下肢体育伤害的伤害预测模型:一种基于机器学习的新方法
Girinivasan Chellamuthu1,2,3, Santosh Sahanand3, Shyam Sundar3
1Orthopaedic Research Group, Coimbatore, India.
Journal of clinical orthopaedics and trauma
|July 30, 2025
概括
机器学习可以准确地预测运动员下肢运动受伤的情况. 具有随机过量采样 (ROS) 的K近邻 (KNN) 模型识别了面临风险的个人,以加强伤害预防计划.
科学领域:
- 运动医学 运动医学
- 生物机械工程 生物机械工程
- 数据科学在体育中的应用
背景情况:
- 体育伤害是由于风险因素的复杂相互作用造成的.
- 识别有风险的运动员对于有效预防伤害至关重要.
- 机器学习和人工智能为伤害预测提供了先进的工具.
研究的目的:
- 开发一个有效的伤害预测模型,用于下肢体育伤害.
- 为了比较不同机器学习模型的伤害预测效率.
主要方法:
- 收集了来自120名男子大学运动员的足球,板球和篮球数据.
- 记录了44个变量,包括精神和身体查,以及上赛季的受伤数据.
- 构建并比较各种机器学习模型用于伤害预测.
主要成果:
- 脚受伤最常见 (52.6%),其次是腿筋 (23.6%),脚 (13.3%) 和膝盖 (10.5%).
- 随机过量采样 (ROS) 的K近邻 (KNN) 算法获得了最高的准确性 (AUC=0.87,TPR=100%,TNR=62.5%).
- 用32个伤害来构建最终的预测模型.
结论:
- 配合ROS的KNN模型显示了足球,板球和篮球运动员受伤的强大预测准确度.
- 这种模式可以成为增强体育伤害预防策略的宝贵工具.
- 建议进行进一步的前性研究,以验证该模型的有效性.
