机器学习用于根据脚的强度,运动范围,姿势控制和解剖学形来分类慢性脚不稳定性,这些都是经历过侧脚扭伤的配送服务人员的脚扭伤史
相关实验视频
Updated: Jun 6, 2025
09:14
A Mouse Model of Ankle-Subtalar Complex Joint Instability
Published on: October 28, 2022
1.3K
Ui-Jae Hwang1, Oh-Yun Kwon2, Jun-Hee Kim1
1Department of Physical Therapy, College of Health Science, Laboratory of KEMA AI Research (KAIR), Yonsei University, 234 Maeji-ri, Heungeop-Myeon, Wonju, Kangwon-Do, 220-710, South Korea.
Musculoskeletal science & practice
|November 23, 2024
概括
机器学习模型准确地识别了传递服务人员的慢性脚不稳定性 (CAI),这些员工有侧脚扭伤史. 关键因素包括体重指数和脚强度,这对于有针对性的干预至关重要.
科学领域:
- 运动医学 运动医学
- 生物机械工程 生物机械工程
- 在医疗保健中的数据科学.
背景情况:
- 慢性脚不稳定 (CAI) 是侧脚扭伤 (LAS) 的常见后果,特别影响配送服务人员 (DSW).
- 早期识别CAI的风险因素对于制定有效的预防和管理策略在这个职业群体中至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于将CAI分类到具有LAS (DSWsLAS) 史的DSW中.
- 确定导致该人群中CAI发展的关键因素.
主要方法:
- 一项涉及121个DSWsLAS的探索性,横截面研究.
- 评估人口特征,脚强度,运动范围,姿势控制和解剖学形.
- 培训和测试七个ML算法,包括主要组件分析 (PCA) 用于特征提取和SHAP/FPI用于特征重要性分析.
主要成果:
- PCA确定了7个主要组件 (PC),解释了83.5%的数据差异.
- 支持矢量机 (SVM) 算法表现出最高的分类性能,AUC为0.817.
- 由FPI和SHAP确定的关键影响性特征包括与体重指数和脚肌肉强度相关的特定PC.
结论:
- 结合PCA衍生因素的SVM模型在DSWsLAS中诊断CAI方面表现出很高的表现.
- 调查结果强调了考虑多因素因素的重要性,例如BMI和脚力量,用于预防和管理DSW的CAI.
