[article]
| Titre : |
Estimation du risque de blessures en utilisant le machine learning basée sur le monitoring de la perception des états physiques et mentaux des athlètes : étude préliminaire sur 110 athlètes de haut niveau suivis sur une période de 18 mois |
| Type de document : |
texte imprimé |
| Auteurs : |
Jeanne Tondut ; et al. |
| Année de publication : |
2023 |
| Article en page(s) : |
p. 74-80 |
| Langues : |
Français (fre) |
| Mots-clés : |
Athlètes Traumatismes sportifs Prévention des accidents |
| Résumé : |
Afin de mieux prévenir les blessures en sport, les mesures de prévention offrent aujourd’hui de nouveaux outils, comme le machine learning, pour accéder à une estimation du risque de blessures. Cet article s’attache à estimer le risque de blessures de 110 athlètes pratiquant des sports impliquant des répétitions de sprints (rugby à 7, athlétisme, bobsleigh). Les facteurs de risque mesurés quotidiennement (données d’entrées du modèle) étaient les perceptions des états physiques et psychologiques des athlètes, autorapportés chaque matin et chaque soir dans une application dédiée. Les données de sortie correspondaient aux blessures recensées par les athlètes. Un modèle de Decision Tree a été entraîné et optimisé pour réaliser la prédiction de la survenue d’une blessure en fonction des facteurs mesurés. Les performances du modèle ont été évaluées sur un nouveau jeu de données qui permettait d’atteindre les scores de performance suivants (accuracy=0,91 [0,02] ; précision=0,15 [0,04] ; recall=0,18 [0,05] ; spécificité=0,95 [0,02] ; ROC AUC=0,56 [0,02]). L’estimation du risque de blessures est rendue particulièrement difficile, notamment en raison du déséquilibre entre le nombre de blessures et le nombre d’observations. L’interprétation du modèle de prédiction montrait que les facteurs les plus influents étaient les facteurs physiques et les émotions positives. |
| Permalink : |
./index.php?lvl=notice_display&id=111809 |
in Journal de traumatologie du sport > Vol 40, n°2 (juin 2023) . - p. 74-80
[article] Estimation du risque de blessures en utilisant le machine learning basée sur le monitoring de la perception des états physiques et mentaux des athlètes : étude préliminaire sur 110 athlètes de haut niveau suivis sur une période de 18 mois [texte imprimé] / Jeanne Tondut ; et al. . - 2023 . - p. 74-80. Langues : Français ( fre) in Journal de traumatologie du sport > Vol 40, n°2 (juin 2023) . - p. 74-80
| Mots-clés : |
Athlètes Traumatismes sportifs Prévention des accidents |
| Résumé : |
Afin de mieux prévenir les blessures en sport, les mesures de prévention offrent aujourd’hui de nouveaux outils, comme le machine learning, pour accéder à une estimation du risque de blessures. Cet article s’attache à estimer le risque de blessures de 110 athlètes pratiquant des sports impliquant des répétitions de sprints (rugby à 7, athlétisme, bobsleigh). Les facteurs de risque mesurés quotidiennement (données d’entrées du modèle) étaient les perceptions des états physiques et psychologiques des athlètes, autorapportés chaque matin et chaque soir dans une application dédiée. Les données de sortie correspondaient aux blessures recensées par les athlètes. Un modèle de Decision Tree a été entraîné et optimisé pour réaliser la prédiction de la survenue d’une blessure en fonction des facteurs mesurés. Les performances du modèle ont été évaluées sur un nouveau jeu de données qui permettait d’atteindre les scores de performance suivants (accuracy=0,91 [0,02] ; précision=0,15 [0,04] ; recall=0,18 [0,05] ; spécificité=0,95 [0,02] ; ROC AUC=0,56 [0,02]). L’estimation du risque de blessures est rendue particulièrement difficile, notamment en raison du déséquilibre entre le nombre de blessures et le nombre d’observations. L’interprétation du modèle de prédiction montrait que les facteurs les plus influents étaient les facteurs physiques et les émotions positives. |
| Permalink : |
./index.php?lvl=notice_display&id=111809 |
|
Estimation du risque de blessures en utilisant le machine learning basée sur le monitoring de la perception des états physiques et mentaux des athlètes : étude préliminaire sur 110 athlètes de haut niveau suivis sur une période de 18 mois in Journal de traumatologie du sport, Vol 40, n°2 (juin 2023)
