دوره 12، شماره 4 - ( 12-1405 )                   جلد 12 شماره 4 صفحات 881-854 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zanguie H, Yousefi M, Azade M, Zivari S. Musculoskeletal Simulation Methods for Estimating Anterior Cruciate Ligament Loading during High-Risk Lower Extremity Tasks: A Systematic Review. , J Sport Biomech. 2027; 12 (4) :854-881
URL: http://biomechanics.iauh.ac.ir/article-1-571-fa.html
زنگوئی حمیدرضا، یوسفی محمد، آزاده مهسا، زیوری شقایق. روش‌های شبیه‌سازی اسکلتی-عضلانی برای برآورد بار لیگامان صلیبی قدامی حین تکالیف پرخطر اندام تحتانی: مروری سیستماتیک. , مجله بیومکانیک ورزشی. 1405; 12 (4) :854-881

URL: http://biomechanics.iauh.ac.ir/article-1-571-fa.html


1- گروه آسیب شناسی و بیومکانیک ورزشی، دانشکده علوم ورزشی و تندرستی، دانشگاه تهران، تهران، ایران.
2- گروه بیومکانیک ورزشی، دانشکده علوم ورزشی، دانشگاه بیرجند، بیرجند، ایران.
3- گروه حرکات اصلاحی و آسیب شناسی ورزشی، دانشکده تربیت بدنی و علوم ورزشی، دانشگاه علامه طباطبائی، تهران، ایران.
4- گروه بیومکانیک ورزشی، دانشکده علوم ورزشی، دانشگاه خوارزمی، تهران، ایران.
متن کامل [PDF 1650 kb]   (18 دریافت)     |   چکیده (HTML)  (49 مشاهده)
متن کامل:   (12 مشاهده)
مقدمه
لیگامان صلیبی قدامی (ACL) یکی از حیاتی‌ترین تثبیتکننده‌‌های مفصل زانو است که نقش محوری در کنترل جابجایی قدامی تیبیا نسبت به فمور و محدودسازی چرخش داخلی تیبیا ایفا می‌کند (1). این لیگامان از جمله آسیب‌پذیرترین ساختارهای اسکلتی-عضلانی در ورزشکاران حرفه‌‌ای و تفریحی به شمار می‌رود؛ به‌گونه‌ای که سالانه حدود 200/000 مورد آسیب ACL تنها در ایالات‌متحده گزارش می‌شود و هزینه درمانی آن به بیش از دو میلیارد دلار در سال می‌رسد (2). بروز این آسیب در ورزش‌های پرخطر مانند بسکتبال، فوتبال و والیبال در میان ورزشکاران زن به‌طور معنی‌داری بالاتر از مردان است و خطر نسبی آن بین 3 تا 8 برابر گزارش شدهاست (3, 4). پیامدهای این آسیب فراتر از محدودیت‌های حرکتی کوتاه‌ مدت است و هزینه‌‌های بالای جراحی بازسازی، دورههای طولانی توانبخشی، و افزایش خطر استئوآرتریت زانو در بلند مدت را در برمیگیرد (2, 3). از منظر بالینی، ارزیابی مداخلات درمانی و پیامدهای عملکردی در اختلالات مفصل زانو نیز از موضوعات مورد توجه پژوهش‌های اسکلتی‌-عضلانی است؛ برای نمونه، اثر تمرین‌درمانی و ارتوکین‌درمانی بر درد، خشکی مفصل و قدرت عضله چهارسرران در زنان مبتلا به استئوآرتریت زانو مقایسه شده است (5). شواهد اپیدمیولوژیک و مطالعات ویدئویی مکانیسم آسیب نشان می‌دهند بیش از 70 درصد آسیب‌های ACL در غیاب تماس مستقیم و طی مانورهای پویای پرخطر مانند فرود از ارتفاع، پرش-فرود، تغییر جهت ناگهانی و توقف سریع رخ می‌دهند (6). در این مکانیسم غیربرخوردی، ترکیب همزمان نیروی فشاری محوری، گشتاور والگوس زانو و گشتاور چرخش داخلی تیبیا در کسری از ثانیه بار وارده بر لیگامان را به‌طور ناگهانی افزایش می‌دهد و میتواند به پارگی آن منجر شود (7). این ویژگی مکانیسم آسیب، تکالیف پویای اندام تحتانی را به پنجره اصلی مداخلات پیشگیرانه و ارزیابی بیومکانیکی در حوزه طب ورزشی و بیومکانیک بالینی تبدیل کرده است. در کنار بررسی مکانیسم‌های آسیب و عوامل بیومکانیکی مرتبط با آن، پژوهش‌هایی نیز به ارزیابی اثر مداخلات مکانیکی بر عملکرد و پایداری اندام تحتانی پرداخته‌اند؛ از جمله، اثر کفی‌های ترموپلاستیک بر پارامترهای مرکز فشار در افراد مبتلا به کف پای صاف بررسی شده است (8).
درک کمّی از بار واقعی وارد بر لیگامان صلیبی قدامی طی تکالیف پرخطر، پیش‌نیازی اساسی برای طراحی راهبردهای پیشگیری از آسیب، ارزیابی ایمنی تکنیکهای حرکتی و بهینه‌سازی پروتکل‌های توان‌بخشی به شمار میرود (9, 10). بااین‌حال، اندازه‌گیری مستقیم نیرو یا بارگذاری ACL در شرایط زنده با محدودیت‌‌های جدی روبه‌روست. حسگرهای کاشتنی داخل ‌لیگامان مانند حسگر کرنش مبتنی بر اثر هال و حسگر مبدل رلوکتانس متغیر تفاضلی با وجود دقت بالا در ثبت مستقیم بارگذاری، بسیار تهاجمی‌اند و تاکنون عمدتاً در محیط‌های جراحی کنترل ‌شده و طی حرکات ایستا یا محدود به کار گرفته شده‌اند، نه در تکالیف دینامیک واقعی نظیر فرود پرشی یا تغییر مسیر ناگهانی (9, 11). از سوی دیگر، مطالعات کاداوریک نیز با محدودیتی ذاتی مواجه‌اند: این مدل‌ها قادر به باز تولید فعالیت همزمان و پویای گروه‌های عضلانی و شرایط بارگذاری فیزیولوژیک حین حرکات پرسرعت نیستند و عمدتاً بارگذاری‌های ساده و شبه ‌استاتیک را شبیه‌سازی میکنند (10, 12). همین محدودیتهای روش‌شناختی است که مدل‌سازی محاسباتی و شبیهسازی اسکلتی‌ عضلانی را به رویکردی مکمل و غیرتهاجمی برای برآورد غیرمستقیم بار ACL در شرایط دینامیک واقعی تبدیل کرده و در سال‌های اخیر توجه پژوهشگران را به این سمت جلب کرده است (13).
با توجه به عدم امکان اندازه‌گیری مستقیم و ایمن نیروی وارد بر لیگامان صلیبی قدامی طی فعالیت‌‌های پویا، پژوهشگران رویکردهای غیرتهاجمی متعددی را برای برآورد این متغیر توسعه داده‌اند که جایگزین روش‌های تهاجمی مبتنی بر کاشت حسگرهای بارگذاری ‌سنج شده‌اند (14). یکی از رایج‌ترین این رویکردها، شبیهسازی اسکلتی-عضلانی است که با یکپارچه‌سازی داده‌های کینماتیک حاصل از سیستم‌های آنالیز حرکت، نیروی عکس‌العمل زمین، و در برخی موارد سیگنال‌های الکترومایوگرافی سطحی در قالب مدل‌های چند جسمی، امکان تخمین هم‌زمان نیروی عضلانی، بار مفصلی و نیروی لیگامانی را فراهم می‌سازد؛ نمونه بارز آن پلتفرم‌های نرم‌افزاری اپنسیم و اَنی‌بادی هستند (15-17). در کنار این رویکرد، مدل‌های مبتنی بر الکترومایوگرافی از سیگنال‌های فعال‌سازی عضلانی ثبت‌ شده برای محدود کردن یا هدایت فرایند تخمین نیروهای عضلانی استفاده می‌کنند. بااین‌حال، دقت برآوردهای حاصل به ساختار مدل، کیفیت داده‌های ورودی و شواهد اعتبارسنجی آن وابسته است و استفاده از الکترومایوگرافی به‌تنهایی دقت بیشتر مدل را تضمین نمیکند (17). رویکرد دیگر، تکنیک‌های تصویربرداری چندوجهی است که با ترکیب رادیوگرافی دو صفحه‌ای پرسرعت با تصاویر رزونانس مغناطیسی برای بازسازی مدل‌های سه‌بعدی اختصاصی هر فرد، جابه‌جایی استخوان‌های ران و درشت‌نی و طویل ‌شدگی لیگامان را طی حرکات پویا مانند فرود تک ‌پا به‌صورت غیرتهاجمی ردیابی میکند (18). این روش‌ها در کنار هم، طیفی از دقت، پیچیدگی محاسباتی و کاربردپذیری را ارائه می‌دهند و امکان بررسی غیرتهاجمی حرکات پویا را فراهم میکنند. بااین‌حال، اعتبار برآوردهای آن‌ها به روش ارزیابی و شواهد اعتبارسنجی موجود وابسته است. در مطالعات بیومکانیکی، روش تحلیل مؤلفه‌های اصلی نیز برای کاهش بُعد داده‌ها و شناسایی متغیرهای مهم به کار رفته است؛ برای نمونه، این روش برای تحلیل متغیرهای آنتروپومتریکی و بیومکانیکی مرتبط با استعدادیابی کاراته‌کاران نوجوان استفاده شده است (19). این شواهد ممکن است شامل مقایسه با داده‌های تجربی، دادههای کاداوریک یا اندازه‌گیری‌های حاصل از حسگرهای کاشتنی باشد و در همه مطالعات به یک شکل در دسترس نیست (14).
با وجود رشد قابل ‌ملاحظه‌ی پژوهش‌های شبیه‌سازی اسکلتی‌-عضلانی در حوزه‌ی بیومکانیک زانو، تاکنون مرور سیستماتیکی که به‌طور اختصاصی روش‌های شبیه‌سازی محاسباتی برای برآورد نیرو یا بارگذاری ACL حین تکالیف پویای پرخطر اندام تحتانی را مرور، دسته‌بندی و ارزیابی کیفی کرده باشد، انجام نشده است. مرورهای سیستماتیک موجود عمدتاً بر عوامل خطر بیومکانیکی مبتنی بر اندازه‌گیری‌های کینماتیک-کینتیک مستقیم یا متغیرهای جایگزین مانند گشتاور ابداکتوری زانو تمرکز کردهاند، نه بر ارزیابی روش‌شناختی ابزارهای شبیه‌سازی محاسباتی در برآورد کمّی نیروی ACL (20, 21). نزدیک‌ترین نمونه‌ی موجود در این زمینه، مروری است که تأثیر پارامترهای مدل‌سازی بر رفتار مکانیکی لیگامان‌های زانو را به‌طور کلی بررسی کرده است (13). این شکاف پژوهشی اهمیت ویژه‌ای دارد، زیرا بدون درک جامع از توانمندی‌ها، محدودیت‌ها و اعتبار تطبیقی این رویکردهای محاسباتی، انتخاب روش مناسب برای مطالعات آتی و ترجمه‌ی یافته‌های شبیهسازی به کاربرد بالینی دشوار خواهد بود. بر این اساس و با توجه به شواهد پیشین مبنی بر تأثیر تفاوت در پارامترهای مدل‌سازی بر پیشبینی مکانیک لیگامان‌های زانو (13)، فرض بر این بود که مطالعات شبیه‌سازی اسکلتی-عضلانی برای برآورد بارگذاری ACL از نظر ساختار مدل‌ها، نوع پیامدهای گزارششده و روش‌های ارزیابی و اعتبارسنجی، ناهمگونی قابل‌توجهی داشته باشند. بر این اساس، مرور حاضر مطالعات انسانی را در نظر می‌گیرد که در آن‌ها از روش‌های شبیه‌سازی محاسباتی اسکلتی-‌عضلانی، شامل مدل‌سازی اسکلتی‌-عضلانی متعارف، مدلهای مبتنی بر الکترومایوگرافی و چارچوب‌های ترکیبی اسکلتی‌عضلانی-اجزای محدود، برای برآورد کمّی بارگذاری ACL استفاده شده است. پیامدهای مورد بررسی شامل شاخص‌های مستقیم مرتبط با ACL، مانند نیروی لیگامان، کرنش و نرخ کرنش آن، و نیز شاخص‌های جانشین مرتبط با بارگذاری ACL است. این دو دسته پیامد در استخراج و تفسیر یافته‌ها از یکدیگر متمایز در نظر گرفته میشوند. مطالعات مربوط به تکالیف پویای پرخطر، از جمله فرود تک ‌پا یا دوپا، پرش و فرود، برش، تغییر جهت ناگهانی و توقف سریع، در دامنه‌ی موضوعی این مرور قرار می‌گیرند. در مقابل، مطالعاتی که هیچ پیامد کمّی مشخصی درباره ACL یا شاخص جانشین تعریف ‌شده‌‌ای برای بارگذاری آن گزارش نکردهاند، و نیز مطالعاتی که صرفاً از مدل‌سازی اجزای محدود، بدون مؤلفه مناسب شبیه‌سازی اسکلتی‌-عضلانی، استفاده کرده‌اند، با معیارهای این مرور مطابقت ندارند. لذا هدف این مرور سیستماتیک، شناسایی، توصیف و ارزیابی انتقادی روش‌ها و مدل‌های شبیه‌سازی اسکلتی-‌عضلانی است که برای برآورد نیرو یا بارگذاری لیگامان صلیبی قدامی حین تکالیف پرخطر اندام تحتانی شامل فرود تک ‌پا و دوپا، پرش-فرود، برش، تغییر جهت ناگهانی و توقف سریع، در شرکت‌کنندگان انسانی به ‌کار رفته‌اند. لذا یافته‌های این مرور، پایه‌ی روش‌شناختی مناسبی برای انتخاب رویکرد شبیهسازی مناسب در مطالعات آتی فراهم می‌آورد.
روش‌ها
استراتژی جست‌وجو
جست‌وجوی نظاممند منابع با هدف شناسایی مطالعات مرتبط با شبیهسازی اسکلتی-‌عضلانی برای برآورد بارگذاری لیگامان صلیبی قدامی طی تکالیف پویای پرخطر انجام شد. پایگاه‌های اطلاعاتی MEDLINE/PubMed، Scopus، Web of Science و SPORTDiscus برای شناسایی مقالات منتشر شده تا تاریخ 16 جولای 2026 انجام شد. جست‌وجو به زبان انگلیسی و با محدودیت زمانی بازه‌ی انتشار 2010 تا 2026 صورت گرفت. همچنین، مطالعات تکمیلی مرتبط از طریق پایگاه Google Scholar شناسایی شدند.
راهبرد جستوجو بر اساس ترکیبی از سه گروه اصطلاحات مرتبط با مدل‌سازی و شبیه‌سازی اسکلتی-‌عضلانی، لیگامان صلیبی قدامی و شاخص‌های بارگذاری آن و تکالیف پویای پرخطر اندام تحتانی طراحی شد. در این راهبرد، از عملگرهای بولی AND و OR و از صورت‌های مختلف واژگان و اصطلاحات تخصصی برای افزایش پوشش مطالعات مرتبط استفاده شد. عبارت جست‌وجوی استفاده‌ شده به شرح زیر بود:
نتایج حاصل از جست‌وجو بر اساس میزان ارتباط با سؤال پژوهش بررسی شدند و مطالعات مرتبط پس از ارزیابی عنوان و چکیده، در صورت انطباق با معیارهای ورود و خروج، برای بررسی متن کامل در نظرگرفته شدند. در مجموع، 500 نتیجه اول حاصل از جست‌وجوی Google Scholar بررسی و مطالعات واجد شرایط شناسایی‌شده از این طریق، پس از حذف موارد تکراری، در فرایند غربالگری و ارزیابی نهایی قرار گرفتند. پس از اتمام جستجو، کلیه منابع شناساییشده به نرم‌افزار اندنوت وارد شدند. حذف موارد تکراری در دو مرحله انجام پذیرفت: (1) حذف خودکار با استفاده از الگوریتم برامر و همکاران (2016) (22) مبتنی بر تطبیق نویسنده، سال، عنوان و مجله؛ (2) حذف دستی توسط یک نویسنده (ح.ز) برای شناسایی موارد تکراری باقی‌مانده که به ‌دلیل اختلافات جزئی در فیلدهای کتابشناختی، توسط نرم‌افزار شناسایی نشده بودند.
معیارهای ورود و خروج
مطالعات در صورتی برای ورود به مرور سیستماتیک در نظر گرفته شدند که: (1) به بررسی روش‌های مدل‌سازی یا شبیه‌سازی اسکلتی-‌عضلانی برای برآورد بارگذاری لیگامان صلیبی قدامی پرداخته باشند؛ (2) شرکت‌کنندگان مطالعه را انسان‌های سالم یا افراد دارای اختلالات اسکلتی-‌عضلانی تشکیل داده باشند؛ (3) از یک رویکرد مدل‌سازی اسکلتی-‌عضلانی، از جمله مدل‌های اسکلتی-‌عضلانی مبتنی بر دینامیک چند جسمی، مدل‌های بر پایه‌ی الکترومایوگرافی، مدل‌های مبتنی بر اپنسیم یا انی‌بادی و سایر روش‌های مشابه استفاده کرده باشند؛ (4) بارگذاری ACL یا شاخصهای مکانیکی مستقیماً مرتبط با آن را بهصورت کمی، برآورد یا گزارش کرده باشند؛ (5) مدل‌سازی در حین انجام تکالیف پویای پرخطر اندام تحتانی، از جمله فرود، پرش-فرود، تغییر جهت، برش، کاهش سرعت، چرخش، توقف ناگهانی انجام شده باشد؛ و (6) مطالعه بهصورت مقاله کامل، داوری‌ شده و به زبان انگلیسی منتشر شده باشد. در بررسی معیار چهارم، میان پیامدهای مستقیم مرتبط با ACL و شاخص‌های جانشین تمایز گذاشته شد. نیروی ACL، کرنش یا تنش لیگامان در دسته پیامدهای مستقیم قرار گرفتند. نیروهای قدامی تیبیا یا سایر نیروهای زانو تنها در مواردی به‌عنوان شاخص مرتبط با بارگذاری ACL در نظر گرفته شدند که مطالعه اصلی ارتباط آن‌ها را با بارگذاری ACL در چارچوب مدل خود تعریف کرده یا توجیه کرده بود. بنابراین، مطالعاتی که صرفاً شاخص‌های جانشین، مانند گشتاور ابداکتوری زانو، را بدون برآورد بارگذاری ACL یا ارائه شاخص مکانیکی واجد شرایط گزارش کرده بودند، وارد مرور نشدند.
مطالعاتی که دارای هر یک از شرایط زیر بودند از مرور خارج شدند: (1) مطالعات منتشر شده به زبان‌های غیرانگلیسی؛ (2) مطالعاتی که صرفاً به بررسی درمان، بازسازی جراحی یا توان‌بخشی آسیب ACL پرداخته بودند و هدف آن‌ها برآورد بارگذاری ACL نبود؛ (3) مطالعاتی که صرفاً از شاخص‌های جانشین بارگذاری ACL مانند گشتاور ابداکتوری زانو، بدون برآورد مستقیم یا مدل‌سازی نیروی ACL استفاده کرده بودند؛ (4) مطالعات حیوانی یا مدل‌های کاداوریک؛ (5) مطالعاتی که صرفاً از مدل‌سازی اجزای محدود استفاده کرده بودند و فاقد رویکرد مدل‌سازی اسکلتی-‌عضلانی بودند؛ (6) مطالعاتی که داده‌های اصلی پژوهشی ارائه نمیکردند، از جمله مقالات مروری، متاآنالیزها، سرمقاله‌ها، نامه‌ها، دیدگاه‌ها و چکیده‌های کنفرانسی؛ (7) پایاننامه‌ها و رساله‌های دانشگاهی؛ و (8) مطالعاتی که متن کامل آن‌ها در دسترس نبود.
جستوجوی اولیه در پایگاه‌های اطلاعاتی، پس از حذف مطالعات تکراری، 1186 رکورد را برای غربالگری شناسایی کرد. در مرحله نخست، عنوان و چکیده رکوردها از نظر ارتباط با سؤال پژوهش و انطباق اولیه با معیارهای ورود و خروج بررسی شدند. بر اساس این بررسی، مطالعات نامرتبط کنار گذاشته شدند و در مجموع 107 مقاله برای بررسی متن کامل انتخاب شدند. در مرحله دوم، متن کامل این مقالات بررسی شد تا واجد شرایط بودن آن‌ها بر اساس معیارهای از پیش تعیین شده مشخص شود. پس از این ارزیابی، 12 مطالعه در مرور سیستماتیک نهایی وارد شدند. دلایل اصلی حذف مطالعات در مرحله بررسی متن کامل شامل انجام تکلیف صرفاً راه ‌رفتن، استفاده از مدلهای کاداوریک، انتشار به‌صورت چکیده کنفرانسی، پایاننامه یا رساله، و عدم ارائه برآورد مستقیم نیرو یا کرنش ACL بود. تعداد رکوردهای شناسایی‌شده، موارد حذف‌ شده به دلیل تکراری ‌بودن، نتایج غربالگری عنوان و چکیده، مقالات بررسی ‌شده در متن کامل، دلایل حذف در مرحله بررسی متن کامل و تعداد مطالعات نهایی، بر اساس چارچوب PRISMA، در شکل 1 ارائه شده‌اند.
شکل 1. نمودار استراتژی جست‌وجو
استخراج داده‌ها
پس از شناسایی مقالات واجد شرایط، دو ارزیاب (ح.ز و م.ی) بهطور مستقل اطلاعات هر مقاله را استخراج کردند. ابتدا عناوین و چکیدههای هر مقاله از نظر ارتباط با موضوع غربالگری شدند. سپس مقالات کامل بررسی شدند و در صورت داشتن شرایط، داده‌ها استخراج گردیدند. مهم‌ترین داده‌های استخراج ‌شده از هر مقاله شامل: (1) مشخصات مطالعه (نویسندگان، سال، کشور، نوع مطالعه)؛ (2) ویژگی‌های جمعیت‌ شناختی شرکت‌کنندگان (تعداد نمونه، جنسیت، سن، سطح فعالیت)؛ (3) تکلیف حرکتی مورد بررسی (فرود، پرش-فرود، برش، تغییر جهت)؛ (4) مشخصات مدل (پلتفرم نرم‌افزاری، نوع مدل، نحوه‌ی نمایش ACL، داده‌های ورودی)؛ (5) روش ارزیابی و اعتبارسنجی؛ و (6) پیامدهای اصلی مرتبط با بارگذاری ACL، شامل نیرو، کرنش یا تنش لیگامان، مطابق با پیامدهای گزارششده در هر مطالعه.
برای بررسی اعتبارسنجی مدلها، اطلاعات مربوط به روش ارزیابی، نوع داده یا مرجع مورد استفاده برای مقایسه و نتایج گزارش ‌شده از این فرایند، در صورت ارائه در مقاله، استخراج شد. همچنین، میان ارزیابی عملکرد مدل و اعتبارسنجی آن تمایز گذاشته شد. در مواردی که اطلاعات مربوط به اعتبارسنجی به‌طور مشخص گزارش نشده بود، این موضوع به‌عنوان اطلاعات گزارش ‌نشده ثبت شد. فرایند غربالگری و استخراج داده‌ها بهصورت مستقل توسط دو ارزیاب، با استفاده از نرم‌افزار اندنوت برای مدیریت منابع انجام شد. اختلاف‌ نظرها از طریق بحث و توافق حل گردید و چنانچه اختلاف باقی میماند، موضوع با مشورت ارزیاب سوم (م.آ) و در موارد لازم، ارزیاب چهارم (ش.ز) بررسی میشد.
ارزیابی کیفیت روش‌شناختی
به‌منظور ارزیابی کیفیت روششناختی، از چک ‌لیست داونز و بلک استفاده شد. نسخه اصلی این چک لیست شامل 27 آیتم است و با هدف ارزیابی کیفیت گزارشدهی، روایی داخلی، روایی خارجی و توان آماری مطالعات تصادفی و غیرتصادفی در حوزه مداخلات سلامت طراحی شده است. با توجه به اینکه مطالعات وارده شده در مرور حاضر، عمدتاً از نوع مدل‌سازی اسکلتی-عضلانی و شبیهسازی محاسباتی برای برآورد بارگذاری ACL بودند، تناسب هر یک از آیتم‌های نسخه اصلی با ماهیت و طراحی مطالعات بررسی شد. این بررسی پیش از امتیازدهی و مستقل از نتایج مطالعات انجام گرفت.
بر این اساس 13 آیتم از نسخه اصلی که با ماهیت و طراحی مطالعات وارد شده انطباق کافی نداشتند، حذف شدند و 14 آیتم باقی ماندند. بنابراین، ابزار مورد استفاده در این مرور، نسخه تعدیلشده‌ای از چک ‌لیست داونز و بلک بود و نباید آن را نسخه استاندارد یا رسمی 14 آیتمی این ابزار تلقی کرد. این رویکرد با کاربردهای پیشین و تعدیلشده ابزار داونز و بلک در حوزههای تخصصی و محاسباتی همخوانی دارد. بهطوری که در مطالعات روششناختی پیشین، نسخه 27 آیتمی این چک لیست متناسب با نوع طراحی و هدف مطالعه بازنگری شده و آیتم‌های نامتناسب با حوزه مورد بررسی حذف یا تعدیل شدهاند. بااین‌حال، استناد به این رویکردها صرفاً در صورتی انجام میشود که منبع مورد استناد، تعدیل ابزار را در حوزه‌ای مرتبط و با روشی قابل‌مقایسه گزارش کرده باشد (23).
آیتم‌های باقیمانده، با توجه به‌تناسب آن‌ها با مطالعات وارد شده، جنبه‌هایی از کیفیت گزارش‌دهی، ویژگی‌های آزمودنی‌ها، روش‌های مدل‌سازی و شبیه‌سازی، گزارش یافته‌ها، دقت و اعتبار سنجه‌های پیامد و سایر مؤلفههای روششناختی قابل ارزیابی را پوشش دادند. این آیتم‌ها مؤلفه‌هایی از جمله هدف یا فرضیه مطالعه، تعریف پیامدهای اصلی، توصیف ویژگی‌های آزمودنی‌ها و معیارهای ورود و خروج، توصیف روش‌های مدل‌سازی و شبیهسازی، گزارش یافتههای اصلی، گزارش برآوردهای تغییرپذیری تصادفی در پیامدهای اصلی، گزارش مقادیر احتمال آماری، نماینده بودن نمونه از جامعه هدف، مناسب بودن آزمون‌های آماری مورد استفاده، دقت و اعتبار سنجه‌های پیامد، یکسان بودن جامعه منبع گروه‌های مورد مقایسه، هم‌زمانی دوره جذب یا ارزیابی گروههای مورد مقایسه، وجود تخصیص تصادفی در مطالعات دارای تخصیص گروهی و کفایت یا توجیه حجم نمونه/توان مطالعه در مطالعات دارای آزمودنی انسانی را پوشش میدهند.
فهرست دقیق آیتم‌های باقیمانده، تعریف عملیاتی هر آیتم و نحوه اعمال آن در مطالعات مدل‌سازی باید با جدول 1 و نسخه‌ای که در ارزیابی واقعی استفاده شده است، کاملاً یکسان باشد. آیتم‌های حذف‌شده در محاسبه امتیاز نهایی وارد نشدند و بنابراین عدم گزارش یا عدم وجود ویژگی‌های بالینی مذکور، موجب کاهش مصنوعی امتیاز کیفیت روش‌شناختی مطالعات مدل‌سازی نشد. به هر یک از 14 آیتم باقیمانده، امتیاز غیرقابل تعیین (0)، بله (1)، یا خیر (0) تعلق گرفت (24). در نتیجه، دامنه امتیاز کل این نسخه تعدیل ‌شده از صفر تا 14 بود. جدول 1 نمرات چک ‌لیست اصلاح ‌شده داونز و بلک را برای مطالعات وارد شده نشان میدهد.
جدول 1. نتایج ارزیابی کیفیت روش ‌شناختی مطالعات با استفاده از نسخه تعدیلشده چک ‌لیست داونز و بلک
بله = امتیاز 1، خیر = امتیاز 0، نامشخص = امتیاز 0
یافته‌ها
ویژگی‌های مطالعات وارد شده
جستوجوی اولیه تعداد 1186 مقاله را شناسایی نمود. از میان آن‌ها، دو نویسنده 107 مقاله را برای بررسی متن کامل انتخاب کردند. پس از ارزیابی متن کامل مقالات بر اساس معیارهای ورود و خروج، در نهایت 12 مطالعه وارد مرور شدند. مطالعات وارد شده، طیف متنوعی از تکالیف حرکتی پرخطر اندام تحتانی شامل فرود تک‌ پا، فرود از پرش، پرش عمودی، پرش عمودی تک پا، تغییر جهت، برش جانبی، مانورهای چرخشی بودند. همان‌طور که در جدول 2 نشان داده شده است، مطالعات از نظر نوع مدل اسکلتی-عضلانی، سطح اختصاصیسازی، نحوه نمایش ACL، روش تخمین نیروهای عضلانی و شیوه اعتبارسنجی با یکدیگر تفاوت داشتند. همچنین بیشترین فراوانی مربوط به تکالیف فرود و تغییر جهت بود که در مجموع بخش عمده مطالعات وارد شده را تشکیل دادند. پلتفرم‌ها و رویکردهای مدل‌سازی
نرم‌افزار اپنسیم رایج‌ترین پلتفرم مورد استفاده برای مدل‌سازی اسکلتی-عضلانی در مطالعات وارد شده بود. در چندین مطالعه از قبیل چن و همکاران (25)، مختار زاده و همکاران (26)، کیم و همکاران (27)، ناواکیا و همکاران (28)، دیلیت و همکاران (29) و هوت‌هوفر و همکاران (30) برای بازسازی حرکت، تخمین نیروهای عضلانی و محاسبه بارگذاری ACL به کار رفت. با وجود استفاده گسترده از این پلتفرم، رویکردهای محاسباتی یکسان نبودند و از روش‌هایی مانند دینامیک معکوس، بهینهسازی، مدل‌سازی مبتنی بر الکترومایوگرافی و شبیه‌سازی‌های پیش‌بینانه استفاده شد (28, 31).
تفاوت دیگری میان مطالعات، در سطح اختصاصی ‌سازی مدل و نحوه نمایش ACL مشاهده شد. در برخی مطالعات، ACL در چارچوب مدلهای اسکلتی-عضلانی بهصورت یک ساختار لیگامانی برای تخمین نیروی ACL مدل شد، درحالی‌که مطالعات دیگر از مدلهای اختصاصی‌تر ACL و مدل‌سازی سه‌بعدی برای بررسی پاسخ مکانیکی لیگامان استفاده کردند (30, 32). همچنین، در برخی مدلها اطلاعات اختصاصی آزمودنی یا داده‌های الکترومایوگرافی برای افزایش اختصاصی‌سازی و واقعگرایی مدل به کار گرفته شد (28, 32). این تفاوت‌ها نشان می‌دهند که استفاده از یک پلتفرم نرم‌افزاری مشترک لزوماً بهمعنای یکسان‌ بودن روش محاسبه یا تعریف پیامدهای مرتبط با ACL نیست.
داده‌های ورودی و اعتبارسنجی مدل‌ها
داده‌های کینماتیکی و کینتیکی، بهویژه داده‌های حرکت و نیروی عکس‌العمل زمین، در بخش عمده مطالعات به‌عنوان ورودی مدل استفاده شدند. در برخی مطالعات، فعالیت عضلات نیز با استفاده از الکترومایوگرافی در فرایند مدل‌سازی وارد شد. استفاده از داده‌‌های الکترومایوگرافی در مطالعه ناواکیا و همکاران (28) امکان تخمین نیروهای عضلانی و نیروی برشی قدامی تیبیا را فراهم کرد، درحالی‌که ناصری و همکاران (32) از یک چارچوب مدل‌سازی ترکیبی برای ارتباط نیروهای عضلانی و شرایط حرکتی با نیروی ACL استفاده کردند. این تفاوت‌ها نشان میدهد که میزان و نوع اطلاعات ورودی میتواند بر نحوه برآورد بارگذاری ACL در مدل‌های محاسباتی اثرگذار باشد.
جدول 2. ویژگیهای مطالعات، روش‌های مدل‌سازی، داده‌های ورودی، روش‌های ارزیابی و یافته‌های مرتبط با بارگذاری ACL
روش‌های اعتبارسنجی نیز میان مطالعات ناهمگون بود. برخی مطالعات خروجی مدل را با داده‌های تجربی یا نتایج گزارش‌شده در مطالعات پیشین مقایسه کردند (28, 32). درحالی‌که در برخی دیگر، ارزیابی بر مقایسه با یافته‌های مطالعات پیشین، مقایسه روش‌های محاسباتی یا تحلیل حساسیت استوار بود (31, 33). این رویکردها از نظر نوع شواهد و متغیر ارزیابی‌ شده یکسان نیستند. برای مثال، مقایسه فعالیت عضلانی شبیه‌سازی ‌شده با الکترومایوگرافی تجربی، شواهدی درباره عملکرد مدل در تخمین فعالیت یا نیروهای عضلانی فراهم می‌کند، اما بهتنهایی اعتبار برآورد نیروی ACL را اثبات نمیکند. همچنین، مقایسه خروجی‌ها با مطالعات پیشین لزوماً معادل اعتبارسنجی مستقیم با داده‌های مستقل تجربی نیست. در مجموع، تفاوت در نوع دادههای مرجع و معیارهای اعتبارسنجی، مقایسه مستقیم عملکرد مدلها را میان مطالعات محدود کرد.
بارگذاری ACL در تکالیف فرود
سنتز مطالعات مربوط به فرود نشان داد که بارگذاری ACL حاصل تعامل نیروهای عضلانی، نیروهای خارجی و کینماتیک چند صفحهای زانو است و نمیتوان آن را به یک عامل منفرد نسبت داد. مختارزاده و همکاران نشان دادند که نیروهای عضلات ساق، به‌ویژه سولئوس، می‌توانند بر بارگذاری قدامی ACL اثرگذار باشند (26). در مطالعه ناواکیا و همکاران نیز افزایش ابداکشن زانو، چرخش داخلی تیبیا و جابه‌جایی قدامی تیبیا با افزایش نیروی برشی قدامی تیبیا همراه بود (28). با توجه به اینکه نیروی برشی قدامی تیبیا یک شاخص مکانیکی مرتبط با بارگذاری ACL است و نه اندازهگیری مستقیم نیروی ACL، این یافته باید با همین تمایز تفسیر شود. در مقابل، چن و همکاران گزارش کردند که اگرچه نوع فرود موجب تغییر در برخی نیروهای عضلانی و متغیرهای حرکتی شد، تفاوت معناداری در نیروی ACL بین شرایط مختلف فرود مشاهده نشد (25). این یافته‌ها نشان می‌دهند که پاسخ ACL به فرود، به تعامل میان الگوی حرکت مفصل، نیروهای خارجی و عملکرد عضلات وابسته است و تغییر یک متغیر منفرد الزاماً به تغییر مشابه در بارگذاری ACL منجر نمی‌شود.
مطالعات مدل‌سازی پیش‌بینانه نیز اهمیت راهبرد حرکتی را در تعیین بار ACL نشان دادند. هینریچ و همکاران با استفاده از شبیه‌سازی پیشبینانه نشان دادند که تغییر الگوی کنترل عصبی-عضلانی میتواند شرایطی با نیروی کمتر ACL ایجاد کند (31). موستریدی و همکاران نیز با شبیهسازی سناریوهای مختلف فرود، ارتباط میان عوامل خطر بیومکانیکی و نیروهای مرتبط با بارگذاری ACL را بررسی کردند (33). بااین‌حال، ازآنجاکه پیامدهای گزارششده در این مطالعات یکسان نیستند، یافته‌های آن‌ها را نمیتوان بدون توجه به تعریف پیامد، مستقیماً از نظر مقدار بارگذاری ACL با یکدیگر مقایسه کرد.
بارگذاری ACL در تغییر جهت و مانورهای برشی
در مطالعات مربوط به برش و تغییر جهت، بارگذاری ACL با برهم ‌کنش نیروهای عضلانی، گشتاورهای خارجی و کینماتیک اندام تحتانی مرتبط بود. واین‌هندل و همکاران نشان دادند که کاهش قدرت همسترینگ با افزایش بارگذاری ACL در برش جانبی همراه است که این ارتباط با تغییر در نیروهای صفحه ساجیتال و فرونتال همراه بود (34). کیم و همکاران در مقابل، نشان دادند که خستگی عضلات ابداکتور هیپ اگرچه الگوی حرکت و نیروهای عضلانی را تغییر داد، به افزایش معنادار بار ACL منجر نشد. این تفاوت نشان می‌دهد که تغییر عملکرد یک گروه عضلانی لزوماً اثر یکنواختی بر بارگذاری ACL در شرایط مختلف ندارد (27).
در تکالیف تغییر جهت، هوت‌هوفر و همکاران نشان دادند که کاهش زاویه تغییر جهت با افزایش کرنش و نرخ کرنش ACL همراه بود (30). درحالی‌که هینریچ و همکاران در سال 2023 در مدل‌سازی مانورهای چرخشی، تغییرات نیروهای عضلانی و ACL را در ارتباط با شرایط حرکتی و راهبرد کنترل مورد بررسی قرار دادند (35). مطالعه هوت‌هوفر کرنش و نرخ کرنش ACL را گزارش کرد، درحالی‌که مطالعه هینریچ بر نیروی ACL متمرکز بود. بنابراین یافته‌های این دو مطالعه از نظر پیامد اصلی یکسان نیستند. این یافته‌ها بر وابستگی بارگذاری ACL به ویژگی‌های تکلیف و تعامل میان حرکت مفصل و کنترل عضلانی تأکید دارند (35).
نقش نیروهای عضلانی و کنترل عصبی-عضلانی در بارگذاری ACL
در چندین مطالعه، نیروها و فعالسازی عضلات بهعنوان مؤلفه‌های مهم تعیین‌کننده بارگذاری ACL مطرح شدند. نقش عضلات همسترینگ در کنترل بارگذاری ACL در برش جانبی (34) و نقش عضلات ساق در تعدیل بارگذاری قدامی ACL در فرود (26) نشان‌دهنده اهمیت نیروهای عضلانی در شرایط مختلف تکلیف است. همچنین، استفاده از اطلاعات الکترومایوگرافی در مدل‌سازی نشان داد که وارد کردن اطلاعات فعالیت عضلات می‌تواند بر برآورد نیروهای عضلانی و نیروهای مرتبط با بارگذاری ACL تأثیر بگذارد (28).
از سوی دیگر، نتایج کیم و همکاران نشان داد که تغییرات ناشی از خستگی عضلات ابداکتور هیپ الزاماً با افزایش بار ACL همراه نیست (27). در مطالعات پیش‌بینانه هینریچ و همکاران در سال‌های 2020 و 2023 نیز تغییر راهبرد فعال‌سازی و کنترل عضلات با تغییر شرایط مکانیکی مرتبط با ACL همراه بود (31, 35). بنابراین، شواهد موجود از یک رابطه چندعاملی میان عملکرد عضلات، کنترل حرکتی، نیروهای خارجی و کینماتیک مفصل در تعیین بارگذاری ACL حمایت می‌کنند. بااین‌حال، میزان اطمینان به این برآوردها باید با توجه به نوع مدل، داده‌های ورودی و شواهد ارزیابی یا اعتبارسنجی هر مطالعه تفسیر شود.
جمع‌بندی یافته‌ها
در مجموع، 12 مطالعه نشان دادند که مدل‌سازی اسکلتی-عضلانی و شبیهسازی محاسباتی میتوانند برای برآورد غیرتهاجمی بارگذاری ACL در تکالیف پرخطر اندام تحتانی مورد استفاده قرار گیرند. اگرچه نرم‌افزار اپنسیم رایج‌ترین پلتفرم مورد استفاده برای شبیه‌سازی بار ACL بود، تفاوت در ساختار مدل، روش تخمین نیروهای عضلانی، نحوه نمایش ACL ، داده‌های ورودی و روش اعتبارسنجی، ناهمگونی قابل‌توجهی میان مطالعات ایجاد کرد. از نظر یافتههای بیومکانیکی، بارگذاری ACL به‌طور کلی با تعامل نیروهای عضلانی، نیروهای خارجی و کینماتیک چند صفحه‌ای زانو مرتبط بود، اما اثر هر یک از این عوامل به نوع تکلیف و شرایط حرکتی وابسته بود (26-28, 30, 34). همچنین، استفاده از الکترومایوگرافی و مدلهای اختصاصیتر در برخی مطالعات با تلاش برای افزایش واقعگرایی و کاهش عدم‌ قطعیت برآوردهای محاسباتی همراه بود (28, 32). بااین‌حال، تفاوت در روش‌های مدل‌سازی و اعتبارسنجی، مقایسه مستقیم مقادیر بارگذاری ACL میان مطالعات را محدود می‌کند. بنابراین، استفاده از داده‌های اختصاصی‌تر یا مدل پیچیده‌تر به‌تنهایی تضمین‌کننده دقت بیشتر نیست و ارزیابی آن به شواهد اعتبارسنجی مناسب نیاز دارد.
مقایسه بین مطالعات نشان داد که پیامدهای گزارش ‌شده، یکسان نبودند و شامل نیروی ACL، کرنش و نرخ کرنش ACL و نیز شاخص‌های غیرمستقیم مرتبط با بارگذاری ACL میشدند. لازم است بین بارگذاری مکانیکی ACL و خطر واقعی آسیب این لیگامان تمایز قائل شد. نیروی ACL، کرنش و نرخ کرنش آن، پیامدهای مکانیکی مرتبط با وضعیت بارگذاری لیگامان هستند. اما بهتنهایی وقوع آسیب یا احتمال واقعی آن را اثبات نمی‌کنند. بنابراین، نتایج این مطالعات باید در چارچوب برآورد بارگذاری مکانیکی ACL تفسیر شوند و نه به‌عنوان شواهد مستقیم از وقوع آسیب یا پیش‌بینی قطعی خطر آن. این تفاوتها، همراه با ناهمگونی در رویکردهای مدل‌سازی، دادههای ورودی و روش‌های ارزیابی، مقایسه مستقیم مقادیر گزارش ‌شده را محدود می‌کند. از این‌رو، یافته‌ها به‌صورت توصیفی و بر اساس نوع تکلیف، رویکرد مدل‌سازی و ماهیت پیامدهای گزارش‌شده، سنتز شدند و از تجمیع کمی پیامدهای ناهمگون خودداری شد. جزئیات هر یک از مطالعات وارد شده در جدول 2 ارائه شده است.
بحث
هدف از این مرور سیستماتیک، بررسی شواهد موجود درباره استفاده از مدلهای اسکلتی-عضلانی برای تخمین بارگذاری لیگامان صلیبی قدامی در طول فعالیت‌های پویای اندام تحتانی بود. یافته‌های مطالعات وارد شده نشان داد که مدل‌سازی اسکلتی-عضلانی میتواند با برقراری ارتباط میان حرکت مشاهده ‌شده، نیروهای عضلانی و بارهای داخلی مفصل، اطلاعاتی درباره بارگذاری ACL فراهم کند که اندازه‌گیری مستقیم آن در افراد زنده امکان‌پذیر نیست. بااین‌حال، ناهمگونی قابل‌توجهی در نوع مدل، داده‌های ورودی، روش تخمین نیروهای عضلانی و مهم‌تر از همه، تعریف پیامد ACL در مطالعات مشاهده شد. درحالی‌که برخی مطالعات نیروی ACL یا کرنش ACL را به‌طور مستقیم برآورد کردند، برخی دیگر از متغیرهایی مانند نیروی برشی قدامی تیبیا یا نیروی قدامی مفصل زانو بهعنوان شاخص‌های جانشین مرتبط با بارگذاری ACL استفاده کردند. بنابراین، مقایسه نتایج مطالعات باید با توجه به تفاوت ماهیت این پیامدها انجام شود و این متغیرها را نمیتوان معادل یکدیگر در نظر گرفت. از سوی دیگر، ارزیابی کیفیت روش‌شناختی مطالعات نشان داد که شواهد موجود، علیرغم برخورداری از برخی نقاط قوت، با محدودیت‌هایی از جمله تفاوت در طراحی مطالعات، روش‌های مدل‌سازی، نوع داده‌های ورودی و شیوه ارزیابی یا اعتبارسنجی مدل‌ها همراه هستند. ازاین‌رو، یافتههای این مرور از کاربرد مدل‌سازی اسکلتی-عضلانی، به‌عنوان ابزاری برای بررسی سازوکارهای بارگذاری ACL حمایت می‌کنند. در مجموع، نتایج نشان میدهند که بارگذاری ACL پدیده‌ای چندعاملی است که از تعامل میان نیروهای خارجی، راهبرد حرکتی، نیروهای عضلانی، کنترل عصبی-عضلانی و ویژگی‌های فردی تأثیر می‌پذیرد.
عوامل تعیین‌کننده بارگذاری ACL : تعامل نیروهای عضلانی، راهبرد حرکتی و نوع تکلیف
یکی از یافتههای اصلی این مرور، نقش هم‌زمان عوامل عضلانی و مکانیکی در تعیین بارگذاری ACL بود. مطالعه ناصری و همکاران نشان داد که نیروهای عضلانی و وضعیت دینامیکی مفصل زانو نقش مهمی در تعیین نیروی ACL دارند و ارزیابی خطر آسیب بر اساس متغیرهای خارجی به‌تنهایی نمی‌تواند تمام ابعاد بارگذاری داخلی لیگامان را توضیح دهد (32). این یافته با شواهد موجود درباره مکانیسم‌های بارگذاری ACL نیز همخوانی دارد؛ زیرا بارگذاری لیگامان می‌تواند از ترکیب نیروهای برشی، فشاری و چرخشی و همچنین نیروهای ایجاد شده توسط عضلات اطراف زانو ناشی شود (36).
نقش عضلات اطراف زانو در مطالعات مختلف نیز یکسان نبود و به نوع فعالیت و الگوی فعال‌سازی عضلانی وابسته بود. واین‌هندل و همکاران نشان دادند که کاهش قدرت همسترینگ در هنگام برش جانبی با افزایش نیروی ACL همراه است (34)، درحالی‌که مختارزاده و همکاران گزارش کردند که نیروی خلفی ایجاد شده توسط عضله سولئوس میتواند در کاهش بارگذاری قدامی ACL نقش داشته باشد (26). از سوی دیگر، کیم و همکاران نشان دادند که خستگی عضلات ابداکتور هیپ، علیرغم ایجاد تغییر در راهبرد حرکتی فرود، به افزایش معنیدار نیروی ACL منجر نشد (27). دیلیت و همکاران نیز با استفاده از تحلیل حساسیت نشان دادند که نیروهای عضلانی و گشتاورهای خارجی در تعامل با یکدیگر بر نیروی ACL اثر میگذارند و اثر هر یک را نمی‌توان به‌طور کامل مستقل از دیگری تفسیر کرد (29). مجموعه این یافتهها بیانگر آن است که تغییر در فعالیت یا ظرفیت یک گروه عضلانی الزاماً به تغییر متناظر در بارگذاری ACL منجر نمی‌شود و پاسخ لیگامان باید در چارچوب تعامل میان نیروهای عضلانی، مکانیک مفصل و شرایط اجرای تکلیف تفسیر شود.
نوع راهبرد حرکتی و ویژگی‌های تکلیف نیز از عوامل مهم تعیین‌کننده بارگذاری ACL بودند. در مطالعات مربوط به فرود، چن و همکاران نشان دادند که تغییر راهبرد فرود می‌تواند نیروهای عضلانی و برخی متغیرهای مکانیکی زانو را تغییر دهد، بدون آنکه تفاوت معنیداری در نیروی ACL میان شرایط مختلف فرود ایجاد شود (25). در مقابل، موستریدی و همکاران با استفاده از شبیهسازی پیشبینانه نشان دادند که تغییر ارتفاع فرود، چرخش لگن و وضعیت تنه می‌تواند شاخص‌های مرتبط با خطر بارگذاری ACL را تحت تأثیر قرار دهد (33). ازآنجاکه در این مطالعه داده تجربی مستقیم به‌عنوان ورودی مدل استفاده نشد، یافتههای آن باید در چارچوب نتایج حاصل از شبیه‌سازی و مقایسه با مطالعات پیشین تفسیر شوند.
تأثیر زنجیره حرکتی پروگزیمال نیز در این زمینه اهمیت دارد. تغییر وضعیت تنه و لگن میتواند نحوه توزیع بار میان مفاصل اندام تحتانی را تغییر دهد و در نتیجه بر شرایط مکانیکی زانو اثرگذار باشد. سانگ و همکاران در سال 2023 نیز نشان داده‌اند که تغییر حرکت تنه در تکالیف پرخطر می‌تواند با تغییر متغیرهای بیومکانیکی مرتبط با بارگذاری ACL همراه باشد (37). این شواهد در کنار یافته‌های مطالعات شبیه‌سازی ‌شده حاضر، از دیدگاهی حمایت میکنند که در آن بارگذاری ACL صرفاً پیامدی موضعی در سطح زانو در نظر گرفته نمی‌شود، بلکه بخشی از پاسخ زنجیره حرکتی اندام تحتانی است. این موضوع در مانورهای تغییر جهت نیز مشاهده شد. هوت‌هوفر و همکاران نشان دادند که زاویه تغییر جهت می‌تواند بر کرنش و نرخ کرنش ACL اثر بگذارد، درحالی‌که برخی شاخص‌های کینتیکی زانو الزاماً تغییر مشابهی نداشتند (30). بنابراین، رابطه میان متغیرهای خارجی قابل اندازه‌گیری و پیامد مکانیکی واقعی ACL همواره یک رابطه مستقیم و ساده نیست. در همین راستا، واین‌هندل و همکاران نشان دادند که کاهش قدرت همسترینگ در برش جانبی با افزایش نیروی ACL همراه است (34). این یافتهها اهمیت بررسی هم‌زمان ویژگی‌های تکلیف، الگوی حرکتی و نیروهای داخلی حاصل از فعالیت عضلات را در مطالعه مکانیسم‌های آسیب ACL برجسته می‌کنند.
اطلاعات الکترومایوگرافی در برخی مطالعات برای وارد کردن اطلاعات مربوط به فعال‌سازی عضلات به فرایند مدل‌سازی استفاده شده است. ناواکیا و همکاران نشان دادند که استفاده از اطلاعات الکترومایوگرافی در چارچوب مدل‌سازی مبتنی بر داده‌های الکترومایوگرافی، در مقایسه با روش بهینه‌سازی مورد استفاده در همان مطالعه، الگوی هم‌انقباضی سازگارتری با داده‌های الکترومایوگرافی ایجاد کرد و بر برآورد نیروی برشی قدامی تیبیا اثر گذاشت (28). بااین‌حال، این یافته به‌تنهایی نمی‌تواند برتری کلی مدل‌های مبتنی بر الکترومایوگرافی را نسبت به سایر روش‌ها اثبات کند؛ زیرا مطالعات موجود از نظر نوع مدل، تکلیف حرکتی، داده‌های ورودی و پیامد مورد بررسی یکسان نبودند. بنابراین، الکترومایوگرافی را میتوان روشی برای وارد کردن اطلاعات مربوط به فعال‌سازی واقعی عضلات در مدل دانست، اما تعیین برتری آن از نظر دقت تخمین نیروی ACL به مطالعات مقایسه‌ای مستقیم بیشتری نیاز دارد.
مدل‌سازی پیشرفته و چالش‌های اعتبارسنجی: شخصی‌سازی، مدل‌های ترکیبی و محدودیت‌های روش‌شناختی
یکی از روندهای قابل‌توجه در مطالعات وارد شده، حرکت از مدل‌های عمومی اسکلتی-عضلانی به سمت چارچوب‌هایی بود که اطلاعات فردی یا جزئیات بیشتری از سیستم اسکلتی-عضلانی و بافت لیگامانی را در فرایند مدل‌سازی وارد میکنند. در این میان، استفاده از الکترومایوگرافی و ترکیب مدلهای اسکلتی-عضلانی با مدل‌های اجزای محدود، امکان بررسی جنبه‌های متفاوت بارگذاری ACL را فراهم کرده است. برای مثال، ناواکیا و همکاران از اطلاعات الکترومایوگرافی برای محدود کردن تخمین فعال‌سازی عضلات استفاده کردند (28)، درحالی‌که ئنو و همکاران مدل اسکلتی-عضلانی را با مدل اجزای محدود ترکیب کردند تا نیروی ACL و کرنش آن را در شرایط حرکتی مرتبط با مکانیسم جابه‌جایی محوری برآورد کنند (38).
اهمیت این رویکردها را می‌توان در تفاوت میان پیامدهای قابل استخراج از مدل‌های مختلف مشاهده کرد. مدل اسکلتی-عضلانی عمدتاً امکان تخمین نیروهای عضلانی و نیروها و گشتاور‌های داخلی مفصل را فراهم می‌کند، درحالی‌که مدل اجزای محدود می‌تواند اطلاعات بیشتری درباره پاسخ مکانیکی بافت، از جمله نیروی ACL و کرنش آن، ارائه دهد (38). بنابراین، ترکیب این دو چارچوب می‌تواند اطلاعات مکملی درباره زنجیره ایجاد بار، از نیروهای عضلانی تا پاسخ مکانیکی لیگامان، فراهم کند. بااین‌حال، شواهد مطالعات وارد شده برای نتیجه‌گیری قطعی درباره اینکه مدلهای ترکیبی، مدل‌های مبتنی بر الکترومایوگرافی یا سایر مدلهای پیشرفته در همه شرایط دقیق‌تر یا واقع ‌گرایانه‌تر از مدلهای ساده‌تر هستند، کافی نیست. تفاوت در ساختار مدل‌ها، داده‌های ورودی، شرایط حرکتی و معیارهای ارزیابی، امکان چنین مقایسه‌ای را محدود می‌کند. شخصی‌سازی مدل نیز یکی از موضوعات مهم در این حوزه است. ویژگی‌های آناتومیکی، خواص بافتی، ظرفیت تولید نیروی عضلات و راهبردهای کنترل حرکتی میان افراد متفاوت است و این تفاوت‌ها می‌توانند بر پاسخ مکانیکی زانو اثر بگذارند. از این‌رو، استفاده از مدل‌های فرد محور می‌تواند اطلاعات بیشتری درباره پاسخ یک فرد یا گروه مشخص فراهم کند. با وجود این، شواهد موجود هنوز برای تعیین میزان تأثیر شخصی‌سازی بر دقت تخمین بار ACL کافی نیست و این موضوع به مطالعاتی نیاز دارد که مدلهای عمومی و فرد محور را تحت شرایط یکسان و با معیارهای ارزیابی مشترک مقایسه کنند.
یکی از مهم‌ترین محدودیت‌های شواهد موجود، تفاوت در شیوه ارزیابی و اعتبارسنجی مدل‌هاست. در مطالعات وارد شده، روش‌های ارزیابی شامل اعتبار سنجی مدل ACL با داده‌های تجربی کاداوریک، مقایسه فعالیت عضلانی شبیه‌ سازی‌شده با الکترومایوگرافی تجربی، مقایسه خروجی‌های کینماتیکی و کینتیکی مدل با داده‌های تجربی، مقایسه نتایج با یافته‌های مطالعات پیشین و تحلیل حساسیت بود (26, 30, 32, 34, 38). این روش‌ها از نظر ماهیت و قدرت استنباط یکسان نیستند و نباید تحت عنوان واحد اعتبارسنجی تفسیر شوند. برای نمونه، ناصری و همکاران مدل سه‌بعدی ACL را با داده‌های تجربی کاداوریک ارزیابی کردند (32)، درحالی‌که موستریدی و همکاران نتایج شبیه‌سازی پیش‌ بینانه خود را با مطالعات پیشین مقایسه کردند (33). در حالت دوم، مقایسه با ادبیات پیشین را نمی‌توان معادل اعتبارسنجی تجربی مدل در نظر گرفت.
علاوه بر این، دسترسی محدود به داده‌های مستقیم ACL در افراد زنده، یکی از محدودیت‌های ذاتی این حوزه است. به همین دلیل، بسیاری از مطالعات به اعتبارسنجی غیرمستقیم یا استفاده از داده‌های آزمایشگاهی، کاداوریک و متغیرهای جانشین متکی هستند. این مسئله به‌ویژه هنگام تفسیر شاخص‌هایی مانند نیروی برشی قدامی تیبیا اهمیت دارد؛ زیرا چنین متغیرهایی را نباید بدون در نظر گرفتن محدودیت‌های مدل به‌عنوان نیروی واقعی ACL تفسیر کرد (28). در نتیجه، بهبود قابلیت اعتماد مدل‌ها مستلزم گزارش شفاف ساختار مدل، فرضیات، داده‌های ورودی، روش تخمین نیروهای عضلانی و نوع دقیق ارزیابی انجام ‌شده است. در مجموع، شواهد این مرور نشان میدهند که مدل‌سازی اسکلتی-عضلانی ظرفیت قابل‌توجهی برای بررسی سازوکارهای بارگذاری ACL در فعالیت‌های پویای اندام تحتانی دارد، اما ناهمگونی روشهای مدل‌سازی و اعتبارسنجی همچنان مانع از مقایسه مستقیم و نتیجهگیری درباره برتری یک رویکرد خاص می‌شود. مطالعات آینده بهتر است مدل‌های مختلف را در شرایط حرکتی یکسان و با استفاده از داده‌های ورودی و معیارهای پیامد یکسان مقایسه کنند و در صورت امکان، نتایج مدل را با داده‌های تجربی مستقل ارزیابی نمایند. چنین رویکردی می‌تواند شواهد قوی‌تری درباره قابلیت مدلهای اسکلتی-عضلانی و چارچوب‌های ترکیبی در تخمین نیروی ACL، کرنش ACL و سایر پیامدهای مکانیکی لیگامان فراهم کند.
دلالت‌های بالینی و کاربردهای پیشگیرانه
یافته‌های این مرور نشان می‌دهد که مدل‌سازی اسکلتی-عضلانی میتواند یک ابزار ارزشمند برای درک مکانیسم‌های ایجاد بار ACL باشد، اما کاربردهای بالینی مستقیم آن هنوز نیازمند تحقیقات بیشتر است. در حال حاضر، مهم‌ترین کاربرد بالقوه این مدل‌ها شامل بررسی اثر تغییر تکنیک حرکتی، ارزیابی استراتژی‌های عصبی-عضلانی، بررسی اثر خستگی عضلانی و مقایسه سناریوهای مختلف حرکتی است. برای مثال، مدل‌های پیش‌بینانه هینریچ و همکاران (31) نشان دادند که تغییر در راهبرد فعال‌سازی عضلات می‌تواند شرایط مکانیکی مرتبط با بار ACL را تغییر دهد. چنین رویکردهایی می‌توانند در آینده برای طراحی برنامه‌های تمرینی هدفمند مورد استفاده قرار گیرند. بااین‌حال، انتقال مستقیم نتایج مدل‌ها به محیط بالینی نیازمند اعتبارسنجی بیشتر و بررسی توانایی مدل‌ها در پیش‌بینی پیامدهای واقعی آسیب است.
نقاط قوت و محدودیت‌ها
از نقاط قوت این مرور می‌توان به تمرکز اختصاصی بر مطالعات مدل‌سازی ACL، بررسی طیف گستردهای از روش‌ها شامل اپنسیم، مدل‌های مبتنی بر داده‌های الکترومایوگرافی و مدل‌های ترکیبی اسکلتی-عضلانی اجزای محدود اشاره کرد. همچنین، بررسی تفاوت در داده‌های ورودی، روش‌های تخمین نیروهای عضلانی، نحوه نمایش ACL و رویکردهای ارزیابی مدل‌ها، امکان شناسایی شباهت‌ها و تفاوت‌های روش‌شناختی مطالعات را فراهم کرد. بااین‌حال، این مرور دارای محدودیت‌هایی است. نخست، ناهمگونی قابل‌توجه در ساختار مدل‌ها، نوع تکلیف حرکتی، روش نمایش ACL و شیوه اعتبارسنجی، امکان مقایسه مستقیم نتایج را محدود کرد. دوم، پیامدهای گزارش ‌شده در مطالعات یکسان نبودند و شامل نیروی ACL، کرنش و نرخ کرنش آن و شاخص‌های غیرمستقیم مرتبط با بارگذاری ACL می‌شدند. بنابراین، این پیامدها از نظر ماهیت و معنای بیومکانیکی قابل جایگزینی با یکدیگر نیستند و امکان تجمیع کمی آن‌ها وجود نداشت. در نتیجه، یافته‌ها به‌صورت توصیفی سنتز شدند و مقایسه نتایج باید با توجه به تفاوت در نوع پیامدها و روش‌های مدل‌سازی انجام شود. سوم، برآورد بارگذاری ACL در مطالعات وارد شده عمدتاً به مدل‌های محاسباتی وابسته بود و همه مطالعات شواهد اعتبارسنجی مستقیم و مستقلی برای پیامدهای مربوط به خود ACL ارائه نکرده بودند. از این‌رو، اعتبار نتایج باید با توجه به روش ارزیابی هر مدل تفسیر شود و مقایسه فعالیت عضلانی یا سایر خروجی‌های مدل با داده‌های تجربی، لزوماً اعتبار برآورد بارگذاری ACL را به‌طور مستقیم تأیید نمی‌کند. چهارم، تفاوت در گزارش پارامترهای مدل، مشخصات داده‌های ورودی و جزئیات روش‌های محاسباتی میتواند بازتولید نتایج را دشوار کند. پنجم، برآورد بارگذاری مکانیکی ACL با ارزیابی خطر واقعی آسیب یکسان نیست. بنابراین، یافته‌های این مرور بهتنهایی امکان نتیجه‌گیری مستقیم درباره احتمال وقوع آسیب ACL را فراهم نمی‌کنند. در نهایت، تفسیر یافته‌ها به دامنه مطالعات شناسایی ‌شده و معیارهای ورود و خروج این مرور محدود است.
چشم‌اندازهای آینده
تحقیقات آینده باید به سمت توسعه مدل‌های سریع‌تر، دقیق‌تر و فردمحور حرکت کنند. ترکیب داده‌های ام آر آی، الکترومایوگرافی، حسگرهای پوشیدنی و الگوریتم‌های هوش مصنوعی می‌تواند مسیر جدیدی برای ایجاد مدل‌های پیش‌بینانه فراهم کند. همچنین، توسعه مفهوم دوگانه دیجیتال در بیومکانیک ورزشی میتواند امکان شبیه‌سازی پاسخ مکانیکی اختصاصی هر فرد را در شرایط مختلف حرکتی فراهم کند (39). بهبود روش‌های اعتبارسنجی، استانداردسازی گزارش‌دهی مدل‌ها و ایجاد بانک‌های داده چند منظوره از دیگر اولویت‌های پژوهشی آینده خواهد بود.
نتیجه‌گیری نهایی
این مرور سیستماتیک نشان داد که مدل‌سازی اسکلتی‌-عضلانی رویکردی ارزشمند برای برآورد غیرتهاجمی بارگذاری ACL و بررسی عوامل مؤثر بر آن در تکالیف پویای پرخطر اندام تحتانی است. شواهد موجود نشان می‌دهند که بارگذاری ACL تحت تأثیر تعامل نیروهای عضلانی، کینماتیک چند صفحه‌ای، نیروهای خارجی و کنترل عصبی-‌عضلانی قرار دارد و نمی‌توان آن را بر اساس یک متغیر منفرد تبیین کرد. بااین‌حال، ناهمگونی در ساختار مدل‌ها، داده‌های ورودی، روش تخمین نیروهای عضلانی، نوع پیامد ACL و شیوه ارزیابی مدل‌ها، در کنار محدودیت اعتبارسنجی مستقیم، مقایسه و تعمیم‌یافته‌ها را محدود میکند. بنابراین، پژوهش‌های آینده باید بر توسعه و ارزیابی مدل‌های فردمحور، ادغام مناسب داده‌های مکمل مانند الکترومایوگرافی و اطلاعات تصویربرداری، استانداردسازی روشهای مدل‌سازی و گزارش‌دهی، و انجام اعتبارسنجی تجربی با معیارهای مشخص و مستقل تمرکز کنند. در مجموع، مدل‌سازی اسکلتی‌عضلانی ظرفیت قابل‌توجهی برای ارتباط دادن الگوهای حرکتی و نیروهای داخلی با پیامدهای مکانیکی مرتبط با ACL دارد. با این‌حال، افزایش قابلیت اعتماد و کاربردپذیری این رویکرد مستلزم بهبود اعتبارسنجی، شفافیت روششناختی و توجه بیشتر به تفاوت‌های فردی است.
ملاحظات اخلاقی
پیروی از اصول اخلاق پژوهش
این مطالعه از نوع مروری است و در آن هیچ‌گونه جمع‌آوری یا تحلیل داده‌های اولیه انسانی یا حیوانی صورت نگرفته است. بر این اساس، دریافت رضایت آگاهانه و کسب تأییدیه از کمیته اخلاق پژوهشی ضرورتی نداشته است. کلیه مراحل این پژوهش با رعایت اصول اخلاقی، امانت‌داری علمی، ارجاع صحیح به منابع و پرهیز از هر نوع سرقت علمی اجرا شده است.
حامی مالی
این مطالعه هیچ‌گونه حمایت مالی از سوی نهادهای دولتی، خصوصی یا غیرانتفاعی دریافت نکرده است.
مشارکت نویسندگان
حمیدرضا زنگوئی و محمد یوسفی در مراحل طراحی و شکل‌گیری ایده پژوهش، جست‌وجوی منابع، گزینش مطالعات، استخراج داده‌ها، تحلیل و تفسیر یافته‌ها، و تدوین پیش‌نویس اولیه مقاله نقش داشتند. مهسا آزاده و شقایق زیوری نیز در نظارت بر جنبه‌های روش‌شناختی، بازبینی انتقادی مقاله، تفسیر نتایج، و تأیید نسخه نهایی ارسالی همکاری کردند. همه چهار نویسنده نسخه نهایی مقاله را مطالعه و تأیید نمودند.
تعارض
نویسندگان اعلام می‌کنند که در ارتباط با انتشار این مقاله هیچ‌گونه تعارض منافعی وجود ندارد.
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1405/6/4 | پذیرش: 1405/7/20 | انتشار: 1405/8/9

فهرست منابع
1. Duthon VB, Barea C, Abrassart S, Fasel JH, Fritschy D, Ménétrey J. Anatomy of the anterior cruciate ligament. Knee Surgery, Sports Traumatology, Arthroscopy. 2006;14(3):204-213. [DOI:10.1007/s00167-005-0679-9]
2. Sharabi M, Agron R, Dolev A, Haj-Ali R, Yassin M. Predictive refined computational modeling of ACL tear injury patterns. Bioengineering. 2024;11(5):413. [DOI:10.3390/bioengineering11050413]
3. Larwa J, Stoy C, Chafetz RS, Boniello M, Franklin C. Stiff landings, core stability, and dynamic knee valgus: a systematic review on documented anterior cruciate ligament ruptures in male and female athletes. International Journal of Environmental Research and Public Health. 2021;18(7):3826. [DOI:10.3390/ijerph18073826]
4. Montalvo AM, Schneider DK, Yut L, Webster KE, Beynnon B, Kocher MS, et al. What's my risk of sustaining an ACL injury while playing sports? A systematic review with meta-analysis. British Journal of Sports Medicine. 2019;53(16):1003-1012. [DOI:10.1136/bjsports-2016-096274]
5. Ilbeigi S, Motedayyen H, Yousefi M, Hosseini SN, Hoseinzadeh E. Comparison of the effects of exercise therapy and orthokine therapy on pain intensity, joint stiffness, and quadriceps muscle strength in middle-aged women with knee osteoarthritis. Journal of Sport Biomechanics. 2026;12(3):546-568. [DOI:10.66224/JSportBiomech.12.3.546]
6. Griffin LY, Agel J, Albohm MJ, Arendt EA, Dick RW, Garrett WE, et al. Noncontact anterior cruciate ligament injuries: risk factors and prevention strategies. Journal of the American Academy of Orthopaedic Surgeons. 2000;8(3):141-150. [DOI:10.5435/00124635-200005000-00001]
7. Donelon TA, Dos'Santos T, Pitchers G, Brown M, Jones PA. Biomechanical determinants of knee joint loads associated with increased anterior cruciate ligament loading during cutting: a systematic review and technical framework. Sports Medicine - Open. 2020;6(1):53. [DOI:10.1186/s40798-020-00276-5]
8. Yousefi M, Borhani R, Aleghabi M, Mohammadnia Ahmadi S. The effect of thermoplastic insoles on center of pressure parameters in individuals with flatfoot deformity. Journal of Sport Biomechanics. 2026;12(3):626-640. [DOI:10.66224/JSportBiomech.12.3.626]
9. Zhang Q, Adam NC, Hosseini Nasab SH, Taylor WR, Smith CR. Techniques for in vivo measurement of ligament and tendon strain: a review. Annals of Biomedical Engineering. 2021;49(1):7-28. [DOI:10.1007/s10439-020-02635-5]
10. Beynnon B, Howe JG, Pope MH, Johnson RJ, Fleming BC. The measurement of anterior cruciate ligament strain in vivo. International Orthopaedics. 1992;16(1):1-12. [DOI:10.1007/BF00182976]
11. Zhang Q, Bossuyt F, Adam N, Llerena B, Stauffer F, Rennhard P, et al. A stretchable strain sensor system for wireless measurement of musculoskeletal soft tissue strains. Advanced Materials Technologies. 2023;8(12):2202041. [DOI:10.1002/admt.202202041]
12. Markolf KL, Burchfield DM, Shapiro MM, Shepard MF, Finerman GA, Slauterbeck JL. Combined knee loading states that generate high anterior cruciate ligament forces. Journal of Orthopaedic Research. 1995;13(6):930-935. [DOI:10.1002/jor.1100130618]
13. Farshidfar SS, Cadman J, Deng D, Appleyard R, Dabirrahmani D. The effect of modelling parameters in the development and validation of knee joint models on ligament mechanics: a systematic review. PLOS ONE. 2022;17(1):e0262684. [DOI:10.1371/journal.pone.0262684]
14. Fleming BC, Beynnon BD, Renstrom PA, Johnson RJ, Nichols CE, Peura GD, et al. The strain behavior of the anterior cruciate ligament during stair climbing: an in vivo study. Arthroscopy. 1999;15(2):185-191. [DOI:10.1053/ar.1999.v15.015018]
15. Delp SL, Anderson FC, Arnold AS, Loan P, Habib A, John CT, et al. OpenSim: open-source software to create and analyze dynamic simulations of movement. IEEE Transactions on Biomedical Engineering. 2007;54(11):1940-1950. [DOI:10.1109/TBME.2007.901024]
16. Damsgaard M, Rasmussen J, Christensen ST, Surma E, de Zee M. Analysis of musculoskeletal systems in the AnyBody Modeling System. Simulation Modelling Practice and Theory. 2006;14(8):1100-1111. [DOI:10.1016/j.simpat.2006.09.001]
17. Lloyd DG, Besier TF. An EMG-driven musculoskeletal model to estimate muscle forces and knee joint moments in vivo. Journal of Biomechanics. 2003;36(6):765-776. [DOI:10.1016/S0021-9290(03)00010-1]
18. Englander ZA, Baldwin EL III, Smith WAR, Garrett WE, Spritzer CE, DeFrate LE. In vivo anterior cruciate ligament deformation during a single-legged jump measured by magnetic resonance imaging and high-speed biplanar radiography. The American Journal of Sports Medicine. 2019;47(13):3166-3172. [DOI:10.1177/0363546519876074]
19. Naghibi SE, Anbarian M, Yousefi M, Shirzad E, Aziziyan S. Principal component analysis of anthropometric and biomechanical variables in adolescent elite karateka athletes. Journal of Sport Biomechanics. 2017;3(2):27.
20. Belkhelladi M, Cierson T, Martineau PA. Biomechanical risk factors for increased anterior cruciate ligament loading and injury: a systematic review. Orthopaedic Journal of Sports Medicine. 2025;13(2):23259671241312681. [DOI:10.1177/23259671241312681]
21. Cronström A, Creaby MW, Ageberg E. Do knee abduction kinematics and kinetics predict future anterior cruciate ligament injury risk? A systematic review and meta-analysis of prospective studies. BMC Musculoskeletal Disorders. 2020;21(1):563. [DOI:10.1186/s12891-020-03552-3]
22. Bramer WM, Giustini D, de Jonge GB, Holland L, Bekhuis T. De-duplication of database search results for systematic reviews in EndNote. Journal of the Medical Library Association. 2016;104(3):240-243. https://doi.org/10.5195/jmla.2016.24 [DOI:10.3163/1536-5050.104.3.014]
23. Carroll M, Parmar P, Dalbeth N, Boocock M, Rome K. Gait characteristics associated with the foot and ankle in inflammatory arthritis: a systematic review and meta-analysis. BMC Musculoskeletal Disorders. 2015;16:134. [DOI:10.1186/s12891-015-0596-0]
24. Downs SH, Black N. The feasibility of creating a checklist for the assessment of the methodological quality both of randomised and non-randomised studies of health care interventions. Journal of Epidemiology and Community Health. 1998;52(6):377-384. [DOI:10.1136/jech.52.6.377]
25. Chen L, Jiang Z, Yang C, Cheng R, Zheng S, Qian J. Effect of different landing actions on knee joint biomechanics of female college athletes: based on OpenSim simulation. Frontiers in Bioengineering and Biotechnology. 2022;10:899799. [DOI:10.3389/fbioe.2022.899799]
26. Mokhtarzadeh H, Yeow CH, Hong Goh JC, Oetomo D, Malekipour F, Lee PV. Contributions of the soleus and gastrocnemius muscles to the anterior cruciate ligament loading during single-leg landing. Journal of Biomechanics. 2013;46(11):1913-1920. [DOI:10.1016/j.jbiomech.2013.04.010]
27. Kim N, Lee SY, Lee SC, Rosen AB, Grindstaff TL, Knarr BA. Effect of isolated hip abductor fatigue on single-leg landing mechanics and simulated ACL loading. The Knee. 2021;31:118-126. [DOI:10.1016/j.knee.2021.05.007]
28. Navacchia A, Ueno R, Ford KR, DiCesare CA, Myer GD, Hewett TE. EMG-informed musculoskeletal modeling to estimate realistic knee anterior shear force during drop vertical jump in female athletes. Annals of Biomedical Engineering. 2019;47(12):2416-2430. [DOI:10.1007/s10439-019-02318-w]
29. Daliet OJ, Briem K, Brynjólfsson S, Sigurðsson HB. Combined effects of external moments and muscle activations on ACL loading during numerical simulations of a female model in OpenSim. Applied Sciences. 2021;11(24):11971. [DOI:10.3390/app112411971]
30. Huthöfer M, Kainz H, Holder J, Horsak B, Kurz G, Schwameder H. Decreased change of direction angle, increased ACL load: angle-dependent anterior cruciate ligament loading across different change of direction sprints in male soccer players. Journal of Biomechanics. 2026;205:113388. [DOI:10.1016/j.jbiomech.2026.113388]
31. Heinrich D, van den Bogert AJ, Csapo R, Nachbauer W. A model-based approach to predict neuromuscular control patterns that minimize ACL forces during jump landing. Computer Methods in Biomechanics and Biomedical Engineering. 2021;24(6):612-622. [DOI:10.1080/10255842.2020.1842376]
32. Nasseri A, Khataee H, Bryant AL, Lloyd DG, Saxby DJ. Modelling the loading mechanics of anterior cruciate ligament. Computer Methods and Programs in Biomedicine. 2020;184:105098. [DOI:10.1016/j.cmpb.2019.105098]
33. Moustridi E, Risvas K, Moustakas K. Predictive simulation of single-leg landing scenarios for ACL injury risk factors evaluation. PLOS ONE. 2023;18(3):e0282186. [DOI:10.1371/journal.pone.0282186]
34. Weinhandl JT, Earl-Boehm JE, Ebersole KT, Huddleston WE, Armstrong BS, O'Connor KM. Reduced hamstring strength increases anterior cruciate ligament loading during anticipated sidestep cutting. Clinical Biomechanics. 2014;29(7):752-759. [DOI:10.1016/j.clinbiomech.2014.05.013]
35. Heinrich D, van den Bogert AJ, Mössner M, Nachbauer W. Model-based estimation of muscle and ACL forces during turning maneuvers in alpine skiing. Scientific Reports. 2023;13(1):9026. [DOI:10.1038/s41598-023-35775-4]
36. Beaulieu ML, Ashton-Miller JA, Wojtys EM. Loading mechanisms of the anterior cruciate ligament. Sports Biomechanics. 2023;22(1):1-29. [DOI:10.1080/14763141.2021.1916578]
37. Song Y, Li L, Hughes G, Dai B. Trunk motion and anterior cruciate ligament injuries: a narrative review of injury videos and controlled jump-landing and cutting tasks. Sports Biomechanics. 2023;22(1):46-64. [DOI:10.1080/14763141.2021.1877337]
38. Ueno R, Navacchia A, Schilaty ND, Myer GD, Hewett TE, Bates NA. Anterior cruciate ligament loading increases with pivot-shift mechanism during asymmetrical drop vertical jump in female athletes. Orthopaedic Journal of Sports Medicine. 2021;9(3):2325967121989095. [DOI:10.1177/2325967121989095]
39. Hliš T, Fister I, Fister I Jr. Digital twins in sport: concepts, taxonomies, challenges and practical potentials. Expert Systems with Applications. 2024;258:125104. [DOI:10.1016/j.eswa.2024.125104]

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

© 2026 CC BY 4.0 | Journal of Sport Biomechanics

Designed & Developed by : Yektaweb