一个机器学习模型用于大学运动员中脑震荡后肌肉骨损伤风险
Claudio C Claros1, Melissa N Anderson2, Wei Qian3
1Department of Electrical and Computer Engineering, University of Delaware, Newark, DE, USA.
Sports medicine (Auckland, N.Z.)
|March 27, 2025
概括
机器学习模型可以预测大学运动员中脑震荡后的肌肉骨损伤. 这种方法可以确定有针对性的伤害预防策略的高风险运动员.
科学领域:
- 运动医学 运动医学
- 生物统计学 生物统计学
- 医疗保健中的机器学习
背景情况:
- 新出现的证据表明,大学运动员患脑震荡后肌肉骨损伤的风险增加.
- 确定最容易受到这些伤害的运动员需要进一步调查.
研究的目的:
- 开发一种机器学习模型,用于预测大学运动员中脑震荡后肌肉骨损伤风险.
- 将一个全面的变量集集成到预测模型中.
主要方法:
- 使用194名大学运动员的数据集开发了一个风险模型.
- 分析了135个变量,包括健康状况,运动史,脑震荡标准和评估结果.
- 机器学习技术包括证据重量转换,L1/L2规范化后勤回归和模型选择的Akaike信息标准.
主要成果:
- 最终的模型,有48个预测变量,显示出显著的预测性能 (曲线下的面积=0.82).
- 关键预测因素包括基线和急性认知,平衡和反应评估.
- 该模型实现了79%的灵敏度和95%的精度,假阳性率为6.67%.
结论:
- 该研究支持开发一个敏感和特定的损伤风险模型,用于脑震荡后肌肉骨损伤.
- 这种机器学习方法,使用全面的数据,可以帮助临床医生识别和准高风险的学生运动员,以预防伤害.
