دوره 12، شماره 1 - ( 3-1405 )
جلد 12 شماره 1 صفحات 88-70 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
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
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
شهرام آهنجان*1 
، کمیل دشتی رستمی2 ، علی جلالوند3
، 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.
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.
متن کامل [PDF 1846 kb]
(101 دریافت)
| چکیده (HTML) (341 مشاهده)
جدول ۳-الف. داده‌های ورودی مورد استفاده در آموزش و آزمون شبکه عصبی (فاکتورهای ۱ تا ۸)
متن کامل: (51 مشاهده)
مقدمه
در دهه اخیر، پیشرفت علمی بهشدت تحت تأثیر پیشرفتهای سختافزاری و الگوریتمی در محاسبات بوده است؛ توان پردازش اطلاعات با سرعت بالا موجب تسریع کشفیات دادهمحور در حوزههای مختلف شده است. با این حال، مغز انسان همچنان الگوی اصلی پردازش کارآمد و انعطافپذیر اطلاعات بهشمار میرود و بسیاری از تلاشها در هوش مصنوعی بر پایهی اصول الهامگرفته از مغز برای ایجاد سیستمهای محاسباتی با قابلیتهای حل مسئله متمرکز شدهاند (1, 2). شبکه عصبی مصنوعی معماری پردازش اطلاعاتی است که با الهام از سیستم عصبی زیستی طراحی شده است. این شبکهها از مجموعهای از واحدهای پردازشی ساده تشکیل میشوند که با یادگیری روابط غیرخطی پیچیده از دادهها، قادر به انجام وظایفی مانند طبقهبندی و پیشبینی هستند (2). بیثباتی مزمن مچ پا اغلب با محدودیت دامنه حرکتی، عملکرد ضعیف و درد همراه است (3). بیثباتی مزمن مچ پا بهطور معمول با تجربه مکرر «خالی کردن» مچ پس از پیچخوردگی جانبی همراه است و یکی از شایعترین پیامدهای طولانیمدت چنین آسیبهایی محسوب میشود. مطالعات اپیدمیولوژیک اخیر نشان میدهند که درصد قابلتوجهی از افراد پس از پیچخوردگی، دچار اختلالات عملکردی و بیثباتی پایدار میشوند (4, 5). از دیدگاه بالینی، بیثباتی مزمن مچ پا معمولاً به دو حوزه اصلی تقسیم میشود: بیثباتی مکانیکی که ناشی از شلی لیگامانی است و بیثباتی عملکردی که به دلیل نقص در حس عمقی و کنترل عصبی–عضلانی بروز می‌کند. بااین‌حال، مدلهای اخیر تأکید دارند که این اختلال صرفاً یک تقسیم‌بندی دوگانه نیست، بلکه ترکیبی از ناهنجاری‌های آناتومیک، بیومکانیکی و حسحرکتی به شمار میرود (5, 6). مرورهای جدید نشان دادهاند که یادگیری ماشین و مدلهای شبکه عصبی میتوانند عملکرد ورزشی را بر اساس ورودیهای فیزیولوژیک و بیومکانیکی با دقت بالا پیشبینی کنند. این رویکردها در شناسایی استعداد و مدل‌سازی عملکرد ورزشی در رشتههای مختلف، برتری خود را نسبت به مدلهای آماری سنتی نشان دادهاند (7). مرورهای اخیر بر نقش یکپارچهی هندسه مفصل (مورتیس و سندسموزیس)، لیگامانها، موقعیت تالوس و بازخورد حسحرکتی در پایداری مچ پا تأکید دارند. راهبردهای درمانی نیز توصیه میکنند که بیثباتی مزمن مچ پا به‌صورت جامع، شامل اصلاح شلی لیگامانی، مکانیک مفصل و اختلالات عصبی-عضلانی، مورد توجه قرار گیرد (5, 8). مطالعات جدید نشان دادهاند که تعادل پویا، تأخیر واکنش عضلات پرونئال و شاخصهای مکانیکی مانند افزایش لقی اینورژن یا جابجایی قدامی، عوامل مهمی در پیشبینی بیثباتی مزمن مچ پا هستند. مدلهای چندمتغیره که این متغیرها را ترکیب میکنند، در طبقهبندی بیماران نسبت به آزمونهای منفرد عملکرد بهتری دارند (4, 9). برخلاف گذشته، پژوهشهای اخیر از شبکههای عصبی و الگوریتمهای یادگیری ماشین برای پیشبینی خطر آسیبهای ورزشی و پایش عملکرد استفاده کردهاند و شواهدی رو به رشد نشان میدهند که این ابزارها قادر به شناسایی ورزشکاران در معرض خطر بالا و تحلیل تعامل پیچیدهی عوامل خطر هستند (7, 10). در ادبیات تحقیق، تحقیقات محدودی مبنی بر استفاده از شبکههای عصبی مصنوعی برای پیشبینی آسیبهای ورزشی وجود نداشت.
روش شناسی
تعداد 40 ورزشکار مرد (بسکتبالیست‌ها، والیبالیست‌ها، فوتبالیست‌ها و کشتی‌گیرها) با سابقه حداقل 2 سال حضور در لیگ‌های کشور بهطور داوطلبانه در این تحقیق شرکت کردند. 20 آزمودنی (میانگین سنی 4/2± 6/22) با استفاده از پرسشنامه و گزارش توسط خود آزمودنی در گروه ناپایداری مزمن مچ پا و 20 آزمودنی (میانگین سنی 3± 2/23) در گروه کنترل بدون سابقه آسیب مچ پا قرار داشتند. هنگام انتخاب نمونه و تقسیم آن به گروه‌ها، ورزشکاران بر اساس رشته ورزشی تطبیق یافتند. به این صورت که برای هر فوتبالیست در گروه اول، یک فوتبالیست در گروه دوم قرار می‌گرفت و به همین ترتیب برای سایر رشته‌ها. معیارهای انتخاب آزمودنی‌های گروه ناپایداری مزمن مچ پا شامل سابقه حداقل یک اسپرین خارجی شدید که در آن آزمودنی قادر به تحمل وزن روی پای مبتلا نبود، تکرار حداقل یک‌بار آسیب خارجی مچ پا یا احساس ناپایداری و خالی کردن و عدم شرکت در برنامه توان‌بخشی بود. معیار حذف آزمودنی‌ها در گروه ناپایداری مزمن مچ پا شامل ناپایداری دو طرفه مچ پا، سابقه شکستگی مچ پا و سابقه جراحی مچ پا بود. حجم نمونه نسبتاً کوچک این مطالعه، امکان تعمیم گسترده نتایج به همه جامعه ورزشکاران را با احتیاط روبرو می‌سازد.
نحوه اندازه‌گیری‌ها
اندازه‌گیری قد:
قد شرکت‌کنندگان در حالی اندازه‌گیری شد که آن‌ها بدون کفش و در وضعیت ایستاده و صاف مقابل استادیومتر قرار گرفتند، به‌گونه‌ای که پاشنه‌ها، باسن و شانه‌ها با سطح عمودی در تماس بوده و سر در صفحه‌ی فرانکفورت قرار داشت. قطعه متحرک استادیومتر تا بالای سر پایین آورده شد و قد با دقت تا نزدیک‌ترین میلی‌متر ثبت گردید (11).
اندازه‌گیری وزن:
وزن با استفاده از یک ترازوی دیجیتال کالیبره‌شده که روی سطح محکم و صاف قرار گرفته بود، اندازه‌گیری شد. شرکت‌کنندگان بدون کفش و با پوشش سبک روی ترازو ایستادند و وزن با دقت تا 0.1 کیلوگرم ثبت گردید (12).
اندازه‌گیری عرض قدامی پا:
عرض قدامی پا از روی ردپای تحمل‌کننده وزن که با روش استاندارد ثبت ردپا به دست آمد، اندازه‌گیری شد. نقاط داخلی و خارجی جلوی پا شناسایی و فاصله بین آن‌ها با کولیس تا نزدیک‌ترین میلی‌متر محاسبه شد (13).
اندازه‌گیری پرونیشن پا:
پرونیشن پا با استفاده از آزمون افت ناویکولار ارزیابی شد. این آزمون اختلاف ارتفاع ناویکولار را بین وضعیت بدون تحمل وزن (نشسته) و تحمل وزن (ایستاده) اندازه‌گیری می‌کند. این روش به‌عنوان یک ارزیابی بالینی معتبر برای پرونیشن پا گزارش شده است (14).
اندازه‌گیری دامنه حرکتی فعال و غیرفعال دورسی‌فلکشن و پلانتارفلکشن:
دامنه حرکتی مفصل مچ پا با گونیامتر عمومی اندازه‌گیری شد. شرکت‌کنندگان در لبه میز نشستند و پاها آزادانه آویزان بود. محور گونیامتر روی قوزک داخلی قرار گرفت، بازوی ثابت در امتداد استخوان درشت‌نی و بازوی متحرک در امتداد استخوان متاتارس اول قرار داده شد. دامنه حرکتی فعال در حین حرکت ارادی شرکت‌کننده و دامنه حرکتی غیرفعال هنگام حرکت مفصل توسط آزمونگر ثبت گردید (15, 16).
اندازه‌گیری دامنه حرکتی فعال و غیرفعال اینورژن:
دامنه حرکتی اینورژن مچ پا در وضعیت نشسته و آویزان بودن پاها اندازه‌گیری شد. محور گونیامتر روی سر داخلی استخوان متاتارس اول قرار گرفت و بازوها در زاویه 90 درجه تنظیم شدند. حرکت فعال توسط شرکت‌کننده و حرکت غیرفعال توسط آزمونگر انجام شد (15, 16).
اندازه‌گیری دامنه حرکتی فعال و غیرفعال اورژن:
برای اورژن، محور گونیامتر روی سر خارجی استخوان متاتارس پنجم قرار گرفت. بازوی ثابت موازی با ساق پا و بازوی متحرک در امتداد سطح پلانتار پا تنظیم شد. هر دو حالت فعال و غیرفعال اندازه‌گیری شدند. اگر دو اندازه‌گیری بیش از 5 درجه اختلاف داشت، بار سوم اندازه‌گیری شد و میانگین دو مقدار نزدیک‌تر ثبت گردید (17).
ارزیابی کنترل پاسچر ایستا:
تعادل ایستا با استفاده از تست رومبرگ تعدیل‌شده در حالت ایستادن روی یک پا سنجیده شد. شرکت‌کنندگان روی یک پا ایستادند، پای مقابل در زاویه 90 درجه از زانو خم شد، دست‌ها روی سینه قرار گرفت و چشم‌ها بسته شد. آزمون زمانی پایان یافت که شرکت‌کننده چشم‌ها را باز کند، بازوها را حرکت دهد یا پای مقابل با زمین تماس پیدا کند. اگر فرد بیش از 15 ثانیه تعادل خود را حفظ می‌کرد، تعادل طبیعی و اگر کمتر از 15 ثانیه بود، تعادل مختل در نظر گرفته شد. این آزمون پایایی درون‌سنج بالایی (ICC = 0.89) را نشان داده است (18, 19).
اندازه‌گیری چابکی:
چابکی با استفاده از تست چابکی ایلینویز سنجیده شد. این آزمون شامل مسیر 10 متر در 5 متر است که مخروط‌ها نقاط شروع، پایان و تغییر مسیر را مشخص میکنند. شرکت‌کنندگان دو بار مسیر را با حداکثر تلاش طی کردند و میانگین زمان دو بار به‌عنوان امتیاز چابکی ثبت شد. این تست بهطور گسترده برای ارزیابی چابکی، سرعت و تغییر جهت در ورزشکاران معتبر شناخته شده است (20) . آزمودنی‌ها می‌بایست مسیر مشخص‌شده در آزمون را با حداکثر سرعت، دقت، هماهنگی و تعادل طی می‌کردند. از هر آزمودنی 2 بار آزمون به‌عمل‌آمده و میانگین 2 آزمون به‌عنوان رکورد آزمودنی ثبت شد.
تجزیه‌وتحلیل آماری
در تحقیق حاضر با توجه به اطلاعات به‌دست‌آمده، برای تجزیه‌وتحلیل دادهها از تکنولوژی شبکه عصبی مصنوعی استفاده شد. به‌منظور تجزیه‌وتحلیل دادهها از آزمونهای t مستقل برای مقایسه دو گروه ناپایداری مزمن مچ پا و گروه کنترل بدون سابقه آسیب مچ پا و از شبکه عصبی مصنوعی برای دستیابی به حداکثر دقت در پیشبینی و طبقهبندی افراد استفاده شد. متعاقباً، از تحلیل تشخیصی به‌عنوان یک ابزار کمکی برای تفسیر رابطه بین متغیرهای مستقل و وابسته و شناسایی متغیرهای تمایزکننده بهره گرفته شد.
نتایج
در جدول 1 میانگین و انحراف استاندارد متغیرهای سن، وزن، قد و سابقه ورزشی در گروه‌های مطالعاتی ذکر شده است. جدول 2 حاوی اطلاعات مربوط به فراوانی آزمودنی‌ها در رشتههای ورزشی مورد نظر است. همان‌طور که مشاهده میشود بیشترین تعداد آزمودنی‌ها از رشته ورزشی بسکتبال هستند که 35% کل آزمودنی‌ها را به خود اختصاص داده است. کمترین تعداد آزمودنی‌ها نیز از رشته ورزشی فوتبال هستند که 15% کل آزمودنی‌ها را به خود اختصاص داده است. طی یک دسته آزمایش و اندازه‌گیری فضای نمونه‌ای مشتمل بر 40 دسته داده حاصل آمد. در واقع به ازاء هر 14 فاکتور ورودی، یک مقدار خروجی داشتیم. هدف آموزش شبکه‌ای بود که مقادیر خروجی را پیشبینی کند یعنی شبکه‌ای که بتواند ارتباط بین این 14 ورودی را با خروجی آن‌ها تشخیص دهد. در اینجا جهت آموزش، از شبکههای عصبی چند لایه استفاده شده و برای دستیابی به بهترین شبکه بارها و بارها آموزش شبکه تکرار شده است.
در دهه اخیر، پیشرفت علمی بهشدت تحت تأثیر پیشرفتهای سختافزاری و الگوریتمی در محاسبات بوده است؛ توان پردازش اطلاعات با سرعت بالا موجب تسریع کشفیات دادهمحور در حوزههای مختلف شده است. با این حال، مغز انسان همچنان الگوی اصلی پردازش کارآمد و انعطافپذیر اطلاعات بهشمار میرود و بسیاری از تلاشها در هوش مصنوعی بر پایهی اصول الهامگرفته از مغز برای ایجاد سیستمهای محاسباتی با قابلیتهای حل مسئله متمرکز شدهاند (1, 2). شبکه عصبی مصنوعی معماری پردازش اطلاعاتی است که با الهام از سیستم عصبی زیستی طراحی شده است. این شبکهها از مجموعهای از واحدهای پردازشی ساده تشکیل میشوند که با یادگیری روابط غیرخطی پیچیده از دادهها، قادر به انجام وظایفی مانند طبقهبندی و پیشبینی هستند (2). بیثباتی مزمن مچ پا اغلب با محدودیت دامنه حرکتی، عملکرد ضعیف و درد همراه است (3). بیثباتی مزمن مچ پا بهطور معمول با تجربه مکرر «خالی کردن» مچ پس از پیچخوردگی جانبی همراه است و یکی از شایعترین پیامدهای طولانیمدت چنین آسیبهایی محسوب میشود. مطالعات اپیدمیولوژیک اخیر نشان میدهند که درصد قابلتوجهی از افراد پس از پیچخوردگی، دچار اختلالات عملکردی و بیثباتی پایدار میشوند (4, 5). از دیدگاه بالینی، بیثباتی مزمن مچ پا معمولاً به دو حوزه اصلی تقسیم میشود: بیثباتی مکانیکی که ناشی از شلی لیگامانی است و بیثباتی عملکردی که به دلیل نقص در حس عمقی و کنترل عصبی–عضلانی بروز می‌کند. بااین‌حال، مدلهای اخیر تأکید دارند که این اختلال صرفاً یک تقسیم‌بندی دوگانه نیست، بلکه ترکیبی از ناهنجاری‌های آناتومیک، بیومکانیکی و حسحرکتی به شمار میرود (5, 6). مرورهای جدید نشان دادهاند که یادگیری ماشین و مدلهای شبکه عصبی میتوانند عملکرد ورزشی را بر اساس ورودیهای فیزیولوژیک و بیومکانیکی با دقت بالا پیشبینی کنند. این رویکردها در شناسایی استعداد و مدل‌سازی عملکرد ورزشی در رشتههای مختلف، برتری خود را نسبت به مدلهای آماری سنتی نشان دادهاند (7). مرورهای اخیر بر نقش یکپارچهی هندسه مفصل (مورتیس و سندسموزیس)، لیگامانها، موقعیت تالوس و بازخورد حسحرکتی در پایداری مچ پا تأکید دارند. راهبردهای درمانی نیز توصیه میکنند که بیثباتی مزمن مچ پا به‌صورت جامع، شامل اصلاح شلی لیگامانی، مکانیک مفصل و اختلالات عصبی-عضلانی، مورد توجه قرار گیرد (5, 8). مطالعات جدید نشان دادهاند که تعادل پویا، تأخیر واکنش عضلات پرونئال و شاخصهای مکانیکی مانند افزایش لقی اینورژن یا جابجایی قدامی، عوامل مهمی در پیشبینی بیثباتی مزمن مچ پا هستند. مدلهای چندمتغیره که این متغیرها را ترکیب میکنند، در طبقهبندی بیماران نسبت به آزمونهای منفرد عملکرد بهتری دارند (4, 9). برخلاف گذشته، پژوهشهای اخیر از شبکههای عصبی و الگوریتمهای یادگیری ماشین برای پیشبینی خطر آسیبهای ورزشی و پایش عملکرد استفاده کردهاند و شواهدی رو به رشد نشان میدهند که این ابزارها قادر به شناسایی ورزشکاران در معرض خطر بالا و تحلیل تعامل پیچیدهی عوامل خطر هستند (7, 10). در ادبیات تحقیق، تحقیقات محدودی مبنی بر استفاده از شبکههای عصبی مصنوعی برای پیشبینی آسیبهای ورزشی وجود نداشت.
روش شناسی
تعداد 40 ورزشکار مرد (بسکتبالیست‌ها، والیبالیست‌ها، فوتبالیست‌ها و کشتی‌گیرها) با سابقه حداقل 2 سال حضور در لیگ‌های کشور بهطور داوطلبانه در این تحقیق شرکت کردند. 20 آزمودنی (میانگین سنی 4/2± 6/22) با استفاده از پرسشنامه و گزارش توسط خود آزمودنی در گروه ناپایداری مزمن مچ پا و 20 آزمودنی (میانگین سنی 3± 2/23) در گروه کنترل بدون سابقه آسیب مچ پا قرار داشتند. هنگام انتخاب نمونه و تقسیم آن به گروه‌ها، ورزشکاران بر اساس رشته ورزشی تطبیق یافتند. به این صورت که برای هر فوتبالیست در گروه اول، یک فوتبالیست در گروه دوم قرار می‌گرفت و به همین ترتیب برای سایر رشته‌ها. معیارهای انتخاب آزمودنی‌های گروه ناپایداری مزمن مچ پا شامل سابقه حداقل یک اسپرین خارجی شدید که در آن آزمودنی قادر به تحمل وزن روی پای مبتلا نبود، تکرار حداقل یک‌بار آسیب خارجی مچ پا یا احساس ناپایداری و خالی کردن و عدم شرکت در برنامه توان‌بخشی بود. معیار حذف آزمودنی‌ها در گروه ناپایداری مزمن مچ پا شامل ناپایداری دو طرفه مچ پا، سابقه شکستگی مچ پا و سابقه جراحی مچ پا بود. حجم نمونه نسبتاً کوچک این مطالعه، امکان تعمیم گسترده نتایج به همه جامعه ورزشکاران را با احتیاط روبرو می‌سازد.
نحوه اندازه‌گیری‌ها
اندازه‌گیری قد:
قد شرکت‌کنندگان در حالی اندازه‌گیری شد که آن‌ها بدون کفش و در وضعیت ایستاده و صاف مقابل استادیومتر قرار گرفتند، به‌گونه‌ای که پاشنه‌ها، باسن و شانه‌ها با سطح عمودی در تماس بوده و سر در صفحه‌ی فرانکفورت قرار داشت. قطعه متحرک استادیومتر تا بالای سر پایین آورده شد و قد با دقت تا نزدیک‌ترین میلی‌متر ثبت گردید (11).
اندازه‌گیری وزن:
وزن با استفاده از یک ترازوی دیجیتال کالیبره‌شده که روی سطح محکم و صاف قرار گرفته بود، اندازه‌گیری شد. شرکت‌کنندگان بدون کفش و با پوشش سبک روی ترازو ایستادند و وزن با دقت تا 0.1 کیلوگرم ثبت گردید (12).
اندازه‌گیری عرض قدامی پا:
عرض قدامی پا از روی ردپای تحمل‌کننده وزن که با روش استاندارد ثبت ردپا به دست آمد، اندازه‌گیری شد. نقاط داخلی و خارجی جلوی پا شناسایی و فاصله بین آن‌ها با کولیس تا نزدیک‌ترین میلی‌متر محاسبه شد (13).
اندازه‌گیری پرونیشن پا:
پرونیشن پا با استفاده از آزمون افت ناویکولار ارزیابی شد. این آزمون اختلاف ارتفاع ناویکولار را بین وضعیت بدون تحمل وزن (نشسته) و تحمل وزن (ایستاده) اندازه‌گیری می‌کند. این روش به‌عنوان یک ارزیابی بالینی معتبر برای پرونیشن پا گزارش شده است (14).
اندازه‌گیری دامنه حرکتی فعال و غیرفعال دورسی‌فلکشن و پلانتارفلکشن:
دامنه حرکتی مفصل مچ پا با گونیامتر عمومی اندازه‌گیری شد. شرکت‌کنندگان در لبه میز نشستند و پاها آزادانه آویزان بود. محور گونیامتر روی قوزک داخلی قرار گرفت، بازوی ثابت در امتداد استخوان درشت‌نی و بازوی متحرک در امتداد استخوان متاتارس اول قرار داده شد. دامنه حرکتی فعال در حین حرکت ارادی شرکت‌کننده و دامنه حرکتی غیرفعال هنگام حرکت مفصل توسط آزمونگر ثبت گردید (15, 16).
اندازه‌گیری دامنه حرکتی فعال و غیرفعال اینورژن:
دامنه حرکتی اینورژن مچ پا در وضعیت نشسته و آویزان بودن پاها اندازه‌گیری شد. محور گونیامتر روی سر داخلی استخوان متاتارس اول قرار گرفت و بازوها در زاویه 90 درجه تنظیم شدند. حرکت فعال توسط شرکت‌کننده و حرکت غیرفعال توسط آزمونگر انجام شد (15, 16).
اندازه‌گیری دامنه حرکتی فعال و غیرفعال اورژن:
برای اورژن، محور گونیامتر روی سر خارجی استخوان متاتارس پنجم قرار گرفت. بازوی ثابت موازی با ساق پا و بازوی متحرک در امتداد سطح پلانتار پا تنظیم شد. هر دو حالت فعال و غیرفعال اندازه‌گیری شدند. اگر دو اندازه‌گیری بیش از 5 درجه اختلاف داشت، بار سوم اندازه‌گیری شد و میانگین دو مقدار نزدیک‌تر ثبت گردید (17).
ارزیابی کنترل پاسچر ایستا:
تعادل ایستا با استفاده از تست رومبرگ تعدیل‌شده در حالت ایستادن روی یک پا سنجیده شد. شرکت‌کنندگان روی یک پا ایستادند، پای مقابل در زاویه 90 درجه از زانو خم شد، دست‌ها روی سینه قرار گرفت و چشم‌ها بسته شد. آزمون زمانی پایان یافت که شرکت‌کننده چشم‌ها را باز کند، بازوها را حرکت دهد یا پای مقابل با زمین تماس پیدا کند. اگر فرد بیش از 15 ثانیه تعادل خود را حفظ می‌کرد، تعادل طبیعی و اگر کمتر از 15 ثانیه بود، تعادل مختل در نظر گرفته شد. این آزمون پایایی درون‌سنج بالایی (ICC = 0.89) را نشان داده است (18, 19).
اندازه‌گیری چابکی:
چابکی با استفاده از تست چابکی ایلینویز سنجیده شد. این آزمون شامل مسیر 10 متر در 5 متر است که مخروط‌ها نقاط شروع، پایان و تغییر مسیر را مشخص میکنند. شرکت‌کنندگان دو بار مسیر را با حداکثر تلاش طی کردند و میانگین زمان دو بار به‌عنوان امتیاز چابکی ثبت شد. این تست بهطور گسترده برای ارزیابی چابکی، سرعت و تغییر جهت در ورزشکاران معتبر شناخته شده است (20) . آزمودنی‌ها می‌بایست مسیر مشخص‌شده در آزمون را با حداکثر سرعت، دقت، هماهنگی و تعادل طی می‌کردند. از هر آزمودنی 2 بار آزمون به‌عمل‌آمده و میانگین 2 آزمون به‌عنوان رکورد آزمودنی ثبت شد.
تجزیه‌وتحلیل آماری
در تحقیق حاضر با توجه به اطلاعات به‌دست‌آمده، برای تجزیه‌وتحلیل دادهها از تکنولوژی شبکه عصبی مصنوعی استفاده شد. به‌منظور تجزیه‌وتحلیل دادهها از آزمونهای t مستقل برای مقایسه دو گروه ناپایداری مزمن مچ پا و گروه کنترل بدون سابقه آسیب مچ پا و از شبکه عصبی مصنوعی برای دستیابی به حداکثر دقت در پیشبینی و طبقهبندی افراد استفاده شد. متعاقباً، از تحلیل تشخیصی به‌عنوان یک ابزار کمکی برای تفسیر رابطه بین متغیرهای مستقل و وابسته و شناسایی متغیرهای تمایزکننده بهره گرفته شد.
نتایج
در جدول 1 میانگین و انحراف استاندارد متغیرهای سن، وزن، قد و سابقه ورزشی در گروه‌های مطالعاتی ذکر شده است. جدول 2 حاوی اطلاعات مربوط به فراوانی آزمودنی‌ها در رشتههای ورزشی مورد نظر است. همان‌طور که مشاهده میشود بیشترین تعداد آزمودنی‌ها از رشته ورزشی بسکتبال هستند که 35% کل آزمودنی‌ها را به خود اختصاص داده است. کمترین تعداد آزمودنی‌ها نیز از رشته ورزشی فوتبال هستند که 15% کل آزمودنی‌ها را به خود اختصاص داده است. طی یک دسته آزمایش و اندازه‌گیری فضای نمونه‌ای مشتمل بر 40 دسته داده حاصل آمد. در واقع به ازاء هر 14 فاکتور ورودی، یک مقدار خروجی داشتیم. هدف آموزش شبکه‌ای بود که مقادیر خروجی را پیشبینی کند یعنی شبکه‌ای که بتواند ارتباط بین این 14 ورودی را با خروجی آن‌ها تشخیص دهد. در اینجا جهت آموزش، از شبکههای عصبی چند لایه استفاده شده و برای دستیابی به بهترین شبکه بارها و بارها آموزش شبکه تکرار شده است.
در تکرارهای مختلف به تغییر در نوع شبکه، توابع انتقال شبکه ، تابع آموزش شبکه ، تعداد نرون های لایه میانی و ... پرداختیم تا در نهایت به بهترین شبکه دست یافتیم. بهترین شبکه‌ای که از میان صدها شبکه آموزش‌دیده به دست آمد دارای الگوریتم پس انتشار پیش‌خور بود. بنا بر تعداد داده‌های ورودی و خروجی، تعداد نرون‌های لایه ورودی 14 و تعداد نرون‌های لایه خروجی 1 تعیین شد. نرون‌های تعریف شده در این شبکه برای لایه مخفی 12 نرون، تابع انتقال لایه میانی و لایه خروجی تابع زیگموند می‌باشد. در خروجی‌های بین صفر و یک عموماً از این تابع استفاده میشود. فرم این تابع را مشاهده کنید:
تابع آموزش Trainlm می‌باشد.
در شکل 1 شمایی کلی از ساختمان این شبکه را مشاهده می‌کنید. خطای آموزش شبکه (شکل 2-الف)، آموزش شبکه بر روی هفتاد درصد داده‌های ورودی انجام شده (شکل 2-ب)، تست شبکه برای سی درصد داده باقیمانده (شکل 2-پ) و منحنی رگرسیون خطی برای خروجی‌های آزمایش و نیز خروجی‌های حاصل از شبکه که مقدار 9997/0 R= را باز می‌گرداند (شکل 2-ت).
در شکل 1 شمایی کلی از ساختمان این شبکه را مشاهده می‌کنید. خطای آموزش شبکه (شکل 2-الف)، آموزش شبکه بر روی هفتاد درصد داده‌های ورودی انجام شده (شکل 2-ب)، تست شبکه برای سی درصد داده باقیمانده (شکل 2-پ) و منحنی رگرسیون خطی برای خروجی‌های آزمایش و نیز خروجی‌های حاصل از شبکه که مقدار 9997/0 R= را باز می‌گرداند (شکل 2-ت).
جدول ۳-الف. داده‌های ورودی مورد استفاده در آموزش و آزمون شبکه عصبی (فاکتورهای ۱ تا ۸)
| فاکتور 8 | فاکتور 7 | فاکتور 6 | فاکتور 5 | فاکتور 4 | فاکتور 3 | فاکتور 2 | فاکتور 1 | Experimental. No. |
| ۱۲ | ۳۶ | ۴۰ | ۲۱ | 7/9 | ۰ | 6/75 | ۱۸۴ | ۱ |
| ۱۵ | ۳۸ | ۴۲ | ۱۸ | ۱۰ | ۰ | 7/82 | ۱۸۰ | ۲+ |
| ۱۸ | ۳۹ | ۴۵ | ۲۲ | 2/10 | ۰ | 3/79 | ۱۸۶ | ۳+ |
| ۱۳ | ۳۵ | ۴۸ | ۱۷ | 3/10 | ۱ | ۸۴ | ۱۹۴ | ۴ |
| ۱۴ | ۳۴ | ۴۳ | ۱۶ | 2/11 | ۰ | ۱۱۰ | ۱۹۳ | ۵ |
| ۱۹ | ۳۷ | ۴۵ | ۲۰ | 9/9 | ۰ | 5/64 | ۱۷۴ | ۶ |
| ۱۶ | ۳۱ | ۴۰ | ۱۵ | 8/9 | ۰ | ۶۶ | ۱۷۵ | ۷ |
| ۲۰ | ۳۳ | ۴۳ | ۲۰ | 2/10 | ۱ | ۸۴ | ۱۸۰ | ۸ |
| ۲۰ | ۳۶ | ۴۷ | ۱۸ | 4/9 | ۰ | ۸۲ | ۱۸۱ | ۹+ |
| ۱۵ | ۳۸ | ۴۵ | ۱۴ | 3/10 | ۱ | 7/78 | ۱۷۵ | ۱۰ |
| ۱۴ | ۴۱ | ۴۷ | ۲۰ | 1/10 | ۰ | ۷۴ | ۱۸۰ | ۱۱ |
| ۱۵ | ۳۷ | ۴۵ | ۱۸ | 3/10 | ۰ | ۸۳ | ۱۸۱ | ۱۲ |
| ۱۳ | ۳۰ | ۴۷ | ۱۶ | 6/10 | ۱ | 6/86 | ۱۹۸ | ۱۳ |
| ۱۶ | ۳۳ | ۴۵ | ۲۰ | 2/10 | ۰ | ۸۲ | ۱۹۶ | ۱۴+ |
| ۱۴ | ۳۶ | ۴۸ | ۱۷ | ۱۰ | ۰ | ۷۸ | ۱۸۸ | ۱۵+ |
| ۱۵ | ۴۰ | ۴۵ | ۱۸ | 3/10 | ۱ | ۸۰ | ۱۹۰ | ۱۶ |
| ۱۶ | ۳۵ | ۴۷ | ۱۵ | 8/9 | ۰ | 8/72 | ۱۷۵ | ۱۷ |
| ۱۳ | ۳۷ | ۴۴ | ۱۴ | 1/10 | ۰ | 5/86 | ۱۸۹ | ۱۸ |
| ۱۵ | ۳۹ | ۴۲ | ۱۶ | 4/9 | ۰ | 3/81 | ۱۸۲ | ۱۹+ |
| ۱۵ | ۳۵ | ۴۵ | ۱۷ | 6/10 | ۰ | 8/87 | ۱۹۳ | ۲۰ |
| ۱۶ | ۳۷ | ۳۹ | ۱۵ | 2/11 | ۰ | ۱۳۰ | ۱۸۲ | ۲۱ |
| ۱۸ | ۳۸ | ۴۲ | ۱۸ | ۱۰ | ۱ | ۷۴ | ۱۹۲ | ۲۲ |
| ۱۹ | ۴۲ | ۴۷ | ۲۰ | 7/10 | ۰ | ۷۴ | ۱۸۳ | ۲۳ |
| ۱۳ | ۴۲ | ۴۰ | ۱۵ | 7/10 | ۰ | 4/85 | ۱۹۹ | ۲۴+ |
| ۱۵ | ۳۷ | ۳۸ | ۱۷ | 6/10 | ۱ | ۱۱۰ | ۱۹۲ | ۲۵ |
| ۱۶ | ۳۶ | ۴۵ | ۱۸ | ۱۱ | ۰ | ۱۰۰ | ۱۹۷ | ۲۶ |
| ۲۰ | ۳۵ | ۵۰ | ۲۰ | 7/9 | ۱ | 5/72 | ۱۸۳ | ۲۷+ |
| ۱۵ | ۳۷ | ۴۸ | ۱۹ | 6/9 | ۰ | 7/75 | ۲۰۱ | ۲۸ |
| ۱۷ | ۱۳ | ۴۲ | ۳۸ | 1/11 | ۰ | ۸۵ | ۱۹۰ | ۲۹+ |
| ۱۸ | ۱۶ | ۴۷ | ۴۰ | 2/10 | ۱ | 2/77 | ۱۸۷ | ۳۰ |
| ۱۵ | ۱۵ | ۴۶ | ۳۶ | 4/10 | ۰ | ۷۱ | ۱۸۰ | ۳۱+ |
| ۱۳ | ۱۵ | ۴۲ | ۴۰ | 3/10 | ۰ | ۸۲ | ۱۷۵ | ۳۲ |
| ۱۲ | ۱۸ | ۴۷ | ۳۶ | 4/11 | ۱ | ۸۳ | ۱۷۸ | ۳۳+ |
| ۱۵ | ۱۷ | ۴۳ | ۴۰ | 6/10 | ۰ | ۷۵ | ۱۷۸ | ۳۴ |
| ۱۷ | ۱۵ | ۴۵ | ۳۵ | 7/10 | ۱ | ۸۰ | ۱۹۵ | ۳۵+ |
| ۱۴ | ۱۸ | ۴۹ | ۳۳ | 5/10 | ۰ | ۷۸ | ۱۸۹ | ۳۶ |
| ۱۵ | ۱۴ | ۴۰ | ۳۲ | ۱۱ | ۰ | ۸۴ | ۱۸۷ | ۳۷ |
| ۱۶ | ۱۶ | ۴۸ | ۳۵ | 3/10 | ۱ | ۸۱ | ۱۸۴ | ۳۸ |
| ۱۳ | ۱۵ | ۴۶ | ۳۷ | 8/10 | ۰ | ۹۰ | ۱۸۳ | ۳۹ |
| ۱۵ | ۱۷ | ۴۷ | ۴۰ | 1/11 | ۰ | ۸۸ | ۱۷۲ | 40 |
جدول ۳-ب. خروجی پیش‌بینی‌شده شبکه عصبی (ANN) و مقادیر تجربی واقعی برای ۴۰ داده نمونه
| ANN | Exp. | فاکتور 6 | فاکتور 5 | فاکتور 4 | فاکتور 3 | فاکتور 2 | فاکتور 1 | Experimental. No. |
| ۱ | ۳ | ۰ | ۱۳ | ۴۱ | ۴۳ | ۲۳ | ۱ | |
| 999/0 | ۲ | ۰ | ۱۷ | ۳۹ | ۴۵ | ۲۱ | ۲+ | |
| ۱ | ۲ | ۰ | ۱۹ | ۴۲ | ۴۹ | ۲۴ | ۳+ | |
| ۱ | ۳ | ۰ | ۱۶ | ۳۹ | ۵۱ | ۱۹ | ۴ | |
| 953/0 | ۰ | ۱ | ۱۹ | ۳۶ | ۴۶ | ۱۷ | ۵ | |
| ۱ | ۳ | ۱ | ۲۱ | ۴۱ | ۴۸ | ۲۲ | ۶ | |
| ۱ | ۲ | ۰ | ۱۸ | ۳۴ | ۴۲ | ۱۸ | ۷ | |
| ۱ | ۲ | ۱ | ۲۱ | ۳۵ | ۴۷ | ۲۳ | ۸ | |
| ۱ | ۳ | ۰ | ۲۲ | ۳۷ | ۴۸ | ۲۰ | ۹+ | |
| ۱ | ۳ | ۱ | ۱۶ | ۴۰ | ۴۸ | ۱۶ | ۱۰ | |
| ۱ | ۴ | ۰ | ۱۵ | ۴۴ | ۵۰ | ۲۲ | ۱۱ | |
| ۱ | ۳ | ۰ | ۱۶ | ۴۰ | ۴۸ | ۲۰ | ۱۲ | |
| ۱ | ۲ | ۰ | ۱۵ | ۳۲ | ۴۹ | ۱۸ | ۱۳ | |
| ۱ | ۲ | ۱ | ۱۷ | ۳۶ | ۴۷ | ۲۱ | ۱۴+ | |
| ۱ | ۱ | ۰ | ۱۶ | ۳۹ | ۵۰ | ۲۰ | ۱۵+ | |
| ۱ | ۲ | ۱ | ۱۶ | ۴۳ | ۴۷ | ۲۱ | ۱۶ | |
| ۱ | ۳ | ۰ | ۱۷ | ۴۸ | ۵۰ | ۱۷ | ۱۷ | |
| ۱ | ۲ | ۰ | ۱۵ | ۴۰ | ۴۷ | ۱۶ | ۱۸ | |
| ۱ | ۳ | ۰ | ۱۷ | ۴۱ | ۴۵ | ۱۸ | ۱۹+ | |
| ۱ | ۱ | ۰ | ۱۶ | ۳۹ | ۴۸ | ۱۹ | ۲۰ | |
| ۰ | ۲ | ۰ | ۱۸ | ۴۱ | ۴۲ | ۲۰ | ۲۱ | |
| ۰ | ۱ | ۱ | ۱۹ | ۴۲ | ۴۶ | ۲۰ | ۲۲ | |
| ۰ | ۲ | ۱ | ۲۰ | ۴۶ | ۴۹ | ۲۲ | ۲۳ | |
| ۰ | ۰ | ۰ | ۱۵ | ۴۴ | ۴۲ | ۱۷ | ۲۴+ | |
| ۰ | ۱ | ۰ | ۱۷ | ۳۷ | ۴۰ | ۱۹ | ۲۵ | |
| ۰ | ۲ | ۱ | ۱۷ | ۴۱ | ۴۷ | ۲۰ | ۲۶ | |
| ۰ | ۲ | ۰ | ۲۱ | ۳۸ | ۵۲ | ۲۲ | ۲۷+ | |
| ۰ | ۱ | ۱ | ۱۶ | ۴۱ | ۵۰ | ۲۳ | ۲۸ | |
| 0019/0 | ۳ | ۰ | ۱۹ | ۴۲ | ۴۴ | ۱۶ | ۲۹+ | |
| ۰ | ۰ | ۰ | ۲۰ | ۴۵ | ۵۰ | ۱۸ | ۳۰ | |
| ۰ | ۲ | ۱ | ۱۸ | ۴۰ | ۵۰ | ۱۷ | ۳۱+ | |
| ۰ | ۲ | ۰ | ۱۵ | ۴۴ | ۴۵ | ۱۶ | ۳۲ | |
| ۰ | ۳ | ۱ | ۱۵ | ۴۰ | ۵۰ | ۲۰ | ۳۳+ | |
| ۰ | ۲ | ۰ | ۱۶ | ۴۴ | ۴۵ | ۱۹ | ۳۴ | |
| ۰ | ۰ | ۱ | ۱۹ | ۴۲ | ۴۸ | ۱۶ | ۳۵+ | |
| ۰ | ۲ | ۰ | ۱۶ | ۳۸ | ۵۲ | ۲۰ | ۳۶ | |
| ۰ | ۰ | ۰ | ۱۶ | ۳۶ | ۴۵ | ۱۷ | ۳۷ | |
| ۰ | ۳ | ۰ | ۱۶ | ۳۸ | ۵۰ | ۱۸ | ۳۸ | |
| ۰ | ۲ | ۱ | ۱۵ | ۴۰ | ۴۸ | ۱۷ | ۳۹ | |
| ۰ | ۲ | ۰ | ۱۶ | ۴۵ | ۵۰ | ۱۹ | 40 |
در جدول 3-الف و 3-ب تمامی داده‌های آزمایشی را به همراه پیشبینی حاصل از شبکه می‌بینید. داده‌هایی که با علامت + مشخص شدهاند جهت تست شبکه به‌کاررفته‌اند. در ادامه جهت مشخص شدن تأثیر هر یک از فاکتورها بر تغییر مقدار خروجی، یک نقطه در نظر گرفته شده (جدول 4) و 14 نموداری که در شکل 3 خواهند آمد معرف تأثیر هر ورودی بر خروجی شبکه است. فاکتورها و مقادیر نقطه مورد نظر در شکل 3 از الف تا ز ترسیم شدهاند.
بحث
با توجه به نتایج به‌دست‌آمده تفاوت معناداری در شاخص توده بدنی بین دو گروه وجود نداشت. تحقیقات بعدی نیز رابطه بین BMI و آسیبهای مچ پا در جمعیت‌های نظامی را بررسی کردهاند. مطالعه‌ای توسط واترمن و همکاران (۲۰۱۰) نشان داد که مردانی که دچار پیچخوردگی مچ پا شدهاند، میانگین قد، وزن و BMI بالاتری نسبت به افراد سالم دارند که نشان می‌دهد BMI بالاتر ممکن است یک عامل خطر برای پیچخوردگی مچ پا در محیط نظامی باشد (21) در واقع هر چه گشتاور اینرسی بدن حول مفصل مچ پا بیشتر باشد، بافت های اطراف مفصل بیشتر تحت فشار قرار می‌گیرند. البته باید خاطرنشان کرد این ارتباط معنادار در حالتی بود که سربازان کوله‌پشتی را با خود حمل می‌کردند که این عامل می‌تواند بهطور مؤثر گشتاور اینرسی حول مفصل مچ پا را افزایش دهد (22). عدم همخوانی نتیجه تحقیق حاضر با نتایج تحقیق میلگرام و همکاران احتمالاً به دلیل اختلاف در روش تحقیق، نوع آزمودنی‌های تحقیق، حجم نمونه تحقیق و یا ابزار اندازه‌گیری بوده است (23).
در مقایسه پهنای قسمت قدامی پا تفاوت معناداری بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود داشت. میانگین پهنای قسمت قدامی پا در گروه ناپایداری مزمن مچ پا (48/0 ± 59/10) بهطور معناداری از میانگین گروه کنترل (41/0 ± 12/10) بیشتر بود. مطالعات اخیر نشان دادهاند که افزایش عرض پا با افزایش خطر پیچخوردگی مچ پا مرتبط است (24).
افزایش پهنای پا با افزایش خطر متحمل شدن اسپرین های تکراری مفصل مچ پا همراه میشود (22). در واقع پای پهن‌تر در مقایسه با پای باریک با افزایش بازوی گشتاوری اینورژن همراه شده که شدت آسیب به لیگامنت‌های خارجی مفصل مچ پا را افزایش می‌دهد. در ارتباط با پرونیشن پا تفاوت معناداری بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود نداشت. این یافته پژوهشی با نتایج تحقیقات مارتین و همکاران (۲۰۲۱)، مائدا و همکاران (۲۰۲۳) همخوانی دارد (25, 26). ممکن است سیستم طبقهبندی که نوع آناتومیک پا را به‌صورت پرونیت شده، سوپینیت شده و خنثی مشخص می‌کند برای تعیین ناهنجاری‌ها در بیومکانیک پا نامناسب باشد. زیرا این اندازه‌گیری‌ها در وضعیت استاتیک انجام گرفته و آزمودنی در موقعیتی نیست که در خطر آسیب قرار داشته باشد. بنابراین برای تعیین دقیق خطرزا بودن این ناهنجاری‌ها نیاز به اندازه‌گیری‌های حساس و تخصصی مکانیک‌های تماس پا با زمین در طول فعالیت‌های خطرزا و دینامیک است. طبق نتایج این تحقیق تفاوت معناداری در دامنه حرکتی فعال و غیرفعال دورسی‌فلکشن بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود نداشت. نتیجه به‌دست‌آمده با نتایج تحقیقات مادیسون و همکاران (2019) همخوانی دارد (27). در ارتباط با دامنه حرکتی فعال اینورژن تفاوت معناداری بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود نداشت. این نتیجه احتمالاً می‌تواند ناشی از کنترل فعال مناسب سیستم عصبی-عضلانی و حس گیرنده‌های عمقی مفصل مچ پا باشد.
طبق نتایج این تحقیق تفاوت معناداری در دامنه حرکتی غیرفعال اینورژن بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود داشت. میانگین دامنه حرکتی غیرفعال اینورژن در گروه ناپایداری مزمن مچ پا (87/2 ± 2/41) بهطور معناداری از میانگین گروه کنترل (05/3 ± 8/38) بیشتر بود. نتیجه به‌دست‌آمده با نتایج تحقیق هوبارد و همکاران (2007) همخوانی دارد (28). دامنه حرکتی غیرفعال بیش‌ازحد اینورژن در گروه ناپایداری مزمن مچ پا احتمالاً می‌تواند ناشی از فقدان کنترل غیرفعال در ساختارهای غیرقابل انقباض نظیر لیگامنت ها و کپسول مفصلی باشد که به‌خوبی درمان یا توان‌بخشی نشده است. طبق نتایج این تحقیق تفاوت معناداری در آزمون چابکی ایلینویز بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود نداشت. نتیجه تحقیق حاضر با نتایج تحقیق سروستان و همکاران (2020) همخوانی دارد (29). بنابراین اگرچه ورزشکاران عمدتاً از علائم غیرقابل مشاهده همراه با ناپایداری مزمن مچ پا شکایت دارند، اما این علائم اجرای عملکردی واقعی را بهطور منفی تحت تأثیر قرار نمی‌دهد. طبق نتایج این تحقیق مدل شامل هشت متغیر قادر بود بهطور معنادار گروه ناپایداری مزمن مچ را از گروه سالم متمایز کند. نتایج طبقهبندی نشان داد که مدل 85% گروه سالم، 80% گروه ناپایداری مزمن مچ پا و 5/82% کل نمونه را بهطور صحیح پیشبینی کرده است. دو متغیر پهنای قسمت قدامی پا (54/0) و دامنه حرکتی غیرفعال اینورژن (51/0) بالاترین همبستگی را با تابع تشخیصی داشتند. بنابراین می‌توان گفت این دو عامل بهطور معناداری در اتیولوژی آسیب ناپایداری مزمن مچ پا نقش دارند.
نتیجه گیری نهایی
نتایج این تحقیق نشان داد که از میان متغیرهای مورد بررسی، پهنای قسمت قدامی پا و دامنه حرکتی غیرفعال اینورژن، بیشترین تأثیر را در افزایش خروجی شبکه عصبی دارند. این خروجی، یک شاخص کمی از احتمال خطر برای ابتلا به ناپایداری مزمن مچ پا محسوب میشود. به عبارت ساده‌تر، افرادی که دارای پای پهن‌تر و دامنه حرکتی بیش‌ازحد در مفصل زیرقاپی (اینورژن) هستند، با احتمال بالاتری در معرض خطر تبدیل یک پیچخوردگی حاد به ناپایداری مزمن قرار دارند. نکته کلیدی به‌منظور کنترل موفقیت‌آمیز اسپرین‌های حاد مفصل مچ پا در ورزش‌ها، پیشگیری و پیشبینی است. استراتژی‌های پیشگیرانه برای اسپرین‌های حاد مفصل مچ پا باید با تعیین عوامل خطرزای شناخته شده برای آسیب آغاز شود. اسپرین مفصل مچ پا آسیب بی‌اهمیتی نیست و عوارض ناشی از آن شامل آسیبهای عصبی، آسیب به مفصل تحت قاپی و ناپایداری مزمن (مکانیکی و عملکردی) بسیار رایج است. نتایج این تحقیق استفاده از وسایل محافظتی نظیر بریس و باندپیچی را برای آن دسته از ورزشکارانی که پای پهن و دامنه حرکتی بیش‌ازحد اینورژن در مفصل تحت قاپی دارند، توصیه می‌کند.
ملاحظات اخلاقی
پیروی از اصول اخلاق پژوهش
ﺗﻤﺎﻣﯽ اﺻﻮل اﺧﻼﻗﯽ در ایﻦ ﭘﮋوﻫﺶ رﻋﺎیﺖ ﺷﺪه اﺳﺖ. ﻫﻤﻪ شرکت‌کنندگان ﺑﺎ رﺿﺎیﺖ ﮐﺎﻣﻞ در ﻣﻄﺎﻟﻌﻪ ﺷﺮﮐﺖ ﮐﺮدﻧﺪ و ﺑﻪ آنﻫﺎ اﻃﻤﯿﻨﺎن داده ﺷﺪ ﮐﻪ ﺗﻤﺎم اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ آنﻫﺎ ﻣﺤﺮﻣﺎﻧﻪ ﺑﺎﻗﯽ ﺧﻮاﻫﺪ ﻣﺎﻧﺪ.
حامی مالی
ایﻦ ﭘﮋوﻫﺶ ﻫﯿﭻﮔﻮﻧﻪ ﮐﻤﮏ ﻣﺎﻟﯽ از ﺳﺎزﻣﺎنﻫﺎی دوﻟﺘﯽ، ﺧﺼﻮﺻﯽ و ﻏﯿﺮاﻧﺘﻔﺎﻋﯽ دریﺎﻓﺖ ﻧﮑﺮده اﺳﺖ.
مشارکت نویسندگان
ﺗﻤﺎم ﻧﻮیﺴﻨﺪﮔﺎن در ﻃﺮاﺣﯽ، اﺟﺮا و ﻧﮕﺎرش ﻫﻤﻪ ﺑﺨﺶﻫﺎی ﭘﮋوﻫﺶ ﺣﺎﺿﺮ ﻣﺸﺎرﮐﺖ داﺷﺘﻪاﻧﺪ.
تعارض
هیچ نوع تعارض منافعی در این مطالعه وجود ندارد.
با توجه به نتایج به‌دست‌آمده تفاوت معناداری در شاخص توده بدنی بین دو گروه وجود نداشت. تحقیقات بعدی نیز رابطه بین BMI و آسیبهای مچ پا در جمعیت‌های نظامی را بررسی کردهاند. مطالعه‌ای توسط واترمن و همکاران (۲۰۱۰) نشان داد که مردانی که دچار پیچخوردگی مچ پا شدهاند، میانگین قد، وزن و BMI بالاتری نسبت به افراد سالم دارند که نشان می‌دهد BMI بالاتر ممکن است یک عامل خطر برای پیچخوردگی مچ پا در محیط نظامی باشد (21) در واقع هر چه گشتاور اینرسی بدن حول مفصل مچ پا بیشتر باشد، بافت های اطراف مفصل بیشتر تحت فشار قرار می‌گیرند. البته باید خاطرنشان کرد این ارتباط معنادار در حالتی بود که سربازان کوله‌پشتی را با خود حمل می‌کردند که این عامل می‌تواند بهطور مؤثر گشتاور اینرسی حول مفصل مچ پا را افزایش دهد (22). عدم همخوانی نتیجه تحقیق حاضر با نتایج تحقیق میلگرام و همکاران احتمالاً به دلیل اختلاف در روش تحقیق، نوع آزمودنی‌های تحقیق، حجم نمونه تحقیق و یا ابزار اندازه‌گیری بوده است (23).
در مقایسه پهنای قسمت قدامی پا تفاوت معناداری بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود داشت. میانگین پهنای قسمت قدامی پا در گروه ناپایداری مزمن مچ پا (48/0 ± 59/10) بهطور معناداری از میانگین گروه کنترل (41/0 ± 12/10) بیشتر بود. مطالعات اخیر نشان دادهاند که افزایش عرض پا با افزایش خطر پیچخوردگی مچ پا مرتبط است (24).
افزایش پهنای پا با افزایش خطر متحمل شدن اسپرین های تکراری مفصل مچ پا همراه میشود (22). در واقع پای پهن‌تر در مقایسه با پای باریک با افزایش بازوی گشتاوری اینورژن همراه شده که شدت آسیب به لیگامنت‌های خارجی مفصل مچ پا را افزایش می‌دهد. در ارتباط با پرونیشن پا تفاوت معناداری بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود نداشت. این یافته پژوهشی با نتایج تحقیقات مارتین و همکاران (۲۰۲۱)، مائدا و همکاران (۲۰۲۳) همخوانی دارد (25, 26). ممکن است سیستم طبقهبندی که نوع آناتومیک پا را به‌صورت پرونیت شده، سوپینیت شده و خنثی مشخص می‌کند برای تعیین ناهنجاری‌ها در بیومکانیک پا نامناسب باشد. زیرا این اندازه‌گیری‌ها در وضعیت استاتیک انجام گرفته و آزمودنی در موقعیتی نیست که در خطر آسیب قرار داشته باشد. بنابراین برای تعیین دقیق خطرزا بودن این ناهنجاری‌ها نیاز به اندازه‌گیری‌های حساس و تخصصی مکانیک‌های تماس پا با زمین در طول فعالیت‌های خطرزا و دینامیک است. طبق نتایج این تحقیق تفاوت معناداری در دامنه حرکتی فعال و غیرفعال دورسی‌فلکشن بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود نداشت. نتیجه به‌دست‌آمده با نتایج تحقیقات مادیسون و همکاران (2019) همخوانی دارد (27). در ارتباط با دامنه حرکتی فعال اینورژن تفاوت معناداری بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود نداشت. این نتیجه احتمالاً می‌تواند ناشی از کنترل فعال مناسب سیستم عصبی-عضلانی و حس گیرنده‌های عمقی مفصل مچ پا باشد.
طبق نتایج این تحقیق تفاوت معناداری در دامنه حرکتی غیرفعال اینورژن بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود داشت. میانگین دامنه حرکتی غیرفعال اینورژن در گروه ناپایداری مزمن مچ پا (87/2 ± 2/41) بهطور معناداری از میانگین گروه کنترل (05/3 ± 8/38) بیشتر بود. نتیجه به‌دست‌آمده با نتایج تحقیق هوبارد و همکاران (2007) همخوانی دارد (28). دامنه حرکتی غیرفعال بیش‌ازحد اینورژن در گروه ناپایداری مزمن مچ پا احتمالاً می‌تواند ناشی از فقدان کنترل غیرفعال در ساختارهای غیرقابل انقباض نظیر لیگامنت ها و کپسول مفصلی باشد که به‌خوبی درمان یا توان‌بخشی نشده است. طبق نتایج این تحقیق تفاوت معناداری در آزمون چابکی ایلینویز بین ورزشکاران با و بدون ناپایداری مزمن مچ پا وجود نداشت. نتیجه تحقیق حاضر با نتایج تحقیق سروستان و همکاران (2020) همخوانی دارد (29). بنابراین اگرچه ورزشکاران عمدتاً از علائم غیرقابل مشاهده همراه با ناپایداری مزمن مچ پا شکایت دارند، اما این علائم اجرای عملکردی واقعی را بهطور منفی تحت تأثیر قرار نمی‌دهد. طبق نتایج این تحقیق مدل شامل هشت متغیر قادر بود بهطور معنادار گروه ناپایداری مزمن مچ را از گروه سالم متمایز کند. نتایج طبقهبندی نشان داد که مدل 85% گروه سالم، 80% گروه ناپایداری مزمن مچ پا و 5/82% کل نمونه را بهطور صحیح پیشبینی کرده است. دو متغیر پهنای قسمت قدامی پا (54/0) و دامنه حرکتی غیرفعال اینورژن (51/0) بالاترین همبستگی را با تابع تشخیصی داشتند. بنابراین می‌توان گفت این دو عامل بهطور معناداری در اتیولوژی آسیب ناپایداری مزمن مچ پا نقش دارند.
نتیجه گیری نهایی
نتایج این تحقیق نشان داد که از میان متغیرهای مورد بررسی، پهنای قسمت قدامی پا و دامنه حرکتی غیرفعال اینورژن، بیشترین تأثیر را در افزایش خروجی شبکه عصبی دارند. این خروجی، یک شاخص کمی از احتمال خطر برای ابتلا به ناپایداری مزمن مچ پا محسوب میشود. به عبارت ساده‌تر، افرادی که دارای پای پهن‌تر و دامنه حرکتی بیش‌ازحد در مفصل زیرقاپی (اینورژن) هستند، با احتمال بالاتری در معرض خطر تبدیل یک پیچخوردگی حاد به ناپایداری مزمن قرار دارند. نکته کلیدی به‌منظور کنترل موفقیت‌آمیز اسپرین‌های حاد مفصل مچ پا در ورزش‌ها، پیشگیری و پیشبینی است. استراتژی‌های پیشگیرانه برای اسپرین‌های حاد مفصل مچ پا باید با تعیین عوامل خطرزای شناخته شده برای آسیب آغاز شود. اسپرین مفصل مچ پا آسیب بی‌اهمیتی نیست و عوارض ناشی از آن شامل آسیبهای عصبی، آسیب به مفصل تحت قاپی و ناپایداری مزمن (مکانیکی و عملکردی) بسیار رایج است. نتایج این تحقیق استفاده از وسایل محافظتی نظیر بریس و باندپیچی را برای آن دسته از ورزشکارانی که پای پهن و دامنه حرکتی بیش‌ازحد اینورژن در مفصل تحت قاپی دارند، توصیه می‌کند.
ملاحظات اخلاقی
پیروی از اصول اخلاق پژوهش
ﺗﻤﺎﻣﯽ اﺻﻮل اﺧﻼﻗﯽ در ایﻦ ﭘﮋوﻫﺶ رﻋﺎیﺖ ﺷﺪه اﺳﺖ. ﻫﻤﻪ شرکت‌کنندگان ﺑﺎ رﺿﺎیﺖ ﮐﺎﻣﻞ در ﻣﻄﺎﻟﻌﻪ ﺷﺮﮐﺖ ﮐﺮدﻧﺪ و ﺑﻪ آنﻫﺎ اﻃﻤﯿﻨﺎن داده ﺷﺪ ﮐﻪ ﺗﻤﺎم اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ آنﻫﺎ ﻣﺤﺮﻣﺎﻧﻪ ﺑﺎﻗﯽ ﺧﻮاﻫﺪ ﻣﺎﻧﺪ.
حامی مالی
ایﻦ ﭘﮋوﻫﺶ ﻫﯿﭻﮔﻮﻧﻪ ﮐﻤﮏ ﻣﺎﻟﯽ از ﺳﺎزﻣﺎنﻫﺎی دوﻟﺘﯽ، ﺧﺼﻮﺻﯽ و ﻏﯿﺮاﻧﺘﻔﺎﻋﯽ دریﺎﻓﺖ ﻧﮑﺮده اﺳﺖ.
مشارکت نویسندگان
ﺗﻤﺎم ﻧﻮیﺴﻨﺪﮔﺎن در ﻃﺮاﺣﯽ، اﺟﺮا و ﻧﮕﺎرش ﻫﻤﻪ ﺑﺨﺶﻫﺎی ﭘﮋوﻫﺶ ﺣﺎﺿﺮ ﻣﺸﺎرﮐﺖ داﺷﺘﻪاﻧﺪ.
تعارض
هیچ نوع تعارض منافعی در این مطالعه وجود ندارد.
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 | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
تماس با ما
فصلنامه بیومکانیک ورزشی
همدان،شهرک مدنی، بلوار امام خمینی(ره)، بلوار پروفسور موسیوند، مجتمع دانشگاه آزاد اسلامی واحد همدان، معاونت پژوهش و فناوری، دفتر مجلات علمی
صندوق پستی: 734
تلفن دفتر نشریه: 08134494042
وب‌سایت: http://biomechanics.iauh.ac.ir
ایمیل: sportbiomechanics@iauh.ac.ir
