دوره 12، شماره 1 - ( 3-1405 )                   جلد 12 شماره 1 صفحات 88-70 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ahanjan S, Dashti Rostami K, Jalalvand A. Investigation of Chronic Ankle Instability in Athletes Using Artificial Neural Networks. J Sport Biomech 2026; 12 (1) :70-88
URL: http://biomechanics.iauh.ac.ir/article-1-444-fa.html
آهنجان شهرام، دشتی رستمی کمیل، جلالوند علی. بررسی ناپایداری مزمن مچ پا در ورزشکاران با استفاده از شبکه عصبی مصنوعی. مجله بیومکانیک ورزشی. 1405; 12 (1) :70-88

URL: http://biomechanics.iauh.ac.ir/article-1-444-fa.html

بررسی ناپایداری مزمن مچ پا در ورزشکاران با استفاده از شبکه عصبی مصنوعی
شهرام آهنجان*1 ، کمیل دشتی رستمی2 ، علی جلالوند3
1- گروه علوم ورزشی و تندرستی، دانشگاه صنعتی امیرکبیر(پلی تکنیک)، تهران، ایران
2- گروه رفتار حرکتی و بیومکانیک، دانشکده تربیت‌بدنی و علوم ورزشی، دانشگاه مازندران، بابلسر، ایران.
3- گروه بیومکانیک ورزشی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران.
چکیده:   (15 مشاهده)

هدف شبکه عصبی مصنوعی الگویی الهام‌گرفته از سیستم عصبی انسان است که اطلاعات را به‌صورت مشابه مغز پردازش می‌کند. ناپایداری مزمن مچ پا یکی از شایع‌ترین عوارض اسپرین‌های حاد است که تنها با دو عامل مکانیکی و عملکردی توضیح داده نمی‌شود. هدف این پژوهش، پیش‌بینی ناپایداری مزمن مچ پا در ورزشکاران با استفاده از شبکه‌های عصبی مصنوعی بود.
روش‌ها 40 آزمودنی در قالب دو گروه (20 ورزشکار با ناپایداری مزمن مچ پا و 20 ورزشکار بدون سابقه آسیب مچ پا) به‌عنوان نمونه آماری انتخاب شدند. متغیرهای موردمطالعه این پژوهش قد، وزن، پهنای قسمت قدامی پا، پرونیشن پا، دامنه حرکتی فعال و غیرفعال دورسی‌فلکشن، دامنه حرکتی فعال و غیرفعال پلانتارفلکشن، دامنه حرکتی فعال و غیرفعال اینورژن، دامنه حرکتی فعال و غیرفعال اورژن، کنترل استاتیک پاسچرال و آزمون چابکی ایلینویز بودند که در بین آزمودنی‌های دو گروه مورد ارزیابی قرار گرفتند. تجزیه‌وتحلیل آماری با استفاده از آزمون‌های t مستقل و تحلیل تشخیصی انجام گرفت.
یافته‌ها در تجزیه‌وتحلیل داده‌ها با استفاده از شبکه‌های عصبی مصنوعی، داده‌ها مدل‌سازی شدند. با استفاده از بهترین شبکه عصبی 0.9997 = R و درصد خطا بین داده‌های تجربی و شبکه حدود 10 به توان 14- مشاهده شد که نشان‌دهنده دقت بسیار بالای شبکه عصبی می‌باشد. نتایج شبکه نشان‌دهنده این بود که پهنای قسمت قدامی پا و دامنه حرکتی غیرفعال اینورژن مهم‌ترین عوامل تأثیرگذار بر آسیب‌دیدگی مچ پا می‌باشند.
نتیجه‌گیری شبکه عصبی مصنوعی قادر به پیشگویی آسیب‌دیدگی مچ پا با دقت بسیار بالا بود. این تحقیق نشان داد که پهنای جلوی پا و دامنه حرکتی بیش‌ازحد اینورژن، اصلی‌ترین عوامل ناپایداری مزمن مچ پا هستند و توصیه می‌کند ورزشکارانی که پاهای پهن و دامنه حرکتی بیش‌ازحد اینورژن دارند، از وسایل محافظتی مانند بریس و باندپیچی استفاده کنند.

واژه‌های کلیدی: ناپایداری مزمن مچ پا، ورزشکاران، شبکه عصبی مصنوعی
متن کامل [PDF 1842 kb]   (8 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1404/7/5 | پذیرش: 1404/8/8 | انتشار: 1404/8/10
فهرست منابع
1. Hassabis D, Kumaran D, Summerfield C, Botvinick M. Neuroscience-inspired artificial intelligence. Neuron. 2017;95(2):245-58. [DOI:10.1016/j.neuron.2017.06.011] [PMID]
2. LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015;521(7553):436-44. [DOI:10.1038/nature14539] [PMID]
3. Haataamee F, Shojaodin SS. The Effect of Balance and Combined Exercises on Pain and Functional Characteristics of Female Athletes With Chronic Ankle Instability. Journal of Sport Biomechanics. 2019;4(4):28-41. [DOI:10.32598/biomechanics.4.4.28]
4. Doherty C, Bleakley C, Hertel J, Caulfield B, Ryan J, Delahunt E. Recovery from a first-time lateral ankle sprain and the predictors of chronic ankle instability: a prospective cohort analysis. The American Journal of Sports Medicine. 2016;44(4):995-1003. [DOI:10.1177/0363546516628870] [PMID]
5. Hertel J, Corbett RO. An updated model of chronic ankle instability. Journal of Athletic Training. 2019;54(6):572-88. [DOI:10.4085/1062-6050-344-18] [PMID]
6. Gribble PA, Delahunt E, Bleakley C, Caulfield B, Docherty C, Fourchet F, et al. Selection criteria for patients with chronic ankle instability in controlled research: a position statement of the International Ankle Consortium. Journal of Orthopaedic & Sports Physical Therapy. 2013;43(8):585-91. [DOI:10.2519/jospt.2013.0303] [PMID]
7. Claudino JG, Capanema DdO, de Souza TV, Serrão JC, Machado Pereira AC, Nassis GP. Current approaches to the use of artificial intelligence for injury risk assessment and performance prediction in team sports: a systematic review. Sports Medicine-Open. 2019;5(1):28. [DOI:10.1186/s40798-019-0202-3] [PMID]
8. Kaminski TW, Needle AR, Delahunt E. Prevention of lateral ankle sprains. Journal of Athletic Training. 2019;54(6):650-61. [DOI:10.4085/1062-6050-487-17] [PMID]
9. Fong DT, Chan Y-Y, Mok K-M, Yung PS, Chan K-M. Understanding acute ankle ligamentous sprain injury in sports. BMC Sports Science, Medicine and Rehabilitation. 2009;1(1):14. [DOI:10.1186/1758-2555-1-14] [PMID]
10. Rossi A, Pappalardo L, Cintia P, Iaia FM, Fernández J, Medina D. Effective injury forecasting in soccer with GPS training data and machine learning. PloS One. 2018;13(7):e0201264. [DOI:10.1371/journal.pone.0201264] [PMID]
11. Ulijaszek SJ, Kerr DA. Anthropometric measurement error and the assessment of nutritional status. British Journal of Nutrition. 1999;82(3):165-77. [DOI:10.1017/S0007114599001348] [PMID]
12. Bosy-Westphal A, Schautz B, Later W, Kehayias J, Gallagher D, Müller M. What makes a BIA equation unique? Validity of eight-electrode multifrequency BIA to estimate body composition in a healthy adult population. European Journal of Clinical Nutrition. 2013;67(1):S14-S21. [DOI:10.1038/ejcn.2012.160] [PMID]
13. Wang Y, Mei Q, Jiang H, Hollander K, Van den Berghe P, Fernandez J, et al. The Biomechanical Influence of Step Width on Typical Locomotor Activities: A Systematic Review. Sports Medicine-Open. 2024;10(1):83. [DOI:10.1186/s40798-024-00750-4] [PMID]
14. Menz HB. Alternative techniques for the clinical assessment of foot pronation. Journal of the American Podiatric Medical Association. 1998;88(3):119-29. [DOI:10.7547/87507315-88-3-119] [PMID]
15. Konor MM, Morton S, Eckerson JM, Grindstaff TL. Reliability of three measures of ankle dorsiflexion range of motion. International Journal of Sports Physical Therapy. 2012;7(3):279.
16. Rome K, Brown C. Randomized clinical trial into the impact of rigid foot orthoses on balance parameters in excessively pronated feet. Clinical Rehabilitation. 2004;18(6):624-30. [DOI:10.1191/0269215504cr767oa] [PMID]
17. Youdas JW, Bogard CL, Suman VJ. Reliability of goniometric measurements and visual estimates of ankle joint active range of motion obtained in a clinical setting. Archives of Physical Medicine and Rehabilitation. 1993;74(10):1113-8. [DOI:10.1016/0003-9993(93)90071-H] [PMID]
18. Bell DR, Guskiewicz KM, Clark MA, Padua DA. Systematic review of the balance error scoring system. Sports Health. 2011;3(3):287-95. [DOI:10.1177/1941738111403122] [PMID]
19. Springer BA, Marin R, Cyhan T, Roberts H, Gill NW. Normative values for the unipedal stance test with eyes open and closed. Journal of Geriatric Physical Therapy. 2007;30(1):8-15. [DOI:10.1519/00139143-200704000-00003] [PMID]
20. Raya MA, Gailey RS, Gaunaurd IA, Jayne DM, Campbell SM, Gagne E, et al. Comparison of three agility tests with male servicemembers: Edgren Side Step Test, T-Test, and Illinois Agility Test. Journal of Rehabilitation Research & Development. 2013;50(7): 951-960. [DOI:10.1682/JRRD.2012.05.0096] [PMID]
21. Waterman BR, Belmont PJ, Cameron KL, DeBerardino TM, Owens BD. Epidemiology of ankle sprain at the United States Military Academy. The American Journal of Sports Medicine. 2010;38(4):797-803. [DOI:10.1177/0363546509350757] [PMID]
22. Silva AJ, Costa AM, Oliveira PM, Reis VM, Saavedra J, Perl J, et al. The use of neural network technology to model swimming performance. Journal of Sports Science & Medicine. 2007;6(1):117.
23. Milgrom C, Shlamkovitch N, Finestone A, Eldad A, Laor A, Danon YL, et al. Risk factors for lateral ankle sprain: a prospective study among military recruits. Foot & ankle. 1991;12(1):26-30. [DOI:10.1177/107110079101200105] [PMID]
24. Guan Y. Why Do Humans Twist Their Ankle: A Nonlinear Dynamical Stability Model for Lower Limb. arXiv preprint arXiv:230503140. 2023.
25. Maeda N, Ikuta Y, Tsutsumi S, Arima S, Ishihara H, Ushio K, et al. Relationship of chronic ankle instability with foot alignment and dynamic postural stability in adolescent competitive athletes. Orthopaedic Journal of Sports Medicine. 2023;11(10):23259671231202220. [DOI:10.1177/23259671231202220] [PMID]
26. Martin RL, Davenport TE, Paulseth S, Wukich DK, Godges JJ, Altman RD, et al. Ankle stability and movement coordination impairments: ankle ligament sprains: clinical practice guidelines linked to the international classification of functioning, disability and health from the orthopaedic section of the American Physical Therapy Association. Journal of Orthopaedic & Sports Physical Therapy. 2013;43(9):A1-A40. [DOI:10.2519/jospt.2013.0305] [PMID]
27. Vomacka MM, Calhoun MR, Lininger MR, Ko J. Dorsiflexion range of motion in copers and those with chronic ankle instability. International Journal of Exercise Science. 2019;12(1):614. [DOI:10.70252/QLDK8340] [PMID]
28. Hubbard TJ, Kramer LC, Denegar CR, Hertel J. Contributing factors to chronic ankle instability. Foot & Ankle International. 2007;28(3):343-54. [DOI:10.3113/FAI.2007.0343] [PMID]
29. Sarvestan J, Svoboda Z. Acute effect of ankle kinesio and athletic taping on ankle range of motion during various agility tests in athletes with chronic ankle sprain. Journal of Sport Rehabilitation. 2019;29(5):527-32. [DOI:10.1123/jsr.2018-0398] [PMID]
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه بیومکانیک ورزشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Sport Biomechanics

Designed & Developed by : Yektaweb