机器学习在体育伤害预测中的应用:一个叙事审查

科学领域:

• 运动医学 运动医学
• 数据科学数据科学数据科学
• 生物统计学 生物统计学

背景情况:

• 机器学习 (ML) 越来越多地用于体育伤害预测.
• 目前的研究缺乏数据预处理,特征选择和模型评估的标准化方法.
• 研究群体,伤害类型和风险因素的异质性限制了可比性.

研究的目的:

• 系统地审查和综合基于ML的体育伤害预测的方法进步.
• 确定ML模型开发中的关键阶段,用于伤害预测.
• 突出挑战,并建议未来的研究方向.

主要方法:

• 叙事文献审查至2024年12月.
• 搜索了主要的数据库:科学网,Scopus,PubMed,SPORTDiscus. 在这些数据库中进行了搜索.
• 关于ML模型开发阶段的综合发现:预处理,特征工程,选择,评估和可解释性.

主要成果:

• 一些ML模型显示了对体育伤害的有希望的预测准确性.
• 当前ML模型的有限解释性限制了临床应用.
• 研究中的显著异质性阻碍了性能比较.

结论:

• 对于体育伤害预测,需要对ML模型开发进行标准化.
• 未来的研究必须侧重于外部验证,可解释性和可通用性.
• 提高方法严谨性将提高ML在运动伤害预防中的临床实用性.