ایمان اسماعیلی پایین افراکتی

یکی از بزرگ‌‌ترین چالش‌های موجود در دویدن بروز خستگی می‌باشد. خستگی عضلانی می‌تواند منجر به افزایش احتمال بروز آسیب و همچنین افت عملکرد فرد گردد. شواهد علمی نشان می‌دهند که بین الگوهای هماهنگی با هزینه انرژی مصرفی و در نتیجه زمان بروز خستگی ارتباط وجود دارد. علی‌رغم آگاهی نسبت به وجود ارتباط بین الگوهای هماهنگی کینماتیکی با هزینه‌ی انرژی و زمان بروز خستگی، پژوهش‌ها صرفاً اثر خستگی (به عنوان متغیر مستقل) بر الگوهای هماهنگی را بررسی نموده‌اند. این در حالی است که زمان بروز خستگی خود تحت تاثیر الگوهای حرکتی است. به نظر می‌رسد بررسی ارتباط بین الگوهای هماهنگی و زمان بروز خستگی می‌تواند منجر به شناخت الگوهای حرکتی بهینه‌تر شود. بنابراین هدف پژوهش حاضر تعیین یک مدل پیش بین زمان بروز خستگی براساس الگوی هماهنگی مفاصل اندام تحتانی حین عمل دویدن با استفاده از روش‌های یادگیری ماشین است. روش‌ها: در این مطالعه نیمه تجربی از 23 نفر مرد (سن: 31/1 ± 84/20؛ وزن: 40/8 ± 35/73؛ قد: 09/6 ± 96/178) به شیوه نمونه‌گیری در دسترس و هدفمند استفاده شد. آزمودنی‌ها با استفاده از یک پروتکل خسته‌کننده از پیش تعیین‌شده روی نوار گردان دویدند. داده‌های کینماتیکی مربوط به اندام تحتانی دو طرف با استفاده از حسگر‌های IMU ضبط گردید. گام‌های افراد تفکیک شده و از هر ده گام یک عدد به عنوان ورودی مطالعه انتخاب گردید. با استفاده از داده‌های کینماتیکی هماهنگی بین متغیر‌های زاویه در هر یک از سه صفحه حرکتی مفاصل مچ، زانو و ران هر سمت و دو سمت نسبت به هم محاسبه گردید. با استفاده از تقسیم گروه‌ها به سه گروه از نظر ترتیب زمانی بروز خستگی و اعمال SPM، 52 متغیر انتخاب شد. با استفاده از 52 متغیر و 88 گام قابل مقایسه از هر فرد ماتریس سطری داده‌ها تشکیل شد. به علت تعداد کم آزمودنی‌ها و تعداد بالای ویژگی‌های موجود از روش Data Augmentation به منظور افزایش تعداد آزمودنی‌ها استفاده شد. با توجه به ابعاد بالای داده‌ها از PCA به منظور کاهش ابعاد استفاده و در ادامه تعداد مولفه های اصلی‌‌ای که بتواند حداقل 95 درصد پراکندگی داده‌ها را پوشش دهد، انتخاب شد. ماتریس داده نهایی به صورت کاملا تصادفی به دو بخش تست و تمرین تقسیم شده و وارد مدل پیش‌بین SVM شد. یافته‌ها: با استفاده از 52 متغیر و تمامی گام‌های موجود، مدلی با صحت پیش‌بینی 100 درصد قابل ارائه می‌باشد. با استفاده از 52 متغیر و 30 گام، می‌توان مدلی با صجت پیش‌بینی حداقل 90 درصد ارائه نمود. با انتخاب 17 متغیر مهم‌تر و تمامی گام‌های موجود، می‌توان مدلی با صحت پیش‌بینی حداقل 80درصد ارائه نمود. نتیجه‌گیری: با توجه به نتایج حاصل از پژوهش حاضر، امکان ارائه یک مدل پیش‌بین به منظور پیش‌بینی محدوده زمانی بروز خستگی با استفاده از هماهنگی‌های بین مفصلی اندام تحتانی حین عمل دویدن، پیش از بروز خستگی وجود دارد. همچنین به نظر می‌رسد هماهنگی‌های بین مفصلی دو سمت بدن (تقارن) از اهمیت ویژه‌ای در اقتصاد دویدن فرد برخوردار است.