基于多算法模型的ACL损伤发生率的预测和篮球运动员的关键特征的分析
Longfei Guo1,2, Zhilei Cui3, Wei Ping Loh4
1Exercise & Sports Science Programme, School of Health Sciences, Universiti Sains Malaysia, Kelantan, Kubang Kerian, Malaysia.
PeerJ
|October 20, 2025
概括
机器学习准确地预测了男性篮球运动员前十字带 (ACL) 损伤. 关键因素包括膝盖曲,地面反应力,以及在切割机动过程中巨大的横向肌肉激活.
科学领域:
- 运动医学 运动医学
- 生物力学 生物力学
- 机器学习 机器学习
背景情况:
- 篮球运动员面临前十字带 (ACL) 损伤的高风险.
- 识别关键伤害因素和预测模型对于预防至关重要.
研究的目的:
- 确定导致男性篮球运动员中ACL损伤的关键因素.
- 评估用于预测ACL损伤风险的机器学习算法.
主要方法:
- 在104名男性大学篮球运动员中收集了运动员个人资料,身体功能,生物力学和肌肉电肌图 (EMG) 的数据.
- 在12个月的随访期间,比较受伤 (n=11) 和无伤 (n=93) 组.
- 用于预测建模的重要变量.
主要成果:
- 机器学习模型的AUC-ROC达到0.660.80.
- 随机森林算法显示了最高的预测性能 (AUC-ROC = 0.80).
- 关键预测因素包括更大的膝盖曲时刻,减少膝盖曲角度,增加向后地面反应力,以及在紧急停车期间增加巨大的侧面体激活.
结论:
- 随机森林模型有效地预测男性篮球运动员的ACL受伤风险.
- 在运动特定运动期间的生物力学测试对于准确的ACL损伤风险预测至关重要.
