Επιδημιολογική ανάλυση και μοντελοποίηση των παραγόντων κινδύνου τραυματισμών του ώμου σε αθλούμενους του CrossFit στην Ελλάδα

Abstract

Background: The shoulder joint is the most frequently injured area in CrossFit (CF) with significant functional and performance consequences. The multifactorial aetiology of these injuries limits the effectiveness of conventional linear statistical approaches in identifying prognostic indicators. Objective: This doctoral thesis investigates the epidemiology of shoulder injuries among CF athletes in Greece. It aims to determine risk factors and develop a predictive model using advanced Machine Learning (ML) methods. Methods: The investigation comprised three main stages. First, a sport-specific field test – the CrossFit Functional Assessment Battery for Shoulder joint (CF-FABS) – was developed and its inter-rater and test-retest reliability were examined. Second, a 12-month prospective cohort of 109 CF athletes was established to monitor incident shoulder injuries. Third, demographic, epidemiological, and functional data were integrated to profile athletes; risk factors were explored using linear and non-linear analyses (logistic regression, PCA, FAMD); and a predictive model was built to estimate future shoulder injury. A Random Forest model was trained with 100k-fold cross-validation and interpreted using SHAP values. Results: The inter-rater reliability analysis showed a Cohen’s κ > 0.82 across all CF-FABS individual tests, with percentage agreement ≥ 90%, while the test-retest reliability showed κ > 0.66 with agreement ≥ 75%. The Injury Incidence Rate (IIR) was calculated as 0.79 injuries per 1,000 hours of exposure. Most injuries involved the rotator cuff (45%) and were primarily classified as overuse injuries (80%). Shoulder injuries were most prevalent during Olympic weightlifting exercises (45%). Linear statistical analyses and modelling did not show any statistically significant correlations with injury occurrence. Advanced ML identified a best-performing Random Forest model with a mean accuracy of 63%, indicating low overfitting. The model revealed the critical parameters of: side-to-side ROM deficits in internal rotation, external rotation, and flexion; prior injury to the non-dominant and dominant shoulder; pain during CF participation; and bilateral ROM symmetries in the aforementioned movements. Conclusion: CF-FABS is the first reliable, sport-specific, field-based tool to facilitate the detection of biomechanical deficits by coaches and researchers. Prior shoulder injury, pain during CF, and side-to-side differences in ROM constitute salient features for injury occurrence. Compared to traditional approaches, ML provides an interpretable and practical predictive framework capable of supporting early identification of higher-risk athletes and the design of targeted prevention strategies.

Εισαγωγή: Η άρθρωση του ώμου εμφανίζεται ως η συχνότερα τραυματιζόμενη στο άθλημα του CrossFit (CF), με σοβαρές λειτουργικές και αγωνιστικές συνέπειες. Η πολυπαραγοντική φύση των τραυματισμών αυτών δυσχεραίνει τον εντοπισμό προγνωστικών δεικτών μέσω των κλασικών γραμμικών μεθόδων στατιστικής ανάλυσης. Σκοπός: Η παρούσα διδακτορική διατριβή έχει σκοπό την επιδημιολογική αποτύπωση των τραυματισμών του ώμου σε αθλητές CF στην Ελλάδα. Επιπλέον, στοχεύει στον προσδιορισμό των παραγόντων κινδύνου, καθώς και στην ανάπτυξη ενός μοντέλου πρόβλεψης μέσω προηγμένων μεθόδων Μηχανικής Μάθησης (ΜΜ). Μεθοδολογία: Η διερεύνηση του θέματος δομήθηκε σε τρεις βασικές διεργασίες. Η πρώτη περιλάμβανε τη δημιουργία και διερεύνηση της αξιοπιστίας μεταξύ εξεταστών και επαναλαμβανόμενων μετρήσεων ενός πρωτότυπου, ειδικού για το άθλημα, εργαλείου λειτουργικής αξιολόγησης, του CF Functional Assessment Battery for the Shoulder joint (CF-FABS). Η δεύτερη αποτελούσε την προοπτική μελέτη κοόρτης ενός δείγματος 109 αθλητών CF, οι οποίοι παρακολουθήθηκαν για 12 μήνες σχετικά με την εμφάνιση τραυματισμών στον ώμο. Κατά την τρίτη και τελευταία φάση της μελέτης, τα δημογραφικά, επιδημιολογικά και δεδομένα λειτουργικής αξιολόγησης των συμμετεχόντων συνέθεσαν το προφίλ των αθλητών αυτών, οι παράγοντες κινδύνου αναζητήθηκαν μέσω γραμμικών και μη γραμμικών μεθόδων, και τέλος δημιουργήθηκε ένα μοντέλο ικανό να προβλέπει αν ένας αθλητής θα οδηγηθεί σε τραυματισμό του ώμου ή όχι. Αποτελέσματα: Οι τιμές του συντελεστή Cohen’s κ για την αξιοπιστία μεταξύ αξιολογητών ξεπέρασαν το 0,82 με ποσοστιαία συμφωνία ≥ 90% για όλες τις δοκιμασίες του CF-FABS, ενώ για την αξιοπιστία επανελέγχου ξεπέρασαν το 0,66 με συμφωνία ≥ 75%. Μέσω της προοπτικής μελέτης προέκυψε συχνότητα τραυματισμών του ώμου (Injury Incidence Rate-IIR) ίση με 0,79 τραυματισμούς ανά 1.000 ώρες συμμετοχής. Η πλειοψηφία των τραυματισμών αφορούσε το στροφικό πέταλο (45%), κατά κύριο λόγο αντιπροσωπεύοντας βλάβες υπέρχρησης (80%). Ως επί το πλείστον οι τραυματισμοί σχετίζονταν με ασκήσεις Ολυμπιακής άρσης βαρών (45%). Τα αποτελέσματα γραμμικής στατιστικής και μοντελοποίησης με λογιστική παλινδρόμηση, όπως και πολυπαραγοντικής ανάλυσης (PCA, FAMD) δεν κατέδειξαν στατιστικώς σημαντική συσχέτιση των τραυματισμών με κάποια από τις μεταβλητές του δείγματος. Προχωρημένη μοντελοποίηση με ΜΜ κατέδειξε το βέλτιστο μοντέλο Random Forest, το οποίο ήταν ικανό να προβλέψει τραυματισμό στον ώμο με μέση ακρίβεια 63%, υποδεικνύοντας χαμηλή υπερπροσαρμογή στα δεδομένα. Το μοντέλο κατέδειξε ως κρίσιμους παράγοντες το πλευρικό έλλειμμα ROM έσω τροφής, έξω στροφής και κάμψης, την ύπαρξη ιστορικού τραυματισμού του μη κυρίαρχου και του κυρίαρχου ώμου, τη συνοδεία πόνου στον ώμο κατά το άθλημα, καθώς και τη συμμετρία RΟΜ των παραπάνω κινήσεων του ώμου. Συμπεράσματα: Το CF-FABS αποτελεί το πρώτο αξιόπιστο και εύχρηστο εργαλείο ως δοκιμασία πεδίου για την αποκάλυψη εμβιομηχανικών παρεκκλίσεων από προπονητές, αλλά και ερευνητές για περεταίρω μελέτη. Η ύπαρξη προηγούμενου τραυματισμού, ο πόνος κατά το CF, καθώς και οι πλευρικές διαφορές ROM αποτελούν κρίσιμα χαρακτηριστικά για την εμφάνιση τραυματισμού στον ώμο. Έναντι παραδοσιακών προσεγγίσεων, η ΜΜ είναι ικανή να παρέχει ερμηνεύσιμο και πρακτικό πλαίσιο πρόβλεψης, ικανό να υποστηρίξει τον έγκαιρο εντοπισμό αθλητών υψηλού κινδύνου και τον σχεδιασμό στοχευμένων στρατηγικών πρόληψης.