Hvad hvis vi kunne forudsige, hvornår en atlet ville blive skadet?

Tusindvis af atleter fremviste deres evner for verden i PyeongChang, Sydkorea, i jagten på olympisk guld. Men for hver blændende triple aksel eller fremragende snowboardløb, atleter står over for risikoen for karrieresluttende skader.

Atletisk præstation er ikke det eneste offer for sportsskader. Disse skader udgør økonomiske byrder for atleter og deres familier og kan have langvarige effekter på en atlets livskvalitet. For at hjælpe med at reducere risikoen for skader, forskere ved University of Tennessee Chattanooga har udviklet en ramme, der måler en atlets risiko for skader ved hjælp af Internet of Things (IoT) teknologi.

Udgivet i tidsskriftet Risikoanalyse , Studiet, "Afbødning af sportsskaderisici ved at bruge Internet of Things og analytiske tilgange, " skitserer, hvordan procedurer til screening af skadesrisiko kan administreres ved hjælp af trådløse enheder, såsom smartphones, forbundet til en cloud-server. Denne forbindelse mellem telefoner, computere og andre enheder er, hvad forskere omtaler som tingenes internet.

Denne tilgang til at kategorisere skadesrisici kombinerer atletens tidligere skadeshistorie, data fra telefoner og enheder med skadesovervågningsdata. Brug af cloud-forbundne smartphones og andre enheder, forskellige screeningstests kan kombineres fra forskellige kilder for at skabe et "dashboard" i realtid af en atlets status. Disse data kan så hjælpe med at identificere atleter med højere skadesrisiko, og reducere den økonomiske, følelsesmæssig og fysisk belastning af sportsskader.

Konventionel idrætsskadehåndtering er i høj grad afhængig af subjektiv vurdering, såsom atletens verbale beskrivelse af smerte og ubehag. Imidlertid, atleter vurderer muligvis ikke altid deres egne evner og skader nøjagtigt. De kan begynde at konkurrere, før de er klar, hvilket kan øge deres risiko for at komme til skade igen. I øjeblikket, den mest udbredte metode til vurdering af skadesrisiko er Functional Movement Screen, som genererer en subjektiv score baseret på observeret evne til at gennemføre bevægelserne.

I modsætning, forskerne Gary B. Wilkerson og Marisa A. Colston brugte en smartphone til at indsamle præstationsdata om hver enkelt person i undersøgelsen. For at forstå de faktorer, der påvirker en atlets risiko for skader, disse data var integreret med selvrapportering af tidligere skader og langsgående sporing af eksponering for vildtforhold.

Forskerne sporede 43 spillere fra et NCAA Division I-Football Championship Subdivision (FCS) fodboldhold, starter en måned før starten af ​​preseason-træning til og med afslutningen af ​​sæsonen. Oplysninger om deres tidligere skader blev indsamlet i en 10-elements Sport Fitness Index (SFI) undersøgelse. Inden start på preseason, hver spiller deltog i Unilateral Forfoot Squat (UFS) testen. Denne test vurderede deres evne til at synkronisere muskelreaktioner i benene, mens de bibeholdt en oprejst stilling, en knævinkel på 135 grader og en lille hælstigning i 10 sekunder. Forskerne målte postural sway jerkiness - en evaluering af postural kontrol.

Brugen af ​​en smartphone til at kvantificere postural ryk ved hjælp af accelerometeroutput under UFS-testen var en billig og effektiv måde at objektivt måle atletens evne til at opretholde en postural position gennem koordinerede muskelbevægelser. Disse data blev overført til atletdatabasen og integreret med data fra SFI-undersøgelsen. Dokumentation af spildeltagelse og skader pådraget i løbet af sæsonen blev tilføjet databasen for at udvikle individets forudsigelsesmodel for skader.

I analysen af ​​data, forskerne fandt ud af, at atleter, der spillede mindst otte kampe, havde mere end tre gange større odds for skader end dem, der spillede færre end otte kampe. Blandt atleter, der udviste mindst én risikofaktor, 42 procent pådrog sig en skade.

"At tildele alle atleter en enkelt type træningsprogram, uden hensyntagen til en persons unikke risikoprofil, kan ikke give et væsentligt fald i sandsynligheden for skade. Resultaterne giver også et nyttigt estimat af oddsene for skadeforekomst for hver atlet i den efterfølgende sæson, " siger Wilkerson, hovedforfatter og professor i et atletisk træningsprogram.

Denne undersøgelse brugte kun én test til at vurdere fysisk formåen, men der er mange andre typer screeningstest, der kan bruges til at vurdere forskellige aspekter af en atlets præstationsevner for at skabe et mere detaljeret billede af den enkeltes skadesrisiko. Andre test kan bruges til at måle neuromekaniske og neurokognitive evner og omfanget af hovedskader.

Efterhånden som smartphones og andre IoT-enheder bliver mere udbredte, forskellige screeningstests kan kombineres fra forskellige kilder for at skabe et "dashboard" i realtid af atletstatusindikatorer. Disse data kan så hjælpe med tydeligt at identificere atleter med forhøjet skadesrisiko, derved støtte bestræbelserne på at reducere den økonomiske, følelsesmæssigt og fysisk antal sportsskader.