格罗宁根大学人类运动科学系(UMCG)团队正在使用Xsens将足球训练中的前十字韧带(ACL)损伤预防研究带入到现实场地中。从验证特定运动的动作数据到测试内隐学习的干预措施，该研究显示了可穿戴运动捕捉如何使伤害预防研究更接近真实运动。
挑战
人类运动科学系的研究人员希望研究女性足球运动员在不损害生物力学数据质量的情况下，更好地学习运动动作，以降低现实世界中前交叉韧带受伤的风险。
解决办法
该团队使用Xsens捕捉特定的运动足球训练任务中的全身运动，为基于场地的生物力学和运动学习研究奠定了坚实的基础。
关键要点
随着时间的推移，运动模式得到了改善:干预措施帮助女性足球运动员避免做出与前交叉韧带损伤相关的高风险动作。
丰富的反馈方法使得最终效果非常好视频指导、自我视频检查和口头反馈进一步结合，这使得运动员的进步最大化。
Xsens实现了球场上的生物力学分析：团队可以在实验室外捕捉全身运动，同时保持实验室级的精度。
前交叉韧带受伤会让年轻的足球运动员缺席几个月。对于女性运动员来说，风险更高。在人类运动科学系(UMCG)，研究人员旨在了解在真实足球运动中这些损伤是如何发生的，以及运动员如何在损伤发生前学会更安全的运动方式。
研究人员Eline Nijmeijer和主要研究人员Anne Benjaminse在她的博士论文"运用运动学习原理降低前交叉韧带损伤风险"中调查了一些高风险行为，包括着地、减速和改变奔跑方向。为了以反映真实训练条件的方式捕捉这些运动，团队结合了几种用于生物力学分析和运动学习的工具，包括Xsens运动捕捉系统。
让ACL研究更贴近球场
前交叉韧带损伤发生在快速、反应性、特定动作的时刻。因此这项研究集中在足球运动上，如侧步切入和跳跃落地，这些都与ACL损伤机制密切相关。
目标不仅是测量年轻运动员如何运动，也是测试运动模式如何随着时间的推移而改进。女子足球运动员进行了为期4周的训练计划，研究人员比较了基线和保持力测量，以跟踪运动员动作变化。
为什么选择Xsens
对于此项目，团队需要可以随着研究移动的动作捕捉系统。Xsens不仅在受控测试中，而且在足球场上也能捕捉运动员的全身运动，具有实验室级的精度。
Eline Nijmeijer说:"我们想测量场上球员的真实动作，我们知道光学动作捕捉是不可能的，但Xsens做到了。"
基于套装的设置也发挥了重要作用。对于动态足球运动，研究人员更喜欢使用全身套装，因为它能更好地保持动作形态，并支持在重复录制中进行可靠的全身测量。
在收集现场数据之前，该团队首先在研究的实验室部分使用光学运动捕捉参考来验证Xsens。这给了他们信心，实验室外收集的数据可以被可信地解释。
验证研究显示，矢状面下半身运动学在所有关节和任务方面的一致性非常好，交叉相关值超过0.92。在特定运动动作中，如跳跃着陆、减速和侧步切入，臀部、膝盖和脚踝的屈伸波形排列得特别好。正向髋部测量平面的也显示了很强的一致性。与此同时，研究发现膝盖和脚踝处的正面和横向平面测量有更多的可变性，这意味着在解释这些角度时需要更加谨慎。
这项研究背后的关键思想很简单。运动员并不总是从一长串口头指令中学到最好的东西。研究人员使用基于视频的学习方式，不为运动员提供关于膝盖、脚踝和臀部信息的详细线索。
为了验证这个假设，运动员被分成四组:
-
一个没有接受任何指导的对照组。
-
一组观看他们需要复制的运动视频。
-
一组观看指导视频，并根据要求复制他们自己的动作。
-
一组除了指导和回放视频之外，还将从测试负责人那里获得口头反馈。
随着时间的推移，接受最丰富的指导和反馈组合的小组表现出最大的改善，特别是在髋关节和膝关节外展相关的变量上。
通过观察获得的内隐运动学习原则可以帮助运动员在特定运动任务中改善运动模式。在实践中，这为更有效的适合真实教练环境的伤害预防策略打开了新的道路。