Use of subject-specific models to detect fatigue-related changes in running biomechanics: a random forest approach
Notice bibliographique
Résumé
Running biomechanics are affected by fatiguing or prolonged runs. However, no evidence to date has conclusively linked this effect to running-related injury (RRI) development or performance implications. Previous investigations using subject-specific models in running have demonstrated higher accuracy than group-based models, however, this has been infrequently applied to fatigue. In this study, two experiments were conducted to determine whether subject-specific models outperformed group-based models to classify running biomechanics during non-fatigued and fatigued conditions. In the first experiment, 16 participants performed four treadmill runs at or around the maximal lactate steady state. In the second experiment, nine participants performed five prolonged runs using commercial wearable devices. For each experiment, two segments were extracted from each trial from early and late in the run. For each participant, a random forest model was applied with a leave-one-run-out cross-validation to classify between the early (non-fatigued) and late (fatigued) segments. Additionally, group-based classifiers with a leave-one-subject-out cross validation were constructed. For experiment 1, mean classification accuracies for the single-subject and group-based classifiers were 68.2 ± 8.2% and 57.0 ± 8.9%, respectively. For experiment 2, mean classification accuracies for the single-subject and group-based classifiers were 68.9 ± 17.1% and 61.5 ± 11.7%, respectively. Variable importance rankings were consistent within participants, but these rankings differed from each participant to those of the group. Although the classification accuracies were relatively low, these findings highlight the advantage of subject-specific classifiers to detect changes in running biomechanics with fatigue and indicate the potential of using big data and wearable technology approaches in future research to determine possible connections between biomechanics and RRI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».