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

Centre de jeu
	Monsters 41-32-7, 89pts	3	FINAL	2	Wolves 49-21-10, 108pts

Team Stats
OTL1	Streak	L1
23-13-4	Home Record	27-9-4
18-19-3	Away Record	22-12-6
4-4-2	Last 10 Games	6-2-2
4.00	Buts par match	4.45
4.10	Buts contre par match	3.66
22.60%	Pourcentage en avantage numérique	22.05%
79.94%	Pourcentage en désavantage numérique	79.93%

Admirals
34-39-7, 75pts

FINAL

Monsters
41-32-7, 89pts

Team Stats
OTW1	Streak	OTL1
17-20-3	Home Record	23-13-4
17-19-4	Away Record	18-19-3
3-6-1	Last 10 Games	4-4-2
4.05	Buts par match	4.00
4.65	Buts contre par match	4.10
19.75%	Pourcentage en avantage numérique	22.60%
78.26%	Pourcentage en désavantage numérique	79.94%

Meneurs d'équipe
	Buts Matt Calvert 54	Passes Christian Hanson 74

	Points Christian Hanson 103	Plus/Moins Ondrej Kase 11

	Victoires Eric Comrie 27	Pourcentage d’arrêts Eric Comrie 0.893

Statistiques d’équipe
Buts pour 320 4.00 GFG	Tirs pour 2616 32.70 Avg	Pourcentage en avantage numérique 22.6% 73 GF	Début de zone offensive 37.0%
Buts contre 328 4.10 GAA	Tirs contre 2713 33.91 Avg	Pourcentage en désavantage numérique 79.9% 65 GA	Début de la zone défensive 35.3%

Informations de l'équipe
	Directeur général	Francois Juteau
	Entraîneur	Tony Twist
	Division	John-Ahearne
	Conférence	Robert-Lebel
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	2,814
	Billets de saison	300
Informations de la formation
	Équipe Pro	26
	Équipe Mineure	23
	Limite contact	49 / 250
	Espoirs	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	SP	Âge	Contrat	Salaire
1	Zac Dalpe	X				100.00	74	35	77	75	68	77	77	76	75	77	66	68	78	67	61	33	24	71	0	27	2	950,000$
2	Matt Calvert		X			100.00	68	25	76	74	73	81	73	71	65	65	79	62	73	66	59	35	48	70	0	27	1	950,000$
3	Christian Hanson	X				100.00	67	33	79	67	79	69	68	63	75	77	71	60	69	75	62	19	64	69	0	30	1	900,000$
4	Ondrej Kase (R)			X		100.00	73	48	83	71	69	68	73	68	69	76	70	66	73	47	43	60	62	69	0	20	3	800,000$
5	Mitch Marner (R)			X		100.00	65	36	82	68	58	77	74	72	88	88	71	49	64	42	42	84	62	68	0	19	1	500,000$
6	Bobby Farnham			X		100.00	76	69	67	66	78	63	80	65	65	67	65	63	68	69	68	30	62	67	0	27	1	600,000$
7	Jared Knight (R)	X				100.00	66	21	72	63	71	72	74	67	70	72	71	63	66	49	47	37	45	66	0	24	2	700,000$
8	Austin Watson (R)		X			100.00	72	28	78	65	69	69	71	67	68	63	68	60	65	48	48	37	62	65	0	24	1	600,000$
9	Joakim Nordstrom (R)		X			100.00	81	45	63	65	70	64	75	68	59	67	67	58	56	47	48	40	62	64	0	24	2	500,000$
10	Ryan Fitzgerald (R)	X				100.00	65	43	77	63	68	67	66	72	72	60	67	60	65	45	47	49	52	64	0	22	1	550,000$
11	Richard Nejezchleb (R)			X		100.00	54	46	70	62	65	67	62	61	65	63	72	54	57	46	45	40	54	62	0	22	1	500,000$
12	Marc Michaelis (R)		X			100.00	69	39	69	65	59	69	58	63	63	66	63	64	57	46	46	62	25	62	0	21	2	500,000$
13	Maxim Mamin (R)	X				100.00	58	34	74	69	56	65	68	65	66	61	64	56	61	44	44	54	49	61	0	21	1	500,000$
14	Patrik Laine (R)		X			100.00	59	28	73	71	70	71	66	68	54	54	76	38	70	40	40	93	62	61	0	18	2	500,000$
15	Francis Perron (R)		X			100.00	56	35	67	57	42	54	67	66	69	74	65	36	58	42	42	56	47	58	0	20	1	525,000$
16	Cameron Hughes (R)	X				100.00	51	27	64	50	63	58	57	55	56	51	48	42	48	43	43	59	27	51	0	20	1	500,000$
17	Morgan Rielly (R)				X	100.00	72	32	89	68	68	76	77	70	54	78	71	67	64	55	46	57	62	70	0	22	3	995,000$
18	Aaron Ness (R)				X	100.00	69	38	73	72	69	75	73	71	49	74	71	69	61	57	51	32	65	69	0	26	1	600,000$
19	Dillon Heatherington (R)				X	100.00	67	24	84	64	66	69	73	59	45	63	51	80	53	45	44	50	62	66	0	21	1	500,000$
20	Matt Grzelcyk (R)				X	100.00	64	26	69	78	58	63	68	71	43	72	49	67	54	46	46	48	58	64	0	22	2	700,000$
21	Victor Mete (R)				X	100.00	45	36	70	74	55	56	68	72	35	71	57	59	44	40	40	80	42	59	0	18	2	500,000$
22	Tarmo Reunanen (R)				X	100.00	53	41	67	58	60	46	56	53	27	60	47	60	49	40	40	64	62	56	0	18	2	500,000$
Rayé
1	Nathan Noel (R)	X				100.00	62	37	71	48	76	72	64	53	64	73	68	48	61	45	47	50	27	60	0	21	2	500,000$

	MOYENNE D’ÉQUIPE					100.00	65	36	74	66	66	67	69	66	61	68	65	59	61	50	48	51	52	64

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
1	Eric Comrie	100.00	69	81	69	73	73	73	70	74	77	73	57	48	44	55	45	71	0	21	2	700,000$
2	Phoenix Copley	100.00	70	60	65	73	72	62	52	67	73	62	68	54	53	32	60	65	0	24	1	500,000$
Rayé
1	Peyton Jones (R)	100.00	54	63	59	52	58	56	62	50	55	60	54	40	40	68	17	56	0	20	2	500,000$

	MOYENNE D’ÉQUIPE	100.00	64	68	64	66	68	64	61	64	68	65	60	47	46	52	41	64

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
Tony Twist	76	56	69	70	33	56	63	USA	52	4	550,000$

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	GA	TA	EG	HT	P/20	PSG	PSS	FW	FT	S1	S2	S3
1	Christian Hanson	Monsters (Clb)	C	80	29	74	103	5	34	0	154	169	262	81	135	11.07%	39	1712	21.40	6	30	36	46	258	0	2	2	7	196	3	0	52.14%	2154	42	41	0	0	1.20	2	8	0	0	1	7	2
2	Ondrej Kase	Monsters (Clb)	RW	80	37	62	99	11	32	0	141	107	292	88	183	12.67%	39	1615	20.20	12	23	35	60	254	2	0	2	9	132	5	2	44.44%	144	60	52	1	0	1.23	2	5	0	0	6	7	8
3	Matt Calvert	Monsters (Clb)	LW	69	54	43	97	10	44	0	116	90	286	69	135	18.88%	44	1478	21.43	15	15	30	43	221	2	1	3	10	225	4	4	51.01%	347	51	25	0	3	1.31	4	9	0	0	11	4	2
4	Mitch Marner	Monsters (Clb)	RW	80	35	39	74	-15	30	0	113	91	241	98	152	14.52%	36	1386	17.33	13	8	21	32	221	0	1	1	2	55	6	3	64.10%	78	55	20	0	2	1.07	1	5	0	0	4	4	3
5	Aaron Ness	Monsters (Clb)	D	80	9	62	71	2	123	5	146	174	162	59	84	5.56%	103	2209	27.62	3	15	18	22	291	1	3	4	8	263	0	0	0.00%	0	61	79	1	0	0.64	0	0	1	0	2	2	2
6	Morgan Rielly	Monsters (Clb)	D	80	12	50	62	4	10	0	98	153	164	62	79	7.32%	142	2255	28.19	7	13	20	33	290	0	3	3	5	306	1	1	0.00%	0	45	75	2	0	0.55	0	0	0	0	3	3	2
7	Austin Watson	Monsters (Clb)	LW	80	26	19	45	-13	22	0	101	77	123	38	72	21.14%	21	1147	14.34	4	6	10	16	175	0	1	1	1	89	4	2	41.67%	48	13	23	0	0	0.78	0	1	0	0	1	1	4
8	Bobby Farnham	Monsters (Clb)	RW	80	11	26	37	1	40	0	94	75	136	41	101	8.09%	22	917	11.47	1	1	2	1	8	1	0	1	2	10	3	0	57.14%	35	27	16	0	0	0.81	0	3	0	0	2	3	0
9	Jared Knight	Monsters (Clb)	C	72	12	21	33	-8	38	0	114	110	126	40	66	9.52%	28	1042	14.47	1	2	3	9	138	0	0	0	0	51	4	2	49.84%	626	22	17	0	0	0.63	0	1	0	0	1	1	0
10	Joakim Nordstrom	Monsters (Clb)	LW	80	19	13	32	-2	52	0	122	73	152	45	71	12.50%	15	950	11.88	0	0	0	1	15	0	0	0	0	55	1	1	53.19%	47	22	15	0	0	0.67	0	0	0	0	0	2	1
11	Ryan Fitzgerald	Monsters (Clb)	C	80	16	14	30	7	10	0	85	75	100	28	71	16.00%	17	889	11.12	0	2	2	3	40	0	0	0	0	48	1	1	53.38%	547	15	19	0	0	0.67	0	0	0	0	1	0	1
12	Dillon Heatherington	Monsters (Clb)	D	80	8	20	28	-5	4	0	61	126	74	42	29	10.81%	84	1636	20.45	6	2	8	12	177	0	0	0	1	216	0	2	0.00%	0	10	50	0	0	0.34	0	0	0	0	1	0	2
13	Matt Grzelcyk	Monsters (Clb)	D	80	1	25	26	-7	89	5	98	107	85	35	34	1.18%	72	1603	20.05	0	3	3	7	187	0	0	0	2	182	0	1	0.00%	0	27	52	0	0	0.32	0	0	0	0	0	0	1
14	Zac Dalpe	Monsters (Clb)	C	23	5	14	19	4	25	5	24	23	34	15	32	14.71%	5	202	8.79	1	7	8	8	39	0	0	0	0	31	2	0	50.99%	302	5	5	0	0	1.88	0	1	0	1	1	1	2
15	Maxim Mamin	Monsters (Clb)	C	70	8	10	18	-20	12	0	36	38	53	18	43	15.09%	11	548	7.84	0	0	0	0	5	0	0	0	0	17	1	1	46.60%	191	13	10	0	0	0.66	0	0	0	0	0	1	0
16	Patrik Laine	Monsters (Clb)	LW	80	12	6	18	-4	28	0	60	35	83	24	58	14.46%	14	743	9.30	3	0	3	7	69	0	0	0	2	12	0	1	45.07%	71	17	9	0	1	0.48	1	3	0	0	1	1	3
17	Richard Nejezchleb	Monsters (Clb)	RW	76	7	7	14	-18	46	10	55	39	73	27	38	9.59%	19	691	9.10	0	0	0	0	1	0	0	0	0	0	0	1	35.71%	14	22	14	0	0	0.40	0	0	0	1	1	0	0
18	Tarmo Reunanen	Monsters (Clb)	D	80	0	14	14	-13	42	0	34	55	25	13	13	0.00%	65	1016	12.71	0	0	0	0	4	0	0	0	1	61	0	0	0.00%	0	2	28	0	0	0.28	0	0	0	0	0	0	0
19	Marc Michaelis	Monsters (Clb)	LW	51	4	4	8	-6	2	0	36	10	44	10	20	9.09%	11	295	5.79	0	0	0	0	0	0	0	0	0	0	0	0	40.00%	10	6	4	0	0	0.54	0	0	0	0	0	0	1
20	Victor Mete	Monsters (Clb)	D	55	1	6	7	-5	18	0	10	48	25	17	15	4.00%	36	667	12.14	0	0	0	1	8	0	0	0	0	5	0	0	0.00%	0	8	15	0	0	0.21	0	1	0	0	0	0	0
21	Francis Perron	Monsters (Clb)	LW	69	4	0	4	-1	0	0	10	2	15	5	14	26.67%	1	163	2.37	1	0	1	1	6	1	0	1	1	36	0	0	27.78%	18	1	0	0	0	0.49	0	0	0	0	1	0	0
22	Nathan Noel	Monsters (Clb)	C	52	0	1	1	-6	2	0	13	5	8	6	6	0.00%	1	155	3.00	0	0	0	0	3	0	0	0	0	1	0	0	46.81%	47	0	4	0	0	0.13	0	0	0	0	0	0	0
23	Cameron Hughes	Monsters (Clb)	C	52	0	0	0	1	0	0	2	1	0	0	0	0.00%	0	62	1.21	0	0	0	0	0	0	0	0	0	37	0	0	66.67%	9	0	0	0	0	0.00	0	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				1629	310	530	840	-78	703	25	1723	1683	2563	861	1451	12.10%	825	23394	14.36	73	127	200	302	2422	7	11	18	51	2040	35	22	51.19%	4688	524	573	4	6	0.72	10	37	1	2	37	37	34

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	GA	SA	SAR	A	EG	PS %	PSA	ST	BG	S1	S2
1	Eric Comrie	Monsters (Clb)	49	27	13	5	0.893	3.60	2684	2	161	1509	784	3	1	0.750	20	45	16	5	3
2	Phoenix Copley	Monsters (Clb)	41	14	16	2	0.868	4.35	2043	0	148	1124	599	1	1	0.588	17	35	43	1	2
3	Peyton Jones	Monsters (Clb)	4	0	3	0	0.846	6.05	119	0	12	78	47	1	0	0.000	0	0	21	0	0
Statistiques d’équipe totales ou en moyenne			94	41	32	7	0.882	3.97	4846	2	321	2711	1430	5	2	0.676	37	80	80	6	5

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

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

Nom du joueur	Nom de l’équipe	POS	Âge	Date de naissance	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
Aaron Ness	Monsters (Clb)	D	26	1990-01-01	Yes	182 Lbs	5 ft10	No	No	No	1	Pro & Farm	600,000$	0$	0$	No
Austin Watson	Monsters (Clb)	LW	24	1992-01-01	Yes	193 Lbs	6 ft4	No	No	No	1	Pro & Farm	600,000$	0$	0$	No
Bobby Farnham	Monsters (Clb)	RW	27	1989-01-01	No	188 Lbs	5 ft10	No	No	No	1	Pro & Farm	600,000$	0$	0$	No
Cameron Hughes	Monsters (Clb)	C	20	1996-01-01	Yes	195 Lbs	5 ft11	No	No	No	1	Pro & Farm	500,000$	0$	0$	No
Christian Hanson	Monsters (Clb)	C	30	1986-01-01	No	202 Lbs	6 ft3	No	No	No	1	Pro & Farm	900,000$	0$	0$	No
Dillon Heatherington	Monsters (Clb)	D	21	1995-01-01	Yes	185 Lbs	6 ft4	No	No	No	1	Pro & Farm	500,000$	0$	0$	No
Eric Comrie	Monsters (Clb)	G	21	1995-01-01	No	185 Lbs	6 ft1	No	No	No	2	Pro & Farm	700,000$	0$	0$	No	800,000$
Francis Perron	Monsters (Clb)	LW	20	1996-01-01	Yes	178 Lbs	6 ft2	No	No	No	1	Pro & Farm	525,000$	0$	0$	No
Jared Knight	Monsters (Clb)	C	24	1992-01-01	Yes	203 Lbs	5 ft11	No	No	No	2	Pro & Farm	700,000$	0$	0$	No	700,000$
Joakim Nordstrom	Monsters (Clb)	LW	24	1992-01-01	Yes	189 Lbs	6 ft1	No	No	No	2	Pro & Farm	500,000$	0$	0$	No	600,000$
Marc Michaelis	Monsters (Clb)	LW	21	1995-01-01	Yes	187 Lbs	5 ft11	No	No	No	2	Pro & Farm	500,000$	0$	0$	No	500,000$
Matt Calvert	Monsters (Clb)	LW	27	1989-01-01	No	187 Lbs	5 ft10	No	No	No	1	Pro & Farm	950,000$	0$	0$	No
Matt Grzelcyk	Monsters (Clb)	D	22	1994-01-01	Yes	171 Lbs	5 ft9	No	No	No	2	Pro & Farm	700,000$	0$	0$	No	800,000$
Maxim Mamin	Monsters (Clb)	C	21	1995-01-01	Yes	185 Lbs	6 ft1	No	No	No	1	Pro & Farm	500,000$	0$	0$	No
Mitch Marner	Monsters (Clb)	RW	19	1997-01-01	Yes	175 Lbs	6 ft0	No	No	No	1	Pro & Farm	500,000$	0$	0$	No
Morgan Rielly	Monsters (Clb)	D	22	1994-01-01	Yes	200 Lbs	6 ft0	No	No	No	3	Pro & Farm	995,000$	0$	0$	No	1,300,000$	1,800,000$
Nathan Noel	Monsters (Clb)	C	21	1995-01-01	Yes	209 Lbs	6 ft2	No	No	No	2	Pro & Farm	500,000$	0$	0$	No	500,000$
Ondrej Kase	Monsters (Clb)	RW	20	1996-01-01	Yes	186 Lbs	5 ft11	No	No	No	3	Pro & Farm	800,000$	0$	0$	No	995,000$	1,300,000$
Patrik Laine	Monsters (Clb)	LW	18	1998-01-01	Yes	205 Lbs	6 ft4	No	No	No	2	Pro & Farm	500,000$	0$	0$	No	500,000$
Peyton Jones	Monsters (Clb)	G	20	1996-01-01	Yes	209 Lbs	6 ft4	No	No	No	2	Pro & Farm	500,000$	0$	0$	No	500,000$
Phoenix Copley	Monsters (Clb)	G	24	1992-01-01	No	196 Lbs	6 ft4	No	No	No	1	Pro & Farm	500,000$	0$	0$	No
Richard Nejezchleb	Monsters (Clb)	RW	22	1994-01-01	Yes	187 Lbs	5 ft11	No	No	No	1	Pro & Farm	500,000$	0$	0$	No
Ryan Fitzgerald	Monsters (Clb)	C	22	1994-01-01	Yes	185 Lbs	5 ft10	No	No	No	1	Pro & Farm	550,000$	0$	0$	No
Tarmo Reunanen	Monsters (Clb)	D	18	1998-01-01	Yes	179 Lbs	6 ft0	No	No	No	2	Pro & Farm	500,000$	0$	0$	No	500,000$
Victor Mete	Monsters (Clb)	D	18	1998-01-01	Yes	183 Lbs	5 ft9	No	No	No	2	Pro & Farm	500,000$	0$	0$	No	500,000$
Zac Dalpe	Monsters (Clb)	C	27	1989-01-01	No	195 Lbs	6 ft1	No	No	No	2	Pro & Farm	950,000$	0$	0$	No	950,000$

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
26	22.27	190 Lbs	6 ft0	1.58	618,077$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Patrik Laine	Christian Hanson	Mitch Marner	40	1	2	2
2	Matt Calvert	Jared Knight	Ondrej Kase	30	1	2	2
3	Joakim Nordstrom	Ryan Fitzgerald	Bobby Farnham	20	1	2	2
4	Austin Watson	Maxim Mamin	Richard Nejezchleb	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Morgan Rielly	Aaron Ness	40	1	2	2
2	Dillon Heatherington	Matt Grzelcyk	30	1	2	2
3	Victor Mete	Tarmo Reunanen	20	1	2	2
4	Morgan Rielly	Aaron Ness	10	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Matt Calvert	Christian Hanson	Mitch Marner	60	1	2	2
2	Patrik Laine	Jared Knight	Ondrej Kase	40	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Morgan Rielly	Aaron Ness	60	1	2	2
2	Dillon Heatherington	Matt Grzelcyk	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Ryan Fitzgerald	Matt Calvert	60	1	2	2
2	Christian Hanson	Ondrej Kase	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Morgan Rielly	Aaron Ness	60	1	2	2
2	Dillon Heatherington	Matt Grzelcyk	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Christian Hanson	60	1	2	2	Morgan Rielly	Aaron Ness	60	1	2	2
2	Matt Calvert	40	1	2	2	Dillon Heatherington	Matt Grzelcyk	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Christian Hanson	Mitch Marner	60	1	2	2
2	Jared Knight	Ondrej Kase	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Morgan Rielly	Aaron Ness	60	1	2	2
2	Dillon Heatherington	Matt Grzelcyk	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Matt Calvert	Christian Hanson	Ondrej Kase	Morgan Rielly	Aaron Ness

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Matt Calvert	Jared Knight	Ondrej Kase	Morgan Rielly	Aaron Ness

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Mitch Marner, Matt Calvert, Ondrej Kase	Maxim Mamin, Jared Knight	Jared Knight

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Victor Mete, Tarmo Reunanen, Dillon Heatherington	Victor Mete	Tarmo Reunanen, Dillon Heatherington

Tirs de pénalité
Mitch Marner, Matt Calvert, Christian Hanson, Ondrej Kase, Patrik Laine

Gardien
#1 : Eric Comrie, #2 : Phoenix Copley

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	6	3	2	0	0	1	0	0	21	23	-2	3	0	2	0	0	1	0	0	6	12	-6	3	3	0	0	0	0	0	0	15	11	4	7	0.583	21	39	60	1	0	89	114	112	12	166	826	874	901	52	191	63	85	142	32	3	9.38%	36	8	77.78%	1	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
2	Barracuda	3	2	0	0	0	0	0	1	10	6	4	2	2	0	0	0	0	0	0	8	3	5	1	0	0	0	0	0	0	1	2	3	-1	5	0.833	10	17	27	0	0	89	114	112	12	106	826	874	901	52	91	32	22	57	12	3	25.00%	11	2	81.82%	1	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
3	Bears	2	2	0	0	0	0	0	0	12	8	4	1	1	0	0	0	0	0	0	6	4	2	1	1	0	0	0	0	0	0	6	4	2	4	1.000	12	19	31	0	0	89	114	112	12	70	826	874	901	52	71	28	10	37	3	1	33.33%	5	1	80.00%	1	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
4	Comets	2	0	2	0	0	0	0	0	4	7	-3	1	0	1	0	0	0	0	0	2	3	-1	1	0	1	0	0	0	0	0	2	4	-2	0	0.000	4	6	10	0	0	89	114	112	12	81	826	874	901	52	81	20	24	31	2	0	0.00%	12	3	75.00%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
5	Condors	3	0	3	0	0	0	0	0	11	23	-12	2	0	2	0	0	0	0	0	8	18	-10	1	0	1	0	0	0	0	0	3	5	-2	0	0.000	11	16	27	0	0	89	114	112	12	110	826	874	901	52	99	38	24	59	11	2	18.18%	12	4	66.67%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
6	Crunch	2	0	1	0	0	0	1	0	9	10	-1	1	0	0	0	0	0	1	0	6	5	1	1	0	1	0	0	0	0	0	3	5	-2	2	0.500	9	15	24	1	0	89	114	112	12	73	826	874	901	52	70	20	25	42	9	3	33.33%	7	2	71.43%	1	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
7	Devils	2	2	0	0	0	0	0	0	6	3	3	1	1	0	0	0	0	0	0	2	1	1	1	1	0	0	0	0	0	0	4	2	2	4	1.000	6	10	16	0	0	89	114	112	12	71	826	874	901	52	69	27	10	38	8	2	25.00%	5	0	100.00%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
8	Eagles	2	0	2	0	0	0	0	0	4	10	-6	1	0	1	0	0	0	0	0	3	4	-1	1	0	1	0	0	0	0	0	1	6	-5	0	0.000	4	7	11	0	0	89	114	112	12	56	826	874	901	52	63	21	10	43	10	0	0.00%	5	0	100.00%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
9	Griffins	3	2	1	0	0	0	0	0	9	9	0	2	1	1	0	0	0	0	0	6	8	-2	1	1	0	0	0	0	0	0	3	1	2	4	0.667	9	15	24	0	0	89	114	112	12	98	826	874	901	52	92	33	22	69	9	1	11.11%	12	2	83.33%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
10	Heat	5	1	3	0	0	0	1	0	17	19	-2	2	1	1	0	0	0	0	0	8	8	0	3	0	2	0	0	0	1	0	9	11	-2	4	0.400	17	27	44	0	0	89	114	112	12	165	826	874	901	52	181	58	32	103	16	3	18.75%	16	6	62.50%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
11	Icehogs	6	3	2	0	1	0	0	0	19	14	5	3	2	0	0	1	0	0	0	11	5	6	3	1	2	0	0	0	0	0	8	9	-1	8	0.667	19	34	53	0	0	89	114	112	12	179	826	874	901	52	211	46	78	141	29	7	24.14%	39	4	89.74%	2	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
12	Little Stars	2	1	1	0	0	0	0	0	11	10	1	1	0	1	0	0	0	0	0	5	7	-2	1	1	0	0	0	0	0	0	6	3	3	2	0.500	11	18	29	0	0	89	114	112	12	61	826	874	901	52	63	17	14	49	8	1	12.50%	7	1	85.71%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
13	Marlies	3	1	1	0	0	0	0	1	12	14	-2	1	0	0	0	0	0	0	1	4	5	-1	2	1	1	0	0	0	0	0	8	9	-1	3	0.500	12	22	34	0	0	89	114	112	12	110	826	874	901	52	111	27	22	74	18	5	27.78%	11	3	72.73%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
14	Moose	3	0	2	0	0	0	1	0	13	17	-4	1	0	0	0	0	0	1	0	4	3	1	2	0	2	0	0	0	0	0	9	14	-5	2	0.333	13	20	33	0	0	89	114	112	12	106	826	874	901	52	98	34	18	52	17	2	11.76%	9	1	88.89%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
15	Penguins	4	2	1	0	0	0	0	1	21	21	0	1	1	0	0	0	0	0	0	6	4	2	3	1	1	0	0	0	0	1	15	17	-2	5	0.625	21	37	58	0	0	89	114	112	12	119	826	874	901	52	136	35	30	87	16	5	31.25%	15	3	80.00%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
16	Phantoms	3	1	2	0	0	0	0	0	11	16	-5	2	1	1	0	0	0	0	0	10	10	0	1	0	1	0	0	0	0	0	1	6	-5	2	0.333	11	19	30	0	0	89	114	112	12	86	826	874	901	52	115	34	40	68	15	3	20.00%	10	2	80.00%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
17	Punishers	5	3	2	0	0	0	0	0	17	16	1	3	3	0	0	0	0	0	0	15	9	6	2	0	2	0	0	0	0	0	2	7	-5	6	0.600	17	28	45	0	0	89	114	112	12	154	826	874	901	52	148	57	24	131	20	6	30.00%	12	1	91.67%	1	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
18	Rampage	2	2	0	0	0	0	0	0	12	8	4	1	1	0	0	0	0	0	0	5	2	3	1	1	0	0	0	0	0	0	7	6	1	4	1.000	12	24	36	0	0	89	114	112	12	79	826	874	901	52	65	11	14	37	11	4	36.36%	7	2	71.43%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
19	Reign	3	1	2	0	0	0	0	0	10	17	-7	2	1	1	0	0	0	0	0	8	11	-3	1	0	1	0	0	0	0	0	2	6	-4	2	0.333	10	17	27	0	0	89	114	112	12	96	826	874	901	52	95	45	26	52	8	1	12.50%	12	3	75.00%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
20	Rocket	4	2	2	0	0	0	0	0	14	12	2	2	1	1	0	0	0	0	0	8	6	2	2	1	1	0	0	0	0	0	6	6	0	4	0.500	14	21	35	0	0	89	114	112	12	127	826	874	901	52	137	33	48	95	14	5	35.71%	24	3	87.50%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
21	Senators	6	4	1	0	0	0	0	1	29	24	5	3	2	0	0	0	0	0	1	15	11	4	3	2	1	0	0	0	0	0	14	13	1	9	0.750	29	50	79	0	0	89	114	112	12	197	826	874	901	52	185	66	69	149	16	3	18.75%	27	8	70.37%	1	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
22	Sound Tigers	2	1	1	0	0	0	0	0	12	13	-1	1	1	0	0	0	0	0	0	8	6	2	1	0	1	0	0	0	0	0	4	7	-3	2	0.500	12	21	33	0	0	89	114	112	12	71	826	874	901	52	78	19	14	50	11	2	18.18%	7	5	28.57%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
23	Thunderbirds	3	2	0	0	0	0	0	1	15	9	6	1	0	0	0	0	0	0	1	3	4	-1	2	2	0	0	0	0	0	0	12	5	7	5	0.833	15	23	38	0	0	89	114	112	12	101	826	874	901	52	112	36	14	58	15	5	33.33%	7	0	100.00%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
24	Wolfpack	2	0	1	0	0	1	0	0	11	14	-3	1	0	1	0	0	0	0	0	5	7	-2	1	0	0	0	0	1	0	0	6	7	-1	1	0.250	11	17	28	0	0	89	114	112	12	66	826	874	901	52	74	19	10	39	8	5	62.50%	5	0	100.00%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
25	Wolves	2	1	0	0	0	0	1	0	10	5	5	1	1	0	0	0	0	0	0	7	3	4	1	0	0	0	0	0	1	0	3	2	1	4	1.000	10	15	25	0	0	89	114	112	12	68	826	874	901	52	77	13	22	41	5	1	20.00%	11	1	90.91%	0	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
	Total	80	36	32	0	1	2	4	5	320	328	-8	40	20	13	0	1	1	2	3	169	159	10	40	16	19	0	0	1	2	2	151	169	-18	89	0.556	320	537	857	2	0	89	114	112	12	2616	826	874	901	52	2713	832	707	1744	323	73	22.60%	324	65	79.94%	8	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
	_Since Last GM Reset	80	36	32	0	1	2	4	5	320	328	-8	40	20	13	0	1	1	2	3	169	159	10	40	16	19	0	0	1	2	2	151	169	-18	89	0.556	320	537	857	2	0	89	114	112	12	2616	826	874	901	52	2713	832	707	1744	323	73	22.60%	324	65	79.94%	8	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
	_Vs Conference	48	20	21	0	1	1	2	3	176	194	-18	25	11	9	0	1	1	1	2	96	100	-4	23	9	12	0	0	0	1	1	80	94	-14	50	0.521	176	297	473	1	0	89	114	112	12	1546	826	874	901	52	1606	509	486	1061	197	38	19.29%	219	46	79.00%	5	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717
	_Vs Division	18	10	5	0	1	1	0	1	69	61	8	9	4	2	0	1	1	0	1	32	28	4	9	6	3	0	0	0	0	0	37	33	4	24	0.667	69	123	192	1	0	89	114	112	12	542	826	874	901	52	587	175	232	432	77	13	16.88%	102	20	80.39%	4	922	1816	50.77%	905	1734	52.19%	697	1360	51.25%	1672	913	1713	765	1463	717

			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
80	89	OTL1	320	537	857	2616	2713	832	707	1744	2	0

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
80	36	32	1	2	4	5	320	328

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
40	20	13	1	1	2	3	169	159

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
40	16	19	0	1	2	2	151	169

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
3	4	0	1	1	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
323	73	22.60%	324	65	79.94%	8

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
826	874	901	52	89	114	112	12

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
922	1816	50.77%	905	1734	52.19%	697	1360	51.25%

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
1672	913	1713	765	1463	717

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
4 - 2021-12-03	15	Icehogs	2	Monsters	5	BW			Sommaire du match
6 - 2021-12-05	24	Monsters	4	Icehogs	3	AW			Sommaire du match
7 - 2021-12-06	29	Monsters	4	Admirals	3	AW			Sommaire du match
10 - 2021-12-09	46	Senators	5	Monsters	4	BL	X	X	Sommaire du match
13 - 2021-12-12	63	Rocket	2	Monsters	5	BW			Sommaire du match
15 - 2021-12-14	70	Monsters	6	Penguins	5	AW			Sommaire du match
16 - 2021-12-15	80	Monsters	5	Senators	1	AW			Sommaire du match
19 - 2021-12-18	90	Monsters	3	Penguins	5	AL			Sommaire du match
21 - 2021-12-20	98	Admirals	3	Monsters	1	BL			Sommaire du match
24 - 2021-12-23	118	Senators	3	Monsters	6	BW			Sommaire du match
25 - 2021-12-24	122	Monsters	3	Heat	2	AW	X	X	Sommaire du match
29 - 2021-12-28	145	Punishers	4	Monsters	6	BW			Sommaire du match
33 - 2022-01-01	167	Monsters	4	Rocket	5	AL			Sommaire du match
35 - 2022-01-03	174	Punishers	3	Monsters	5	BW			Sommaire du match
37 - 2022-01-05	190	Phantoms	7	Monsters	4	BL			Sommaire du match
40 - 2022-01-08	209	Monsters	4	Sound Tigers	7	AL			Sommaire du match
41 - 2022-01-09	217	Monsters	3	Crunch	5	AL			Sommaire du match
43 - 2022-01-11	227	Eagles	4	Monsters	3	BL			Sommaire du match
46 - 2022-01-14	243	Moose	3	Monsters	4	BW	X	X	Sommaire du match
47 - 2022-01-15	253	Monsters	1	Punishers	4	AL			Sommaire du match
50 - 2022-01-18	264	Monsters	1	Eagles	6	AL			Sommaire du match
53 - 2022-01-21	278	Little Stars	7	Monsters	5	BL			Sommaire du match
56 - 2022-01-24	297	Wolfpack	7	Monsters	5	BL			Sommaire du match
59 - 2022-01-27	310	Monsters	2	Marlies	6	AL			Sommaire du match
61 - 2022-01-29	323	Marlies	5	Monsters	4	BL	X	X	Sommaire du match
63 - 2022-01-31	335	Monsters	6	Marlies	3	AW			Sommaire du match
66 - 2022-02-03	351	Barracuda	2	Monsters	5	BW			Sommaire du match
69 - 2022-02-06	365	Monsters	3	Condors	5	AL			Sommaire du match
71 - 2022-02-08	377	Reign	8	Monsters	3	BL			Sommaire du match
73 - 2022-02-10	390	Monsters	4	Moose	6	AL			Sommaire du match
76 - 2022-02-13	402	Monsters	2	Icehogs	3	AL			Sommaire du match
77 - 2022-02-14	409	Wolves	3	Monsters	7	BW			Sommaire du match
81 - 2022-02-18	428	Punishers	2	Monsters	4	BW			Sommaire du match
85 - 2022-02-22	446	Monsters	2	Rocket	1	AW			Sommaire du match
86 - 2022-02-23	454	Thunderbirds	4	Monsters	3	BL	X	X	Sommaire du match
90 - 2022-02-27	475	Reign	3	Monsters	5	BW			Sommaire du match
94 - 2022-03-03	498	Griffins	7	Monsters	3	BL			Sommaire du match
96 - 2022-03-05	505	Monsters	4	Devils	2	AW			Sommaire du match
98 - 2022-03-07	515	Monsters	2	Icehogs	3	AL			Sommaire du match
100 - 2022-03-09	526	Bears	4	Monsters	6	BW			Sommaire du match
106 - 2022-03-15	551	Griffins	1	Monsters	3	BW			Sommaire du match
111 - 2022-03-20	575	Senators	3	Monsters	5	BW			Sommaire du match
116 - 2022-03-25	601	Rampage	2	Monsters	5	BW			Sommaire du match
118 - 2022-03-27	607	Monsters	6	Thunderbirds	3	AW			Sommaire du match
121 - 2022-03-30	623	Monsters	4	Senators	8	AL			Sommaire du match
122 - 2022-03-31	629	Penguins	4	Monsters	6	BW			Sommaire du match
125 - 2022-04-03	647	Monsters	1	Phantoms	6	AL			Sommaire du match
126 - 2022-04-04	654	Devils	1	Monsters	2	BW			Sommaire du match
129 - 2022-04-07	673	Monsters	6	Penguins	7	AL	X	X	Sommaire du match
130 - 2022-04-08	679	Crunch	5	Monsters	6	BW	X	X	Sommaire du match
132 - 2022-04-10	692	Monsters	6	Bears	4	AW			Sommaire du match
134 - 2022-04-12	704	Monsters	2	Comets	4	AL			Sommaire du match
135 - 2022-04-13	708	Heat	5	Monsters	3	BL			Sommaire du match
140 - 2022-04-18	732	Comets	3	Monsters	2	BL			Sommaire du match
142 - 2022-04-20	747	Monsters	7	Rampage	6	AW			Sommaire du match
144 - 2022-04-22	758	Phantoms	3	Monsters	6	BW			Sommaire du match
146 - 2022-04-24	765	Monsters	3	Griffins	1	AW			Sommaire du match
148 - 2022-04-26	779	Monsters	6	Wolfpack	7	AL	X		Sommaire du match
149 - 2022-04-27	785	Icehogs	1	Monsters	3	BW			Sommaire du match
154 - 2022-05-02	810	Rocket	4	Monsters	3	BL			Sommaire du match
156 - 2022-05-04	823	Monsters	6	Little Stars	3	AW			Sommaire du match
157 - 2022-05-05	832	Monsters	5	Moose	8	AL			Sommaire du match
158 - 2022-05-06	837	Icehogs	2	Monsters	3	BW	X		Sommaire du match
Date limite d’échanges --- Les échanges ne peuvent plus se faire après la simulation de cette journée!
162 - 2022-05-10	860	Heat	3	Monsters	5	BW			Sommaire du match
163 - 2022-05-11	866	Monsters	1	Punishers	3	AL			Sommaire du match
165 - 2022-05-13	874	Monsters	2	Heat	4	AL			Sommaire du match
167 - 2022-05-15	887	Monsters	4	Admirals	3	AW			Sommaire du match
168 - 2022-05-16	891	Sound Tigers	6	Monsters	8	BW			Sommaire du match
173 - 2022-05-21	912	Monsters	5	Senators	4	AW			Sommaire du match
174 - 2022-05-22	918	Admirals	4	Monsters	1	BL			Sommaire du match
176 - 2022-05-24	928	Monsters	4	Heat	5	AL			Sommaire du match
178 - 2022-05-26	938	Monsters	6	Thunderbirds	2	AW			Sommaire du match
179 - 2022-05-27	942	Monsters	7	Admirals	5	AW			Sommaire du match
181 - 2022-05-29	953	Barracuda	1	Monsters	3	BW			Sommaire du match
183 - 2022-05-31	966	Monsters	2	Barracuda	3	AL	X	X	Sommaire du match
186 - 2022-06-03	981	Condors	9	Monsters	2	BL			Sommaire du match
187 - 2022-06-04	984	Monsters	2	Reign	6	AL			Sommaire du match
191 - 2022-06-08	1002	Condors	9	Monsters	6	BL			Sommaire du match
192 - 2022-06-09	1007	Monsters	3	Wolves	2	AW	X	X	Sommaire du match
198 - 2022-06-15	1033	Admirals	5	Monsters	4	BL	X		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	75,383	37,189
Assistance PCT	94.23%	92.97%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	2814 - 93.81%	83,901$	3,356,052$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
2,095,985$	1,607,000$	1,125,000$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
8,035$	1,535,735$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	0	10,785$	0$

Monsters 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

Monsters 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

Monsters 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

Monsters 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

Monsters 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

	Monsters
	GP: 80 \| W: 41 \| L: 32 \| OTL: 7 \| P: 89 GF: 320 \| GA: 328 \| PP%: 22.60% \| PK%: 79.94% DG: Francois Juteau \| Morale : 42 \| Moyenne d’équipe : 64