预测太极拳练习者膝关节疼痛:一个横截面机器学习方法

科学领域:

• 运动医学 运动医学
• 生物医学工程 生物医学工程
• 机器学习应用 机器学习应用

背景情况:

• 太极拳是一种受欢迎的低冲击运动,以其健康益处而闻名.
• 然而,一些从业者可能会出现膝盖疼痛,影响他们的生活质量.
• 预测和预防膝盖疼痛对于持续参加太极拳至关重要.

研究的目的:

• 开发一种监督机器学习分类器,用于预测太极拳练习者膝盖疼痛.
• 为了确定导致长期太极拳运动后膝盖疼痛的关键因素.

主要方法:

• 一项前性研究,涉及1750名太极拳练习者5年.
• 通过问卷收集的数据,包括人口统计数据,运动模式和膝盖功能 (Irrgang Knee Outcome Survey).
• 六个机器学习算法被训练并使用7:3的训练测试分割进行评估,以曲线下的面积 (AUC) 为性能指标.

主要成果:

• 分析了1703名从业者的数据;CatBoost算法展示了卓越的预测性能.
• 膝关节疼痛的主要预测因素是:先前的膝关节疼痛, insufficient warm-up 和运动持续时间.
• 以前的膝盖疼痛,教练的存在和运动持续时间与影响日常生活的疼痛最相关.

结论:

• 一个基于CatBoost的机器学习模型准确地预测了太极拳练习者的膝盖疼痛.
• 这种预测工具可以引导个人走向更安全的太极拳实践.
• 研究结果为预防膝关节疼痛和维持长期从业者的功能能力提供了宝贵的见解.