希腊十字健身运动员人口,流行病学和功能概况模型与肩部受伤相关:一项前性研究
Akrivi Bakaraki1, George Tsirogiannis2, Charalampos Matzaroglou1
1Laboratory of Therapeutic Exercise and Sports Rehabilitation, Department of Physiotherapy, School of Health Rehabilitation Sciences, University of Patras, 26504 Patras, Greece.
Journal of functional morphology and kinesiology
|July 23, 2025
概括
肩部受伤在CrossFit (CF) 运动员中很常见,每1000小时发生率为0.79. 传统分析未能识别出特定的风险因素,突出显示了对机器学习等先进方法的需要,以预防CrossFit肩部伤害.
科学领域:
- 运动医学 运动医学
- 整形外科 整形外科 整形外科
- 运动生理学 运动生理学
背景情况:
- 肩部受伤在CrossFit (CF) 运动员中的所有受伤中占比最高.
- 缺乏前性研究来阐明CF中高肩损伤率的潜在原因.
- 了解风险因素对于制定针对性CF伤害预防策略至关重要.
研究的目的:
- 在一个12个月的时间内,从前性地记录跨体育运动参与者的肩部伤害发生率.
- 调查与CF运动员的人口,流行病学和功能特征相关的潜在风险因素.
- 为了建立一个现实的肩部伤害在跨界健身群体中的个人资料.
主要方法:
- 有109名不同水平的CrossFit运动员参加了比赛.
- 基线数据包括问卷,运动范围,肌肉力量,耐力和运动特定测试.
- 统计分析包括非参数测试,推断统计,线性/回归模型和逻辑回归与AUC评估.
主要成果:
- 观察到,每1000个训练小时,肩部受伤发生率为0.79.
- 奥运会举重运动 (45%) 和体操运动 (35%) 与肩部受伤有关.
- 旋转手套肌损伤 (损伤,肌病变) 是最常见的 (45%);没有单个变量显示出显著的预测相关性.
结论:
- 这项前性研究提供了CrossFit运动员肩部受伤的第一个详细概况.
- 传统的统计方法不足以确定这一队列中肩部损伤的重要预测因素.
- 推先进的分析技术,如机器学习,用于未来的研究,以发现伤害预测因子.
