Systemdynamikmodel for forudsigelse af akutte berøringsfri underekstremitetsskader (SDLE)

Introduktion

Passende hamstringsmuskelfunktion er afgørende for udførelsen af ​​de fleste atletiske aktiviteter. Muskelskader, især hamstrings-musklerne, er blandt de skader med den højere forekomst i holdsport. Specifikt udgør muskelskader cirka en tredjedel af alle tidstabsskader i europæiske fodboldklubber, hvorimod skader i baglåret udgør 12 % af alle skader. Desuden er den økonomiske virkning af en måneds rehabilitering af en spiller med en HSI på et europæisk hold lig med 500.000 euro. For nylig undersøgte et systematisk review 179 HSI's relaterede risikofaktorer og konkluderede, at der er behov for at udforske disse faktorers komplekse og ikke-lineære indbyrdes sammenhæng. Anvendelsen af ​​komplekse systemberegningsmetoder inden for sportsskadeområdet giver et gyldigt indblik i skadesætiologi og dermed en mere effektiv forudsigelse af skader.

SD-modellering og dens anvendelse på sundhedsrelateret forskning har været hastigt stigende i løbet af de sidste par år. Eksempler på vellykkede SD-applikationer omfatter emnerne fedme og diabetes, cancer, kardiovaskulære og andre kroniske sygdomme for at fange og bedre forstå den komplekse ætiologi og genopretningen af ​​hjernerystelsen.

For at opsummere har SD-modelleringsmetoden vist sig at være en effektiv tilgang til at håndtere sundhedssystemers problemer. Så vidt efterforskerne ved, er der dog ikke udført nogen undersøgelse ved brug af SD-modellering for at undersøge den komplekse og dynamiske karakter af interaktion mellem de faktorer, der bidrager til HSI.

Formålet med undersøgelsen

Denne undersøgelse sigter først på at udvikle en System Dynamics for Lower Extremity (SDLE) model til evaluering af risikoen for hamstringsskader. Yderligere vil modellen blive kalibreret og valideret med reelle data for at kvantificere faktorernes interaktion og teste modellens evne til at forudsige HSI'er. Det endelige mål er at teste plausible forebyggelsesstrategier og foreslå passende politikker.

Metodik

Generel beskrivelse af metodisk procedure for SDLE-projektet Det foreslåede projekts metodiske faser og den foreslåede undersøgelses tidsplan præsenteres. Efter en klar problemformulering skal der foretages en gennemgang af HSI-risikofaktorer. Risikofaktorer vil blive brugt som variable til udvikling af SDLE-modellen. Dette vil blive lettet ved i første omgang at anvende kausal loop-modelleringsteknikken i en række samskabelsesworkshops med de vigtigste interessenter. Her vil metoden fra Group Modeling Building (GMB) blive anvendt. Målet er at få værdifulde input fra interessenter som idrætsfysioterapeuter, læger, trænere og idrætsforskere. Outputtet fra co-creation workshops vil være en kausal loop-model, der viser de vigtigste indbyrdes sammenhænge mellem HSI-risikofaktorerne. Oprettelsen af ​​CLD vil tjene som et kommunikationsværktøj til at dele de forskellige mentale modeller, der eksisterer blandt interessenter. Efter udviklingen af ​​CLD'en i samråd med interessenterne, vil vi gå videre til stock and flow modellen, hvorved vi kvantificerer de variabler identificeret i CLD'en og skelner mellem bestande og strømme. Derefter vil den formulerede SDLE-model blive kalibreret ved hjælp af reelle data (risikofaktorer, skader, eksponeringsrate) fra holdsportsatleter. Det sidste trin vil være at køre simuleringsmodellen gennem følsomhedsanalyse. Vi vil udføre eksperimenter ved at teste plausible indgreb før implementering for at reducere risici og tackle problemet med skader i baglåret. Hovedfaserne i det foreslåede projekt er beskrevet mere detaljeret som følger.

SDLE-modelvalidering med rigtige data

Holdets sportsatleter vil blive inviteret til at deltage i denne undersøgelse. Atleten skal være fri for skader i mindst seks måneder eller være fuldt rehabiliteret fra en tidligere skade for at deltage i undersøgelsen. I denne fase vil der blive gennemført et etårigt prospektivt kohortestudie. Denne fase omfatter præ-sæsonmålinger, skader og dataindsamling af eksponeringsrater i løbet af sæsonen og opfølgende målinger midt i sæsonen. De registrerede data vil blive indsat i den formulerede SDLE-model for at kalibrere og validere modellen. For det første vil demografiske detaljer og sygehistorie blive indsamlet. Derefter vil specifikke biomekaniske målinger blive vurderet.

Databehandling og statistisk analyse

Den strukturelle ligningsmodeltilgang (SEM) vil blive brugt til at kvantificere indbyrdes sammenhænge mellem indsamling af variabler. Strukturel ligningsmodellering er et sæt statistiske teknikker, der bruges til at måle de komplekse sammenhænge mellem variabler for at teste teoriens gyldighed ved hjælp af rigtige data.

Følsomhedsanalyse og scenarieplanlægning

Efter at SDLE-modellen er blevet kalibreret og valideret, vil forskellige scenarier blive vurderet. Forskellige interventioner vil blive anvendt for at evaluere effekten af ​​disse interventioner ved hjælp af SDLE-simuleringsmodellen. Som et resultat heraf vil der blive foreslået effektive politikker til at tackle problemet med akutte ikke-kontakt LE-skader.