落地錯誤評分系統LESS評估:ACL損傷的有力篩查工具

2021-01-11 網易

　　總結：落地誤差評分系統 Landing Error Scoring System (LESS) 於2009年首次發布，是一種用於評估跳躍落地生物力學的臨床工具。LESS評估被開發用來識別有前十字韌帶（ACL）損傷風險的個體，並與受試者完成深蹲垂直跳躍 Drop-Vertical Jump（DVJ）同時從兩個平面（額狀面和矢狀面）記錄的視頻一起進行分析。作為完整的生物力學評估，LESS評估是一種基於現場的，更輕鬆，更快捷和更高性價比的變體，無需昂貴的實驗室設備即可執行。

　　
關鍵字：ACL損傷，生物力學，DVJ，ACL篩選

　　
介紹

　　儘管在過去30年中關於ACL損傷的研究激增，但對損傷的確切機制仍未完全了解。然而，內在因素（例如解剖，激素，神經肌肉）和外在因素（例如環境，鞋類，地面，對手球員）的結合可以充分解釋這一機制。

　　

　　ACL上最大的應變發生在3維膝關節負荷中，其中包括膝關節伸展力矩，脛骨近端前側剪切力，膝外翻/內翻力矩以及旋轉的作用。ACL重建後，跳躍落地任務中改變的運動機制通常很明顯，並已顯示出將其再次受傷的風險增加了5-15倍。

　　
著重於落地任務期間與ACL損傷相關的特定運動，例如膝關節外翻旋轉，開發了諸如LESS的運動模式篩查以識別可能遭受ACL損傷風險的運動員。

　　
什麼是落地錯誤評分系統（LESS）？

　　落地錯誤評分系統The Landing Error Scoring System （LESS評估）是一種相對易於使用的評估工具，用於分析落地和跳躍任務中下肢的生物力學。作為一種可靠的臨床篩查工具，它被描述為鑑定具有非接觸性ACL損傷風險的個體提供了最大價值[20]。然而，最近的研究質疑其由於缺乏有效性而能夠識別那些有潛在ACL損傷風險的能力。

　　

　　LESS評估基於19點連續量表，通過深蹲垂直跳Drop-Vertical Jump（DVJ）運動評估軀幹和下肢在各個階段的位置。根據額狀面和矢狀面視頻數據分析落地階段的整體流動性和運動範圍。偏離「生物力學最佳」的運動方式可能會使運動員容易遭受下肢傷害。這些被計為「錯誤點」，加起來為LESS分數。較低的LESS得分（更多的「錯誤點」）表明落地技術不佳，反之亦然。

　　
為什麼落地錯誤評分系統（LESS）有用？

　　如上所述，評估可能使運動員容易受到ACL傷害的運動模式非常重要。這樣，LESS可以對這些運動問題進行準確而快速的評估。然後，可以將被識別為「有風險」的運動員定向到特定的訓練計劃，這些計劃旨在改善跳下落地的技巧，以降低他們遭受ACL傷害的風險。

　　
如何進行落地錯誤評分系統（LESS）

　　重要的是要了解，無論何時進行適應性測試，都必須在一致的環境（例如設施）中進行，以防止受到各種天氣類型的影響，並且其表面不受潮溼或溼滑條件的影響。如果環境不一致，則可能會嚴重影響以後重複測試的可靠性，並導致毫無價值的數據。

　　

　　所需設備

　　

一致的測試設施（例如體育館或實驗室）捲尺箱子：30cm高標記膠帶/運動膠帶兩個機架式攝像機（包括三腳架/支架）績效記錄表（請參閱免費下載內容）

　　測試配置

　　

　　圖1顯示了LESS的測試配置。如果需要準確可靠的數據，則必須遵守此設置。

　　
測試程序

　　
受試者站立在一個30釐米高的盒子上，該盒子離地面著陸線標出的著陸區一半的身高。然後指示對象向前跳躍，以使兩肢同時離開盒子，瞄準落地著陸點剛好越過直線，然後在著陸後立即跳到最大高度。

　　

　　

　　

　　上圖演示了如何進行和分析LESS評估。

　　受試者可以練習直到完成任務。除非性能未遵循指示，否則不提供任何評論或指導。測試人員的任何評論或判斷都可能破壞運動員的表現並偏離測試結果。應使用已安裝的兩個機架式攝像機記錄三個試驗。一個從前面（A）錄製對象，另一個從側面（B）錄製。每個攝像機應放置在距著陸區3m處（圖1）。可以用於評估後面捕獲的運動。

　　
這是較為傳統的落地評估，新型的運動分析技術已經可以更為簡單地進行落地評估，實時分析3D人體在落地時的運動軌跡並給出評分。

　　

　　賽博「小白盒」智能化快速動作模式篩查系統

　　如何對落地錯誤評分系統（LESS）進行評分

　　LESS基於19點連續量表，在整個垂直下落跳躍（DVJ）運動的各個階段評估軀幹和下肢的位置。使用性能記錄表，通過將最終分數加1或0來對1-15個項目進行二次評分。僅項目16和17分別根據關節位移和總體印象添加值0、1或2。因此，對於表現極差的身體性能，最高得分為19，而假設ACL損傷的風險較低，則得分<5被認為是「良好」 。

　　

　　有效性和可靠性

　　LESS與黃金標準相關聯，即3維運動分析，表明可以得到良好至極好的評估者之間和評估者內部可靠性。六個項目的LESS評分與3D運動分析具有「極好的」（84-100％）的一致性。

　　
在開發LESS測試的年輕運動員和軍事人群中，LESS分數可能差異很大。因此，很難確定LESS評分的明確分界值，將低風險組與具有較高ACL損傷風險的組分開。常用的截止值範圍為5-5.5。這會導致「標記」運動員為LESS得分在0到5之間的低風險，而高風險組則包含LESS得分為5或更高的個人。建立規範性數據之前，必須在活躍人群中進行更多的研究。

　　

　　有人質疑DVJ（通常與ACL損傷本身並不經常相關）是否在對膝蓋的挑戰方面達到了最佳狀態，同時又提供了安全，可控且可重現的篩查環境。應該做更多的工作來提供足夠的證據，證明在下降垂直跳躍落地任務期間增加膝蓋運動實際上會增加非接觸性ACL損傷的風險。通用的雙邊落地任務（例如DVJ）的預測能力有限。為了檢測高風險的落地姿勢，與ACL損傷相關的運動特定動作可能是確定療效的一種更合適的方法。

　　
重複篩查是體育鍛鍊和醫學臨床醫生工作的重要組成部分。定期的健康評估可以顯示出潛在的病理和/或傷害，評估康復狀態並為運動員建立運動返回基準。利用高質量的數位化測評工具來建立體育鍛鍊的證據基礎，應側重於特定的體育運動和相關的子群體（例如性別），以及重返賽場的話題。

　　

　　結論

　　儘管存在局限性，LESS測試仍然是測試生物力學行為以識別具有潛在「危險」運動模式的個人的首選工具。在測試過程中讓運動員承擔高風險任務從來都不是目標。即使可以提供更好的可預測性，它也增加了篩選的分析和時間負擔。LESS是一種需要最少時間和設備的方法（每個人的總設置時間少於5分鐘），因此適用於廣泛的社區測評和大規模運動能力篩查。

　　現在怎麼辦？

　　一些教練認為，閱讀一篇文章將使他們成為性能測試的專家。這就是他們錯了的原因...

　　
性能測試包含許多主題。選擇僅閱讀《落地錯誤評分系統LESS評估》，而忽略其他重要的性能測試主題，則有可能冒著損害運動員的風險並沒有充分發揮運動康復的潛能。

特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺「網易號」用戶上傳並發布，本平臺僅提供信息存儲服務。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相關焦點

  • 運動訓練、評估神器!數位化 FMS( 功能動作篩查 ) 系統
    其中原因多以無法評估肌肉力量耐力完成超負荷運動，以及採用代償性方式進行非標準動作等體能問題。近年來國內諸如騎單車橫紋肌溶解，舉槓鈴肌肉損傷、走跑運動關節損傷等運動傷害事件頻發，也正表明和運動緊密相連的體能測試並不完善。
  • 過渡姿勢和動態姿勢評估（觀察動作）
    評估可以獲得運動者的基本信息，從而設計出個性化的運動表現訓練計劃。姿勢評估能幫助我們發現姿勢錯誤，找到動作模式存在的問題，是運動表現評估的重要組成部分。姿勢評估過渡姿勢和動態姿勢評估（觀察動作）是了解運動者整體功能狀態的快捷方式，幫助發現個體在自然動態環境中的姿勢變形及可能過度活躍與不夠活躍的肌肉。在評估過程中應尋找任何可能降低運動者的功能性能力並導致損傷的運動障礙（包括運動環境內部和外部的各種跡象）。下面介紹兩種姿勢評估的詳細步驟和關鍵檢查點，分別針對過渡姿勢和動態姿勢。
  • ACL 2019年度回顧:自然語言處理發展趨勢
    例如，Stanovsky等人證明了四種工業機器翻譯系統以及兩種當前最先進（SOTA）的學術模型都非常容易出現基於性別的翻譯錯誤。整個NLP社區也很清楚這個問題，因此許多人做了些有意思的工作。例如Kaneko等人開發了一種用於詞彙嵌入的去除偏見方法，它可以保留非性別歧視的相關信息，同時消除刻板印象的性別偏見。
  • GCS-Pupils評分:神經重症的評估新利器
    作者｜李宏亮 北京大學第三醫院危重醫學科來源｜醫學界神經病學頻道在醫學各個學科領域中，都廣泛採用數位化的評分系統，以方便評估病情嚴重程度並預測患者預後。各種評分工具的共性在於，如果追求的是提高準確性，就不得不儘可能把各種決定或影響因素都考慮進去，結果就是納入項目繁雜，使用起來費時費力。與之相反，項目簡潔，耗時較少的評分系統，雖然會付出丟失細節信息、降低評估工具特異性的代價，但使用起來簡單易行，佔用醫務人員的工作時間較少，臨床依從性高，相對而言更容易受歡迎。如何在兩者之間尋求最佳平衡點，始終是研究人員面臨的挑戰。
  • 數位化FMS(功能動作篩查)與訓練系統
    數位化FMS（功能動作篩查）與訓練系統
  • 河北秦皇島:HRA疾病早期篩查及健康風險評估系統獲歐盟CE認證
    河北新聞網訊（通訊員吳煥軍、王繼軍）日前，由河北省秦皇島市惠斯安普醫學系統公司自主研發的HRA疾病早期篩查及健康風險評估系統獲得歐盟CE認證證書及國際質量管理體系認證ISO13485證書。圖為HRA疾病早期篩查及健康風險評估系統。
  • 前交叉韌帶(ACL)損傷
    在臨床檢查中，有活動受限，明顯的滲出，膝關節內側壓痛和Lachman試驗陽性(前路增厚)脛骨移位有一個柔軟的終點)，你將如何評估和治療這個患者？我們從新英格蘭醫學雜誌上的一則案例進入今天要探討的ACL損傷，一名18歲的高中生在和朋友一起打籃球的時候，出現嚴重的膝蓋扭傷。述膝蓋有腫脹和膝內側疼痛。
  • 評估和選擇軟體工具的五個步驟
    我參加過幾次評審，粗糙的流程導致了權重偏差嚴重的功能，這反過來導致選擇了錯誤的工具。我們都聽過「垃圾進等於垃圾出」這句老話。這句話同樣適用於此。 2. 識別和評估工具 利用各種渠道，比如行業活動、出版物、用戶社區和業內同行，調查並選擇合格的候選工具。你在努力識別候選工具時，別忘了看看公司內部。你已經在使用什麼工具?你在內部可能就已經有幾個候選工具。
  • ACL 2020最佳論文直播重磅來襲,二作學霸小姐姐駕到!
    正所謂工欲善其事必先利其器，只有對模型建立正確的評估方法，其本質和內在規律才能夠被剖析出來，研究者也才能有的放矢地對其進行深入探索並解決相關問題。在今年的ACL 2020上一舉拿下最佳論文獎的論文，便針對NLP 模型提出了一種全新的測試方法——CheckList，令人記憶猶新。
  • 身體功能性動作篩查(FMS)
    Functional movement screen (功能性動作質量篩查，簡稱FMS) 是一套被用以檢測運動員 整體的動作控制穩定性、身體平衡能力、柔韌性以及本體感覺等能力的檢測方式。*FMS評分分為四個等級，從0分到3分，3分為最高分。
  • ASA‑PS分級及其他術前評估系統在兒科麻醉實踐中的爭鳴|ASA|病...
    術前對患者進行風險評估，實現分級管理，是控制風險和提高麻醉安全的有效措施 ，美國麻醉醫師協會全身狀態（American Society of Anesthesiologists Physical Status, ASA‑PS）分級系統是目前使用最為普遍的術前評估工具之一。儘管它只是單純地對患者術前身體狀態進行評估，卻常常被用作預測圍手術期死亡和不良事件風險的工具 。
  • 「健康臨潭」我縣開展孕產婦風險篩查評估工作
    為進一步加強高危孕產婦管理，預防和減少孕產婦死亡，保障母嬰安全，近日，縣衛生健康局組織35名縣級醫療機構婦產科專業人員組成專家團隊，分赴全縣各鄉鎮進行孕產婦風險篩查評估。專家團隊到各鄉鎮對全縣孕產婦進行免費篩查、檢查及隨訪工作，綜合分析每個孕產婦的高危因素、妊娠風險評估、下一步檢查項目，制定相應的管理措施，並現場進行健康知識宣教和心理諮詢。截止14日上午，已摸底調查625名孕產婦，篩查出黃色風險12人，橙色風險16人，紫色風險5人。在現場篩查評估的基礎上，將持續對重點鄉鎮重點人群進行網格化管理和追蹤隨訪。
  • 科普｜FMS功能性動作篩查
    （FCS）呼吸篩查評估（FAB）等測量評價方法。Founctional Movement Screen是功能性動作篩查。FMS並不是損傷和疾病診斷的工具，但通過其所設計的基本動作模式，可篩查出疼痛，動作模式中的功能障礙和不對稱。
  • FMS功能篩查測試,您有多大潛力,一測便知.
    FMS即功能性動作篩查，包括7個關鍵動作模式的篩查：深蹲、上踏步、直線弓步蹲、肩關節靈活性、主動直腿抬高、軀幹穩定伏地挺身、旋轉穩定性。可以廣泛用於各種人群的基礎運動能力（靈活性和穩定性）評價。FMS有什麼用？
  • 美國林務局研發生態系統恢復評估新工具
    本報訊 據美國林務局消息，美國林務局開發了新的風險評估工具，幫助科學家和決策者管理自然資源，制定加強生態系統的戰略。        氣候變化直接影響到森林，例如乾旱和高溫與樹木死亡率直接相關。同時，氣候變化也間接影響到森林。
  • less和gulp分別是什麼?
    2.less編譯：1.安裝less命令行工具：使用命令行工具編譯less文件2.卡拉工具>安裝考拉工具把less文件所在文件夾拖拽到考拉工具中點擊編譯，然後最小化即可3.其他編譯打包工具Gulp、webpack
  • ACL 2020:微軟最佳論文,Bengio論文獲時間檢驗獎,大陸論文量第二
    論文連結：https://www.aclweb.org/anthology/2020.acl-main.442.pdf簡介：儘管衡量留出（held-out）準確率是評估模型泛化性能的主要方法，但它通常會高估 NLP 模型的性能，而其他評估模型的替代性方法要麼專注於單項任務，要麼只看特定行為。
  • 在剛剛結束的ACL 2019上,知識圖譜領域都發生了哪些大事?
    基於知識圖譜的對話系統傳統的對話系統分為目標導向型（goal-oriented）和閒聊型（chit-chat）智能體。首先，給定一組三元組，它們以圖的形式生成文本計劃，保留給定三元組的組合性，對它們進行排列，並最終運行具有複製機制的典型神經機器翻譯（NMT）系統來生成文本句子。本文基於 WebNLG 數據集（https://gitlab.com/shimorina/webnlg-dataset）進行模型評估，該數據集也使用了維基數據實體和謂詞 ID！
  • ACL 2018|HarriGT:新聞文章與科學文獻的自動連結
    2 系統概述HarriGT是一個系統，它匯集了以廣泛使用的開源WARC格式存儲的網絡檔案中的歷史新聞文章。該系統自動獲取和解析新聞文章，並搜索相關候選論文的引用關係圖，用戶可以進行連結或隱藏或標記為垃圾郵件等操作。HarriGT網站上的圖標可以解釋這個過程。本文利用來自微軟、Scopus和Springer的英國國家網絡檔案和候選科學論文。
  • 一項新的評估力量舉技術中深蹲和硬拉內容效度和信度指數的方案
    為了判斷上舉技術是否可靠，它們必須進行重複評估（專家內部可靠性）和上舉技術的不同評估者之間（專家之間可靠性）產生相似的結果。為了防止在其他運動中受傷，如功能性運動篩查(FMS)，建立了評估運動員綜合素質的測試，以發現可能自身的哪些不足可能導致容易受傷。這些測試作為通用工具開發，廣泛應用於許多體育運動，但因不能有效預測損傷而受到詬病。