利用关联规则和数据挖掘技术进行体育训练中运动员的表现与伤病管理

《Scientific Reports》：Athletes’ performance and injury management in sports training using association rules and data mining techniques

　　

摘要

在体育科学中，如何在提高运动表现的同时最小化受伤风险始终是一个核心挑战。尽管目前已有大量的运动员监测数据，但现有的研究主要依赖于建模或孤立的统计分析，对于理解多因素关系方面的可解释模式探索较为有限。本研究通过应用关联规则挖掘技术（包括Apriori、FP-Growth和Eclat）来识别一个包含人口统计、生理、心理和训练相关变量的综合体育训练数据集中的条件关系，从而填补了这一空白。与以往主要关注分类准确性的研究不同，该方法强调提取可解释的规则，以确定与运动表现和受伤结果相关的训练强度、恢复状态、睡眠和既往受伤历史的关键组合。规则的质量通过标准的关联度量方法进行评估，而验证则通过基于分类的指标来完成。研究结果表明，关联规则挖掘能够揭示稳定且影响较大的模式，这些模式有助于解释监测结果、支持假设生成，并帮助确定未来前瞻性验证的重点因素。本研究突显了在非因果分析框架下，利用可解释的数据挖掘框架探索体育训练数据中关联结构的价值。