Injury prediction in aerobic gymnastics based on anthropometric variables
DATE:
2018-09
UNIVERSAL IDENTIFIER: http://hdl.handle.net/11093/5568
EDITED VERSION: https://linkinghub.elsevier.com/retrieve/pii/S0765159718300376
DOCUMENT TYPE: article
ABSTRACT
Objective: To determine a mathematical model by logistic regression which is able to predict injuries in Aerobic Gymnastics athletes according to some anthropometric characteristics.
Subjects and methods: We recruited 73 athletes, out of whom 51 were gymnasts and 22 athletes from other sports. The independent variables were anthropometric characteristics of both lower extremities. The dependent variable was the injury at the end of the season.
Results: The statistical model indicates that the effect of the Q angle on the likelihood of injury varies depending on the weight of the gymnast. An excessive Q angle is an anthropometric factor that may predispose to injury, especially the left Q angle.
Conclusion: Studies that analyse the anthropometric characteristics can contribute to understanding what variables or parameters can cause injuries in athletes. Thus, in the future, intervention strategies could be developed and the onset of certain injuries may be prevented. Objectifs: Déterminer un modèle mathématique par régression logistique capable de prédire les blessures chez les athlètes de gymnastique aérobic selon certaines caractéristiques anthropométriques.
Méthodes: Nous avons recruté 73 athlètes, dont 51 étaient des gymnastes et 22 athlètes d’autres sports. Les variables indépendantes étaient les caractéristiques anthropométriques des deux membres inférieurs. La variable dépendante était la blessure à la fin de la saison.
Résultats: Le modèle statistique indique que l’effet de l’angle Q sur la probabilité de blessure varie en fonction du poids de la gymnaste. Un angle Q élevé est un facteur anthropométrique qui peut prédisposer à une blessure, en particulier l’angle Q gauche.
Conclusions: Les études qui analysent les caractéristiques anthropométriques peuvent contribuer à comprendre quelles variables ou paramètres peuvent prédire des blessures chez les athlètes. Ainsi, à l’avenir, des stratégies de prévention pourraient être développées et l’apparition de certaines blessures pourrait être évitée.
Files in this item
- Name:
- 2018_abalo_injury_prediction.pdf
- Size:
- 609.0Kb
- Format:
- Description:
- Manuscrito aceptado