Die Prävalenz von Gehirnerschütterungen im Sport ist hinlänglich bekannt. So ist auch die Herausforderung an Kliniker und andere Gesicht, wenn Sie haben zu entscheiden, Wann ein athlet wieder das Spiel nach einer Kopfverletzung. Während die meisten Athleten erholen sich von einer Sport-bedingten Erschütterung, die in etwa sieben bis 10 Tage, einige brauchen mehr Zeit. Dieses Dilemma macht die Verwaltung der Behandlung von Sport-bedingten Erschütterungen sehr kompliziert.
Forscher von der Florida Atlantic University ‚ s College of Engineering and Computer Science und SIVOTEC Analytics in Boca Raton und Mitarbeiter haben, haben eine neuartige Lösung. Sie sind Lehr-und Maschinen wie Sie Vorhersagen, recovery-Zeit von sportbezogenen Gehirnerschütterungen, basierend auf Symptome wie Kopfschmerzen, Schwindel und Müdigkeit. Ihre Studie, veröffentlicht in der American College of Sports Medicine journal, Medizin & Science in Sport-& Übung, die verwendet werden können als Grundlage für ein decision support system unterstützt Kliniker bei der Entwicklung der individualisierten Behandlung von Verletzten Sportlern. Diese Forschung ist auch Teil eines größeren Laufenden Anstrengungen, die das team zu entwickeln, machine-learning-Modelle zu diagnostizieren, zu verfolgen und zu behandeln, eine Vielzahl von Gehirn-Gesundheit.
Anhand der Daten aus der National Athletic Behandlung, Verletzungen und Ergebnisse Netzwerk (NATION), eine Verletzung der surveillance-Programm an der high school student-Athleten, die Forscher untersuchten Daten auf 2,004 erschütternder Vorfälle in 22 Sportarten suchen, bei denen die Verletzungen, die in Erster Linie aufgetreten. Sie fanden heraus, dass mehr als die Hälfte der Gehirnerschütterungen passiert im American football.
Mit diesen Informationen erstellten Sie einen neuen Datensatz mit erschütternder Verletzungen im Fußball sowie anderen Sportarten mit Körperkontakt einbezogen, wrestling, hockey und boys‘ und girls‘ basketball, Fußball und lacrosse. Diese neuen dataset enthalten 922 Fußball Gehirnerschütterungen und 689 Erkenntnisse aus anderen Sportarten mit Körperkontakt, in Höhe von 1,611 erschütternder Vorfälle von allen Kontakt-Sportarten. Für den dataset, der alle Kontakt-Sportarten, die Gesamtzahl der Symptome je sportbezogene Gehirnerschütterung Vorfall reichte von null bis 17, mit 55 Prozent der Schüler-Athleten reporting fünf oder mehr Symptome.
Implementierten die Forscher ein betreutes machine-learning-basierte Modellierung vorherzusagen, recovery-Zeit von Gehirnerschütterung-ähnliche Symptome innerhalb von sieben, 14 und 28 Tagen. Sie untersuchten die Wirksamkeit von 10-Klassifizierung-algorithmen, die in den Aufbau der Vorhersage-Modelle, die über das dataset Darstellung von drei Jahren von Gehirnerschütterungen erlitten durch diese high school student-Athleten in Fußball und den anderen Sportarten mit Körperkontakt.
Mit der dataset zeigt, dass die häufigsten berichtet sportbezogene Gehirnerschütterung symptom war Kopfschmerz (von 94,9 Prozent), gefolgt von Schwindel (74,3 Prozent), und klicken Sie dann Schwierigkeiten, sich zu konzentrieren (61,1 Prozent), die symptom-basierte Vorhersage-Modelle zeigten klinisch-praktischen Wert bei der Schätzung sportbezogene Gehirnerschütterung recovery-Zeit. Diese Informationen sind besonders wertvoll, um Gesundheits-Anbieter in Gehirnerschütterung, case management und Versorgung von Patienten. Über die klinische Entscheidung Unterstützung, diese Einsicht kann auch Hilfe bei der Planung, Akademische Unterkünfte und team braucht.
„Wir haben eingeführt, eine cutting-edge-Ansatz und neue klinische tool für die Verwaltung von Sport-bedingten Erschütterungen, die nachweislich zu verbessern, mit mehr und mehr inklusive Daten“, sagte Geburt Khoshgoftaar, Ph. D., co-Autor und Motorola professor in FAU ist der Fachbereich informatik und Elektrotechnik und informatik, die Zusammenarbeit mit lead-Autor Michael F. Bergeron, Ph. D., senior vice president, Entwicklung und Anwendungen auf SIVOTEC Analytics, und Sara Landset, co-Autor und ein Ph. D.-student an der FAU. „Unsere supervised machine learning-Methode hat gezeigt, Wirksamkeit und gewährleistet die weitere exploration.“
Die Forscher stellten fest, dass die Gesamtzahl der Symptome, Empfindlichkeit gegenüber Lärm oder Licht, Konzentrationsschwierigkeiten, Schlaflosigkeit, und balance-Probleme haben Priorität prädiktive Wert, der angibt, Ihre wahrscheinlich wichtigste Beitrag und die Rolle und Nützlichkeit in Ihren Modellen. Im Gegensatz, Sie nicht finden, Amnesie, übererregbarkeit, Verlust des Bewusstseins, oder tinnitus, um relevante Kandidaten für eine spürbare Erleichterung der top-Performance-Modelle.
„Es ist wirklich wichtig, in der Lage sein, umgehend zu identifizieren, die Sportler, die gehen zu müssen, mehr Zeit sich zu erholen, nach Entrichtung Ihrer Gehirnerschütterung“, sagte Bergeron. „Die Fähigkeit, vorherzusagen, recovery-Zeit mit Computer-Lernprogramme zu ergänzen, die eine effektive geschichteten Ansatz zu kümmern. Dies kann auch helfen, mit realistischen Erwartungen an die Schüler-Athleten, sowie wichtige Einblicke und Perspektive für Eltern, Trainer und Lehrer.“
Mitarbeiter auf der Studie, „Machine Learning Modellierung von High-School-Sport-Gehirnerschütterung Symptom Beheben,“ sind Nemours Children ‚ s Hospital, Abteilung für Neurochirurgie in Orlando; Cedars-Sinai-Kerlan-Jobe-Zentrum für Sport-Neurologie in Los Angeles; und Datalys Center for Sports Injury Research and Prevention, Inc. in Indianapolis.
„Diese neuartige Anwendung der überwachten maschinellen lernen, sport Gehirnerschütterung Epidemiologie ist ein wichtiger Schritt bei der Weiterentwicklung der Ansatz in der klinisch Verwaltung einer komplexen Bedingung,“ sagte Stella Batalama, Ph. D., Dekan von FAU ‚ s College of Engineering und Computer Science. „Supervised machine learning hat das Potenzial, effektiver zu offenbaren, sinnvolle Muster und möglicherweise einzigartig wichtige Einblicke in die komplexen inter-abhängigen Reihe von klinischen Determinanten in der Antizipation Gehirnerschütterung symptom Erholung sowie einer Vielzahl anderer Aspekte in der Verwaltung von Gehirnerschütterungen.“