エリート女子バレーボール選手における機械学習を用いた傷害リスクとワークロード分析

科学分野:

• スポーツ医学; 生体力学; 運動生理学

背景:

• エリート女子バレーボールにおける傷害予測因子の調査。ワークロードの定量化、月経周期、および傷害リスクのモデルタイプを評価する。

研究 の 目的:

• 「システムトレーニングレスポンス」（STR）ワークロードスコアリングが、従来の予測方法よりも傷害を効果的に予測できるかどうかを評価する。月経周期と外部ワークロードが主要な傷害予測因子であるかどうかを判断する。傷害発生の説明と予測のために、線形モデルと非線形モデルを比較する。

主な方法:

• 19人のエリート女子バレーボール選手を190日間のシーズン中に監視しました。内部/外部ワークロードと月経周期のデータを収集しました。分析には、特にランダムフォレストモデルを使用した機械学習を利用しました。

主要な成果:

• ランダムフォレストモデルは、傷害発生率に対してAUC 0.87を達成しました。選手の年齢、月経周期の状態、激しいジャンプの割合が重要な予測因子でした。クロスバリデーションは、AUC 0.74で良好な一般化を示しました。

結論:

• パフォーマンス前の激しいトレーニングは、傷害リスクを高める可能性があります。高齢の選手は傷害リスクが低い可能性があります。月経周期のような生理学的要因を考慮した、個別化されたトレーニング戦略は、傷害軽減に不可欠です。