外部和内部负载指标与在职业足球中使用机器学习的伤害之间的关系:系统性审查和元分析
Guglielmo Pillitteri1,2, Luca Petrigna3, Salvatore Ficarra1,2
1Sport and Exercise Sciences Research Unit, Department of Psychology, Educational Science and Human Movement, University of Palermo, Palermo, Italy.
Research in sports medicine (Print)
|December 26, 2023
概括
这项研究发现,内部负荷 (IL) 和外部负荷 (EL) 有关,可以帮助预测足球运动员的受伤风险 (IR). 机器学习模型可以预测这些负载和受伤风险.
科学领域:
- 运动科学 运动科学 运动科学
- 运动生理学 运动生理学
- 数据科学在体育中的应用
背景情况:
- 训练负载 (TL) 监测对于在职业足球中预防伤害至关重要.
- 了解内部负荷 (IL) 和外部负荷 (EL) 之间的关系是优化训练和减少非接触性伤害的关键.
- 机器学习 (ML) 为预测训练负载和受伤风险提供了先进的分析能力.
研究的目的:
- 系统地审查有关职业足球运动员IL和EL之间的关系的文献.
- 使用ML方法评估IL,EL和受伤风险 (IR) 之间的关联.
- 确定ML如何预测训练负载指标和非接触性伤害.
主要方法:
- 对25项涉及男性职业足球运动员的研究进行了系统审查.
- 纳入标准集中在与非接触伤害相关的训练负载和应用ML的研究上.
- 提取的数据包括IL (RPE,HR) 和EL (GPS) 指标,ML方法和伤害预测结果.
主要成果:
- 在Session-RPE和总距离 (r=0.73) 和玩家负载 (r=0.76) 之间发现了显著的正相关性.
- 观察到IL和EL指标与IR之间的关联,并指出了积极的关系.
- 机器学习模型展示了预测IL指标 (HR,RPE) 和IR的能力.
结论:
- 在职业足球中,内部和外部训练负载之间存在明显的关联.
- 整合IL和EL指标,可能通过新的指数,可以提高对训练负载和球员健康状况的理解.
- 机器学习为预测训练负载和受伤风险提供了强大的工具,有助于运动员管理和伤害预防策略.
