Data-analytiikan hyödyntäminen urheiluvammojen ehkäisyssä
Jäppilä, Ilona (2025-01-16)
Data-analytiikan hyödyntäminen urheiluvammojen ehkäisyssä
(16.01.2025)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe202501205538
https://urn.fi/URN:NBN:fi-fe202501205538
Tiivistelmä
Urheilu on tärkeä osa yhteiskuntaa, ja urheiluvammoilla voi olla merkittävä vaikutus urheilijan tai urheilujoukkueen suorituskykyyn ja menestykseen. Pienten marginaalien myötä urheilussa on alettu hyödyntää yhä enemmän data-analytiikkaa tulosten parantamiseen ja loukkaantumisriskin vähentämiseen. Tässä tutkielmassa tarkastellaan kirjallisuuskatsauksen muodossa, miten data-analytiikkaa ja erityisesti koneoppimismalleja sekä puettavia laitteita käytetään urheiluvammojen ehkäisyyn. Tutkielmassa käydään läpi myös datan keräämistä urheilussa.
Dataa voidaan kerätä niin urheilijan sydämen sykkeestä ja liikemalleista kuin harjoitusympäristön olosuhteistakin. Näiden avulla pystytään seuraamaan urheilijan kuormitusta, joka on yksi merkittävimmistä syistä loukkaantumisiin. Kerättyä dataa analysoidaan koneoppimismalleilla, joista yleisimpiä urheiluvammojen ehkäisyssä ovat esimerkiksi satunnaismetsä ja tukivektorikone. Näillä pystytään havaitsemaan suurimpia loukkaantumiseen johtavia riskitekijöitä. Tulokset osoittavat, että tukivektorikone on tällä hetkellä yksi tehokkaimmista ja tarkimmista koneoppimismalleista urheiluvammojen ehkäisyyn ja riskitekijöiden tunnistamiseen. Koneoppimismallien lisäksi puettavat laitteet, kuten erilaiset sensorit, ovat keskeisessä roolissa urheiluvammojen ehkäisyssä, sillä ne mahdollistavat jatkuvan ja reaaliaikaisen datankeruun urheilijan tilasta.
Dataa voidaan kerätä niin urheilijan sydämen sykkeestä ja liikemalleista kuin harjoitusympäristön olosuhteistakin. Näiden avulla pystytään seuraamaan urheilijan kuormitusta, joka on yksi merkittävimmistä syistä loukkaantumisiin. Kerättyä dataa analysoidaan koneoppimismalleilla, joista yleisimpiä urheiluvammojen ehkäisyssä ovat esimerkiksi satunnaismetsä ja tukivektorikone. Näillä pystytään havaitsemaan suurimpia loukkaantumiseen johtavia riskitekijöitä. Tulokset osoittavat, että tukivektorikone on tällä hetkellä yksi tehokkaimmista ja tarkimmista koneoppimismalleista urheiluvammojen ehkäisyyn ja riskitekijöiden tunnistamiseen. Koneoppimismallien lisäksi puettavat laitteet, kuten erilaiset sensorit, ovat keskeisessä roolissa urheiluvammojen ehkäisyssä, sillä ne mahdollistavat jatkuvan ja reaaliaikaisen datankeruun urheilijan tilasta.