Validating OpenCap Kinematics for ACL Injury-Related Movements In and Out of the Lab
本研究验证了基于智能手机的 OpenCap 系统作为在实验室环境下评估前交叉韧带（ACL）损伤风险因素的一种具有前景的工具，尽管由于性能波动，其在实验室外测量这些运动学数据时的准确性会有所下降。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
每年，美国有超过12万人因运动导致膝盖中的关键韧带——前交叉韧带（ACL）撕裂。对于年轻女性运动员而言，这一风险尤其高，其受伤率是男性同龄人的两倍多。这些损伤不仅仅是暂时的挫折，还可能导致长期的健康问题，包括在日后患上关节炎的风险显著增加。由于大多数此类撕裂并非由膝盖直接撞击引起，研究人员认为，通过教授运动员不同的运动方式，这些损伤是可以预防的。科学家们已经确定了某些特定的运动方式——例如一个人从跳跃中着地的方式，或是横向切入球场的方式——会给膝盖带来额外的压力。通过测量这些动作，他们可以计算出一个分数，用以指示一个人的身体对损伤的抵抗力。挑战在于，准确测量这些动作一直需要昂贵的、仅存在于专业实验室中的房间级摄像机和传感器，这使得在运动员实际运动的场所进行频繁检查变得不可能。
一支研究小组致力于探索是否有一种更简单的工具可以取代实验室。他们测试了一套名为 OpenCap 的软件系统，该系统利用标准智能手机拍摄的视频来估算人体的三维运动。目标是确定这种基于手机的方法是否能准确测量与高科技实验室设备相同的受伤风险因素，以及它是否能捕捉到运动员在实验室受控环境之外的真实世界中的运动情况。研究小组招募了 26 名平均年龄约 16 岁的女性青少年运动员，她们从事足球、篮球和排球等运动。所有参与者均没有膝盖手术史。研究人员要求这些运动员进行五种用于筛查受伤风险的常见动作：单腿深蹲、单腿和双腿跳跃，以及两种类型的急转弯。研究人员对每位运动员的这些动作进行了两次记录：一次是在实验室内部使用金标准动作捕捉系统，另一次是在更自然的户外环境中仅使用智能手机进行记录。
结果显示，当与实验室设备进行对比时，这款智能手机系统表现得非常出色。在实验室内部，通过手机视频计算出的损伤抗性得分与高科技摄像机得出的得分高度相关。两种方法的一致性足够高，使得手机可以可靠地对运动员进行高低风险排序。当研究人员观察运动的具体细节（如膝盖弯曲程度或髋部旋转程度）时，手机系统能够高精度地捕捉到大多数关节的运动模式，尤其是膝盖和髋部。测量这些角度时的误差足够小，以至于该系统很可能检测出运动员通过训练改善技术时所产生的变化。这表明教练和训练员可以使用简单的智能手机来监测运动员，并就如何更安全地运动提供即时反馈，而无需前往研究机构。
然而，当运动员移动到户外时，情况发生了轻微的变化。虽然手机仍然有效，但从户外环节计算出的得分并未像研究人员预期的那样与室内得分如此吻贴。许多运动员在室外时的运动方式与在实验室内的不同，且这些差异大到足以显著改变他们的风险评分。例如，一名在实验室里表现出非常安全的着地模式的运动员，在户外却表现出更僵硬、风险更高的着地方式，其膝盖弯曲减少，躯干倾斜更多。另一名运动员则呈现出相反的趋势，在实验室之外表现出更好的姿态。这表明环境本身会影响人的运动方式，而在安静房间里进行的单次测试可能无法揭示全貌。这项研究并未发现手机系统存在缺陷；相反，它揭示了运动员在现实世界中确实会表现出不同的行为。
研究人员得出结论，基于智能手机的工具是衡量生物力学损伤风险的一种有效方式，为更频繁地在运动员实际比赛的场景中监测其运动提供了切实可行的路径。该技术足以追踪运动能力的提升并识别危险模式。然而，实验室与现实世界表现之间的差异强调了一个至关重要的点：要真正理解并预防损伤，我们需要观察运动员在自然环境中的运动状态，而不仅仅是在受控的房间里。这项工作为未来奠定了基础，即损伤预防将不再局限于几次实验室访问，而是成为运动员日常训练中持续的一部分，并由反映其真实运动习惯的数据来引导。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。