Investigar la longitud de la LCA, la deformación y la fuerza de tracción en el impacto alto y las actividades diarias...

Área de la Ciencia:

• Biomecánica
• Medicina del deporte
• El aprendizaje automático en el cuidado de la salud

Sus antecedentes:

• Las tasas de reconstrucción del ligamento cruzado anterior (LCA) están aumentando, especialmente en mujeres atletas.
• Las causas exactas de esta tendencia, en particular los factores de riesgo específicos del género, requieren una investigación más detallada.

Objetivo del estudio:

• Desarrollar modelos precisos de aprendizaje automático para predecir la longitud, la tensión y la fuerza de la LCA durante diversas actividades.
• Determinar la importancia de los parámetros cinemáticos y constitucionales en la predicción de la lesión del LCA.
• Para analizar los patrones basados en el género en el riesgo de lesión del LCA.

Principales métodos:

• Se entrenaron 42 modelos de aprendizaje automático utilizando 9.375 observaciones por variable.
• Modelos evaluados basados en R-cuadrado, RMSE y MAE.
• Se han identificado predictores clave de tensión y fuerza en el LCA.

Principales resultados:

• Los modelos cubistas, generalizados y reforzados (GBM) y el bosque aleatorio (RF) demostraron una precisión predictiva superior.
• La flexión de la rodilla y la rotación externa se identificaron como fuertes predictores de la tensión y la fuerza del LCA.
• Las atletas femeninas mostraron una mayor rotación de la rodilla durante las maniobras de corte, correlacionada con una mayor tensión del LCA y el riesgo de lesión.

Conclusiones:

• Los modelos de aprendizaje automático pueden predecir efectivamente las respuestas biomecánicas de la LCA.
• La cinemática de la rodilla, específicamente la rotación, son factores críticos en el riesgo de lesión del LCA.
• Los patrones de movimiento de las atletas femeninas contribuyen a una mayor susceptibilidad a las lesiones del LCA.