费利克斯-布歇
我的目标是在研究和临床实践之间架起一座桥梁。 通过知识转化,我旨在分享最新的科学数据、促进批判性分析并打破研究的方法模式,从而增强物理治疗师的能力。 通过促进对研究的深入了解,我努力提高我们提供的医疗服务质量,并加强我们的专业在医疗保健系统中的合法性。
跑步仍然是全世界最容易获得和最广泛开展的体育活动之一。 尽管监测技术不断进步,包括广泛使用 GPS 可穿戴设备来跟踪训练负荷,但与跑步有关的损伤发生率并未下降。 损伤仍然是导致人们中断跑步的主要因素,这凸显了了解这些状况的内在机制的重要性。
传统上,训练负荷是以周为单位进行评估的,最常用的方法是使用急性:慢性的训练负荷比(ACWR),其计算方法是将最近一周的训练负荷与前一个月的平均周负荷进行比较。 传统的工作量模型可能无法捕捉到最有效的跑步损伤预防策略传统的工作量模型可能无法捕捉到最有效的跑步损伤预防策略,因为它假定在一周内过度增加负荷会导致运动员出现过度运动损伤。 然而,新出现的证据表明,跑步的易受伤期可能要短得多。 具体来说,单次训练中跑步距离的突然增加似乎对损伤的发展起着至关重要的作用。
这项探索性研究介绍了一种潜在的范式转变:从每周训练模式转变为单次训练模式,以了解跑步者的训练负荷和损伤风险。 这样一个框架可以为物理治疗师提供更精确的工具,用于 预防跑步损伤 在临床实践中指导负荷管理和康复。
这项纵向探索性研究使用了 Garmin-RUNSAFE 跑步健康研究的数据,随访期为 18 个月(2019 年 7 月至 2021 年 1 月)。 注册时间为 2019 年 7 月至 12 月。 研究报告符合 STROBE 观察性研究指南的要求,统计分析、解释和报告均使用 CHAMP 核对表进行验证。
通过 Garmin 通讯、欧洲跑步俱乐部和杂志招募跑步者。 同意并完成注册问卷的跑步者将被考虑纳入研究范围。
纳入标准:
排除标准
程序
基线问卷收集了人口统计学数据(年龄、性别、身高、体重)、跑步经验和既往损伤史。 每周调查问卷记录损伤状况和问题的解剖位置。 使用 Garmin GPS 设备自动记录跑步活动数据,包括每次跑步的距离,并通过 Garmin Connect 应用程序进行传输。通过基于API的系统(健康API),这些数据被安全地传输到奥胡斯大学服务器和RUNSAFE研究小组。
曝光
该研究主要以某次跑步距离与前 30 天内完成的最长跑步距离之间的比率来衡量暴露程度。 这一比率反映了跑步者超过或低于其之前最大值的程度。 例如,在之前最长跑完 8 公里后再跑 12 公里,比率等于 1.5(增加 50%)。
为了更好地捕捉损伤风险,对相对变化进行了如下分类:
除了单节课的变化,还计算了传统的工作量指标:
两个模型中的尖峰分类采用了相同的截止值(10%、30%、100%)。
主要结果为首次自我报告的过度使用跑步相关损伤。 创伤性损伤(如跌倒或扭伤)被视为竞争风险。
结果
损伤状况 每周通过自动问卷进行评估。 跑步者将自己分为
在进行分析时,只有将自己归类为受伤(第 3 类)的跑步者才被视为达到结果。 每位参与者还需说明损伤是由于过度使用(非创伤性)还是创伤性原因造成的。 如果没有在跑步训练的确切日期报告损伤,则将其与前 10 天内完成的最近一次训练联系起来,而在最后一次训练后 10 天以上报告的任何损伤均不包括在内。 这一结果定义与《跑步损伤共识声明》和奥斯陆创伤研究中心问卷调查一致。
混杂变量
该研究利用有向无环图(DAG)将因果假设可视化,从而解决了潜在的混杂问题。 混杂因素包括以前与跑步有关的问题、体重指数(BMI)、性别、年龄和跑步年限。 以前的问题也被考虑在内,因为这些问题是未来损伤的既定风险因素,并且可能影响跑步距离。 性别差异与损伤风险、跑步强度和持续时间的变化有关。 体重指数越高,肌肉骨骼所受的机制压力越大,受伤风险也就越高。 考虑到年龄和跑步经验与损伤的发生已有关联,因此也纳入了这些变量。 数据集中的大量损伤确保了有足够的统计能力来考虑这些变量。
统计分析将在 Talk nerdy to me 部分进一步讨论。
这项研究包括 5205 名跑步者,其中大部分来自欧洲和北美。 大部分参与者为男性(77.9%),平均年龄为 45.8 岁,平均体重指数为 24.2 kg/m²。 平均而言,参与者有将近十年的跑步经验,接受跟踪调查的次数中位数为 80 次,总计超过 50 万次。
在观察期间,35% 的跑步者报告了与跑步有关的损伤。 其中,72%属于过度运动损伤,28%属于创伤性损伤。 损伤通常在跑步当天或之后一到两天内报告。 经过 200 次训练后,约 30.5% 的跑步者出现了过度运动损伤,12% 的跑步者出现了创伤性损伤。
分析的主要发现是,单次跑步距离的突然增加显然与较高的过度劳损风险有关。 与 10%或更少的渐进进展相比,骤增距离的大小决定了风险的大幅上升:
相反,如果使用急性与慢性的工作量比(ACWR)来评估每周的训练量,则跑步负荷的峰值具有保护作用,与较低的损伤风险有关。 然而,当以周与周之间的变化作为衡量标准时,并未发现与损伤风险有明显关联。
因此,使用其他结果定义和临界值进行的灵敏度分析证实,单次跑步距离的增加会持续抬高跑步相关损伤的风险。 即使是相对较小的增加,即比以前的距离增加 1%到 10%,也与较高的损伤率有关。
有趣的是,工作量峰值与损伤风险之间的联系并不遵循简单的线性趋势。 小峰值与损伤风险增加 64% 相关,中等峰值与损伤风险增加 52% 相关,而大峰值与损伤风险增加 128% 相关。 虽然这种非线性关系仍有待商榷--这将在下文中讨论--但研究结果仍然强调了循序渐进的训练进展方法的价值。 例如,在跑完 10 公里后,下一次训练增加不超过 10%(约 1 公里)通常被认为是安全的,而更大的跳跃则会显著抬高损伤风险。 由于长跑运动员每周的训练经常会将长距离、低强度训练与短距离、高强度训练(如间歇训练)混合在一起,因此监测每次训练的变化可能没有意义。 在这种情况下,急性与慢性的工作量比(ACWR)可以为跑步损伤预防提供更合适的衡量标准。 预防跑步损伤。
物理治疗师应认识到,训练距离只是影响跑步损伤预防的众多因素之一。 虽然该研究考虑了体重指数和性别等变量(其中体重指数与损伤的关系仍存在特别多的争议),但其他潜在的混杂因素--尤其是生物力学因素--并未包括在内。 这一点非常重要,因为一篇综述 没有发现一致的生物力学风险因素,这可能是由于研究质量参差不齐和损伤定义特异性不强造成的,而另一篇综述则发现了长跑运动员损伤的特异性生物力学关联。 最后,本文综述就与预防跑步相关损伤有关的生物力学风险因素提出了实用见解。
可以预计,跑步距离与损伤风险之间的关系将呈现线性模式,距离越长,损伤风险越高。 然而,在本研究中并没有明显观察到这一点,可能是因为并没有控制所有相关的损伤相关因素。 特别是,外部负荷变量未得到充分考虑:抬高变化、跑步表面、上坡或下坡情况、步频、步幅和鞋类都可能影响结果。 有关如何评估跑步损伤风险的更广泛概述,请参阅本研究综述
最后,还应考虑到一些方法上的局限性。 参与者是通过 "Garmin 新闻通讯 "招募的,这部分跑步者可能不能反映一般跑步人群的情况,因为他们可能更了解训练负荷、 跑步损伤 预防他们可能更了解训练负荷、跑步损伤预防和成绩优化。 此外,症状的分类--例如,"未受伤但有问题 "的标签--可能会造成混淆,并可能带来偏差。
由于这是一项探索性研究,作者没有事先计算所需的样本量或统计能力。 跑步距离的变化以比率表示(以跑步公里数为基础),但分析以跑步次数为时间单位。
为了模拟训练负荷与损伤之间的关系,他们采用了多态 Cox 回归模型。 在此框架下,跑步者可以在五个 "暴露状态"(如暴露部分所定义)之间移动,直到他们受到损伤。 一旦发生损伤--无论是主要损伤还是其他竞争性损伤--选手就进入了无法返回的最终状态,他们的随访也就此结束。
他们使用统计诊断(对数对齐图以及 Grambsch 和 Therneau 检验)检验了模型假设(比例危险率)是否成立。 为提高模型稳定性,剔除了极端数据点(距离变化不可信的时段,如 >900%)。
由于没有进行功率计算,且排除了极端数据,因此结果应被解释为探索性的、产生假设的,而非确定性的。 多态 Cox 模型是一种稳健的方法,适用于具有竞争风险的时间到事件分析,但由于缺乏对所有混杂因素的完全控制以及探索性设计,限制了所能得出的因果推论的力度。
本课程 Physiotutors 临床课程 将帮助您提高以下技能 跑步康复 并优化患者结果。
不要冒险错过 潜在风险 或最终以一种 误诊! 本网络研讨会将帮助您避免重蹈许多治疗师的覆辙!