受伤前的测量不能预测大学生运动员未来的脑震荡:来自CARE联盟的研究结果
Landon B Lempke1, Katherine M Breedlove, Jaclyn B Caccese
1From the Michigan Concussion Center, University of Michigan, Ann Arbor, Michigan (LBL, SPB); Center for Clinical Spectroscopy and Department of Radiology, Brigham and Women's Hospital, Harvard Medical School, Boston, Massachusetts (KMB); School of Health and Rehabilitation Sciences, The Ohio State University College of Medicine, Columbus, Ohio (JBC); Center for Neurotrauma Research, Department of Neurosurgery, Medical College of Wisconsin, Milwaukee, Wisconsin (MAM); Department of Psychiatry, Indiana University School of Medicine, Indianapolis, Indiana (TWM); UGA Concussion Research Laboratory, Department of Kinesiology, University of Georgia, Athens, Georgia (JDS, RCL); and Department of Kinesiology and Applied Physiology, University of Delaware, Newark, Delaware (TAB).
在受伤前的特征和基线脑震荡测试不能准确地预测大学运动员未来的脑震荡. 目前的方法显示,在识别具有随后头部伤害高风险的运动员时,其效用是微不足道的.
科学领域:
- 运动医学 运动医学
- 神经学 神经学
- 生物统计学 生物统计学
背景情况:
- 脑震荡是大学体育运动的一个重要问题.
- 准确预测未来的脑震荡对于运动员的安全和管理至关重要.
- 现有的伤害前评估和特征已被探索以获得预测价值.
研究的目的:
- 调查在大学学生运动员中对未来脑震荡的预测能力的伤害前特征和基线脑震荡评估.
- 评估各种人口和临床因素在预测后续脑震荡事件中的有效性.
- 确定机器学习模型是否可以改善脑震荡风险预测.
主要方法:
- 预期队列研究设计,采用大量大学运动员样本 (2529人脑震荡,30,905人控制).
- 收集伤害前的数据,包括人口统计,脑震荡史,以及在多次基线脑震荡评估 (例如ImPACT,BESS,SCAT5) 上的表现.
- 机器学习后勤回归的应用与曲线下的面积,灵敏度和正预测值的统计分析.
主要成果:
- 主要运动是最强的不变预测因素,但准确性有限 (AUC 64.3%).
- 结合所有预测因素的多变量模型显示了最高的准确性 (AUC 68.3%),但积极的预测值仅为 16.5%.
- 尽管有强大的数据和先进的分析,但未能准确预测未来的脑震荡,预测值较低.
结论:
- 在大学运动员中预测随后的脑震荡时,受伤前的特征和基线脑震荡评估的效用是可以忽略的.
- 目前的预测模型,即使是复杂的模型,也不足以可靠地识别脑震荡风险.
- 目前,研究人员,临床医生和体育组织不应该依赖这些因素来评估未来的脑震荡风险.
