米奕翔 郝卫亚 胡水清 王向东 苑廷刚 王清

国家体育总局体育科学研究所（北京100061）

跑步是最常见的健身项目之一，可能会带来肌肉骨骼系统损伤[1]。膝关节是最容易受伤的部位，与其相关的髌股关节痛综合征（patellar femoral pain syndrome，PFPS）和髂胫束综合征（iliotibial band friction syndrome，ITBFS）则是最常见的跑步损伤，二者的损伤率分别达到16.5%和8.40%[1]。跑步损伤率与性别有关，女性跑步者损伤率显著高于男性[2]。有研究报道，女性PFPS 和ITBFS损伤率是男性的2倍[2]。跑步损伤率的性别差异与男女之间跑步的运动学和动力学的不同有关[3-6]。有研究认为，额状面和水平面内的髋关节内收、内旋角度和膝关节外展角度差异导致女性跑步者损伤率更高，但这些研究很少关注矢状面内跑步动作的性别差异[4-7]。然而，近些年采用机器学习和数据发掘等新技术分析跑步模式（running pattern）的研究显示，男女跑步动作在矢状面内也存在差异[8-11]。例如，Clermont 等[11]用支持向量机（support vector machine，SVM）技术，发现跑步时身体重心部位的三维加速度存在性别差异。再如，Nigg[8]采用主成分（principal component analysis，PCA）和SVM 方法分析发现，跑步时足部着地和离地瞬时矢状面和冠状面运动学指标的主成分（principal component，PA）存在性别差异。Phinyomark等[9]同样采用PCA和SVM方法发现，青年跑步者足部着地和离地瞬时膝和踝关节在矢状面内主成分存在差异。值得注意的是，在采用传统运动学分析方法的文献中[4-7]，鲜有发现矢状面内存在性别差异，而且测试对象都较少，大约在20～50 名之间；相反，在发现矢状面内运动学指标存在性别差异的文献中[8-11]，都采用了机器学习和数据发掘等新技术，进行这些新技术处理分析必须有足够的数据量（即样本量和每个样本的采集数据量），所以测试对象都较多，大约在50～300 名之间。……