A PRISMA-guided systematic review of musculoskeletal modelling approaches in lower-limb cycling biomechanics

Deze PRISMA-gestuurde systematische review analyseert 28 studies uit de afgelopen 15 jaar over musculoskeletale modellering in wielrennen en concludeert dat er sprake is van grote variatie in modellering en rapportage, een gebrek aan validatie en diversiteit in proefpersonen, en roept op tot transparantere en reproduceerbaardere praktijken.

De kern

🚴‍♂️ De Grote Fiets-Simulatie-Check: Wat weten we echt?

Stel je voor dat je een superkrachtige virtuele fiets hebt. Je kunt erop zitten, maar in plaats van te fietsen in de echte wereld, fiets je in een computer. In die computer kun je alles zien wat je in het echt niet kunt zien: hoe hard je spieren trekken, welke druk er op je knieën staat, en hoe je zenuwen je benen aansturen. Dit heet een spier-skelet-simulatie.

De auteurs van dit artikel hebben gekeken naar alle onderzoeken van de afgelopen 15 jaar waarin mensen zo'n virtuele fiets hebben gebruikt. Ze wilden weten: Is dit een betrouwbare methode? Worden we eerlijk over hoe we het doen? En voor wie werkt het eigenlijk?

Hier is wat ze hebben ontdekt, vertaald naar begrijpelijke taal:

1. Het Grote Ontdekking: "De Virtuele Fietsers zijn bijna allemaal jonge mannen"

Stel je voor dat je een nieuwe auto test. Als je alleen maar jonge, sterke mannen laat rijden, weet je niet hoe de auto presteert voor een oudere vrouw of iemand met een andere bouw.

• Het probleem: In bijna alle studies die ze bekeken, zaten er alleen jonge, gezonde mannen op de virtuele fiets. Vrouwen waren nauwelijks vertegenwoordigd (minder dan 20%), en mensen met blessures of ziektes waren bijna afwezig.
• De les: Het is alsof we een medicijn testen op alleen maar 20-jarige atleten en dan denken dat het ook werkt voor iedereen. We weten niet zeker of de resultaten gelden voor jou, mij of een oudere fietser.

2. De "Recepten" zijn allemaal anders (Geen Standaard)

Stel je voor dat 28 koks een taart moeten bakken. Maar elke kok gebruikt een ander recept, een ander type oven, en meet de ingrediënten op een heel andere manier.

• Het probleem: De onderzoekers gebruikten allemaal verschillende computermodellen. Sommigen maakten een simpele fiets met één been, anderen een heel complex model met het hele lichaam. Sommigen rekenden in 2D (plat als een tekening), anderen in 3D.
• De les: Omdat iedereen zijn eigen "recept" gebruikt, is het heel moeilijk om de resultaten van de ene studie te vergelijken met de andere. Het is alsof je probeert te weten of taart A lekkerder is dan taart B, terwijl ze allebei op een heel andere manier zijn gebakken.

3. De "Gokjes" in plaats van de "Wetenschap"

Veel onderzoekers gebruikten de computer om te gokken wat er zou gebeuren als ze de zadelhoogte veranderden.

• Het probleem: Ze veranderden vaak willekeurig een knop of instelling om te kijken wat er gebeurde, in plaats van een systematisch plan te hebben. Ze keken ook vaak niet goed genoeg na of hun computermodel wel klopte met de werkelijkheid.
• De les: Het is alsof je een vliegtuig bouwt en zegt: "Ik denk dat dit vliegt, want de computer zegt het." Maar je hebt het vliegtuig nooit echt laten vliegen om te checken of het niet neerstort. Ze vertrouwen te veel op theorie en te weinig op echte metingen.

4. De "Geheime Recepten" (Code wordt niet gedeeld)

In de wetenschap is het normaal om je recepten (de computercode) te delen, zodat anderen je taart kunnen namaken en controleren of hij goed is.

• Het probleem: Slechts een handjevol onderzoekers (4 van de 28) deelden hun code of modellen. De rest hield hun "recept" voor zich.
• De les: Als je een taart bakt en niemand mag zien hoe je het deed, kunnen we nooit controleren of je het goed hebt gedaan. Dit maakt het moeilijk om te vertrouwen op de resultaten.

5. Waarvoor gebruiken ze het dan?

Ondanks de problemen, is het een handige tool voor drie dingen:

• Fiets instellen: Om te zien of een zadel of stuur beter staat voor een atleet.
• Revalidatie: Om te helpen bij het herstellen van spierfuncties (bijvoorbeeld na een blessure).
• Blessures voorkomen: Om te begrijpen waarom bepaalde knie- of heupklachten ontstaan.

🏁 De Conclusie: Wat moeten we doen?

De auteurs zeggen: "Het is een mooie tool, maar we moeten volwassen worden."

Om de virtuele fiets echt nuttig te maken voor iedereen, moeten we:

1. Meer diversiteit: Laat ook vrouwen, ouderen en mensen met blessures op de virtuele fiets zitten.
2. Eerlijkheid: Deel je computercode en recepten met de wereld, zodat iedereen het kan controleren.
3. Beter testen: Zorg dat je computermodel echt klopt met de echte wereld, niet alleen met andere theorieën.
4. Systematisch werken: Stop met willekeurig gokken en begin met gestructureerde testen.

Kortom: We hebben een krachtige nieuwe bril om naar fietsen te kijken, maar we moeten de glazen eerst even schoonmaken en zorgen dat we door die bril naar iedereen kijken, niet alleen naar een specifieke groep jonge mannen. Dan kunnen we echt betere fietsen, betere training en betere behandelingen bedenken.

Technische samenvatting

Titel: Een PRISMA-geleide systematische review van musculoskeletale modelleringbenaderingen in de biomechanica van het onderbeen bij fietsen

1. Het Probleem

Fietsen wordt veel gebruikt in sportprestaties, revalidatie en klinische contexten. Hoewel experimentele studies (zoals inverse kinematica, inverse dynamica en EMG) waardevolle inzichten bieden in zichtbare bewegingspatronen, kunnen ze interne biomechanische variabelen zoals spierkrachten en gewrichtsbelasting niet direct meten. Musculoskeletale (MSK) simulaties worden daarom steeds vaker ingezet om deze interne variabelen te schatten en "what-if" scenario's te testen.

Echter, ondanks de groeiende toepassing, blijft de consistentie in de toepassing, validatie en standaardisatie van deze simulaties in de fietsliteratuur onduidelijk. Er is geen systematisch overzicht dat inzicht geeft in hoe modelleringkeuzes, controlemethoden en validatiestrategieën de reproduceerbaarheid en generaliseerbaarheid van de huidige bevindingen beïnvloeden.

2. Methodologie

De auteurs hebben een systematische review uitgevoerd volgens de PRISMA-richtlijnen (Preferred Reporting Items for Systematic Reviews and Meta-Analyses).

• Zoekstrategie: Er werd gezocht in Scopus, PubMed, IEEE Xplore en Web of Science op 1 augustus 2024.
• Tijdsbestek: Studies gepubliceerd tussen januari 2010 en juli 2024.
• Inclusiecriteria:
  • Gepubliceerde, Engelstalige, peer-reviewed artikelen.
  • Toepassing van MSK-simulaties op onderbeen-fietsbiomechanica.
  • Doel: prestatie, revalidatie of letselgerelateerde vragen.
  • Uitsluiting van studies die alleen inverse kinematica (zonder spierkrachtberekening) of alleen EMG-analyses uitvoerden.
• Selectieproces: Uit een initiële set van 1.006 records bleven na verwijdering van duplicaten en screening van titels/abstracts 132 artikelen over. Na volledige tekstbeoordeling voldeden 28 studies aan alle inclusiecriteria.
• Data-extractie: Er werden variabelen geëxtraheerd over studiedoelen, deelnemerskenmerken, modelcomplexiteit (anatomisch bereik, vrijheidsgraden, aantal spier-tendon-eenheden), gebruikte software, controlemethoden (bijv. statische optimalisatie, forward dynamics), kostenfuncties en validatiestrategieën.

3. Belangrijkste Resultaten

A. Toepassingsdomeinen en Deelnemers

• Domeinen: De studies richtten zich voornamelijk op sportprestaties (64,3%), revalidatie (53,6%) en letselgerelateerde vragen (32,1%).
• Doelen: De belangrijkste toepassingen waren optimalisatie van fietsconfiguraties (zadelpositie, trapperlengte, etc.), analyse van neuromusculaire coördinatie, en onderzoek naar functionele elektrische stimulatie (FES) voor revalidatie.
• Deelnemers: Er was een duidelijke demografische scheefheid. Van de 272 deelnemers waren 72,8% mannelijk en slechts 17,6% vrouwelijk. De meeste deelnemers waren jonge, gezonde recreatieve of getrainde fietsers. Klinische populaties (bijv. met spinale cord letsels of knieartrose) waren zeer ondervertegenwoordigd.

B. Modellering en Software

• Modelcomplexiteit: Er was grote variatie in anatomisch bereik (enkelbeen, dubbelbeen, volledig lichaam) en dimensie (39,3% 2D, 60,7% 3D). Het aantal spier-tendon-eenheden varieerde sterk (van 4 tot 286).
• Rapportage: De rapportage was vaak incompleet. Ongeveer de helft van de studies gaf geen specificatie van de vrijheidsgraden (DOF) of de volledige lijst van opgenomen spieren.
• Software: OpenSim was het meest gebruikte platform (57,1%), gevolgd door aangepaste software (25%) en AnyBody (14,3%).
• Openbaarheid: Slechts 14,3% van de studies maakte modellen of code openbaar beschikbaar, wat de reproduceerbaarheid ernstig beperkt.

C. Experimentele Data en Validatie

• Data-invoer: Alle studies die experimentele data gebruikten, rapporteerden kinematica. Echter, slechts twee derde rapporteerde kinetische data (krachten), en slechts één studie rapporteerde fysiologische metingen (metabolisme).
• Validatie: Validatie was vaak gebaseerd op literatuurwaarden in plaats van eigen experimentele data. Geen enkele studie valideerde gesimuleerde belastingen direct tegen experimenteel gemeten weerstandsprofielen. EMG-validatie was zeldzaam en vaak kwalitatief.

D. Simulatie- en Optimalisatiestrategieën

• Methoden: Statische optimalisatie (32,1%) was de meest gebruikte methode, gevolgd door forward dynamics en optimale controle (elk 17,9%).
• Kostenfuncties: Bij studies met een optimalisatiekader (78,6%) was het minimaliseren van spieractiviteit of -inspanning de dominante doelstelling (77,3%). Doelen gericht op prestatie (maximaliseren van vermogen) of fysiologische realisme (metabolische kosten) waren zeldzaam.
• Gevoeligheidsanalyse: Hoewel veel studies parameters varieerden (bijv. zadelhoogte), waren deze variaties vaak exploratief en niet gestructureerd als formele gevoeligheids- of onzekerheidsanalyses.

4. Belangrijke Bijdragen

• Systematische Inventarisatie: Dit is de eerste review die specifiek focust op MSK-simulaties in fietsbiomechanica, in plaats van alleen op experimentele studies.
• Identificatie van Gaten: Het artikel identificeert kritieke gaten in de huidige praktijk: gebrek aan diversiteit in deelnemers (geslacht, leeftijd, klinische status), inconsistentie in rapportage (vooral DOF en modeldetails), en een gebrek aan transparantie (code/model delen).
• Validatieproblemen: Het benadrukt dat de huidige validatiepraktijken vaak onvoldoende zijn om vertrouwen te hebben in de voorspelde interne krachten, omdat ze vaak alleen kinematica vergelijken en geen interne belastingen valideren.
• Richtlijnen voor de Toekomst: De auteurs bieden een kader voor verbetering, waaronder de noodzaak van geslachtsgebalanceerde cohorts, standaardisatie van rapportage, en het gebruik van meer geavanceerde, voorspellende simulatiemethoden.

5. Significantie en Conclusie

De review concludeert dat het veld van fietsbiomechanische simulaties technisch divers maar methodologisch inconsistent is. Hoewel de technologie potentieel heeft om inzicht te geven in interne belastingen en revalidatiestrategieën, wordt dit potentieel beperkt door:

1. Beperkte generaliseerbaarheid door het gebruik van homogene, mannelijke populaties.
2. Gebrek aan reproduceerbaarheid door slechte rapportage en weinig open data.
3. Onvoldoende validatie van de interne mechanische voorspellingen.

Voor de toekomst wordt geadviseerd om over te schakelen op meer voorspellende (forward) simulaties, formele onzekerheidsanalyses toe te passen, en de rapportage te standaardiseren om de overdracht van simulaties naar klinische en sportpraktijk te verbeteren. De huidige staat van het veld vereist een verschuiving van exploratieve modellering naar gestructureerde, gevalideerde en transparante methodologieën.