仮想現実で評価される傷害予防のためのリアルタイムの感覚運動フィードバック

拡張神経筋トレーニング (aNMT) は、生体力学的スクリーニングと最先端の拡張現実ヘッドセットを統合して、複雑な生体力学的変数を単純な視覚的フィードバック刺激にマッピングするリアルタイム フィードバックを表示します。このフィードバックは、アスリートが自分の動きを介して「制御」します。 中心的な仮説は、NMT バイオフィードバックが、現実的でスポーツ固有の仮想現実シナリオで収集された証拠に基づく測定で関節の力学を改善するというものです。 具体的には、この調査の目的は、実験室のタスクとスポーツ固有のシナリオの両方で、リスクの高い着陸メカニズムを改善するための aNMT バイオフィードバックの有効性を判断することです。 調査官の予備データに基づいて、調査官は、ドロップ垂直跳び (DVJ) タスク中に偽のフィードバックを組み込む神経筋トレーニングと比較して、NMT バイオフィードバックがローカライズされた関節力学に大きな改善をもたらすと仮定しています。 二次的な目的では、研究者は、偽のフィードバックと比較して、没入型の仮想環境で評価されたスポーツ固有の操作中に、aNMT が改善されたローカライズされた関節力学と全体的な傷害リスク技術を生み出すという仮説を立てています。 期待される結果は、パーソナライズされたターゲットを絞った傷害予防トレーニングのフィードバックの効率と有効性の向上をサポートします。 プラスの影響は、怪我のリスクメカニズムの改善と、競技場での怪我を減らす可能性です。 目的 1 の 2 つの仮説をテストするために、ランダム化された反復測定デザインが使用されます。まず、aNMT は、DVJ タスク中に偽のフィードバック グループと比較して、ローカライズされた関節力学で大きな改善をもたらすということです。第二に、予備データに基づいて、研究者は、革新的なaNMTが段階的な関節の改善につながり、12回のリアルタイムバイオフィードバックトレーニングセッションに続く高リスクのバイオメカニクスの全体的なタスク転送の削減を超える全体的な損傷リスクメカニクスの削減につながると期待しています. 前述の技術は、6 週間の競技前トレーニング期間の開始時と終了時に実行される DVJ タスク中に生体力学的危険因子を測定するために使用されます。 アスリートは、1) aNMT バイオフィードバックまたは (2) シャム (エクササイズの繰り返し回数を提供する刺激を備えた拡張現実メガネ) の 2 つのグループのいずれかに無作為に割り付けられます。 統計学者と同様に、各アスリートは、介入に対して盲目になります。 すべてのアスリートは、競技前のシーズン中に 6 週間にわたって 12 のトレーニング セッションを受け、各グループは、各バイオフィードバック セッションで取得された生体力学的結果測定値の縦断的評価を受けます。 すべての参加者は、トレーニング前のテスト、6 週間の介入、トレーニング後のテスト、およびシーズン後のテストを完了します。