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

Centre de jeu
	Chicoutimi Sagueneens 6-4-0, 12pts	7	FINAL	12	Chicago Wolves 7-3-0, 14pts

Team Stats
L2	Streak	W2
4-1-0	Home Record	5-0-0
2-3-0	Away Record	2-3-0
6-4-0	Last 10 Games	7-3-0
6.70	Buts par match	5.90
5.80	Buts contre par match	5.20
37.14%	Pourcentage en avantage numérique	32.14%
68.97%	Pourcentage en désavantage numérique	61.90%

Chicago Wolves
7-3-0, 14pts

FINAL

Bridgeport Sound Tigers
4-5-1, 9pts

Team Stats
W2	Streak	SOL1
5-0-0	Home Record	3-2-0
2-3-0	Away Record	1-3-1
7-3-0	Last 10 Games	4-5-1
5.90	Buts par match	5.80
5.20	Buts contre par match	5.10
32.14%	Pourcentage en avantage numérique	45.45%
61.90%	Pourcentage en désavantage numérique	70.97%

Meneurs d'équipe
	Buts C.J. Suess 10	Passes Valtteri Puustinen 13

	Points C.J. Suess 20	Plus/Moins Dean Stewart 9

	Victoires Nico Daws 7	Pourcentage d’arrêts Nico Daws 0.883

Statistiques d’équipe
Buts pour 59 5.90 GFG	Tirs pour 431 43.10 Avg	Pourcentage en avantage numérique 32.1% 9 GF	Début de zone offensive 34.7%
Buts contre 52 5.20 GAA	Tirs contre 378 37.80 Avg	Pourcentage en désavantage numérique 61.9% 8 GA	Début de la zone défensive 31.8%

Informations de l'équipe
	Directeur général	Camil Costandi
	Entraîneur	Nolan Pratt
	Division	Marcel Dionne
	Conférence	Conference 1
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	0
	Billets de saison	300
Informations de la formation
	Équipe Pro	25
	Équipe Mineure	21
	Limite contact	46 / 50
	Espoirs	29
Historique d'équipe
	Saison actuelle	7-3-0 (14PTS)
	Historique	85-128-20 (0.365%)
	Apparitions en séries éliminatoires	2
	Historique en séries éliminatoires (W-L)	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	SP	Âge	Contrat	Salaire
1	Marco Rossi (R)	0	X				100.00	69	64	79	77	64	60	60	64	80	64	60	62	57	44	44	64	50	60	0	20	1	700,000$
2	C.J. Suess	0		X			100.00	75	69	89	66	69	65	66	61	50	56	61	64	58	44	44	63	50	59	0	28	1	775,000$
3	Valtteri Puustinen (R)	0		X	X		100.00	73	64	93	65	64	62	63	61	50	56	62	63	59	44	44	64	50	58	0	23	1	700,000$
4	Cole Smith (R)	0		X			100.00	91	46	99	65	74	53	71	55	26	50	55	74	25	44	44	63	50	58	0	26	1	750,000$
5	Jackson Cates (R)	0	X	X			100.00	63	41	99	67	70	54	56	57	69	50	59	70	25	45	45	61	50	57	0	24	1	700,000$
6	Hudson Fasching	0			X		100.00	80	44	99	65	74	55	62	55	25	50	55	67	75	55	55	61	50	57	0	26	1	750,000$
7	William Lockwood (R)	0			X		100.00	99	93	80	67	65	59	68	57	25	50	55	65	25	45	45	61	50	57	0	24	1	750,000$
8	Adam Johnson	0	X	X			100.00	70	64	84	62	64	55	57	51	64	50	47	59	45	45	45	54	50	53	0	28	1	800,000$
9	Lukas Rousek (R)	0		X	X		100.00	73	63	96	70	63	40	38	49	50	47	46	60	44	44	44	53	50	51	0	23	1	700,000$
10	Simon Benoit	0				X	100.00	97	70	87	72	74	64	75	56	25	47	47	73	25	50	50	61	50	64	0	23	1	750,000$
11	Calle Rosen	0				X	100.00	61	41	92	70	69	65	69	63	25	62	51	69	25	57	57	62	50	62	0	28	2	762,500$
12	Jordan Harris (R)	0				X	100.00	75	43	77	67	64	69	41	60	25	39	50	70	25	44	44	58	50	58	0	21	1	700,000$
13	Cavan Fitzgerald	0				X	100.00	77	71	91	65	71	58	61	47	25	36	41	64	39	54	54	53	50	57	0	25	1	750,000$
14	Dean Stewart (R)	0				X	100.00	80	75	93	70	75	40	38	52	25	49	41	64	39	44	44	54	50	56	0	24	1	700,000$
15	Linus Hogberg (R)	0				X	100.00	74	66	91	65	66	65	70	46	25	37	39	60	37	44	44	52	50	56	0	23	1	750,000$
16	Oskari Laaksonen (R)	0				X	100.00	70	65	82	63	65	64	67	53	25	50	41	59	39	44	44	54	50	56	0	22	1	925,000$
17	Jakub Galvas (R)	0				X	100.00	69	60	91	64	60	58	60	50	25	46	40	58	38	44	44	52	50	54	0	23	1	700,000$
Rayé
1	Mitchell Stephens	0	X				100.00	71	43	90	72	69	59	51	55	79	67	55	77	25	53	53	64	50	60	0	25	1	750,000$
2	Adam Helewka	0		X			100.00	80	76	89	68	76	54	54	58	50	56	56	66	53	44	44	61	50	58	0	26	0	0$
3	Doyle Somerby	0				X	100.00	82	85	76	62	85	56	59	47	25	38	39	66	37	52	52	52	50	58	0	27	0	0$
4	Ian McCoshen	0				X	100.00	78	80	72	60	80	54	57	46	25	37	39	63	37	50	50	50	50	56	0	26	0	0$

	MOYENNE D’ÉQUIPE						100.00	77	63	88	67	70	58	59	54	39	49	49	65	40	47	47	58	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
1	Nico Daws (R)	100.00	63	47	47	83	69	56	69	63	65	62	78	46	46	62	50	61	0	21	1	700,000$
2	Kyle Keyser (R)	100.00	54	41	51	69	58	55	53	58	57	56	30	44	44	54	50	54	0	23	1	733,333$
Rayé
1	Devin Cooley (R)	100.00	47	40	50	83	49	47	50	53	49	49	30	44	44	48	50	51	0	25	1	785,000$
2	Michael McNiven	100.00	44	45	56	76	42	46	50	51	48	48	30	44	44	47	50	50	0	24	0	0$

	MOYENNE D’ÉQUIPE	100.00	52	43	51	78	55	51	56	56	55	54	42	45	45	53	50	54

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
Nolan Pratt	63	76	78	65	70	65	79	CAN	47	1	70,000$

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	PKS	PKM	GW	GT	FO%	FOT	GA	TA	HT	P/20	PSG	PSS	FW	FL	FT	S1	S2	S3
1	C.J. Suess	Chicago Wolves (QUE)	LW	6	10	10	20	8	0	0	9	8	41	15	29	24.39%	2	133	22.27	2	1	3	3	13	1	4	1	0	22.27	4	15	1	2	2.99	0	0	0	0	0	3	0	1
2	Marco Rossi	Chicago Wolves (QUE)	C	6	9	10	19	8	7	5	8	7	45	15	21	20.00%	5	131	21.97	1	2	3	2	12	0	3	1	0	21.97	163	11	4	0	2.88	1	1	0	0	1	1	3	0
3	Valtteri Puustinen	Chicago Wolves (QUE)	LW/RW	8	3	13	16	5	0	0	9	7	54	17	28	5.56%	1	142	17.76	0	3	3	2	12	0	2	0	0	17.76	13	14	3	0	2.25	0	0	0	0	0	0	1	1
4	Hudson Fasching	Chicago Wolves (QUE)	RW	8	9	6	15	5	0	0	8	7	43	12	25	20.93%	6	135	16.89	1	2	3	5	11	0	0	1	2	16.89	7	5	5	1	2.22	0	0	0	0	0	2	0	0
5	Jackson Cates	Chicago Wolves (QUE)	C/LW	8	4	5	9	1	0	0	1	9	21	9	13	19.05%	3	91	11.47	0	0	0	0	1	0	2	0	0	11.47	109	9	0	0	1.96	0	0	0	0	0	0	0	1
6	Calle Rosen	Chicago Wolves (QUE)	D	6	1	5	6	2	5	5	7	7	13	9	4	7.69%	9	141	23.54	0	1	1	0	17	0	3	0	0	0.00%	0	4	6	0	0.85	0	0	1	0	0	0	0	0
7	Simon Benoit	Chicago Wolves (QUE)	D	6	2	4	6	3	10	10	13	8	19	9	7	10.53%	15	162	27.07	1	0	1	1	16	0	3	0	0	0.00%	0	3	5	0	0.74	0	0	0	1	1	0	0	0
8	Cavan Fitzgerald	Chicago Wolves (QUE)	D	10	0	6	6	-2	0	0	2	11	15	10	7	0.00%	13	161	16.15	0	1	1	0	8	0	3	0	0	0.00%	0	3	8	0	0.74	0	0	0	0	0	0	0	0
9	Cole Smith	Chicago Wolves (QUE)	LW	10	3	3	6	1	0	0	11	6	25	9	14	12.00%	3	113	11.40	0	0	0	2	2	0	1	0	1	11.40	13	5	2	0	1.05	0	0	0	0	0	0	1	0
10	William Lockwood	Chicago Wolves (QUE)	RW	8	2	4	6	1	10	10	12	5	16	2	10	12.50%	3	82	10.26	0	0	0	0	0	0	0	0	0	10.26	7	5	2	0	1.46	0	0	1	1	0	0	1	0
11	Jordan Harris	Chicago Wolves (QUE)	D	8	2	3	5	-2	2	0	13	13	13	6	8	15.38%	12	147	18.43	1	0	1	1	8	0	3	1	0	0.00%	0	1	13	0	0.68	0	0	0	0	0	0	0	0
12	Adam Johnson	Chicago Wolves (QUE)	C/LW	8	1	1	2	-1	0	0	3	5	10	4	11	10.00%	3	66	8.26	0	0	0	0	0	0	0	0	0	8.26	22	2	1	0	0.61	0	0	0	0	0	0	0	1
13	Lukas Rousek	Chicago Wolves (QUE)	LW/RW	8	1	1	2	0	0	0	2	3	9	6	7	11.11%	2	64	8.02	0	0	0	0	0	0	0	1	0	8.02	2	7	1	0	0.62	0	0	0	0	0	0	0	0
14	Dean Stewart	Chicago Wolves (QUE)	D	8	0	2	2	9	5	5	5	4	8	5	3	0.00%	2	104	13.07	0	0	0	0	0	0	1	0	0	0.00%	0	0	3	0	0.38	0	0	0	0	1	0	0	0
15	Linus Hogberg	Chicago Wolves (QUE)	D	8	0	2	2	6	2	0	5	3	4	3	5	0.00%	4	103	12.93	0	0	0	0	1	0	1	0	0	0.00%	0	2	0	0	0.39	0	0	0	0	0	0	0	0
16	Mitchell Stephens	Chicago Wolves (QUE)	C	1	0	0	0	0	2	0	2	1	3	0	0	0.00%	1	7	7.07	0	0	0	0	0	0	0	0	0	7.07	11	0	0	0	0.00%	0	0	0	0	0	0	0	0
17	Oskari Laaksonen	Chicago Wolves (QUE)	D	8	0	0	0	2	0	0	4	0	1	0	0	0.00%	2	39	4.98	0	0	0	0	0	0	0	0	0	0.00%	0	0	0	0	0.00%	0	0	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				125	47	75	122	46	43	35	114	104	340	131	192	13.82%	86	1828	14.62	6	10	16	16	107	1	32	5	3	57.26%	351	86	54	3	1.33	1	1	2	2	3	6	6	4

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	SAR	A	EG	PS %	PSA	ST	BG	S1	S2	S3
1	Nico Daws	Chicago Wolves (QUE)	8	7	1	0	0.883	4.34	484	0	0	35	299	180	0	1	1.000	3	8	0	0	0	1
Statistiques d’équipe totales ou en moyenne			8	7	1	0	0.883	4.34	484	0	0	35	299	180	0	1		3	8	0	0	0	1

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

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

Nom du joueur	Nom de l’équipe	POS	Âge	Date de naissance	Nouveau joueur	Poids	Taille	Non-échange	Disponible pour échange	Ballotage forcé	Contrat	Type	Salaire actuel	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Link
Adam Helewka	Chicago Wolves (QUE)	LW	26	1995-07-21	No	205 Lbs	6 ft2	No	No	No	0	Pro & Farm		0$	0$	No		Lien / Lien NHL
Adam Johnson	Chicago Wolves (QUE)	C/LW	28	1994-06-22	No	174 Lbs	6 ft0	No	No	No	1	Pro & Farm	800,000$	0$	0$	No		Lien / Lien NHL
C.J. Suess	Chicago Wolves (QUE)	LW	28	1994-03-16	No	190 Lbs	5 ft11	No	No	No	1	Pro & Farm	775,000$	0$	0$	No		Lien
Calle Rosen	Chicago Wolves (QUE)	D	28	1994-02-01	No	186 Lbs	6 ft1	No	No	No	2	Pro & Farm	762,500$	0$	0$	No	762,500$	Lien / Lien NHL
Cavan Fitzgerald	Chicago Wolves (QUE)	D	25	1996-08-23	No	190 Lbs	6 ft1	No	No	No	1	Pro & Farm	750,000$	0$	0$	No		Lien / Lien NHL
Cole Smith	Chicago Wolves (QUE)	LW	26	1995-10-28	Yes	195 Lbs	6 ft3	No	No	No	1	Pro & Farm	750,000$	0$	0$	No		Lien / Lien NHL
Dean Stewart	Chicago Wolves (QUE)	D	24	1998-06-12	Yes	201 Lbs	6 ft2	No	No	No	1	Pro & Farm	700,000$	0$	0$	No
Devin Cooley	Chicago Wolves (QUE)	G	25	1997-05-24	Yes	192 Lbs	6 ft5	No	No	No	1	Pro & Farm	785,000$	0$	0$	No		Lien / Lien NHL
Doyle Somerby	Chicago Wolves (QUE)	D	27	1994-07-04	No	223 Lbs	6 ft6	No	No	No	0	Pro & Farm		0$	0$	No		Lien / Lien NHL
Hudson Fasching	Chicago Wolves (QUE)	RW	26	1995-07-28	No	204 Lbs	6 ft1	No	No	No	1	Pro & Farm	750,000$	0$	0$	No		Lien / Lien NHL
Ian McCoshen	Chicago Wolves (QUE)	D	26	1995-08-05	No	218 Lbs	6 ft3	No	No	No	0	Pro & Farm		0$	0$	No		Lien / Lien NHL
Jackson Cates	Chicago Wolves (QUE)	C/LW	24	1997-09-26	Yes	190 Lbs	6 ft0	No	No	No	1	Pro & Farm	700,000$	0$	0$	No		Lien
Jakub Galvas	Chicago Wolves (QUE)	D	23	1999-06-15	Yes	161 Lbs	5 ft11	No	No	No	1	Pro & Farm	700,000$	0$	0$	No
Jordan Harris	Chicago Wolves (QUE)	D	21	2000-07-07	Yes	179 Lbs	5 ft11	No	No	No	1	Pro & Farm	700,000$	0$	0$	No
Kyle Keyser	Chicago Wolves (QUE)	G	23	1999-03-08	Yes	178 Lbs	6 ft2	No	No	No	1	Pro & Farm	733,333$	0$	0$	No		Lien / Lien NHL
Linus Hogberg	Chicago Wolves (QUE)	D	23	1998-09-04	Yes	176 Lbs	6 ft1	No	No	No	1	Pro & Farm	750,000$	0$	0$	No		Lien / Lien NHL
Lukas Rousek	Chicago Wolves (QUE)	LW/RW	23	1999-04-20	Yes	172 Lbs	5 ft11	No	No	No	1	Pro & Farm	700,000$	0$	0$	No
Marco Rossi	Chicago Wolves (QUE)	C	20	2001-09-23	Yes	183 Lbs	5 ft9	No	No	No	1	Pro & Farm	700,000$	0$	0$	No
Michael McNiven	Chicago Wolves (QUE)	G	24	1997-07-08	No	203 Lbs	6 ft1	No	No	No	0	Pro & Farm		0$	0$	No		Lien / Lien NHL
Mitchell Stephens	Chicago Wolves (QUE)	C	25	1997-02-05	No	190 Lbs	5 ft11	No	No	No	1	Pro & Farm	750,000$	0$	0$	No		Lien / Lien NHL
Nico Daws	Chicago Wolves (QUE)	G	21	2000-12-22	Yes	203 Lbs	6 ft4	No	No	No	1	Pro & Farm	700,000$	0$	0$	No
Oskari Laaksonen	Chicago Wolves (QUE)	D	22	1999-07-02	Yes	172 Lbs	6 ft1	No	No	No	1	Pro & Farm	925,000$	0$	0$	No		Lien / Lien NHL
Simon Benoit	Chicago Wolves (QUE)	D	23	1998-09-19	No	191 Lbs	6 ft3	No	No	No	1	Pro & Farm	750,000$	0$	0$	No		Lien / Lien NHL
Valtteri Puustinen	Chicago Wolves (QUE)	LW/RW	23	1999-06-04	Yes	183 Lbs	5 ft9	No	No	No	1	Pro & Farm	700,000$	0$	0$	No
William Lockwood	Chicago Wolves (QUE)	RW	24	1998-06-20	Yes	172 Lbs	5 ft11	No	No	No	1	Pro & Farm	750,000$	0$	0$	No		Lien / Lien NHL

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
25	24.32	189 Lbs	6 ft1	0.88	625,233$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1				40	1	2	2
2	Valtteri Puustinen		Hudson Fasching	30	1	2	2
3	Cole Smith	Jackson Cates	William Lockwood	20	1	2	2
4	Lukas Rousek	Adam Johnson		10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1			40	1	2	2
2	Jordan Harris	Cavan Fitzgerald	30	1	2	2
3	Dean Stewart	Linus Hogberg	20	1	2	2
4	Oskari Laaksonen		10	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1				60	1	2	2
2	Valtteri Puustinen		Hudson Fasching	40	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1			60	1	2	2
2	Jordan Harris	Cavan Fitzgerald	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1			60	1	2	2
2		Valtteri Puustinen	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1			60	1	2	2
2	Jordan Harris	Cavan Fitzgerald	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1		60	1	2	2			60	1	2	2
2		40	1	2	2	Jordan Harris	Cavan Fitzgerald	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1			60	1	2	2
2		Valtteri Puustinen	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1			60	1	2	2
2	Jordan Harris	Cavan Fitzgerald	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Valtteri Puustinen, Cole Smith, Hudson Fasching	Valtteri Puustinen, Cole Smith	Valtteri Puustinen

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Dean Stewart, Linus Hogberg, Oskari Laaksonen	Dean Stewart	Dean Stewart, Linus Hogberg

Tirs de pénalité
, , , , Valtteri Puustinen

Gardien
#1 : , #2 : Kyle Keyser

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	Binghampton Senators	1	0	1	0	0	0	0	0	2	7	-5	0	0	0	0	0	0	0	0	0	0	0	1	0	1	0	0	0	0	0	2	7	-5	0	0.000	2	4	6	0	0	16	30	12	1	19	149	159	123	2	42	9	10	8	2	1	50.00%	5	1	80.00%	0	111	221	50.23%	87	202	43.07%	97	213	45.54%	220	138	215	89	169	80
2	Bridgeport Sound Tigers	2	2	0	0	0	0	0	0	11	5	6	1	1	0	0	0	0	0	0	6	1	5	1	1	0	0	0	0	0	0	5	4	1	4	1.000	11	16	27	0	0	16	30	12	1	87	149	159	123	2	73	28	19	31	4	1	25.00%	2	1	50.00%	0	111	221	50.23%	87	202	43.07%	97	213	45.54%	220	138	215	89	169	80
3	Chicoutimi Sagueneens	2	1	1	0	0	0	0	0	17	16	1	1	1	0	0	0	0	0	0	12	7	5	1	0	1	0	0	0	0	0	5	9	-4	2	0.500	17	30	47	0	0	16	30	12	1	89	149	159	123	2	73	24	21	35	8	2	25.00%	8	4	50.00%	0	111	221	50.23%	87	202	43.07%	97	213	45.54%	220	138	215	89	169	80
4	Grand Rapids Griffins	2	1	0	0	0	0	1	0	16	12	4	1	0	0	0	0	0	1	0	7	6	1	1	1	0	0	0	0	0	0	9	6	3	4	1.000	16	27	43	0	0	16	30	12	1	103	149	159	123	2	79	24	7	48	8	4	50.00%	1	1	0.00%	0	111	221	50.23%	87	202	43.07%	97	213	45.54%	220	138	215	89	169	80
5	London Knights	1	1	0	0	0	0	0	0	4	2	2	1	1	0	0	0	0	0	0	4	2	2	0	0	0	0	0	0	0	0	0	0	0	2	1.000	4	8	12	0	0	16	30	12	1	28	149	159	123	2	35	11	6	18	2	0	0.00%	3	1	66.67%	0	111	221	50.23%	87	202	43.07%	97	213	45.54%	220	138	215	89	169	80
6	Philadelphia Phantoms	2	1	1	0	0	0	0	0	9	10	-1	1	1	0	0	0	0	0	0	5	4	1	1	0	1	0	0	0	0	0	4	6	-2	2	0.500	9	17	26	1	0	16	30	12	1	105	149	159	123	2	76	26	14	31	4	1	25.00%	2	0	100.00%	0	111	221	50.23%	87	202	43.07%	97	213	45.54%	220	138	215	89	169	80
	Total	10	6	3	0	0	0	1	0	59	52	7	5	4	0	0	0	0	1	0	34	20	14	5	2	3	0	0	0	0	0	25	32	-7	14	0.700	59	102	161	1	0	16	30	12	1	431	149	159	123	2	378	122	77	171	28	9	32.14%	21	8	61.90%	0	111	221	50.23%	87	202	43.07%	97	213	45.54%	220	138	215	89	169	80
	_Since Last GM Reset	10	6	3	0	0	0	1	0	59	52	7	5	4	0	0	0	0	1	0	34	20	14	5	2	3	0	0	0	0	0	25	32	-7	14	0.700	59	102	161	1	0	16	30	12	1	431	149	159	123	2	378	122	77	171	28	9	32.14%	21	8	61.90%	0	111	221	50.23%	87	202	43.07%	97	213	45.54%	220	138	215	89	169	80
	_Vs Conference	8	5	2	0	0	0	1	0	53	43	10	4	3	0	0	0	0	1	0	30	18	12	4	2	2	0	0	0	0	0	23	25	-2	12	0.750	53	90	143	1	0	16	30	12	1	384	149	159	123	2	301	102	61	145	24	8	33.33%	13	6	53.85%	0	111	221	50.23%	87	202	43.07%	97	213	45.54%	220	138	215	89	169	80

			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
10	14	W2	59	102	161	431	378	122	77	171	1	0

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
10	6	3	0	0	1	0	59	52

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
5	4	0	0	0	1	0	34	20

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
5	2	3	0	0	0	0	25	32

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
6	3	0	0	1	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
28	9	32.14%	21	8	61.90%	0

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
149	159	123	2	16	30	12	1

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
111	221	50.23%	87	202	43.07%	97	213	45.54%

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
220	138	215	89	169	80

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
1 - 2022-09-25	8	Chicago Wolves	5	Chicoutimi Sagueneens	9	AL			Sommaire du match
2 - 2022-09-26	14	Chicago Wolves	2	Binghampton Senators	7	AL			Sommaire du match
3 - 2022-09-27	32	Bridgeport Sound Tigers	1	Chicago Wolves	6	BW			Sommaire du match
5 - 2022-09-29	50	Philadelphia Phantoms	4	Chicago Wolves	5	BW			Sommaire du match
7 - 2022-10-01	70	London Knights	2	Chicago Wolves	4	BW			Sommaire du match
8 - 2022-10-02	86	Chicago Wolves	9	Grand Rapids Griffins	6	AW			Sommaire du match
9 - 2022-10-03	100	Chicago Wolves	4	Philadelphia Phantoms	6	AL			Sommaire du match
12 - 2022-10-06	121	Grand Rapids Griffins	6	Chicago Wolves	7	BW	X	X	Sommaire du match
13 - 2022-10-07	137	Chicoutimi Sagueneens	7	Chicago Wolves	12	BW			Sommaire du match
14 - 2022-10-08	140	Chicago Wolves	5	Bridgeport Sound Tigers	4	AW			Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	25	10
Assistance	0	0
Assistance PCT	0.00%	0.00%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
0	0 - 0.00%	0$	0$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
0$	1,563,083$	1,556,833$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
0$	0$	0	0

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

Chicago Wolves 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	PKP	PKS	GW	GT	FO%	HT	P/20	PSG	PSS
1	Adam Johnson	338	245	346	591	-84	470	496	704	1685	14.54%	311	8096	23.95	53	138	191	159	4	4	22	23	0	56.42	15	1.46	5	24
2	Morgan Klimchuk	328	200	240	440	32	292	512	440	1168	17.12%	208	6116	18.65	60	68	128	144	0	0	8	24	12	41.43	8	1.44	0	0
3	Patrick Brown	304	144	240	384	-92	288	508	560	888	16.22%	228	6096	20.05	40	60	100	96	8	8	8	12	8	49.52	8	1.26	8	12
4	Vitali Kravtsov	328	188	192	380	36	188	424	468	984	19.11%	160	5737	17.49	56	24	80	128	0	0	0	28	16	39.34	8	1.32	0	0
5	C.J. Smith	200	135	204	339	-134	203	292	573	847	15.94%	225	4986	24.93	34	57	91	87	0	0	9	4	8	42.97	4	1.36	4	16

Chicago Wolves Leaders des statistiques des gardiens (saison régulière)

Afficher ou masquer des colonnes

#	Nom du gardien	GP	W	L	OTL	PCT	GAA	MP	PIM	GA	SA	SAR	A	EG	PS %	PSA
1	Pat Nagle	212	96	80	24	0.892	4.20	12339	0	864	8004	4404	20	16	0.250	16
2	Kyle Keyser	149	44	73	22	0.872	5.04	7958	16	669	5238	3210	11	0	0.549	51
3	Michael McNiven	35	10	14	3	0.868	5.03	1812	4	152	1155	676	3	1	0.500	8
4	David Ayres	12	0	8	0	0.847	6.79	530	0	60	392	264	0	0	0.00%	0

Chicago Wolves 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
Saison régulière
2020	82	30	39	0	2	6	1	4	388	393	-5	41	17	19	0	0	2	0	3	211	203	8	41	13	20	0	2	4	1	1	177	190	-13	76	388	614	1002	5	0	90	158	137	6	2703	755	1018	911	35	3256	1118	1079	1444	214	92	42.99%	205	75	63.41%	5	776	1556	49.87%	889	1829	48.61%	739	1540	47.99%	1557	790	1797	776	1605	821
2020	82	30	39	0	2	6	1	4	388	393	-5	41	17	19	0	0	2	0	3	211	203	8	41	13	20	0	2	4	1	1	177	190	-13	76	388	614	1002	5	0	90	158	137	6	2703	755	1018	911	35	3256	1118	1079	1444	214	92	42.99%	205	75	63.41%	5	776	1556	49.87%	889	1829	48.61%	739	1540	47.99%	1557	790	1797	776	1605	821
2021	78	15	50	0	3	4	1	5	335	467	-132	39	5	26	0	1	3	1	3	155	239	-84	39	10	24	0	2	1	0	2	180	228	-48	47	335	544	879	2	0	69	131	131	6	2870	775	1013	1057	41	2930	991	1563	1551	188	82	43.62%	244	91	62.70%	3	798	1657	48.16%	700	1493	46.89%	748	1538	48.63%	1544	822	1668	749	1510	734
Total Saison régulière	242	75	128	0	7	16	3	13	1111	1253	-142	121	39	64	0	1	7	1	9	577	645	-68	121	36	64	0	6	9	2	4	534	608	-74	199	1111	1772	2883	12	0	249	447	405	18	8276	2285	3049	2879	111	9442	3227	3721	4439	616	266	43.18%	654	241	63.15%	13	2350	4769	49.28%	2478	5151	48.11%	2226	4618	48.20%	4658	2402	5264	2302	4722	2377
Séries éliminatoires
Total Séries éliminatoires	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0.00%	0	0	0.00%	0	0	0	0.00%	0	0	0.00%	0	0	0.00%	0	0	0	0	0	0

Chicago Wolves 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

Chicago Wolves 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

	Chicago Wolves
	GP: 10 \| W: 7 \| L: 3 \| OTL: 0 \| P: 14 GF: 59 \| GA: 52 \| PP%: 32.14% \| PK%: 61.90% DG: Camil Costandi \| Morale : 55 \| Moyenne d’équipe : 57