Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Estadística# Metodología# Aplicaciones

Analizando los movimientos al correr para prevenir lesiones

El estudio examina cómo la velocidad al correr afecta los ángulos de la cadera y la rodilla en los corredores.

Edward Gunning, Steven Golovkine, Andrew J. Simpkin, Aoife Burke, Sarah Dillon, Shane Gore, Kieran Moran, Siobhan O'Connor, Enda Whyte, Norma Bargary

― 5 minilectura


Datos de Carrera RevelanDatos de Carrera RevelanInformación sobreLesionesminimizar riesgos de lesiones.ángulos de las articulaciones paraUn estudio relaciona la velocidad y los
Tabla de contenidos

Correr es una actividad popular para mucha gente, pero a veces esto puede llevar a lesiones. Entender esas lesiones y cómo se relacionan con la forma en que la gente corre es importante tanto para la salud como para el rendimiento. Una forma de estudiar la carrera es observando el movimiento de las articulaciones en el cuerpo, específicamente los ángulos de cadera y rodilla. Este artículo habla de cómo podemos analizar los datos de movimiento de corredores recreativos para saber más sobre la relación entre los estilos de carrera y las lesiones.

¿Qué es el dato cinemático?

Los Datos Cinemáticos son información sobre cómo se mueven las partes del cuerpo a lo largo del tiempo. Cuando los corredores se mueven, sus articulaciones de cadera y rodilla cambian de ángulos de una manera que se puede medir. Esta información puede ayudarnos a entender cómo diferentes factores, como la velocidad al correr y lesiones pasadas, afectan el movimiento de un corredor.

El estudio

En este estudio, recolectamos datos de un gran grupo de corredores recreativos. Observamos específicamente los ángulos de sus caderas y rodillas mientras corrían. El objetivo era ver si la velocidad al correr y el historial de lesiones tenían un impacto significativo en esos ángulos.

Metodología

Recolección de datos

Recolectamos datos cinemáticos de los corredores mientras corrían en una cinta. Durante su carrera, usamos un sistema de captura de movimiento que grabó el movimiento de marcadores colocados en sus cuerpos. Esto nos permitió rastrear cómo cambiaron los ángulos de cadera y rodilla con el tiempo.

Análisis de datos

Para analizar estos datos, usamos un método llamado análisis de datos funcionales (FDA). En lugar de tratar los datos como puntos individuales, los miramos como un todo. Esto significa que pudimos considerar todo el patrón de movimiento de cada corredor en lugar de solo momentos específicos.

Modelo de efectos mixtos funcionales

Aplicamos un modelo que incluía tanto efectos fijos como aleatorios. Los efectos fijos nos ayudan a entender tendencias generales, como cómo la velocidad afecta los ángulos de la rodilla. Los efectos aleatorios nos permiten tener en cuenta las diferencias individuales entre los corredores, como cómo sus lesiones previas podrían afectar su estilo de correr.

Hallazgos clave

Impacto de la velocidad al correr

Uno de los hallazgos más significativos fue que la velocidad al correr tuvo un fuerte efecto en los ángulos de cadera y rodilla. A medida que los corredores aumentaban su velocidad, los ángulos en los que flexionaban sus caderas y rodillas también cambiaban. Esto sugiere que cuando los corredores van más rápido, adaptan sus movimientos, probablemente para mantener el equilibrio y la eficiencia.

Relación con lesiones previas

Curiosamente, no encontramos evidencia fuerte de que la historia de lesiones de un corredor afectara significativamente sus patrones de movimiento actuales. Esto podría significar que muchos corredores no mantienen los problemas de movimiento de lesiones pasadas, o podría indicar que otros factores juegan un papel más importante en su estilo de correr actual.

Correlaciones dentro del sujeto

Observamos correlaciones fuertes dentro de los sujetos. Esto significa que para cada corredor, sus ángulos de cadera y rodilla probablemente cambian juntos. Este es un insight esencial para entender cómo diferentes articulaciones trabajan juntas durante la carrera.

Aplicaciones prácticas

Prevención de lesiones

Entender la relación entre el estilo de correr y el riesgo de lesiones puede ayudar a desarrollar mejores programas de entrenamiento. Los entrenadores pueden usar esta información para guiar a los corredores en ajustar sus técnicas para minimizar el riesgo de lesiones.

Entrenamiento personalizado

Los hallazgos también sugieren que analizar patrones de movimiento individuales puede ayudar a adaptar los programas de entrenamiento a las necesidades de cada corredor, posiblemente mejorando su rendimiento y reduciendo la posibilidad de lesiones.

Desafíos en el estudio

Aunque nuestro estudio ha proporcionado insights valiosos, hay desafíos. Uno de los mayores desafíos es la complejidad del movimiento humano. Muchos factores, como el terreno, el calzado y las diferencias individuales entre corredores, pueden afectar la técnica de carrera. Analizar estas variables requiere una cuidadosa consideración.

Conclusión

Nuestro análisis de datos cinemáticos de corredores recreativos ha revelado importantes opiniones sobre cómo la velocidad al correr impacta los ángulos de cadera y rodilla. Además, aunque las lesiones pasadas no mostraron una influencia fuerte en el movimiento actual, las fuertes correlaciones dentro de los sujetos resaltan la necesidad de enfoques más personalizados en el entrenamiento y la rehabilitación. La futura investigación puede construir sobre estos hallazgos para explorar más a fondo las intrincadas relaciones entre correr, patrones de movimiento y prevención de lesiones.

Direcciones futuras

A medida que continuamos con esta investigación, los estudios futuros deberían considerar una gama más amplia de factores, como diferentes tipos de terreno, distancias de carrera y el impacto del calzado. Al ampliar el alcance, podemos refinar nuestra comprensión de cómo estos elementos contribuyen a la mecánica de correr y el riesgo de lesiones.

En resumen, entender la dinámica de correr a través de datos cinemáticos puede llevar a mejores métodos de entrenamiento y prácticas más seguras para los corredores, ayudándoles a disfrutar de esta forma popular de ejercicio con un menor riesgo de lesiones.

Fuente original

Título: Analysing kinematic data from recreational runners using functional data analysis

Resumen: We present a multivariate functional mixed effects model for kinematic data from a large number of recreational runners. The runners' sagittal plane hip and knee angles are modelled jointly as a bivariate function with random effects functions used to account for the dependence among measurements from either side of the body. The model is fitted by first applying multivariate functional principal component analysis (mv-FPCA) and then modelling the mv-FPCA scores using scalar linear mixed effects models. Simulation and bootstrap approaches are introduced to construct simultaneous confidence bands for the fixed effects functions, and covariance functions are reconstructed to summarise the variability structure in the data and thoroughly investigate the suitability of the proposed model. In our scientific application, we observe a statistically significant effect of running speed on both the hip and knee angles. We also observe strong within-subject correlations, reflecting the highly idiosyncratic nature of running technique. Our approach is more generally applicable to modelling multiple streams of smooth kinematic or kinetic data measured repeatedly for multiple subjects in complex experimental designs.

Autores: Edward Gunning, Steven Golovkine, Andrew J. Simpkin, Aoife Burke, Sarah Dillon, Shane Gore, Kieran Moran, Siobhan O'Connor, Enda Whyte, Norma Bargary

Última actualización: 2024-08-15 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2408.08200

Fuente PDF: https://arxiv.org/pdf/2408.08200

Licencia: https://creativecommons.org/licenses/by/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Más de autores

Artículos similares