Validating OpenCap Kinematics for ACL Injury-Related Movements In and Out of the Lab
Deze studie valideert het op smartphones gebaseerde OpenCap-systeem als een veelbelovend instrument voor het beoordelen van risicofactoren voor een voorste kruisbandletsel in laboratoriumsettings, hoewel de nauwkeurigheid afneemt bij het meten van deze kinematica buiten het laboratorium vanwege variabiliteit in prestaties.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Elk jaar scheurt meer dan 120.000 mensen in de Verenigde Staten een cruciaal ligament in hun knie, de voorste kruisband, vaak tijdens het beoefenen van sporten. Voor jonge vrouwelijke atleten is het risico bijzonder hoog, met blessurepercentages die meer dan het dubbele zijn van die van hun mannelijke tegenhangers. Deze blessures zijn niet slechts een tijdelijke tegenslag; ze kunnen leiden tot langdurige gezondheidsproblemen, waaronder een aanzienlijk hogere kans op het ontwikkelen van artrose later in het leven. Omdat de meeste van deze scheuren gebeuren zonder een directe klap op de knie, geloven onderzoekers dat ze mogelijk te voorkomen zijn door atleten anders te leren bewegen. Wetenschappers hebben specifieke manieren van bewegen geïdentificeerd – zoals hoe iemand landt na een sprong of een zijwaartse beweging maakt over een veld – die extra spanning op de knie zetten. Door deze bewegingen te meten, kunnen ze een score berekenen die aangeeft hoe veerkrachtig het lichaam van een atleet is tegen blessures. De uitdaging is altijd geweest dat het nauwkeurig meten van deze bewegingen dure, kamerbrede camera's en sensoren vereist die alleen in gespecialiseerde laboratoria te vinden zijn, wat het onmogelijk maakt om atleten regelmatig te controleren of op de plaatsen waar ze daadwerkelijk spelen.
Een team van onderzoekers zette zich in om te zien of een veel eenvoudiger hulpmiddel de laboratoriumopstelling kon vervangen. Ze testten een softwaresysteem genaamd OpenCap, dat video's gebruikt die zijn opgenomen met standaard smartphones om te schatten hoe het lichaam zich in drie dimensies beweegt. Het doel was om te bepalen of deze op telefoons gebaseerde methode even nauwkeurig dezelfde blessurerisicofactoren kon meten als de hoogtechnologische laboratoriumapparatuur, en of het de bewegingen van atleten in de echte wereld kon vastleggen, buiten de gecontroleerde omgeving van een laboratorium. Het team rekruteerde 26 vrouwelijke adolescente atleten, wier gemiddelde leeftijd ongeveer 16 jaar was, die sporten beoefenden zoals voetbal, basketbal en volleybal. Geen van de deelnemers had een geschiedenis van kniechirurgie. De onderzoekers vroegen deze atleten om een reeks van vijf veelvoorkomende bewegingen uit te voeren die worden gebruikt bij het screenen op blessurerisico: eenknie squat, eenbenige en tweebenige sprongen, en twee soorten scherpe draaiingen. Ze namen deze bewegingen twee keer op voor elke atleet: één keer in het laboratorium met het gouden standaard bewegingsregistratiesysteem, en één keer buiten in een natuurlijkere omgeving met alleen smartphones.
De resultaten toonden aan dat het smartphonesysteem opmerkelijk goed werkte in vergelijking met de laboratoriumapparatuur. Binnen het lab waren de blessure-veerkrachtscores die berekend werden uit de telefoonvideo's sterk verbonden met de scores van de hoogtechnologische camera's. De twee methoden kwamen nauw genoeg overeen zodat de telefoons de atleten betrouwbaar van hoog naar laag risico konden rangschikken. Wanneer de onderzoekers naar de specifieke details van de bewegingen keken, zoals hoeveel de knie boog of hoe de heup roteerde, legde het phonesysteem de patronen met hoge nauwkeurigheid vast voor de meeste gewrichten, met name de knie en de heup. De fouten bij het meten van deze hoeken waren klein genoeg zodat het systeem waarschijnlijk de soorten veranderingen zou kunnen detecteren die optreden wanneer een atleet zijn techniek verbetert door training. Dit suggereert dat coaches en trainers eenvoudige smartphones kunnen gebruiken om atleten te monitoren en onmiddellijke feedback te geven over hoe ze veiliger kunnen bewegen, zonder dat een bezoek aan een onderzoekscentrum nodig is.
Echter, het verhaal veranderde enigszins toen de atleten naar buiten gingen. Hoewel de telefoons nog steeds werkten, kwamen de scores die tijdens de buiten-sessies werden berekend niet zo nauw overeen met de binnen-scores als de onderzoekers hadden gehoopt. Veel atleten bewogen anders buiten vergeleken met in het laboratorium, en deze verschillen waren groot genoeg om hun risicoscores aanzienlijk te verschuiven. Bijvoorbeeld, één atleet die een zeer veilige landingspatroon vertoonde in het lab, vertoonde buiten een stijvere, risicovollere landing, met minder kniebuiging en meer een kanteling van het bovenlichaam. Een andere atleet vertoonde de tegenovergestelde trend, waarbij hij/zij buiten het lab juist met een betere vorm bewoog. Dit geeft aan dat de omgeving zelf invloed heeft op hoe mensen bewegen, en dat een enkele test in een stille kamer niet het hele verhaal vertelt van het risico van een atleet. De studie vond niet dat het phonesysteem defect was; het onthulde eerder dat atleten zich in de echte wereld daadwerkelijk anders gedragen.
De onderzoekers concludeerden dat smartphone-gebaseerde hulpmiddelen een geldige manier zijn om de biomechanica van blessurerisico te meten, wat een praktische weg biedt om atleten vaker en in de omgevingen waar ze daadwerkelijk spelen te monitoren. De technologie is nauwkeurig genoeg om verbeteringen in beweging te volgen en gevaarlijke patronen te identificeren. Toch benadrukken de verschillen tussen prestaties in het lab en in de echte wereld een cruciaal punt: om blessures echt te begrijpen en te voorkomen, moeten we zien hoe atleten bewegen in hun natuurlijke omgevingen, en niet alleen in een gecontroleerde kamer. Dit werk legt de basis voor een toekomst waarin blessurepreventie niet beperkt is tot een paar bezoeken aan een lab, maar een continu onderdeel wordt van de dagelijkse training van een atleet, geleid door gegevens die hun werkelijke beweeggewoonten weerspiegelen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.