	7	-3	2	0	2	0	0	0	0	0	3	6	-3	1	0.125	7	10	17	0	0	120	97	97	8	76	701	716	779	24	92	32	62	81	25	1	4.00%	30	7	76.67%	1	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
29	Wolf Pack	2	2	0	0	0	0	0	0	6	2	4	1	1	0	0	0	0	0	0	3	1	2	1	1	0	0	0	0	0	0	3	1	2	4	1.000	6	12	18	0	0	120	97	97	8	48	701	716	779	24	39	11	27	36	14	2	14.29%	11	1	90.91%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
30	Wolves	2	0	2	0	0	0	0	0	1	6	-5	1	0	1	0	0	0	0	0	1	3	-2	1	0	1	0	0	0	0	0	0	3	-3	0	0.000	1	2	3	0	0	120	97	97	8	29	701	716	779	24	38	20	57	30	8	0	0.00%	18	5	72.22%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
31	Wranglers	2	0	2	0	0	0	0	0	4	13	-9	1	0	1	0	0	0	0	0	4	8	-4	1	0	1	0	0	0	0	0	0	5	-5	0	0.000	4	7	11	0	0	120	97	97	8	28	701	716	779	24	56	12	27	29	7	1	14.29%	11	3	72.73%	0	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
	Total	82	45	25	0	4	5	1	2	319	190	129	41	27	11	0	1	1	0	1	175	94	81	41	18	14	0	3	4	1	1	144	96	48	107	0.652	319	584	903	1	9	120	97	97	8	2211	701	716	779	24	1391	412	1069	1663	354	50	14.12%	473	75	84.14%	9	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
	_Since Last GM Reset	82	45	25	0	4	5	1	2	319	190	129	41	27	11	0	1	1	0	1	175	94	81	41	18	14	0	3	4	1	1	144	96	48	107	0.652	319	584	903	1	9	120	97	97	8	2211	701	716	779	24	1391	412	1069	1663	354	50	14.12%	473	75	84.14%	9	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
	_Vs Conference	48	29	17	0	0	1	1	0	211	110	101	24	16	7	0	0	1	0	0	117	58	59	24	13	10	0	0	0	1	0	94	52	42	61	0.635	211	385	596	1	7	120	97	97	8	1404	701	716	779	24	824	232	617	1011	170	27	15.88%	279	43	84.59%	5	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531
	_Vs Division	24	20	11	0	0	1	1	0	118	51	67	12	11	5	0	0	1	0	0	60	23	37	12	9	6	0	0	0	1	0	58	28	30	43	0.896	118	218	336	0	4	120	97	97	8	730	701	716	779	24	432	114	316	546	79	13	16.46%	142	24	83.10%	5	1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%	2455	1827	1544	511	956	531

			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	W4	319	584	903	2211	1391	412	1069	1663	1	9

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
82	45	25	4	5	1	2	319	190

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	27	11	1	1	0	1	175	94

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
41	18	14	3	4	1	1	144	96

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
8	1	0	1	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
354	50	14.12%	473	75	84.14%	9

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
701	716	779	24	120	97	97	8

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
1460	2239	65.21%	1104	1811	60.96%	799	1186	67.37%

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
2455	1827	1544	511	956	531

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	12	Firebirds	1	Moose	10	W			Sommaire du match
4	28	Moose	11	Firebirds	0	W			Sommaire du match
6	43	Moose	3	Thunderbirds	2	W	X	X	Sommaire du match
8	56	Ice Hogs	1	Moose	10	W			Sommaire du match
10	75	Moose	7	Ice Hogs	0	W			Sommaire du match
12	87	Penguins	1	Moose	7	W			Sommaire du match
15	107	Stars	1	Moose	8	W			Sommaire du match
17	118	Moose	4	Stars	3	W			Sommaire du match
19	136	Moose	3	Wild	4	L			Sommaire du match
21	151	Admirals	1	Moose	3	W			Sommaire du match
24	172	Moose	0	Reign	2	L			Sommaire du match
26	187	Wild	4	Moose	3	L	X		Sommaire du match
28	200	Americans	4	Moose	1	L			Sommaire du match
30	210	Moose	3	Americans	0	W			Sommaire du match
33	235	Silver Knights	6	Moose	2	L			Sommaire du match
35	248	Moose	1	Silver Knights	5	L			Sommaire du match
37	263	Moose	6	Bruins	3	W			Sommaire du match
39	277	Wolves	3	Moose	1	L			Sommaire du match
41	292	Moose	0	Silver Knights	2	L			Sommaire du match
43	307	Wranglers	8	Moose	4	L			Sommaire du match
46	328	Moose	1	Marlies	4	L			Sommaire du match
47	342	Islanders	2	Moose	7	W			Sommaire du match
50	363	Americans	1	Moose	2	W			Sommaire du match
54	388	Eagles	3	Moose	4	W			Sommaire du match
56	401	Moose	4	Checkers	0	W			Sommaire du match
58	421	Condors	1	Moose	8	W			Sommaire du match
60	438	Moose	2	Canucks	4	L			Sommaire du match
62	449	Moose	2	Crunch	3	L	X		Sommaire du match
63	461	Reign	3	Moose	1	L			Sommaire du match
67	485	Canucks	5	Moose	3	L			Sommaire du match
69	500	Moose	1	Griffins	2	L	X	X	Sommaire du match
71	518	Monsters	1	Moose	4	W			Sommaire du match
74	536	Moose	3	Wolf Pack	1	W			Sommaire du match
76	549	Ice Hogs	0	Moose	7	W			Sommaire du match
78	564	Moose	2	Americans	4	L			Sommaire du match
80	580	Moose	3	Rocket	2	W	X		Sommaire du match
81	589	Phantoms	3	Moose	1	L			Sommaire du match
84	611	Moose	6	Bears	3	W			Sommaire du match
86	622	Griffins	2	Moose	1	L	X	X	Sommaire du match
88	634	Moose	0	Reign	1	L			Sommaire du match
90	650	Marlies	3	Moose	4	W			Sommaire du match
92	668	Moose	0	Wild	2	L			Sommaire du match
94	683	Checkers	0	Moose	3	W			Sommaire du match
96	698	Moose	4	Penguins	3	W	X		Sommaire du match
98	714	Admirals	2	Moose	3	W			Sommaire du match
101	740	Moose	5	Stars	4	W			Sommaire du match
102	749	Wild	3	Moose	1	L			Sommaire du match
106	774	Roadrunners	4	Moose	6	W			Sommaire du match
108	786	Moose	0	Wolves	3	L			Sommaire du match
110	805	Comets	1	Moose	2	W	X		Sommaire du match
112	816	Moose	7	Roadrunners	2	W			Sommaire du match
114	832	Moose	8	Thunderbirds	0	W			Sommaire du match
116	842	Silver Knights	3	Moose	1	L			Sommaire du match
119	867	Moose	6	Firebirds	0	W			Sommaire du match
121	877	Gulls	1	Moose	7	W			Sommaire du match
123	889	Moose	3	Condors	1	W			Sommaire du match
125	905	Senators	2	Moose	3	W			Sommaire du match
127	923	Moose	4	Comets	3	W	X		Sommaire du match
129	934	Moose	1	Barracuda	3	L			Sommaire du match
130	944	Wolf Pack	1	Moose	3	W			Sommaire du match
133	967	Bruins	6	Moose	4	L			Sommaire du match
135	977	Moose	0	Wranglers	5	L			Sommaire du match
138	1001	Moose	1	Griffins	2	L	X		Sommaire du match
139	1008	Stars	3	Moose	2	L			Sommaire du match
143	1034	Crunch	3	Moose	4	W			Sommaire du match
144	1041	Moose	3	Admirals	5	L			Sommaire du match
148	1066	Thunderbirds	0	Moose	7	W			Sommaire du match
151	1095	Rocket	1	Moose	2	W			Sommaire du match
153	1107	Moose	6	Islanders	1	W			Sommaire du match
156	1127	Penguins	1	Moose	3	W			Sommaire du match
158	1143	Moose	2	Monsters	3	L	X		Sommaire du match
160	1160	Barracuda	4	Moose	5	W			Sommaire du match
161	1165	Moose	2	Senators	3	L			Sommaire du match
164	1191	Thunderbirds	1	Moose	6	W			Sommaire du match
165	1196	Moose	5	Admirals	3	W			Sommaire du match
169	1223	Bears	1	Moose	6	W			Sommaire du match
170	1230	Moose	9	Gulls	1	W			Sommaire du match
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
173	1253	Moose	3	Phantoms	4	L	X		Sommaire du match
174	1260	Firebirds	1	Moose	7	W			Sommaire du match
175	1268	Moose	4	Eagles	2	W			Sommaire du match
178	1289	Firebirds	2	Moose	9	W			Sommaire du match
180	1303	Moose	9	Ice Hogs	1	W			Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	33	0
Assistance	81,692	38,318
Assistance PCT	99.62%	93.46%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	2927 - 97.57%	65,752$	2,695,836$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Plafond Salariale total des joueurs	Salaire des entraineurs
2,580,285$	1,612,450$	1,612,450$	925,000$0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
8,763$	1,655,317$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	0	13,790$	0$

Moose 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

Moose 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

Moose 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

Moose 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

Moose 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

	Moose
	GP: 82 \| W: 50 \| L: 25 \| OTL: 7 \| P: 107 GF: 319 \| GA: 190 \| PP%: 14.12% \| PK%: 84.14% DG: Mika \| Morale : 50 \| Moyenne d’équipe : 59