基于关联规则的运动损伤风险评估仿真

邵丽

摘  要： 針对当前风险评估方法确定的运动损伤风险因素与目标之间的关联度较差，存在实际结果与评估结果偏差较大的问题，提出一种基于关联规则的运动损伤风险评估方法。采用数据预处理方法对统计的不同竞技项目高水平运动员损伤资料进行处理，针对构建的运动损伤风险评估初始指标集，采用Apriori关联规则分析实现对运动损伤有影响的关联指标的分析挖掘，对运动损伤致伤主要风险状态量进行分类整理，构建运动员损伤风险综合状态量。依据历史损伤数据统计结果与关联规则的计算方法确定运动员损伤综合状态量中各个单项状态量的权重系数，计算运动员各损伤综合状态量中单项状态量的评分。实验结果表明，所提方法对运动损伤风险因素数据的筛选、分类以及提取过程是可行的，预处理后的运动损伤数据可用于关联规则挖掘分析，且评估结果与开放式问卷帕累托分析结果基本一致。

关键词： 关联规则; 运动损伤; 风险评估; 权重系数; 单项状态量; 帕累托分析

中图分类号： TN911?34; TP309                 文献标识码： A                    文章编号： 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

在正常的体育活动中处处隐藏着风险，在竞技体育中，许多项目都属于高危险性项目[1]。竞技运动员根据周期性的运动训练，身体素质、项目技巧、竞赛心理等多方面水平才能不断提高[2]。由于竞技项目的特点，以及比赛规则的变化导致运动员很多项目动作的难度系数逐渐提高，这使得运动员身体损伤的风险逐渐加大[3]。运动员损伤风险不仅影响着运动员的身体健康，还影响着运动员的比赛生涯，对运动员本身以及该项竞技项目的发展都产生了负面的影响[4]。在这种情况下，研究如何确立和评估运动损伤风险因素，尽最大可能避免运动损伤风险，提出运动员损伤有效应对策略，对运动员的训练计划进行合理制定具有一定的指导意义，对于教练员以及运动员调整技战术具有非常重要的现实意义[5?6]。

王浩伦等人提出一种采用三角模糊软集的运动损伤风险评估方法[7]。在对运动损伤风险评估中，每个评价专家选取运动损伤风险评估指标集以及利用语言变量进行评估，通过三角模糊软集方法对每个评价专家给出的评价结果进行综合分析，分别获得运动损伤风险评估指标权重，依据指标权重获得运动员损伤的风险顺序。该方法确定的运动损伤风险因素与目标之间的关联度较差，存在实际结果与评估结果偏差较大的问题，提出一种基于关联规则的运动损伤风险评估方法。采用Apriori关联规则分析实现对运动损伤有影响的关联指标的分析挖掘，依据历史损伤数据统计结果与关联规则的计算方法确定运动员损伤综合状态量中各个单项状态量的权重系数，计算运动员各损伤综合状态量中单项状态量的评分。实验结果表明，所提方法与开放式问卷帕累托分析结果基本一致。

1  基于关联规则的运动损伤风险评估方法

1.1  基于Apriori关联规则挖掘运动损伤数据的过程

采用数据预处理方法对不同竞技项目高水平运动员损伤资料进行处理，针对构建的运动损伤风险评估初始指标集，采用Apriori关联规则分析實现对运动损伤有影响的关联指标的分析挖掘，对运动损伤致伤主要风险状态量进行分类整理，构建运动员损伤风险综合状态量。依据历史损伤数据统计结果与关联规则的计算方法确定运动员损伤综合状态量中各个单项状态量的权重系数，计算运动员各损伤综合状态量中单项状态量的评分。由于关联规则不能区别历史运动损伤连续性数值数据，需要对统计的历史运动损伤数据进行离散化处理，通过归一化处理方法[8]对统计的运动损伤数据进行分类，即：

采用Apriori关联规则分析方法[9]，第一阶段通过逐层迭代搜索出观测运动员损伤致伤数据集中所有项的频繁项集;第二个阶段从致伤危险因素频繁集中挖掘出满足最低置信度的强关联规则。为了找出给定的最小支持度与置信度阈值的致伤数据之间的关联关系，以此关联关系对运动员损伤致伤危险因素数据集进行损伤风险因素频繁项数据集的挖掘，并分析运动损伤风险因素频繁项集之间的关联关系，通过引入兴趣度模型[10]来获取有重要作用的关联规则。考虑分析运动员损伤致伤数据的多个因子的关联规则，则有：

式中：[S（A）=P（A）]表示运动员损伤致伤危险因素[A]在损伤风险因素事务集[T]中出现的几率;[S（B）=P（B）]用于描述致伤危险因素[B]在损伤风险因素事务集[T]中出现的几率;[P（BA）]用于描述在致伤危险因素[A]发生的条件下，发生[B]的几率;[S（A?B）]表示在含有致伤危险因素[A]，[B]的频繁项集中同时出现的概率。

1.2  确定权重系数的运动损伤风险评估方法

依据运动员损伤致伤各综合状态量关联规则[A→B]的置信度可计算出反映运动损伤状态的各状态量中某一状态量[D]的置信度[D]，将相同状态量中的某一项状态量的置信度进行对比，通过相应的置信度的大小来确定反映运动损伤状态的各状态量的权重系数。同理，可对运动员训练和比赛阶段发生的导致运动损伤的其他状态中各单项变量的权重系数进行计算，可以获得身体素质、心理素质等单项状态量较为客观的权重系数。采用变权重理论[11]描述综合评估运动损伤状态的均衡性能，并利用式（3）计算反映运动损伤状态的综合状态量中各单项状态的评分。

2  实验结果与分析

通过访谈某高校体育专业20位专家学者，并结合调查问卷的发放和回收方式对不同竞技项目高水平运动员损伤致伤因素进行问卷帕累托分析。选取的调查对象是50名不同竞技项目的高水平运动员。共发放50份调查问卷，回收有效问卷数量为48份，利用本文方法对运动损伤风险因素进行评估，并结合列表排序法对不同竞技项目高水平运动员损伤致伤风险评分进行排序。运动员生理素质导致运动损伤风险评估结果如表1所示。

从表1可以看出，由运动员生理因素导致的损伤致伤风险中，运动员身体状态、损伤史为运动损伤中等致伤风险因素。相关研究结果表明，以往由于训练项目受过伤病的运动员，在训练或是比赛过程中再次诱发运动损伤发生的可能性远高于未受过伤的运动员。调查结果表明，运动员过度训练导致其身体力量以及协调能力均显著下降，通常情况下技术较为熟练的运动员，在上述情况下也极有可能发生技术动作上的错误，引起损伤。而训练或是比赛中身体状况不佳如女运动员正赶上月经期，生理机能下降，此阶段若是不调整训练计划或是技战术水平，极易导致损伤的发生。身体协调能力以及运动员力量素质为运动损伤低风险因素，将其视为可接受风险，但在正常训练中也应当对此予以重视。

由表2可以看出，在运动员训练因素导致的运动员损伤致伤风险中，带伤训练及比赛过程中动作系数较大或是负荷较大等为中等运动损伤致伤风险因素，准备活动不充分为低风险因素。很多教练员以及运动员认为在训练过程中，拉伸准备活动不充分导致肌肉力量以及身体协调性较差，容易引发损伤，而前期准备活动过量也容易引起机体疲劳，使得运动员在训练和比赛过程中诱发损伤。综合上述给出的多个维度的不同竞技项目高水平运动员损伤风险评估结果，可以看出导致运动员损伤的风险主要为损伤史、训练或比赛中情绪波动较大、技术动作的不规范、带伤训练等。如图1所示，此结果与开放式问卷帕累托分析结果基本一致。

3  结  论

针对传统评估方法存在确定的运动损伤风险因素与目标之间的关联度较差，实际结果与评估结果偏差较大的问题，提出基于关联规则的运动损伤风险评估方法。结合专家学者评价结果与问卷调查结果，获得不同竞技项目高水平运动员损伤风险因素，主要包含：生理因素、训练组织因素、技术动作因素以及心理因素、环境因素等。导致运动员运动损伤的主要风险为带伤训练、损伤史以及技术动作不规范、身体素质差、注意力不集中等。在训练和比赛环境中运动员在面对不同运动损伤风险时应当采取不同的应对措施，通常可采取回避风险和尽可能降低风险。

参考文献

[1] 刘和臣.高强度田径训练与运动损伤关系优化建模仿真[J].计算机仿真，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.高强度运动下运动员风险评估仿真研究[J].计算机仿真，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，秦子来，崔德刚.大学生的体育活动风险认知与运动损伤和锻炼行为的关系[J].武汉体育学院学报，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] 刘同众，朱林，程曦，等.基于多体动力学和有限元方法的三级跳运动人体膝关节冲击损伤分析研究[J].振动与冲击，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] 高晓嶙，徐辉，黄鹏，等.应用功能性动作测试评估我国橄榄球运动员损伤风险的研究[J].中国运动医学杂志，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] 周志鹏，曲峰.3种常见评估前交叉韧带损伤风险落地动作的对比研究[J].天津体育学院学报，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] 王浩伦，徐翔斌，甘卫华.基于三角模糊软集的FMEA风险评估方法[J].计算机集成制造系统，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] 张剑杰.高强度运动训练下心肌损伤预防方法分析[J].科学技术与工程，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，连光耀，张西山，等.基于DSmT和模糊综合评判的健康状态评估方法[J].计算机测量与控制，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.基于行为视觉分析的运动角度规范性智能判断[J].科技通报，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] 田朝辉.基于人体运动状态识别的损伤风险监测系统研究[J].现代电子技术，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.