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
	Silver Knights 12-4-0, 24pts	2	FINAL	3	Moose 12-4-0, 24pts

Team Stats
L2	Séquence	W3
7-1-0	Fiche domicile	6-2-0
5-3-0	Fiche domicile	6-2-0
7-3-0	Derniers 10 matchs	7-3-0
5.00	Buts par match	5.75
1.56	Buts contre par match	2.31
18.64%	Pourcentage en avantage numérique	21.13%
88.31%	Pourcentage en désavantage numérique	87.34%

Moose
12-4-0, 24pts

FINAL

Firebirds
10-4-2, 22pts

Team Stats
W3	Séquence	L2
6-2-0	Fiche domicile	5-2-1
6-2-0	Fiche domicile	5-2-1
7-3-0	Derniers 10 matchs	5-4-1
5.75	Buts par match	5.38
2.31	Buts contre par match	2.13
21.13%	Pourcentage en avantage numérique	16.07%
87.34%	Pourcentage en désavantage numérique	87.85%

Meneurs d'équipe
	Buts Konsta Helenius 15	Passes Roby Jarventie 21

	Points Roby Jarventie 32	Plus/Moins Tucker Robertson 23

	Victoires Joel Blomqvist 12	Pourcentage d’arrêts Joel Blomqvist 0.857

Statistiques d’équipe
Buts pour 92 5.75 GFG	Tirs pour 662 41.38 Avg	Pourcentage en avantage numérique 21.1% 15 GF	Début de zone offensive 46.5%
Buts contre 37 2.31 GAA	Tirs contre 259 16.19 Avg	Pourcentage en désavantage numérique 87.3%% 10 GA	Début de la zone défensive 30.7%

Informations de l'équipe
	Directeur général	Mika
	Entraîneur	Jessica Campbell
	Division	Central Division
	Conférence	Western Conference
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	0
	Billets de saison	0
Informations de la formation
	Équipe Pro	24
	Équipe Mineure	20
	Limite contact	44 / 51
	Espoirs	28
Historique d'équipe
	Saison actuelle	12-4-0 (24PTS)
	Historique	0--0
	Apparitions en séries éliminatoires	1
	Historique en séries éliminatoires (W-L)	1 - 4 (0.200%)
	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	Konsta Helenius (R)		X	X		100.00	75	69	88	65	69	82	86	67	50	67	63	65	60	44	44	67	50	64		0	20	2	975,000$
2	Felix Unger Sorum (R)			X		100.00	76	70	90	65	70	83	88	65	50	67	60	65	57	44	44	66	50	64		0	21	2	850,000$
3	Mikael Pyyhtia			X		100.00	72	65	88	66	65	76	79	65	50	62	63	66	60	53	53	66	50	63		0	24	1	925,000$
4	Aleksanteri Kaskimaki (R)		X	X		100.00	78	71	94	65	71	79	84	62	50	58	62	66	59	44	44	65	50	62		0	22	2	870,000$
5	Ryan Suzuki	X				100.00	76	71	86	64	71	79	83	62	78	63	58	65	55	44	44	64	50	62	N	0	25	2	850,000$
6	Roby Jarventie (R)			X		100.00	74	69	85	64	69	76	79	64	50	60	65	64	62	44	44	66	50	62		0	24	1	995,000$
7	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	1	863,333$
8	Tucker Robertson	X				100.00	75	70	85	62	70	74	78	58	73	53	58	63	55	44	44	62	50	60		0	23	1	950,000$
9	Alex Suzdalev (R)			X		100.00	79	72	96	65	72	49	46	61	50	56	62	66	59	44	44	63	50	59		0	22	3	865,000$
10	Eetu Liukas			X		100.00	79	77	85	63	77	43	40	57	50	53	56	65	53	44	44	59	50	56		0	24	2	867,500$
11	Josh Filmon (R)		X			100.00	69	62	86	56	62	55	57	49	50	42	51	58	48	44	44	53	50	52		0	22	3	913,333$
12	Mason Primeau	X				100.00	65	72	47	80	72	32	30	44	55	38	44	55	42	44	44	48	50	50	N	0	25	1	850,000$
13	Steven Santini				X	100.00	71	44	94	70	80	54	63	62	25	47	47	72	25	59	60	59	50	63		0	31	2	850,000$
14	Dakota Mermis				X	100.00	69	94	72	70	74	61	57	60	25	39	50	77	25	55	55	59	50	62		0	32	2	850,000$
15	Reilly Walsh				X	100.00	74	70	83	66	70	78	85	53	25	49	42	61	40	44	44	56	50	60	N	0	27	2	850,000$
16	Marc Del Gaizo				X	100.00	72	68	82	61	68	73	78	55	25	46	49	62	47	49	49	57	50	60	N	0	27	3	875,000$
17	Michael Karow				X	100.00	79	75	88	62	75	54	55	53	25	44	48	64	46	44	44	57	50	58		0	27	1	850,000$
18	Corey Schueneman				X	100.00	79	73	92	63	73	40	37	56	25	54	43	65	41	47	47	56	50	57		0	31	1	850,000$
Rayé
1	Judd Caulfield			X		100.00	82	77	94	66	77	81	87	60	50	56	60	67	57	44	44	65	50	63		0	25	1	850,000$
2	Samuel Savoie	X				100.00	71	68	78	60	68	72	77	56	70	51	57	61	54	44	44	60	50	58		0	22	2	850,000$
3	Aleksi Heimosalmi				X	100.00	67	63	77	56	63	63	67	50	25	43	41	57	39	44	44	51	50	55		0	23	2	850,000$

	MOYENNE D’ÉQUIPE					100.00	74	70	84	65	71	65	68	58	45	53	54	64	50	46	46	60	50	60

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	100.00	53	47	51	77	62	53	64	58	60	55	52	44	44	53	50	57		0	24	1	925,000$
2	Georgi Romanov	100.00	42	49	61	85	49	48	50	50	46	42	30	44	44	47	50	51	N	0	26	3	875,000$
Rayé
1	Pheonix Copley	100.00	44	51	64	84	51	49	56	54	49	45	30	54	55	50	50	55		0	34	1	850,000$

	MOYENNE D’ÉQUIPE	100.00	46	49	59	82	54	50	57	54	52	47	37	47	48	50	50	54

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
Jessica Campbell	64	66	67	70	50	50	93	CAN	33	4	750,000$

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	S1	S2	S3
1	Roby Jarventie	Moose (WPG)	RW	16	11	21	32	21	6	0	30	14	85	33	61	12.94%	2	334	20.90	1	4	5	15	53	0	0	0	5	38	1	0	66.07%	56	1	1.91	0	0	0	2	2	3
2	Konsta Helenius	Moose (WPG)	LW/RW	16	15	15	30	18	4	0	24	29	82	29	61	18.29%	8	392	24.52	3	4	7	11	57	2	1	3	6	72	2	0	64.41%	177	1	1.53	1	1	0	2	2	0
3	Tucker Robertson	Moose (WPG)	C	16	14	15	29	23	8	0	29	23	65	19	48	21.54%	1	297	18.59	2	2	4	4	52	0	0	0	1	5	0	0	68.22%	321	1	1.95	0	0	0	1	3	0
4	Aleksanteri Kaskimaki	Moose (WPG)	LW/RW	16	10	18	28	23	12	0	13	27	85	31	61	11.76%	1	301	18.82	1	1	2	15	52	0	0	0	0	5	2	1	65.00%	20	0	1.86	0	0	0	1	2	1
5	Mikael Pyyhtia	Moose (WPG)	RW	16	8	19	27	19	4	0	21	27	89	17	67	8.99%	7	385	24.11	1	4	5	14	56	0	3	3	4	65	1	0	47.83%	23	0	1.40	1	1	0	2	0	2
6	Ryan Suzuki	Moose (WPG)	C	16	5	20	25	13	12	0	18	20	52	21	45	9.62%	7	346	21.66	0	7	7	7	58	0	0	0	4	37	0	0	71.30%	324	0	1.44	0	0	0	0	1	2
7	Samu Tuomaala	Moose (WPG)	RW	16	8	7	15	9	10	0	15	23	60	14	41	13.33%	3	227	14.19	0	0	0	3	9	0	0	0	0	6	1	0	61.11%	18	0	1.32	0	0	0	0	2	0
8	Marc Del Gaizo	Moose (WPG)	D	16	3	9	12	15	20	0	31	3	18	8	9	16.67%	5	358	22.39	3	0	3	9	62	0	1	1	1	42	0	0	0%	0	0	0.67	0	0	0	0	0	1
9	Josh Filmon	Moose (WPG)	LW	16	7	5	12	11	8	0	5	13	40	10	21	17.50%	3	218	13.64	0	0	0	0	5	0	0	0	1	11	1	0	76.47%	17	1	1.10	0	0	0	1	0	1
10	Alex Suzdalev	Moose (WPG)	RW	16	3	9	12	4	16	0	21	10	22	12	19	13.64%	7	252	15.78	2	3	5	6	46	0	0	0	0	0	1	0	33.33%	3	0	0.95	0	0	0	0	0	1
11	Mason Primeau	Moose (WPG)	C	16	1	10	11	9	18	0	25	19	19	4	14	5.26%	5	225	14.12	0	0	0	0	5	0	0	0	2	20	0	0	67.91%	187	0	0.97	0	0	0	0	0	1
12	Dakota Mermis	Moose (WPG)	D	4	3	3	6	3	6	0	4	2	9	1	2	33.33%	2	58	14.68	2	0	2	3	3	0	0	0	0	5	1	0	0%	0	0	2.04	0	0	0	1	0	0
13	Reilly Walsh	Moose (WPG)	D	16	0	5	5	15	14	0	23	5	16	8	11	0%	2	360	22.56	0	0	0	12	60	0	0	0	1	45	0	0	0%	0	0	0.28	0	0	0	0	0	0
14	Eetu Liukas	Moose (WPG)	RW	16	2	2	4	2	21	5	18	4	16	0	5	12.50%	4	238	14.91	0	1	1	9	45	0	0	0	0	0	1	0	0%	0	0	0.34	0	0	1	0	0	0
15	Steven Santini	Moose (WPG)	D	4	1	2	3	1	0	0	1	0	1	1	0	100.00%	3	22	5.55	0	2	2	0	1	1	0	1	1	18	0	0	0%	0	0	2.70	0	0	0	0	0	0
16	Corey Schueneman	Moose (WPG)	D	4	0	1	1	3	0	0	4	2	1	0	1	0%	0	53	13.25	0	0	0	0	0	0	0	0	0	1	0	0	0%	0	0	0.38	0	0	0	0	0	0
17	Felix Unger Sorum	Moose (WPG)	RW	4	0	0	0	0	0	0	0	0	0	0	0	0%	0	0	0.22	0	0	0	0	0	0	0	0	0	0	0	0	0%	0	0	0	0	0	0	0	0	0
18	Michael Karow	Moose (WPG)	D	4	0	0	0	1	2	0	4	0	0	0	0	0%	2	16	4.25	0	0	0	0	0	0	0	0	0	16	0	0	0%	0	0	0	0	0	0	0	0	0
Statistiques d’équipe totales ou en moyenne				228	91	161	252	190	161	5	286	221	660	208	466	13.79%	62	4090	17.94	15	28	43	108	570	3	5	8	26	393	11	1	67.80%	1146	4	1.23	2	2	1	10	12	12

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	Joel Blomqvist	Moose (WPG)	16	12	4	0	0.857	2.31	963	0	0	37	259	0	1	0	0.667	3	16	0	0	0	1
Statistiques d’équipe totales ou en moyenne			16	12	4	0	0.857	2.31	963	0	0	37	259	0	1	0		3	16	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	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	Salaire restant	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)	LW/RW	22	2004-02-06	FIN	Yes	195 Lbs	6 ft0	No	No	Assign Manually		No	No	2	2025-08-27	False	False	Pro & Farm	870,000$	870,000$	0$	0$	No	870,000$	-	-	-	-	-	-	-	-	870,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien / Lien NHL
Aleksi Heimosalmi	Moose (WPG)	D	23	2003-05-08	FIN	No	170 Lbs	5 ft11	No	No	Assign Manually		No	No	2	2026-10-05	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	850,000$	-	-	-	-	-	-	-	-	850,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien / Lien NHL
Alex Suzdalev	Moose (WPG)	RW	22	2004-03-05	SWE	Yes	190 Lbs	6 ft2	No	No	Assign Manually		No	No	3	2026-06-14	False	False	Pro & Farm	865,000$	865,000$	0$	0$	No	865,000$	865,000$	-	-	-	-	-	-	-	865,000$	865,000$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-	Lien / Lien NHL
Corey Schueneman	Moose (WPG)	D	31	1995-09-02	USA	No	200 Lbs	6 ft0	No	No	Assign Manually		No	No	1	2026-10-05	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Dakota Mermis	Moose (WPG)	D	32	1994-01-05	USA	No	197 Lbs	6 ft0	No	No	Assign Manually		No	No	2	2026-10-05	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	850,000$	-	-	-	-	-	-	-	-	850,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien / Lien NHL
Eetu Liukas	Moose (WPG)	RW	24	2002-09-25	FIN	No	205 Lbs	6 ft3	No	No	Assign Manually		No	No	2	2025-08-27	False	False	Pro & Farm	867,500$	867,500$	0$	0$	No	867,500$	-	-	-	-	-	-	-	-	867,500$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien / Lien NHL
Felix Unger Sorum	Moose (WPG)	RW	21	2005-09-14	NOR	Yes	190 Lbs	6 ft0	No	No	Assign Manually		No	No	2	2026-10-05	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	850,000$	-	-	-	-	-	-	-	-	850,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien / Lien NHL
Georgi Romanov	Moose (WPG)	G	26	1999-12-15	RUS	No	210 Lbs	6 ft4	Yes	No	Free Agent		No	No	3	2026-08-08	False	False	Pro & Farm	875,000$	875,000$	0$	0$	No	875,000$	875,000$	-	-	-	-	-	-	-	875,000$	875,000$	-	-	-	-	-	-	-	Yes	Yes	-	-	-	-	-	-	-	Lien / Lien NHL
Joel Blomqvist	Moose (WPG)	G	24	2002-01-10	FIN	No	187 Lbs	6 ft2	No	No	Assign Manually		No	No	1	2024-06-29	False	False	Pro & Farm	925,000$	925,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Josh Filmon	Moose (WPG)	LW	22	2004-03-18	CAN	Yes	160 Lbs	6 ft1	No	No	Assign Manually		No	No	3	2026-06-14	False	False	Pro & Farm	913,333$	913,333$	0$	0$	No	913,333$	913,333$	-	-	-	-	-	-	-	913,333$	913,333$	-	-	-	-	-	-	-	No	No	-	-	-	-	-	-	-	Lien / Lien NHL
Judd Caulfield	Moose (WPG)	RW	25	2001-03-19	USA	No	207 Lbs	6 ft3	No	No	Assign Manually		No	No	1	2026-10-05	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Konsta Helenius	Moose (WPG)	LW/RW	20	2006-05-11	FIN	Yes	190 Lbs	5 ft11	No	No	Assign Manually		No	No	2	2025-08-27	False	False	Pro & Farm	975,000$	975,000$	0$	0$	No	975,000$	-	-	-	-	-	-	-	-	975,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien / Lien NHL
Marc Del Gaizo	Moose (WPG)	D	27	1999-10-11	USA	No	193 Lbs	5 ft10	Yes	No	Free Agent		No	No	3	2026-08-08	False	False	Pro & Farm	875,000$	875,000$	0$	0$	No	875,000$	875,000$	-	-	-	-	-	-	-	875,000$	875,000$	-	-	-	-	-	-	-	Yes	Yes	-	-	-	-	-	-	-	Lien / Lien NHL
Mason Primeau	Moose (WPG)	C	25	2001-07-28	ONT	No	183 Lbs	6 ft5	Yes	No	Free Agent		No	No	1	2026-08-08	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Michael Karow	Moose (WPG)	D	27	1998-12-18	USA	No	201 Lbs	6 ft2	No	No	Assign Manually	2025-02-01	No	No	1	2026-10-05	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Mikael Pyyhtia	Moose (WPG)	RW	24	2001-12-17	FIN	No	178 Lbs	6 ft0	No	No	Assign Manually		No	No	1	2024-06-29	False	False	Pro & Farm	925,000$	925,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Pheonix Copley	Moose (WPG)	G	34	1992-01-18	USA	No	205 Lbs	6 ft4	No	No	Assign Manually	2024-07-16	No	No	1	2026-10-05	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Reilly Walsh	Moose (WPG)	D	27	1999-04-21	USA	No	192 Lbs	6 ft0	Yes	No	Free Agent		No	No	2	2026-08-08	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	850,000$	-	-	-	-	-	-	-	-	850,000$	-	-	-	-	-	-	-	-	Yes	-	-	-	-	-	-	-	-	Lien / Lien NHL
Roby Jarventie	Moose (WPG)	RW	24	2002-08-08	FIN	Yes	184 Lbs	6 ft2	No	No	Free Agent		No	No	1	2025-08-02	False	False	Pro & Farm	995,000$	995,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Ryan Suzuki	Moose (WPG)	C	25	2001-05-28	CAN	No	190 Lbs	6 ft1	Yes	No	Free Agent		No	No	2	2026-08-08	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	850,000$	-	-	-	-	-	-	-	-	850,000$	-	-	-	-	-	-	-	-	Yes	-	-	-	-	-	-	-	-	Lien / Lien NHL
Samu Tuomaala	Moose (WPG)	RW	23	2003-01-08	FIN	No	180 Lbs	5 ft10	No	No	Assign Manually		No	No	1	2024-06-29	False	False	Pro & Farm	863,333$	863,333$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL
Samuel Savoie	Moose (WPG)	C	22	2004-03-25	CAN	No	190 Lbs	5 ft10	No	No	Assign Manually		No	No	2	2026-10-05	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	850,000$	-	-	-	-	-	-	-	-	850,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien / Lien NHL
Steven Santini	Moose (WPG)	D	31	1995-03-07	USA	No	217 Lbs	6 ft3	No	No	Assign Manually		No	No	2	2026-10-05	False	False	Pro & Farm	850,000$	850,000$	0$	0$	No	850,000$	-	-	-	-	-	-	-	-	850,000$	-	-	-	-	-	-	-	-	No	-	-	-	-	-	-	-	-	Lien / Lien NHL
Tucker Robertson	Moose (WPG)	C	23	2003-06-22	CAN	No	195 Lbs	5 ft11	No	No	Assign Manually		No	No	1	2024-06-29	False	False	Pro & Farm	950,000$	950,000$	0$	0$	No	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-	Lien / Lien NHL

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
24	25.17	192 Lbs	6 ft1	1.75	879,132$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Konsta Helenius	Ryan Suzuki	Mikael Pyyhtia	40	1	2	2
2	Aleksanteri Kaskimaki	Tucker Robertson	Roby Jarventie	30	1	2	2
3	Josh Filmon	Mason Primeau	Samu Tuomaala	20	1	2	2
4	Mikael Pyyhtia	Ryan Suzuki	Alex Suzdalev	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Marc Del Gaizo	Reilly Walsh	40	1	2	2
2	Alex Suzdalev	Eetu Liukas	30	1	2	2
3	Corey Schueneman	Dakota Mermis	20	1	2	2
4	Marc Del Gaizo	Reilly Walsh	10	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Konsta Helenius	Ryan Suzuki	Mikael Pyyhtia	60	1	2	2
2	Aleksanteri Kaskimaki	Tucker Robertson	Roby Jarventie	40	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Marc Del Gaizo	Reilly Walsh	60	1	2	2
2	Alex Suzdalev	Eetu Liukas	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Konsta Helenius	Mikael Pyyhtia	60	1	2	2
2	Roby Jarventie	Ryan Suzuki	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Marc Del Gaizo	Reilly Walsh	60	1	2	2
2	Michael Karow	Steven Santini	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Konsta Helenius	60	1	2	2	Marc Del Gaizo	Reilly Walsh	60	1	2	2
2	Mikael Pyyhtia	40	1	2	2	Michael Karow	Steven Santini	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Konsta Helenius	Mikael Pyyhtia	60	1	2	2
2	Roby Jarventie	Ryan Suzuki	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Marc Del Gaizo	Reilly Walsh	60	1	2	2
2	Corey Schueneman	Dakota Mermis	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Konsta Helenius	Ryan Suzuki	Mikael Pyyhtia	Marc Del Gaizo	Reilly Walsh

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Konsta Helenius	Ryan Suzuki	Mikael Pyyhtia	Marc Del Gaizo	Reilly Walsh

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Samu Tuomaala, Josh Filmon, Mason Primeau	Samu Tuomaala, Josh Filmon	Mason Primeau

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Marc Del Gaizo, Reilly Walsh, Corey Schueneman	Marc Del Gaizo	Reilly Walsh, Dakota Mermis

Tirs de pénalité
Konsta Helenius, Mikael Pyyhtia, Roby Jarventie, Ryan Suzuki, Aleksanteri Kaskimaki

Gardien
#1 : Joel Blomqvist, #2 : Georgi Romanov

Lignes d’attaque personnalisées en prolongation
Konsta Helenius, Mikael Pyyhtia, Roby Jarventie, Ryan Suzuki, Aleksanteri Kaskimaki, Tucker Robertson, Samu Tuomaala, Alex Suzdalev, Eetu Liukas, Josh Filmon

Lignes de défense personnalisées en prolongation
Marc Del Gaizo, Reilly Walsh, Michael Karow, Steven Santini, Corey Schueneman

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	2	1	1	0	0	0	0	0	3	4	-1	1	1	0	0	0	0	0	0	3	1	2	1	0	1	0	0	0	0	0	0	3	-3	2	0.500	3	6	9	0	0	44	28	19	2	102	240	221	200	3	16	6	18	50	2	1	50.00%	8	0	100.00%	0	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
2	Admirals	2	2	0	0	0	0	0	0	15	6	9	1	1	0	0	0	0	0	0	7	5	2	1	1	0	0	0	0	0	0	8	1	7	4	1.000	15	26	41	0	0	44	28	19	2	100	240	221	200	3	24	0	24	41	0	0	0%	11	2	81.82%	2	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
3	Firebirds	2	1	1	0	0	0	0	0	7	6	1	1	0	1	0	0	0	0	0	2	4	-2	1	1	0	0	0	0	0	0	5	2	3	2	0.500	7	12	19	0	0	44	28	19	2	51	240	221	200	3	36	10	22	29	24	4	16.67%	10	1	90.00%	0	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
4	Ice Hogs	2	2	0	0	0	0	0	0	20	2	18	1	1	0	0	0	0	0	0	9	1	8	1	1	0	0	0	0	0	0	11	1	10	4	1.000	20	36	56	0	0	44	28	19	2	122	240	221	200	3	24	7	12	43	7	2	28.57%	6	1	83.33%	0	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
5	Silver Knights	2	2	0	0	0	0	0	0	8	4	4	1	1	0	0	0	0	0	0	3	2	1	1	1	0	0	0	0	0	0	5	2	3	4	1.000	8	16	24	0	0	44	28	19	2	47	240	221	200	3	28	11	20	33	17	3	17.65%	9	0	100.00%	1	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
6	Stars	2	2	0	0	0	0	0	0	21	3	18	1	1	0	0	0	0	0	0	11	2	9	1	1	0	0	0	0	0	0	10	1	9	4	1.000	21	35	56	0	0	44	28	19	2	119	240	221	200	3	27	6	16	50	5	1	20.00%	8	1	87.50%	0	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
7	Thunderbirds	2	0	2	0	0	0	0	0	5	7	-2	1	0	1	0	0	0	0	0	3	4	-1	1	0	1	0	0	0	0	0	2	3	-1	0	0.000	5	9	14	0	0	44	28	19	2	50	240	221	200	3	53	10	49	39	9	4	44.44%	21	4	80.95%	0	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
8	Wild	2	1	0	0	0	0	1	0	13	5	8	1	0	0	0	0	0	1	0	5	4	1	1	1	0	0	0	0	0	0	8	1	7	4	1.000	13	21	34	0	0	44	28	19	2	71	240	221	200	3	51	17	14	33	7	0	0.00%	6	1	83.33%	0	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
	Total	16	11	4	0	0	0	1	0	92	37	55	8	5	2	0	0	0	1	0	43	23	20	8	6	2	0	0	0	0	0	49	14	35	24	0.750	92	161	253	0	0	44	28	19	2	662	240	221	200	3	259	67	175	318	71	15	21.13%	79	10	87.34%	3	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
	_Since Last GM Reset	16	11	4	0	0	0	1	0	92	37	55	8	5	2	0	0	0	1	0	43	23	20	8	6	2	0	0	0	0	0	49	14	35	24	0.750	92	161	253	0	0	44	28	19	2	662	240	221	200	3	259	67	175	318	71	15	21.13%	79	10	87.34%	3	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
	_Vs Conference	16	11	4	0	0	0	1	0	92	37	55	8	5	2	0	0	0	1	0	43	23	20	8	6	2	0	0	0	0	0	49	14	35	24	0.750	92	161	253	0	0	44	28	19	2	662	240	221	200	3	259	67	175	318	71	15	21.13%	79	10	87.34%	3	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102
	_Vs Division	10	11	4	0	0	0	1	0	74	23	51	5	5	2	0	0	0	1	0	35	16	19	5	6	2	0	0	0	0	0	39	7	32	24	1.200	74	127	201	0	0	44	28	19	2	462	240	221	200	3	179	40	115	206	28	7	25.00%	52	9	82.69%	2	381	532	71.62%	212	352	60.23%	184	261	70.50%	526	411	264	89	174	102

			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
16	24	W3	92	161	253	662	259	67	175	318	0	0

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
16	11	4	0	0	1	0	92	37

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
8	5	2	0	0	1	0	43	23

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
8	6	2	0	0	0	0	49	14

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
7	3	0	0	0	0

Tentatives en avantage numérique	Buts en avantage numérique	% en avantage numérique	Tentatives en désavantage numérique	Buts contre en désavantage numérique	% en désavantage numérique	Buts pour en désavantage numérique
71	15	21.13%	79	10	87.34%	3

Tirs en 1e période	Tirs en 2e période	Tirs en 3e période	Tirs en 4e période	Buts en 1e période	Buts en 2e période	Buts en 3e période	Buts en 4e période
240	221	200	3	44	28	19	2

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
381	532	71.62%	212	352	60.23%	184	261	70.50%

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
526	411	264	89	174	102

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	9	Moose	8	Wild	1	W			Sommaire du match
2	17	Moose	5	Silver Knights	2	W			Sommaire du match
3	31	Wild	4	Moose	5	W	X	X	Sommaire du match
5	53	Admirals	5	Moose	7	W			Sommaire du match
7	73	Firebirds	4	Moose	2	L			Sommaire du match
8	95	Moose	10	Stars	1	W			Sommaire du match
9	105	Moose	0	Americans	3	L			Sommaire du match
11	121	Ice Hogs	1	Moose	9	W			Sommaire du match
12	138	Americans	1	Moose	3	W			Sommaire du match
15	168	Stars	2	Moose	11	W			Sommaire du match
16	191	Thunderbirds	4	Moose	3	L			Sommaire du match
17	194	Moose	11	Ice Hogs	1	W			Sommaire du match
19	219	Moose	2	Thunderbirds	3	L			Sommaire du match
20	228	Moose	8	Admirals	1	W			Sommaire du match
21	235	Silver Knights	2	Moose	3	W			Sommaire du match
22	246	Moose	5	Firebirds	2	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	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	Plafond Salariale total des joueurs	Salaire des entraineurs
0$	2,109,916$	2,109,916$	750,000$0$

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$

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
Saison régulière
Total Saison régulière											0											0	0	0	0	0	0	0	0	0	0	0	0																						0%			0%				0%			0%			0%	0	0	0	0	0	0
Séries éliminatoires
2025	5	1	4	0	0	0	0	0	9	23	-14	2	1	1	0	0	0	0	0	5	5	0	3	0	3	0	0	0	0	0	4	18	-14	2	9	15	24	0	0	3	2	4	0	74	32	21	21	0	116	31	87	85	20	3	15.00%	38	10	73.68%	0	60	109	55.05%	73	120	60.83%	56	86	65.12%	105	68	127	39	66	32
Total Séries éliminatoires	5	1	4	0	0	0	0	0	9	23	-14	2	1	1	0	0	0	0	0	5	5	0	3	0	3	0	0	0	0	0	4	18	-14	2	9	15	24	0	0	3	2	4	0	74	32	21	21	0	116	31	87	85	20	3	15.00%	38	10	73.68%	0	60	109	55.05%	73	120	60.83%	56	86	65.12%	105	68	127	39	66	32

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	PKS	GW	FO%	P/20
1	Tyler Pitlick	5	1	3	4	-1	6	2	2	7	14.29%	0	67	13.53	0	1	1	0	0	0	66.67%	1.18
2	Clark Bishop	5	2	2	4	0	2	3	12	11	18.18%	0	103	20.72	0	1	1	2	1	1	61.06%	0.77
3	Aleksanteri Kaskimaki	5	3	0	3	-4	4	5	11	10	30.00%	0	97	19.54	2	0	2	2	0	0	63.00%	0.61
4	Dakota Mermis	5	0	2	2	2	8	11	2	2	0%	4	100	20.01	0	0	0	2	0	0	0%	0.40
5	Roby Jarventie	5	2	0	2	-1	2	7	15	4	50.00%	1	95	19.16	1	0	1	1	0	0	80.00%	0.42

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
1	Chris Driedger	5	1	4	0	0.779	5.70	179	0	0	17	77	0	0	0	0	0

	Moose
	GP: 16 \| W: 12 \| L: 4 \| OTL: 0 \| P: 24 GF: 92 \| GA: 37 \| PP%: 21.13% \| PK%: 87.34% DG: Mika \| Morale : 50 \| Moyenne d’équipe : 59