基于關聯規則的運動損傷風險評估仿真

邵麗

摘 ?要： 針對當前風險評估方法確定的運動損傷風險因素與目標之間的關聯度較差，存在實際結果與評估結果偏差較大的問題，提出一種基于關聯規則的運動損傷風險評估方法。采用數據預處理方法對統計的不同競技項目高水平運動員損傷資料進行處理，針對構建的運動損傷風險評估初始指標集，采用Apriori關聯規則分析實現對運動損傷有影響的關聯指標的分析挖掘，對運動損傷致傷主要風險狀態量進行分類整理，構建運動員損傷風險綜合狀態量。依據歷史損傷數據統計結果與關聯規則的計算方法確定運動員損傷綜合狀態量中各個單項狀態量的權重系數，計算運動員各損傷綜合狀態量中單項狀態量的評分。實驗結果表明，所提方法對運動損傷風險因素數據的篩選、分類以及提取過程是可行的，預處理后的運動損傷數據可用于關聯規則挖掘分析，且評估結果與開放式問卷帕累托分析結果基本一致。

關鍵詞： 關聯規則; 運動損傷; 風險評估; 權重系數; 單項狀態量; 帕累托分析

中圖分類號： TN911?34; TP309 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2018）10?0172?03

Abstract： In allusion to the problems that the correlation between the sports injury risk factor and the target is poor， and a big deviation exists between the actual results and the assessment results in the current risk assessment method， a sports injury risk assessment method based on association rules is proposed. The data preprocessing method is adopted to deal with the injury materials of high?level athletes for different athletic events. For the constructed initial index set of sports injury risk assessment， analysis of Apriori association rule is used to realize the analysis and excavation of the association indicators that affect sports injury. The comprehensive state quantity of athlete injury risk is constructed by means of classification of main risk state quantities of sports injury. According to the statistic results of historical injury data and the calculation method of association rules， the weight coefficient for each individual state quantity of athlete injury comprehensive state quantity is determined， and the score for the individual state quantity of athletes′ each injury comprehensive state quantity is calculated. The experimental results show that the proposed method for the screening， classification and extraction processes of sports injury risk factor data is feasible， the preprocessed sports injury data can be used for mining analysis of association rules， and the assessment result is basically consistent with that of open questionnaire using Pareto analysis.

Keywords： association rule; sports injury; risk assessment; weight coefficient; individual state quantity; Pareto analysis

0 ?引 ?言

在正常的體育活動中處處隱藏著風險，在競技體育中，許多項目都屬于高危險性項目[1]。競技運動員根據周期性的運動訓練，身體素質、項目技巧、競賽心理等多方面水平才能不斷提高[2]。由于競技項目的特點，以及比賽規則的變化導致運動員很多項目動作的難度系數逐漸提高，這使得運動員身體損傷的風險逐漸加大[3]。運動員損傷風險不僅影響著運動員的身體健康，還影響著運動員的比賽生涯，對運動員本身以及該項競技項目的發展都產生了負面的影響[4]。在這種情況下，研究如何確立和評估運動損傷風險因素，盡最大可能避免運動損傷風險，提出運動員損傷有效應對策略，對運動員的訓練計劃進行合理制定具有一定的指導意義，對于教練員以及運動員調整技戰術具有非常重要的現實意義[5?6]。

王浩倫等人提出一種采用三角模糊軟集的運動損傷風險評估方法[7]。在對運動損傷風險評估中，每個評價專家選取運動損傷風險評估指標集以及利用語言變量進行評估，通過三角模糊軟集方法對每個評價專家給出的評價結果進行綜合分析，分別獲得運動損傷風險評估指標權重，依據指標權重獲得運動員損傷的風險順序。該方法確定的運動損傷風險因素與目標之間的關聯度較差，存在實際結果與評估結果偏差較大的問題，提出一種基于關聯規則的運動損傷風險評估方法。采用Apriori關聯規則分析實現對運動損傷有影響的關聯指標的分析挖掘，依據歷史損傷數據統計結果與關聯規則的計算方法確定運動員損傷綜合狀態量中各個單項狀態量的權重系數，計算運動員各損傷綜合狀態量中單項狀態量的評分。實驗結果表明，所提方法與開放式問卷帕累托分析結果基本一致。

1 ?基于關聯規則的運動損傷風險評估方法

1.1 ?基于Apriori關聯規則挖掘運動損傷數據的過程

采用數據預處理方法對不同競技項目高水平運動員損傷資料進行處理，針對構建的運動損傷風險評估初始指標集，采用Apriori關聯規則分析實現對運動損傷有影響的關聯指標的分析挖掘，對運動損傷致傷主要風險狀態量進行分類整理，構建運動員損傷風險綜合狀態量。依據歷史損傷數據統計結果與關聯規則的計算方法確定運動員損傷綜合狀態量中各個單項狀態量的權重系數，計算運動員各損傷綜合狀態量中單項狀態量的評分。由于關聯規則不能區別歷史運動損傷連續性數值數據，需要對統計的歷史運動損傷數據進行離散化處理，通過歸一化處理方法[8]對統計的運動損傷數據進行分類，即：

采用Apriori關聯規則分析方法[9]，第一階段通過逐層迭代搜索出觀測運動員損傷致傷數據集中所有項的頻繁項集;第二個階段從致傷危險因素頻繁集中挖掘出滿足最低置信度的強關聯規則。為了找出給定的最小支持度與置信度閾值的致傷數據之間的關聯關系，以此關聯關系對運動員損傷致傷危險因素數據集進行損傷風險因素頻繁項數據集的挖掘，并分析運動損傷風險因素頻繁項集之間的關聯關系，通過引入興趣度模型[10]來獲取有重要作用的關聯規則。考慮分析運動員損傷致傷數據的多個因子的關聯規則，則有：

式中：[S（A）=P（A）]表示運動員損傷致傷危險因素[A]在損傷風險因素事務集[T]中出現的幾率;[S（B）=P（B）]用于描述致傷危險因素[B]在損傷風險因素事務集[T]中出現的幾率;[P（BA）]用于描述在致傷危險因素[A]發生的條件下，發生[B]的幾率;[S（A?B）]表示在含有致傷危險因素[A]，[B]的頻繁項集中同時出現的概率。

1.2 ?確定權重系數的運動損傷風險評估方法

依據運動員損傷致傷各綜合狀態量關聯規則[A→B]的置信度可計算出反映運動損傷狀態的各狀態量中某一狀態量[D]的置信度[D]，將相同狀態量中的某一項狀態量的置信度進行對比，通過相應的置信度的大小來確定反映運動損傷狀態的各狀態量的權重系數。同理，可對運動員訓練和比賽階段發生的導致運動損傷的其他狀態中各單項變量的權重系數進行計算，可以獲得身體素質、心理素質等單項狀態量較為客觀的權重系數。采用變權重理論[11]描述綜合評估運動損傷狀態的均衡性能，并利用式（3）計算反映運動損傷狀態的綜合狀態量中各單項狀態的評分。

2 ?實驗結果與分析

通過訪談某高校體育專業20位專家學者，并結合調查問卷的發放和回收方式對不同競技項目高水平運動員損傷致傷因素進行問卷帕累托分析。選取的調查對象是50名不同競技項目的高水平運動員。共發放50份調查問卷，回收有效問卷數量為48份，利用本文方法對運動損傷風險因素進行評估，并結合列表排序法對不同競技項目高水平運動員損傷致傷風險評分進行排序。運動員生理素質導致運動損傷風險評估結果如表1所示。

從表1可以看出，由運動員生理因素導致的損傷致傷風險中，運動員身體狀態、損傷史為運動損傷中等致傷風險因素。相關研究結果表明，以往由于訓練項目受過傷病的運動員，在訓練或是比賽過程中再次誘發運動損傷發生的可能性遠高于未受過傷的運動員。調查結果表明，運動員過度訓練導致其身體力量以及協調能力均顯著下降，通常情況下技術較為熟練的運動員，在上述情況下也極有可能發生技術動作上的錯誤，引起損傷。而訓練或是比賽中身體狀況不佳如女運動員正趕上月經期，生理機能下降，此階段若是不調整訓練計劃或是技戰術水平，極易導致損傷的發生。身體協調能力以及運動員力量素質為運動損傷低風險因素，將其視為可接受風險，但在正常訓練中也應當對此予以重視。

由表2可以看出，在運動員訓練因素導致的運動員損傷致傷風險中，帶傷訓練及比賽過程中動作系數較大或是負荷較大等為中等運動損傷致傷風險因素，準備活動不充分為低風險因素。很多教練員以及運動員認為在訓練過程中，拉伸準備活動不充分導致肌肉力量以及身體協調性較差，容易引發損傷，而前期準備活動過量也容易引起機體疲勞，使得運動員在訓練和比賽過程中誘發損傷。綜合上述給出的多個維度的不同競技項目高水平運動員損傷風險評估結果，可以看出導致運動員損傷的風險主要為損傷史、訓練或比賽中情緒波動較大、技術動作的不規范、帶傷訓練等。如圖1所示，此結果與開放式問卷帕累托分析結果基本一致。

3 ?結 ?論

針對傳統評估方法存在確定的運動損傷風險因素與目標之間的關聯度較差，實際結果與評估結果偏差較大的問題，提出基于關聯規則的運動損傷風險評估方法。結合專家學者評價結果與問卷調查結果，獲得不同競技項目高水平運動員損傷風險因素，主要包含：生理因素、訓練組織因素、技術動作因素以及心理因素、環境因素等。導致運動員運動損傷的主要風險為帶傷訓練、損傷史以及技術動作不規范、身體素質差、注意力不集中等。在訓練和比賽環境中運動員在面對不同運動損傷風險時應當采取不同的應對措施，通常可采取回避風險和盡可能降低風險。

參考文獻

[1] 劉和臣.高強度田徑訓練與運動損傷關系優化建模仿真[J].計算機仿真，2017，34（3）：336?339.

LIU Hechen. High strength of track and field training and sports injuries relationship optimization modeling and simulation [J]. Computer simulation， 2017， 34（3）： 336?339.

[2] 袁航.高強度運動下運動員風險評估仿真研究[J].計算機仿真，2016，33（12）：370?373.

YUAN Hang. Under high intensity exercise athletes risk assessment simulation research [J]. Computer simulation， 2016， 33（12）： 370?373

[3] 邱芬，秦子來，崔德剛.大學生的體育活動風險認知與運動損傷和鍛煉行為的關系[J].武漢體育學院學報，2015，49（6）：75?81.

QIU Fen， QIN Zilai， CUI Degang. Relationship among perception of risk in physical activity， sport injury and exercise behavior for undergraduates [J]. Journal of Wuhan Institute of Physical Education， 2015， 49（6）： 75?81.

[4] 劉同眾，朱林，程曦，等.基于多體動力學和有限元方法的三級跳運動人體膝關節沖擊損傷分析研究[J].振動與沖擊，2015，34（17）：44?49.

LIU Tongzhong， ZHU Lin， CHENG Xi， et al. Impact behaviors of human knee joint during triple?jump based on multi?body dynamics and finite element analysis [J]. Journal of vibration and shock， 2015， 34（17）： 44?49.

[5] 高曉嶙，徐輝，黃鵬，等.應用功能性動作測試評估我國橄欖球運動員損傷風險的研究[J].中國運動醫學雜志，2017，36（5）：410?415.

GAO Xiaolin， XU Hui， HUANG Peng， et al. Assessing sports injury risks of Chinese rugby athletes using functional movement screen [J]. Chinese journal of sports medicine， 2017， 36（5）： 410?415.

[6] 周志鵬，曲峰.3種常見評估前交叉韌帶損傷風險落地動作的對比研究[J].天津體育學院學報，2016，31（5）：455?460.

ZHOU Zhipeng， QU Feng. A comparative study of risk factors related to ACL injury among three jump landing tasks [J]. Journal of Tianjin University of Sport， 2016， 31（5）： 455?460.

[7] 王浩倫，徐翔斌，甘衛華.基于三角模糊軟集的FMEA風險評估方法[J].計算機集成制造系統，2015，21（11）：3054?3062.

WANG Haolun， XU Xiangbin， GAN Weihua. Risk evaluation method in FMEA based on triangular fuzzy soft sets [J]. Computer integrated manufacturing systems， 2015， 21（11）： 3054?3062.

[8] 張劍杰.高強度運動訓練下心肌損傷預防方法分析[J].科學技術與工程，2016，16（28）：158?162.

ZHANG Jianjie. Analysis of prevention of myocardial injury in high intensity exercise training [J]. Science technology and engineering， 2016，16（28）： 158?162.

[9] 邱文昊，連光耀，張西山，等.基于DSmT和模糊綜合評判的健康狀態評估方法[J].計算機測量與控制，2015，23（11）：3697?3700.

QIU Wenhao， LIAN Guangyao， ZHANG Xishan， et al. Assessment method of health status based on DSmT and fuzzy comprehensive evaluation [J]. Computer measurement & control， 2015， 23（11）： 3697?3700.

[10] 于淼.基于行為視覺分析的運動角度規范性智能判斷[J].科技通報，2015，31（12）：199?201.

YU Miao. Standard intelligent judgment of motion angle based on behavior visual analysis [J]. Bulletin of science and technology， 2015， 31（12）： 199?201.

[11] 田朝輝.基于人體運動狀態識別的損傷風險監測系統研究[J].現代電子技術，2017，40（12）：93?96.

TIAN Zhaohui. Research on damage risk monitoring system relying on human?body motion state recognition [J]. Modern electronics technique， 2017， 40（12）： 93?96.