RESUMEN
La identificación de jugadores o circunstancias asociadas con un mayor riesgo de lesión es fundamental para una gestión de riesgos exitosa en el fútbol. Hasta ahora, los factores de riesgo volátiles y constantes en el tiempo generalmente se consideran por separado en un enfoque de detección (constante) o de monitoreo (volátil), cada uno de los cuales da como resultado un conjunto restringido de variables explicativas. En consecuencia, se pueden esperar mejoras en la precisión predictiva cuando se combinan los datos de detección y monitoreo, especialmente cuando se analizan con las técnicas actuales de aprendizaje automático (ML).
Este ensayo fue diseñado como un estudio de cohorte observacional prospectivo con el objetivo de pronosticar lesiones por pérdida de tiempo sin contacto en el fútbol profesional masculino (fútbol). Las lesiones se registraron según el consenso de Fuller. Para el análisis de datos se utilizó el aumento de gradiente con muestreo ascendente ROSE dentro de una validación cruzada de exclusión de uno. La estructura de datos jerárquica se consideró en todo momento. Se utilizaron diferentes divisiones del conjunto de datos original para probar la solidez de los resultados.
Se pudieron analizar datos de 88 jugadores de 4 equipos y 51 lesiones. El rendimiento de validación cruzada del modelo potenciado por gradiente (área ROC bajo la curva 0,61) fue prometedor y superior en comparación con los modelos sin integración de datos de cribado. Es importante destacar que el rendimiento del conjunto de prueba de retención fue similar (área ROC bajo la curva 0,62), lo que indica la posibilidad de generalización a nuevos casos. Sin embargo, la variación de la precisión predictiva y la importancia de las características con diferentes divisiones del conjunto de datos original refleja el número relativamente bajo de eventos.
Se concluye que el pronóstico de lesiones basado en ML basado en la integración de datos de detección y monitoreo es prometedor. Sin embargo, se requiere una verificación prospectiva externa y un desarrollo continuo del modelo.
0 Comments