非接触下肢における機械学習の応用 スポーツでの怪我の予測:体系的なレビュー
Jin Yuan1, Quanwen Zeng1, Anjie Wang1
1School of Physical Education, Anhui Polytechnic University, Wuhu, 241000, Anhui, China.
Journal of sports science & medicine
|February 19, 2026
まとめ
機械学習モデルは,非接触下肢スポーツの怪我を予測する有望なことを示しています. 意思決定ツリーのようなツリーベースのアプローチは,アスリートの怪我リスク評価のための強力な予測パフォーマンスを提供します.
科学分野:
- スポーツ医学 スポーツ医学
- バイオメカニカルエンジニアリング
- スポーツにおけるデータサイエンス
背景:
- 非接触下肢の怪我は,スポーツ選手の間でよく見られ,影響を及ぼします.
- 予測モデリングは,効果的な予防とリハビリテーション戦略の開発に不可欠です.
- 機械学習 (ML) は,複雑なスポーツの怪我データを分析するための高度な機能を提供します.
研究 の 目的:
- 非接触下肢スポーツの怪我を予測するための機械学習に関する現在の証拠を体系的にレビューする.
- アスリートによる怪我のリスク予測におけるMLモデルの性能と方法論を評価する.
- この研究分野における主要な傾向と将来の方向性を特定する.
主な方法:
- PRISMA 2020のガイドラインに従って,体系的な文献レビューを行う.
- データベースで検索した:2025年1月20日のWeb of Science,PubMed,SPORTDiscus (EBSCO)
- スクリーニング92後の15件の研究を含み,PROBASTツールを使用してバイアスのリスクを評価した.
主要な成果:
- バスケットボールとフットボール (サッカー) の成人のアスリートが最も研究されました.
- ランダムフォレストとロジスティック回帰は一般的であったが,ツリーベースの方法は最も高いパフォーマンスを示した (6研究).
- CHAIDの意思決定ツリーで達成された0.91の曲線下の最大面積 (AUC); 0.92.2までの感度.
結論:
- 機械学習は,アスリートにおける非接触下肢の怪我を予測する大きな可能性を示しています.
- モデル解釈能力は,臨床応用においてますます重要になっています.
- 将来の研究には,多源データ統合と将来的な検証が必要で,それを実用化して精度の高い傷害予防に活用する必要がある.
