Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

A máquina nova aprender-baseou a aproximação para prever o tempo de recuperação de abalos esporte-relacionados

A predominância dos abalos nos esportes é conhecida. Assim, também, são os clínicos do desafio e outro enfrentam quando têm que decidir quando um atleta pode retornar ao jogo após uma lesão na cabeça. Quando a maioria de atletas recuperarem de um abalo esporte-relacionado em aproximadamente sete a 10 dias, alguns precisam mais tempo. Esta contrariedade faz controlando o tratamento de abalos esporte-relacionados muito complicado.

Os pesquisadores da faculdade de universidade atlântica de Florida da engenharia e da informática e da analítica de SIVOTEC em Boca Raton, e os colaboradores, vieram acima com uma solução nova. São máquinas de ensino como prever o tempo de recuperação dos abalos esporte-relacionados baseados em sintomas como a dor de cabeça, a vertigem e a fadiga. Seu estudo, publicado na faculdade americana do jornal de medicina de esportes, medicina & ciência nos esportes & no exercício, pode ser usado como a fundação para um sistema de apoio da decisão que ajude a clínicos em desenvolver o tratamento particularizado para atletas feridos. Esta pesquisa igualmente é parte de um esforço em curso maior pela equipe para desenvolver modelos da aprendizagem de máquina para ajudar a diagnosticar, seguir e tratar uma variedade de problemas de saúde do cérebro.

Usando dados da rede atlética nacional do tratamento, do ferimento e dos resultados (NAÇÃO), um programa da fiscalização de ferimento em estudante-atletas da High School, os pesquisadores examinaram dados em 2.004 incidentes do abalo em 22 esportes, olhando onde os ferimentos ocorreram primeiramente. Encontraram que mais do que a metade dos abalos aconteceram no futebol americano.

Com esta informação, criaram um conjunto de dados novo dos ferimentos concussive no futebol assim como os outros esportes de contacto que incluíram a luta romana, o hóquei em campo e o basquetebol dos meninos e das meninas, o futebol, e a lacrosse. Este conjunto de dados novo incluiu 922 abalos do futebol e 689 abalos de outros esportes de contacto, totalizando 1.611 incidentes do abalo de todos os esportes de contacto. Para o conjunto de dados de todos os esportes de contacto, o número total de sintomas relatados por incidente esporte-relacionado do abalo variou de zero a 17, com 55 por cento dos estudante-atletas que relatam cinco ou mais sintomas.

Os pesquisadores executaram uma máquina supervisionada aprender-baseada modelando a aproximação para prever o tempo de recuperação de sintomas abalo-relacionados dentro de sete, 14 e 28 dias. Examinaram a eficácia de 10 algoritmos da classificação em construir os modelos da previsão, usando o conjunto de dados que representa três anos de abalos sofridos por estes estudante-atletas da High School no futebol e nos outros esportes de contacto.

Com a exibição do conjunto de dados que o sintoma esporte-relacionado relatado o mais predominante do abalo era uma dor de cabeça (94,9 por cento), seguiu pela vertigem (74,3 por cento), e então pela dificuldade que concentra-se (61,1 por cento), o valor clínico prático demonstrado modelos sintoma-baseado da previsão em calcular tempo de recuperação esporte-relacionado do abalo. Esta informação pode ser especialmente valiosa aos fornecedores de serviços de saúde na gestão e no assistência ao paciente do caso do abalo. Além do apoio de decisão clínico, esta introspecção igualmente pode ajudar com planear acomodações académicos e necessidades da equipe.

“Nós introduzimos uma aproximação pioneiro e a ferramenta clínica nova para controlar os abalos esporte-relacionados, que melhorarão mensuràvel com dados cada vez mais inclusivos,” disse Taghi Khoshgoftaar, Ph.D., co-autor e professor de Motorola no departamento de FAU do computador e engenharia elétrica e informática, que colaborou com o autor principal Michael F. Bergeron, Ph.D., vice-presidente superior da revelação e as aplicações na analítica de SIVOTEC, e Sara Landset, co-autor e um estudante do Ph.D. em FAU. “Nosso método supervisionado da aprendizagem de máquina demonstrou a exploração da eficácia e das autorizações mais.”

Os pesquisadores notaram que o número total de sintomas, a sensibilidade a propalar ou a luz, a dificuldade que se concentram, a insónia, e as edições do balanço têm o valor com carácter de previsão da prioridade, indicando seus papel e serviço público de contribuição importantes prováveis em seus modelos. Ao contrário, não encontraram a amnésia, o hyperexcitability, a perda de consciência, ou o tinnitus para ser candidatos relevantes para mensuràvel facilitar parte-executando modelos.

“É realmente importante poder identificar prontamente aqueles atletas que estão indo precisar mais hora de recuperar após ter incorrido seu abalo,” disse Bergeron. “A capacidade para prever o tempo de recuperação que usa a aprendizagem de máquina ajudará a aumentar uma aproximação estratificada eficaz para importar-se. Isto igualmente pode ajudar com expectativas realísticas do estudante-atleta, assim como fornece a introspecção e a perspectiva importantes para pais, treinadores e professores.”

Os colaboradores no estudo, de “aprendizagem máquina em modelar a resolução do sintoma do abalo do esporte da High School,” são o hospital de crianças de Nemours, divisão da neurocirurgia em Orlando; Centro de Cedro-Sinai Kerlan-Jobe para a neurologia dos esportes em Los Angeles; e centro de Datalys para Esportes Ferimento Pesquisa e Prevenção, Inc. em Indianapolis.

“Esta aplicação nova da aprendizagem de máquina supervisionada ostentar a epidemiologia do abalo é uma etapa importante em avançar a aproximação clìnica em controlar uma condição complexa,” disse Stella Batalama, Ph.D., decano da faculdade de FAU da engenharia e da informática. “A aprendizagem de máquina supervisionada manda o potencial a mais eficazmente revelar testes padrões significativos e introspecções vitais potencial originais na disposição interdependente complexa de causas determinantes clínicas em antecipar a recuperação assim como a miríade do sintoma do abalo outros aspectos em abalos de controlo.”