Prédiction par capteurs portables des moments articulaires du genou chez des joueurs de rugby de compétition lors de mouvements multidirectionnels
Wearable Sensor-Based Prediction of Knee Joint Moments in Competitive Rugby Players During Multidirectional Movements.
L’essentiel
Cette étude visait à développer un cadre d'apprentissage automatique interprétable utilisant des capteurs de pression plantaire pour estimer les moments au genou lors de mouvements spécifiques au rugby. Un total de trente et un joueurs de rugby de compétition nord-américains ont été recrutés pour effectuer quatre mouvements courants sur une surface de gazon artificiel en laboratoire de capture du mouvement. Une acquisition de données synchronisées a été réalisée pour la pression plantaire, la capture du mouvement et les forces de réaction au sol. Les moments du genou ont été calculés via la dynamique inverse, et un algorithme génétique associé à une régression par forêt profonde a été employé pour sélectionner les capteurs et prédire les moments résultants. Le modèle de forêt profonde a surpassé la régression linéaire et le réseau de neurones convolutif, sans différence significative par rapport aux réseaux plus complexes. Le coefficient de détermination global R2 était de 0,795 pour le moment résultant, démontrant la faisabilité d'une estimation précise à partir de données plantaires réduites. L'utilisation d'explications SHAP a permis d'interpréter les prédictions et d'identifier les contributions temporelles des capteurs pendant la phase d'appui. Ces résultats soutiennent l'estimation des profils de moment articulaire du genou chez de nouveaux joueurs de rugby.
- Un cadre d'apprentissage automatique basé sur des capteurs de pression plantaire a été développé pour estimer les moments articulaires du genou chez des joueurs de rugby.
- L'étude a inclus trente et un joueurs de rugby de compétition réalisant des mouvements multidirectionnels en laboratoire.
- Le modèle de régression par forêt profonde a obtenu de bonnes performances de prédiction avec un coefficient R2 global de 0,795 pour le moment résultant.
Cette étude transversale évalue un modèle de régression par forêt profonde guidé par algorithme génétique (GA-DFR) pour estimer les moments articulaires du genou à partir de données de pression plantaire chez 31 joueurs de rugby. L'analyse NeuroWatch relève des performances prédictives satisfaisantes sur l'ensemble des mouvements, tout en soulignant des limites méthodologiques telles que l'absence d'enregistrement de l'historique des blessures du ligament croisé antérieur.
Comprendre l’analyse ↓Analyse du texte intégral ouvert. Confiance faible dans les informations extraites.
Voir les sources ↓Synthèse détaillée
Synthèse
Cette étude visait à développer un cadre d'apprentissage automatique interprétable utilisant des capteurs de pression plantaire pour estimer les moments au genou lors de mouvements spécifiques au rugby. Un total de trente et un joueurs de rugby de compétition nord-américains ont été recrutés pour effectuer quatre mouvements courants sur une surface de gazon artificiel en laboratoire de capture du mouvement. Une acquisition de données synchronisées a été réalisée pour la pression plantaire, la capture du mouvement et les forces de réaction au sol. Les moments du genou ont été calculés via la dynamique inverse, et un algorithme génétique associé à une régression par forêt profonde a été employé pour sélectionner les capteurs et prédire les moments résultants. Le modèle de forêt profonde a surpassé la régression linéaire et le réseau de neurones convolutif, sans différence significative par rapport aux réseaux plus complexes. Le coefficient de détermination global R2 était de 0,795 pour le moment résultant, démontrant la faisabilité d'une estimation précise à partir de données plantaires réduites. L'utilisation d'explications SHAP a permis d'interpréter les prédictions et d'identifier les contributions temporelles des capteurs pendant la phase d'appui. Ces résultats soutiennent l'estimation des profils de moment articulaire du genou chez de nouveaux joueurs de rugby.
Résultats principaux
Un cadre d'apprentissage automatique basé sur des capteurs de pression plantaire a été développé pour estimer les moments articulaires du genou chez des joueurs de rugby. L'étude a inclus trente et un joueurs de rugby de compétition réalisant des mouvements multidirectionnels en laboratoire. Le modèle de régression par forêt profonde a obtenu de bonnes performances de prédiction avec un coefficient R2 global de 0,795 pour le moment résultant. Les moments de flexion-extension ont été prédits avec plus de précision que les moments d'adduction-abduction ou de rotation interne-externe. L'interprétabilité des modèles a été assurée par l'utilisation de valeurs SHAP pour évaluer la contribution temporelle des capteurs.
Repères pour la pratique
L'utilisation de capteurs de pression plantaire portables pourrait faciliter l'évaluation biomécanique en dehors des laboratoires traditionnels de capture du mouvement. Cette approche offre des perspectives intéressantes pour le suivi de la charge mécanique et la prévention des blessures du genou chez les sportifs. Les cliniciens et préparateurs physiques disposent d'un outil potentiel pour estimer les contraintes articulaires lors de gestes sportifs complexes.
Limites et précautions
L'article traite de biomécanique sportive et d'apprentissage automatique appliqué à la cinématique du genou, ce qui s'éloigne des thématiques centrales de neuropsychologie clinique ou de neurodéveloppement gérées par NeuroWatch, justifiant une note de pertinence faible mais non nulle en raison des méthodes technologiques employées. L'échantillon était exclusivement composé de joueurs de rugby masculins de compétition, limitant la généralisation à d'autres populations. L'étude s'est déroulée en environnement de laboratoire sur gazon artificiel, ce qui ne reflète pas parfaitement toutes les conditions de match réel. Les performances de prédiction varient selon les composantes directionnelles des moments, la rotation interne-externe étant moins bien prédite.
Analyse méthodologique
Modérée — Cette étude transversale évalue un modèle de régression par forêt profonde guidé par algorithme génétique (GA-DFR) pour estimer les moments articulaires du genou à partir de données de pression plantaire chez 31 joueurs de rugby. L'analyse NeuroWatch relève des performances prédictives satisfaisantes sur l'ensemble des mouvements, tout en soulignant des limites méthodologiques telles que l'absence d'enregistrement de l'historique des blessures du ligament croisé antérieur.
Examiner les critères point par point
L'analyse automatisée de cette publication de type transversale repose sur l'examen du texte intégral. Concernant la sélection de la population, l'étude a inclus 31 joueurs de rugby compétitifs nord-américains (9 hommes et 22 femmes) ayant plus de 5 ans d'expérience et aucun antécédent de blessure pelvienne ou des membres inférieurs au cours des 6 derniers mois. La validité des mesures est documentée de manière adéquate, les moments articulaires du genou ayant été mesurés via un système de capture du mouvement à 12 caméras synchronisé avec une plaque de force, et la pression plantaire enregistrée par une semelle instrumentée. L'analyse statistique s'appuie notamment sur une validation croisée imbriquée à 10 plis et des tests de Friedman. Sur le plan des résultats principaux, le modèle DFR a atteint un R2 global groupé de 0,795 pour les moments résultants du genou, avec des valeurs de R2 de 0,806 pour la flexion-extension, 0,662 pour l'adduction-abduction et 0,675 pour la rotation interne-externe. En ce qui concerne le contrôle des facteurs de confusion, l'étude présente une limitation documentée : l'historique des blessures antérieures du ligament croisé antérieur n'a pas été enregistré et des joueurs des deux sexes ont été combinés sans ajustement explicite dans l'analyse multivariée. Les informations non rapportées dans la source analysée incluent le suivi longitudinal, qui est non rapporté dans la source analysée. L'analyse NeuroWatch note également que les limites de généralisabilité résident dans l'évaluation sur de jeunes joueurs de rugby pratiquant des mouvements multidirectionnels spécifiques, avec une variabilité inter-participante prédite inférieure à la variabilité mesurée. Aucune recommandation clinique n'est formulée.
confounding controlPoint de vigilance
L'étude n'a pas enregistré l'historique des blessures antérieures du ligament croisé antérieur (LCA) et a combiné des joueurs masculins et féminins, ce qui peut influencer les profils de chargement articulaire sans ajustement explicite dans l'analyse multivariée.
Une limitation méthodologique est explicitement documentée.measure validityFavorable
Les moments articulaires du genou ont été mesurés à l'aide d'un système de capture du mouvement à 12 caméras synchronisé avec une plaque de force et validé par dynamique inverse, tandis que la pression plantaire a été enregistrée via une semelle instrumentée à 150 Hz.
Un élément méthodologique adéquat est explicitement documenté.population selectionFavorable
Un total de 31 joueurs de rugby compétitifs nord-américains (9 hommes et 22 femmes) ayant plus de 5 ans d'expérience et aucun antécédent de blessure pelvienne ou des membres inférieurs au cours des 6 derniers mois ont été recrutés.
Un élément méthodologique adéquat est explicitement documenté.statistical analysisFavorable
L'évaluation a utilisé une validation croisée imbriquée à 10 plis regroupée par participant, des tests de Friedman suivis de tests de rangs signés de Wilcoxon avec correction de Holm, ainsi que des métriques telles que le R2, le PCC, le RMSE et le MAE.
Un élément méthodologique adéquat est explicitement documenté.Cette analyse est produite automatiquement par une IA à partir des sources indiquées, puis l’appréciation est calculée avec des règles versionnées (scientific_analysis_v2). Elle ne constitue ni une validation par un professionnel ni une recommandation clinique. Consulter la méthodologie.
Classification détaillée
Informations sur l’article
- Publication
- Étude transversale
- Source
- PubMed / PMC — neurodeveloppement open access
- Date
- 30 oct. 2026
- Langue
- Anglais
- Accès
- Accès ouvert
- Licence
- CC-BY