Validating OpenCap Kinematics for ACL Injury-Related Movements In and Out of the Lab
Diese Studie validiert das smartphone-basierte OpenCap-System als ein vielversprechendes Werkzeug zur Bewertung von Risikofaktoren für VKB-Verletzungen in Laborumgebungen, wenngleich seine Genauigkeit bei der Messung dieser Kinematik außerhalb des Labors aufgrund von Leistungsvariabilität abnimmt.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Jedes Jahr reißen sich in den Vereinigten Staaten mehr als 120.000 Menschen das vordere Kreuzband, ein entscheidendes Band im Knie, oft beim Sport. Für junge Athletinnen ist das Risiko besonders hoch, wobei die Verletzungsraten mehr als doppelt so hoch sind wie die ihrer männlichen Kollegen. Diese Verletzungen sind nicht nur ein vorübergehender Rückschlag; sie können zu langfristigen Gesundheitsprobleken führen, einschließlich einer signifikant höheren Wahrscheinlichkeit, später im Leben an Arthritis zu erkranken. Da die meisten dieser Risse ohne einen direkten Schlag auf das Knie auftreten, glauben Forscher, dass sie durch das Erlernen einer anderen Bewegungsweise verhindert werden könnten. Wissenschaftler haben spezifische Arten der Bewegung identifiziert – wie etwa die Art und Weise, wie eine Person von einem Sprung landet oder über ein Spielfeld schneidet –, die das Knie zusätzlich belastet. Durch die Messung dieser Bewegungen können sie einen Wert berehalten, der angibt, wie belastbar der Körper eines Athleten gegenüber Verletzungen ist. Die Herausforderung bestand bisher darin, dass die genaue Messung dieser Bewegungen teure, raumgroße Kameras und Sensoren erfordert, die nur in spezialisierten Laboratorien zu finden sind, was es unmöglich macht, Athleten häufig oder an den Orten zu überprüfen, an denen sie tatsächlich spielen.
Ein Forschungsteam setzte sich zum Ziel zu prüfen, ob ein viel einfacheres Werkzeug das Labor ersetzen könnte. Sie testeten ein Softwaresystem namens OpenCap, das Videos, die mit Standard-Smartphones aufgenommen wurden, verwendet, um die Körperbewegung in drei Dimensionen zu schätzen. Das Ziel war es festzustellen, ob diese auf dem Smartphone basierende Methode dieselben verletzungsbedingten Risikofaktoren wie die hochtechnologische Laborausrüstung genau messen kann und ob sie die Art und Weise erfassen kann, wie sich Athleten in der realen Welt außerhalb der kontrollierten Umgebung eines Labors bewegen. Das Team rekrutierte 26 weibliche jugendliche Athletinnen, deren Durchschnittsalter etwa 16 Jahre betrug und die Sportarten wie Fußball, Basketball und Volleyball betrieben. Keine der Teilnehmerinnen hatte eine Vorgeschichte von Knieoperationen. Die Forscher baten diese Athletinnen, eine Reihe von fünf gängigen Bewegungen durchzuführen, die zur Überprüfung des Verletzungsrisikos verwendet werden: einbeinige Kniebeugen, einbeinige und beidbeinige Sprünge sowie zwei Arten von scharfen Drehungen. Sie zeichneten diese Bewegungen zweimal für jede Athletin auf: einmal innerhalb des Labors mit dem Goldstandard-Bewegungserfassungssystem und einmal außerhalb in einer natürlicheren Umgebung nur mit Smartphones.
Die Ergebnisse zeigten, dass das Smartphone-System im Vergleich zur Laborausrüstung hervorragend funktionierte. Innerhalb des Labors waren die aus den Smartphone-Videos berechneten Werte für die Verletzungsresistenz stark mit den Werten der Hochtechnologie-Kameras verknüpft. Die beiden Methoden stimmten so eng überein, dass die Telefone die Athleten zuverlässig von höchstem zu niedrigstem Risiko einreihen konnten. Wenn die Forscher sich die spezifischen Details der Bewegungen ansah, wie etwa wie stark das Knie gebeugt oder wie die Hüfte rotiert wurde, erfasste das Smartphone-System die Muster mit hoher Genauigkeit für die meisten Gelenke, insbesondere für das Knie und die Hüfte. Die Fehler bei der Messung dieser Winkel waren gering genug, dass das System wahrscheinlich die Arten von Veränderungen erkennen könnte, die auftreten, wenn eine Athletin ihre Technik durch Training verbessert. Dies deutet darauf an, dass Trainer und Coaches einfache Smartphones nutzen könnten, um Athleten zu überwachen und sofortiges Feedback dazu zu geben, wie sie sich sicherer bewegen können, ohne einen Besuch in einer Forschungseinrichtung zu benötigen.
Die Geschichte änderte sich jedoch leicht, als sich die Athletinnen außerhalb des Labors bewegten. Obwohl die Telefone weiterhin funktionierten, stimmten die aus den Outdoor-Sitzungen berechneten Werte nicht so eng mit den Innenraum-Werten überein, wie die Forscher gehofft hatten. Viele Athletinnen bewegten sich draußen anders als im Labor, und diese Unterschiede waren groß genug, um ihre Risiko-Scores signifikant zu verschieben. Beispielsweise zeigte eine Athletin, die im Labor ein sehr sicheres Landemuster zeigte, draußen eine steifere, riskantere Landung mit weniger Kniebeugung und mehr Neigung des Oberkörpers. Eine andere Athletin zeigte den gegenteiligen Trend und bewegte sich draußen mit besserer Form. Dies deutet darauf hin, dass die Umgebung selbst die Bewegung beeinflusst und ein einzelner Test in einem ruhigen Raum nicht die ganze Geschichte des Risikos eines Athleten erzählen kann. Die Studie fand nicht heraus, dass das Smartphone-System fehlerhaft war; vielmehr offenbarte sie, dass sich Athleten in der realen Welt tatsächlich anders verhalten.
Die Forscher kamen zu dem Schluss, dass Smartphone-basierte Werkzeuge ein valider Weg sind, um die Biomechanik des Verletzungsrisikos zu messen, was einen praktischen Weg eröffnet, Athleten häufiger und in den Umgebungen zu überwachen, in denen sie tatsächlich spielen. Die Technologie ist genau genug, um Verbesserungen in der Bewegung zu verfolgen und gefährliche Muster zu identifizieren. Dennoch unterstreichen die Unterschiede zwischen der Leistung im Labor und in der realen Welt einen entscheidenden Punkt: Um Verletzungen wirklich zu verstehen und zu verhindern, müssen wir sehen, wie sich Athleten in ihren natürlichen Umgebungen bewegen, nicht nur in einem kontrollierten Raum. Diese Arbeit legt den Grundstein für eine Zukunft, in der die Verletzungsprävention nicht auf wenige Besuche in einem Labor beschränkt ist, sondern zu einem kontinuierlichen Bestandteil des täglichen Trainings eines Athleten wird, geleitet von Daten, die seine tatsächlichen Bewegungsgewohnheiten widerspiegeln.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.