文章信息
文献标题：Decision Support System for Mitigating Athletic Injuries
期刊名称： International Journal of Computer Science in Spor
所属级别：
影响因子：
发表时间： 2019
作者机构： Sports Science Department, University of Iowa, Iowa City, IA USA
作者姓名：Peterson, K.D., Evans, L.C
内容提要
主要内容：研究了这些技术在动态、时间维度上模拟损伤发生的能力。与静态贝叶斯做对比
实验方法：归纳方法 概率图模型 动态贝叶斯网络（Dynamic Bayesian Network ，DBN）
技术指标：
创新之处：DBN
知识概念：
文中在background中较为详细阐述了贝叶斯网络
External Training Load：has been defined as the amount of work performed by an athlete,
independent of internal characteristics, that can be quantified externally (Halson, 2014).
acute:chronic(A:C) workload ratios：考虑了外部负荷应用的相对比率，采用指数加权移动平均(EWMA)策略，设t为当前时间步长，L为个体的绝对外训练负荷，Na为急性衰减常数(7天)，Nc为慢性衰减常数(28天)
acute:chronic(A:C) workload ratios
Internal load： has been described as the relative physiological and/or psychological stress imposed onto an athlete’s biological system, which can be obtained both objectively and subjectively (Halson, 2014).
BayesiaLab software (Bayesia S.A.S., Changé, France) version 7.0
RPE= Rate of Perceived Exertion,
PNS = Parasympathetic Activity, 副交感神经活动活动
SNS = Sympathetic Activity, 交感神经活动活动
RMSSD= Root Mean Sum of Differences of Successive Intervals.
方法介绍
监测了23个学生运动员在2016年赛季的日常健康（health）和感受（well-being）；
佩戴三轴加速度计（胸部）来量化总的人体运动；
计算外部训练负荷：以运动员产生的任意单位(a.u.)、累计三轴(前后、中外侧和垂直)g-力变化，加和得到一个矢量，表示在一个时段内承受的外部训练负荷(Boyd, Ball, & Aughey, 2011)；
通过陀螺仪拆分到各个方向上进行分析；
以天为时间单位进行统计；
为了确保可靠的HRV测量，学生运动员在休息状态下进行评估，并在光线和干扰最小的房间里仰卧；
在生理输出方面，运动知觉强度(RPE)是一种常见的、有效的方法，用于评估运动员在特定训练期间的内在负荷感知(Foster，1998)。运动结束后半小时内，运动员提交一份RPE，使用RPE乘以运动时长。再利用公式5进行计算
每早提交一份Hooper-Mackinnon报告(Hooper, Mackinnon, Howard, Gordon, & Bachman, 1995)，回答5个问题，每题1-5分(1 =非常糟糕;5 =非常好):睡眠质量，睡眠时间，疲劳，压力和营养。
算法：
分类条件：1)直观的低、中、高序数解释，2)最小化条件概率的总体数量，同时仍允许发现非单调关系
R2-GenOpt algorithm 监督离散化(Conrady &Jouffe, 2015)
监督学习，节点集直接影响目标节点
禁忌无监督元启发式搜索算法（Tabu unsupervised metaheuristic search algorithm）防止出现其他局部最优
交叉验证来确定模型准确度，与静态模型做对比
模型分类精度由常规混淆矩阵制表法计算，正确分类之和除以总分类:(TP+TN) / (TP+TN+FP+FN)
t-统计量计算（t-检验算法）
计算总结点与每个变量节点之间的距离来确定节点的重要性
基因遗传算法用于求解最优状态和最坏状态，再分别计算两种状态下的后验概率
先验分布作为数据的初始状态
结果讨论
合成的DBN平均精度超过了朴素基线阈值，而静态贝叶斯网络没有达到基线精度
睡眠时间影响中枢神经，中枢疲劳对个体的运动控制和生物力学产生负面影响（生理DC电势与受伤之间的生理解释）
先前有推测认为交感神经活动的增加会增加促炎细胞因子，这可能会对组织耐受性产生负面影响（生理解释）
交感神经活动增加与肌肉疲劳或挛缩有关(Vilamitjana, 2014)
紧急急性:慢性工作负荷比和损伤研究一再表明，高慢性外部工作负荷不一定是罪魁祸首，更有力的预测因素是随着时间的推移，负荷是如何累积的
总结评论
本研究检验了动态贝叶斯网络在帮助运动员减少受伤方面的效用。结果网络的预测精度高于原始基线阈值，同时也说明了网络拓扑之间的生理相关性。2天前主观报告的压力、1天前主观急性:慢性内感觉劳力、损伤事件当天的直流电位和交感神经张力被认为是对损伤表现最有效的监测指标。因此，建议该领域的从业人员考虑采用一种归纳方法，以更好地理解运动员的时间-过程适应，并可能通过减少来自人类产生的信念的确认偏差来改进决策过程
主观认知具有较大影响，在高压下调整身体反应，包括注意力分散，肌肉紧张和疲劳增加，协调性降低。
有待研究
BDN网络节点设置
限制：人们认识到增加维数可以提高未来模型的准确性，因为目前的网络虽然实用，但仍然过于简化。结合更多的内部参数，如水合作用、内分泌功能、生物力学特征和遗传因素，或外部参数，如天气、比赛场地或比赛日程安排，可能会在未来的模型中提高准确性。目前的样本量也是一个需要考虑的限制。延长纵向分析，或合作创建一个多中心的方法，将是明智的战略，以增加样本量，以充分验证这种方法
值得学习
使用数据库：De-identified injury data were retrieved from the University of Iowa Sports Injury Management Systems (FlanTech, Inc., Iowa City, IA, USA) HIPAA-compliant database.
英文表达
adhered（本意粘附，依附；信仰文中译为遵守/符合（xxx标准））：
each of the following criteria were to be adhered to before an injury instance was entered into dataset
prior and posterior probabilities：先验和后验概率
Normalized continuous probability distributions:归一化连续概率分布
it is imperative to：必须
网友评论