فاطمه سالاری اسکر

چکیده زمینه: اسپرین جانبی مچ‌پا یکی از آسیب‌های اسکلتی-عضلانی رایج است که به دنبال بروز آن، بیش از نیمی از افراد، به بی‌ثباتی مزمن مچ‌پا مبتلا می‌شوند. در اثر بروز بی‌ثباتی مزمن مچ‌پا، الگوی فرود افراد دستخوش تغییراتی می‌شود که این تغییرات بیومکانیکی در الگوی فرود، می‌تواند منجر به ایجاد آسیب مجدد شود. بنابراین هدف از تحقیق حاضر دسته‌بندی الگوی فرود افراد دارای بی‌ثباتی مزمن مچ‌پا و شناسایی الگوی فرود آسیب‌زا می‌باشد. روش: 40 نفر از افراد دارای بی‌ثباتی مزمن مچ‌پا و 31 نفر از افراد سالم به ترتیب به عنوان گروه تجربی و کنترل انتخاب شدند. آزمودنی‌های هر گروه به اجرای10 تکرار فرود تک‌پا، از روی یک سکوی 30 سانتی‌متری پرداختند. داده‌های مربوط به مختصات مارکرها و نیروهای عکس‌العمل زمین هر آزمودنی ثبت گردید. سپس زاویای نسبی و گشتاورهای مفاصل اندام تحتانی در سه صفحه حرکتی محاسبه شد. آزمودنی‌ها بعد از آزمون، تحت نظارت 6 ماهه قرار گرفتند و بر اساس تعداد گزارشات اسپرین جانبی مچ‌پا طی نظارت، آزمودنی‌ها به سه گروه کم‌خطر، پرخطر و خطر متوسط تقسیم شدند و داده‌های کینماتیکی و کینتیکی مربوط به ‌آن‌ها برچسب گذاری و به عنوان ورودی وارد الگوریتم LSTM شد. در تحقیق حاضر دو مدل دسته‌بندی طراحی شد که به ترتیب به تفکیک‌پذیری الگوی فرود افراد سالم و آسیب‌دیده و تفکیک‌پذیری الگوی فرود سه گروه کم‌خطر، پرخطر و خطر متوسط پرداختند. در نهایت با استفاده از SPM تفاوت الگوی فرود گروه پرخطر با سایر گروه‌ها مورد تجزیه و تحلیل قرار گرفت. نتایج: مدل اول توانست با صحت 37/94 درصد الگوی فرود گروه کنترل و تجربی را از هم تفکیک کند علاوه‌بر این مدل دوم با صحت 50/87 درصد قادر به تفکیک الگوی فرود سه گروه کم‌خطر، پرخطر و خطر متوسط بود. الگوی فرود گروه پرخطر در مقادیر مربوط به گشتاور مفصل ران در صفحه فرونتال و زوایای آن در سه صفحه حرکتی، بیشترین میزان معناداری را نشان داد. نتیجه‌گیری: با به کارگیری روش‌های یادگیری ماشین می‌توان به تفکیک الگوی فرود افراد سالم و افراد دارای بی‌ثباتی مزمن مچ‌پا پرداخت و الگوی فرود آسیب‌زا را شناسایی کرد