STROJNO UČENJE KOT OBETANO ORODJE PRI PREMOŠČANJU VRZELI V PREPREČEVANJU POŠKODB PRI ŽENSKIH EKIPNIH ŠPORTIH

V zadnjih letih so se udeležba, profesionalnost in uspehi žensk v vrhunskem športu eksponentno povečali. Ob tem pa je zaznati nevarno vrzel v razvoju in popularizaciji ženskega športa zaradi pomanjkanja znanstvenih raziskav na področju športne medicine o vrhunskih, profesionalnih in amaterskih športnicah. Poleg tega je aplikacija znanstvenih dognanj izvedenih na moških športnikih, lahko neustrezna, če se aplicira na športnice ter se ob tem ne upošteva fizioloških in bioloških razlik med spoloma, kar lahko vodi do neprimernih obremenitev pri treningu in večjo možnost za nastanek poškodb. Trenutno uporabljeni mono-dimenzionalni pristop za preprečevanje in napovedovanje poškodb, ki temelji na presejalnih testih in protencijskih programih, v praksi zaradi nizke natančnosti ni učinkovit. Zato ženski ekipni športi nujno potrebujejo alternativni pristop, ki temelji na strojnem učenju (Machine learning -ML), orodju, ki je enostavno za uporabo in lahko odkrije dejavnike tveganja v zgodnji fazi in s tem omogoči zmanjšanje splošne pojavnosti poškodb in nastale stroške. Splošni cilj tega projekta je razviti orodje strojnega učenja (ML) namenjen ženskim ekipnim športom, ki bo omogočil: 1) predvideti nastanek poškodbe na podlagi parametrov telesne pripravljenosti, živčno-mišičnih in stresnih parametrov merjenih pred sezono; 2) ugotoviti, kateri parameter(-i) prispeva(-jo) največ in predstavlja(-jo) dejavnik(-e) tveganja za poškodbe na posamezni ravni. Ta projekt bo temeljil na zasnovi presečne študije z množičnimi meritvami, da bi pridobili parametre telesne pripravljenosti, živčno-mišičnih in stresnih parametrov športnic ter perspektivno kohortno zasnovo, povezano z epidemiologijo športnih poškodb. Projekt bo osredotočen na ženske ekipne športe in bo vključeval športnice kadetskih (U15 -U17), mladinskih (U17-19) in članskih selekcije, ki tekmujejo na različnih ravneh (profesionalni, polprofesionalni, amaterski). Naš cilj je vključiti najmanj pet ekip za vsak ekipni šport (nogomet, košarka; rokomet in odbojka), tako bo vključenih 20 ekipnih športnih klubov s skupno okoli 200-250 udeleženkami. Za modeliranje bodo uporabljeni algoritmi ML, primerni za nadzorovane naloge (tj. drevesa odločitev, regresijski modeli, naključni gozd in XGBoost). Novo razvito orodje ML za preprečevanje in napovedovanje poškodb bo lahko s ponudbo novega in učinkovitega orodja omogočilo povezovanje in izmenjavo znanja z medicinskimi mrežami (zdravstveni centri FIFA, FIBA, FIVB itd.). Ta projekt bomo posvetili izključno športnicam v ekipnih športih, da bi zmanjšali vrzel v znanstveni literaturi in omogočili aplikacijo znanstvenih dokazov v praksi za optimalno zmogljivost proučevane ženske kohorte.