二维码

中文体育类核心期刊

中国人文社会科学期刊AMI综合评价(A刊)核心期刊

《中文社会科学引文索引》(CSSCI)来源期刊

美国《剑桥科学文摘》(CSA)收录期刊

中国高校百佳科技期刊

智能化儿童青少年体态健康评估预测模型开发以小学龄儿童青少年膝关节内外翻为例

顾耀东, 徐异宁

顾耀东,徐异宁.智能化儿童青少年体态健康评估预测模型开发——以小学龄儿童青少年膝关节内外翻为例[J].上海体育大学学报,2025,49(4):9-19. DOI: 10.16099/j.sus.2024.08.18.0006
引用本文: 顾耀东,徐异宁.智能化儿童青少年体态健康评估预测模型开发——以小学龄儿童青少年膝关节内外翻为例[J].上海体育大学学报,2025,49(4):9-19. DOI: 10.16099/j.sus.2024.08.18.0006
GU Yaodong, XU Yining. Development of Intelligent Assessment and Prediction Model for Children and Adolescents' Posture Health: A Case Study Focusing on the Knee Valgus and Varus in Primary School-aged Children and Adolescents[J]. Journal of Shanghai University of Sport, 2025, 49(4): 9-19. DOI: 10.16099/j.sus.2024.08.18.0006
Citation: GU Yaodong, XU Yining. Development of Intelligent Assessment and Prediction Model for Children and Adolescents' Posture Health: A Case Study Focusing on the Knee Valgus and Varus in Primary School-aged Children and Adolescents[J]. Journal of Shanghai University of Sport, 2025, 49(4): 9-19. DOI: 10.16099/j.sus.2024.08.18.0006

智能化儿童青少年体态健康评估预测模型开发——以小学龄儿童青少年膝关节内外翻为例

详细信息
    作者简介:

    顾耀东(ORCID:0000-0003-2187-9440),男,浙江宁波人,宁波大学教授,博士,博士生导师;研究方向:运动生物力学,E-mail:guyaodong@nbu.edu.cn

  • 中图分类号: G804.6

Development of Intelligent Assessment and Prediction Model for Children and Adolescents' Posture HealthA Case Study Focusing on the Knee Valgus and Varus in Primary School-aged Children and Adolescents

  • 摘要:
    目的 

    应用多种机器学习算法构建小学龄儿童青少年膝内外翻风险模型,通过比较进一步筛选出最优模型,并对其进行科学解释,助力儿童青少年体态健康评估系统的探索和开发。

    方法 

    选取浙江省主要城市的514名小学生为研究对象,收集其社会人口学、人体测量学、体成分、身体姿态及动静态足底压力分布等数据,采用简单随机抽样方法,以7∶3比例将研究对象拆分为训练集(360例)和验证集(154例),基于K最邻近(KNN)、轻量梯度提升(LGBM)、极端梯度提升(XGBoost)、随机森林(RF)、多因素逻辑回归(LM)、支持向量机(SVM)6种机器学习算法分别构建膝关节内外翻风险预测模型。采用受试者工作特征曲线(ROC)对模型的预测性能进行评估,并使用Shapley加性解释(SHAP)算法评估不同维度数据对模型的影响。

    结果 

    研究对象中膝关节内外翻例分别为190例和80例。针对膝关节外翻,XGboost模型ROC曲线下面积(AUC)最高,为0.738,整体预测性能最佳;针对膝关节内翻,RF模型的ROC曲线AUC最高,为0.824,整体预测性能最佳。通过SHAP分析得出,影响膝关节外翻XGBoost模型输出结果的主要特征指标为年龄、腿长差和耳肩距离,影响膝关节内翻RF预测模型输出结果的主要特征指标为膝关节伸展角、腿长差、耳肩距离、动态足弓指数、足弓变化情况和年龄。

    结论 

    模型展现出一定精度的预测性能,证明相关结果可以指导儿童青少年体态健康管理的早期干预工具构建。

    Abstract:
    Objectives 

    This study aims to apply a variety of machine learning algorithms to build a risk prediction model for knee valgus and varus in school-aged children and adolescents. By comparing and selecting the optimal model, it aims to provide a scientific explanation to contribute to the exploration and development of intelligent models for assessing and predicting children and adolescents' posture health.

    Methods 

    514 primary school students from major cities in Zhejiang Province were selected for the study. Comprehensive data, including demographics, anthropometrics, body composition, posture, and both static and dynamic plantar pressure distribution, were collected. The sample was divided into a training set (n = 360) and a validation set (n = 154) using simple random sampling in a 7∶3 ratio. 6 machine learning algorithms were employed to construct predictive models for knee valgus and varus: K-Nearest Neighbors (KNN), Light Gradient Boosting Machine (LGBM), Extreme Gradient Boosting (XGBoost), Random Forest (RF), Multiple Logistic Regression (LM), and Support Vector Machine (SVM). The predictive performance of each model was evaluated using the Receiver Operating Characteristic (ROC) curve, and the Shapley Additive Explanations (SHAP) algorithm was utilized to assess the influence of various data dimensions on the model outputs.

    Results 

    The study identified 190 cases of knee valgus and 80 cases of knee varus among the subjects. The XGBoost model demonstrated the highest area under the ROC curve (AUC) at 0.738, indicating the superior predictive performance for knee valgus. Conversely, the RF model achieved the highest AUC at 0.824 for knee varus, marking it as the best predictive model. The SHAP analysis revealed that the key features influencing the XGBoost model's predictions for knee valgus were age, leg length difference, and ear-shoulder distance, while for the RF model's predictions of knee varus, the most significant factors were knee extension angle, leg length difference, ear-shoulder distance, dynamic plantar arch index, arch status deformation, and age.

    Conclusion 

    The model demonstrated certain superior predictive performances, validating that the findings can guide the construction of early intervention tools for managing children and adolescents' postural health.

  • “全球化给文化带来的双向效应,一方面是文化的趋同性,另一方面则是文化的差异性和多样性”[1]。中华文化欲在文化全球化进程中继续保持其民族性、差异性和多样性等特征,且不被其他外来文化所同化,最为重要的是对其理念、内涵、个性等进行精准阐释,并进行品牌化培育,以此彰显中华文化的主体性价值与意义。基于此,在对作为中华文化重要身体符号载体的中国武术的文化精髓进行深入阐发和品牌化培育进程中,尤其应注意从传统文化根源中寻找现代化起点,并多角度、全方位地对本土文化价值进行科学探索。基于品牌化培育和科学探索等多方综合作用,才能保持“美美与共,和而不同”的人类文化生态及共生共存格局的客观规律。对于目前正经历全球范围内人文交流与碰撞的中华文化而言,唯有使中国武术文化有序凸显其独具的中华文化特色的时代性、民族性、包容性等价值内涵,才能助推其品牌化培育效益达到新高度。如何使中国武术文化在我国经济发展步入新常态的当下,助推“文化在稳增长、促改革、调结构、惠民生”[2]等方面的潜能更大程度地释放,实现文化品牌的创造性转化,以武术文化品牌带动中华文化的国际化传播,是急需深入思考和广泛关注的新的理论命题。

    21世纪以来,伴随着中华文化复兴战略的深入推进,学术界关于中华文化品牌化培育的研究成果明显增多。中国武术作为中华文化的有机构成,因其承载的中华文化基因效益驱动,以及典型的民族精神力量特征,也使得其品牌化培育进程不断提速,并取得了相应成就。如有学者提出了“中国武术:走向世界的文化品牌”这一理论命题,还有学者从武术文化资源、地域武术文化、武术赛事文化等视角,对中国武术文化的品牌化培育提出了具体实施策略,但目前尚未有人从品牌学、文化学、传播学等交叉学科理论层面,对中国武术文化的品牌化培育做出全局性的规划与设计。

    中国武术因其广泛的社会普及度和誉满全球的国际影响力,使其有可能成为当前助推中华文化国际化最重要的文化品牌之一。在建设社会主义文化强国、提高国家文化软实力、增强国际话语权等“国家意志”逐渐成为时代强音的当下,中国武术文化欲彰显其品牌化培育的价值引领力,并成为推动社会主义文化大发展、大繁荣的新动力,最为重要的途径就是以中华优秀传统文化为坚实根基,推进中华文化创新,践行“文化中国”的国家意志,增强中华文化的有效传播力,进而以中国武术文化品牌带动中华文化的全方位、多层次、精准化传播。

    创新是“以新思维、新创造、新发现和新描述为特征的一种概念化过程。它是人类特有的认识能力和实践能力,是一个民族进步的灵魂,是一个国家兴旺发达的不竭动力,也是中华民族最深沉的民族禀赋,更是中华优秀传统文化宝库的瑰宝”[3],而树立新的文化发展理念,有序推进中华文化创新,则是中国武术文化品牌化培育的终极追求。源远流长、博大精深的中华优秀传统文化,“体现了中华民族自古以来在建设家园的奋斗中开展的精神活动,形成的理性思维,积淀的文化成果,是中华民族最根本的精神基因和独特的精神标识,是我们在世界文化激荡中卓然屹立的坚强根基”[4]。正是这种坚强根基,使得中国武术文化在继承中华优秀传统文化基因的基础上,在展现本土文化资源价值优势的同时,更要适应时代的需要,与现代文明相协调,实现自身现代性的创造性转化和创新性发展。对于作为品牌化培育的中国武术文化而言,唯有以中华优秀传统文化的持久涵养为根基,才能探寻适合于自身品牌化培育的理论起点。

    因此,要实现中国武术文化的品牌化培育,务必积极发挥中华优秀传统文化的资源优势,不断推进其创新能力提升,有序激活中国武术文化品牌化培育的源头,赋予其新生命,展现其新力量。基于中国武术文化品牌化发展的强大内生动力是中华民族先民的集体生存经验和共同体智慧。诚如葛剑雄教授所言,“中华文化要走向世界,‘走出去’不是要改变人家,而是为了让世界了解中国,了解中国文化。要人家接受中国文化,也是要让人家自愿接受”[5]。因此,对于新时期中国武术文化的品牌化培育而言,它尤应以求真、向善、尚美等人类共同的核心价值取向为创新前提,展现能让各国民众乐于主动参与、亲身体验、直接感受中国武术文化的独特魅力,才能实现中华文化的创造性转化和创新性发展。

    “‘文化中国’是指在全球化语境下,着眼于和谐社会的建构与发展、中华文化的国际竞争力的打造以及全民族现代人文素养的提升所实施的中华文化发展战略”[6],践行“文化中国”的国家意志,不仅是增强国家文化软实力的首要任务,还是实现社会主义文化强国战略目标的必然选择。对于中国武术文化的品牌化培育而言,唯有深入挖掘中国武术所蕴含的中华文化智慧、气度、神韵、理念,释放其新时代的能量,才能使其以“文化”的方式向世界展示中国。中国武术以“文化”的方式向世界诠释其内隐的天人合一、道法自然、抱朴见素等核心理念,自强不息、扶危济困、见义勇为等中华传统美德,和而不同、武以化人、形神兼备等中华人文精神,不仅是中国武术文化品牌化培育的根本动力,也是其践行“文化中国”国家意志的价值。基于此,对于以品牌化发展创新为目标的中国武术文化软实力提升而言,应以具有深厚历史文化底蕴的中华优秀传统文化为依托,打造具有独特民族标识、鲜明时代特征和中国风格气派的东方文化形象,培育一系列具有国际核心竞争力的武术文化品牌。

    在当前的历史阶段,“文化中国”的国家意志有序增强,中国武术文化在坚守中华文化立场,传承、弘扬中华文化核心理念的同时,还应赋予新的时代精神,从而使其成为承载民族共同体的精神载体。“文化、生活习俗、语言文字、宗教信仰等等,是一个文明的灵魂,是一个文明最重要的内核,但它也需要附着在物质载体上进行传承”[7]。中国武术文化要实现民族共同体精神载体的有序构建,也唯有以品牌文化培育为基点,增强中国武术文化共同体的精神磁场,逐步释放中国武术文化的认同效益,把中国武术文化内隐的自强不息、厚德载物、武以载道等价值引领力,创造性地转化为建设中华民族共有精神家园的文化共同体意识,从而助推中华民族共同体意识培育从自发走向自觉,奠定其品牌化培育的文化自信理论之基。

    文化传播力是“通过对外文化交流、文化产品输出、互动交往、传媒等各种途径在世界范围内对信息进行有效传播的能力”[8],“文化的生命力是依靠传播来体现的,没有传播就没有文化的生命力”[9]。积极有效地、全方位地与外界进行人文交流合作,已成为增强中华文化有效传播力的重要支撑。长期以来,作为助推中华文化“走出去”的传播力、影响力、引领力有序增强的中国武术文化,它的创新性发展除了可以持续为中华文化的海外传播提供正能量之外,还可以改变国外受众对中国文化偏见和误解。这种偏见和误读的渐次消解,需要中国武术在新的世界文化格局构建过程中,能够形成广泛共识的“可供分享”的价值理念,转变中国文化在当前世界文化格局中所处的“价值缺位”状态,从而使蕴含中华文化智慧的中国武术的核心价值、道德理念、担当意识等向上、向善的思想文化内容全景式地呈现在全球受众面前,进而使这些思想文化内容在全世界得到最广泛的认同。

    与此同时,文化传媒“本身是一种重要的‘软实力资源’,同时又可作为其他‘软实力资源’与‘软实力建构效果’之间的传播中介工具来发挥作用”[10]。在传播媒介高度发达的信息化时代,中华文化传播力、引领力、凝聚力的强弱,在很大程度上取决于文化传媒对中华文化软实力生成途径和表现方式的贡献率。对于作为品牌化培育的中国武术文化而言,应通过强化武术文化传媒建设的力度,创新武术文化传播手段,特别是借助微信公众平台、移动互联网、多功能APP客户端文化传播平台等新型文化传播阵地,把具有中国特色、中国风格、中国气派的多元武术文化品牌有序推向世界,并把富有自强不息、刚健有为等中华文化精神的高端武术文化产品呈现给全球大众,以此增强中华文化在世界范围内的话语主导权,进而增强中华文化的传播力,提升中华文化的软实力。

    一直以来,中华文化都是我国对外展示国家形象的主战场,其对外交流与传播价值功能日益彰显。国家层面给予提升文化科技支撑水平,深入实施科技带动战略:“着力增强自主创新能力,有效提升文化领域技术装备水平,促进科学技术在文化领域的应用与推广,推动文化与科技融合向纵深发展”[2]。该战略对于破解当前“我国文化交流项目政府推动多、市场开发少,舞台艺术多、其他文化载体少,浅层内容多、深层内容少”[11]等中华文化“走出去”的客观难题,在提升中华文化传播力、价值引领力、精神推动力等方面显现出积极效益。对于作为中华文化“走出去”重要载体的中国武术而言,它在高新技术催生文化生产、传播、消费方式产生剧变的当下,唯有依托先进科学技术手段,用世界范围内人们喜闻乐见的方式,讲述好“中国武术故事”和“中华文化故事”,传播好中国武术声音,阐释好中国武术特色,展示好中国武术形象,才能在跨文化交流与合作中,把中国武术文化转化为可供“人类共享”的共同体文化,进而从纵深层面展现中华优秀传统文化的亲和力、吸引力、创造力。

    中国武术文化多元交叉合力的有序呈现,除了需要对试图研发的武术文化产品的文化精髓进行科学凝练外,还应运用“创造性转化、创新性发展”设计理念,借助现代先进科学技术手段,充分挖掘中国武术文化元素,以独具特色的感官体验和多渠道共享的互动方式,催发中国武术文化新的生命力。在信息技术高度社会化的今天,中国武术文化新型生命力的有序激发,其最核心、最关键的环节是借助现代高新科技对中国武术文化资源进行文化创意开发、设计、营销,从而形成新型武术文化产品形态。例如,自2008年以来,美国梦工厂动画以中华优秀传统文化为核心竞争力,运用现代科技手段打造的好莱坞大片《功夫熊猫》系列动画电影,在摄取中国武术有益元素和中华文化精神基因,并进行现代化创意设计前提下,不仅推动了“中国武术的本土化基因加工提炼,打造出具有普适价值的适合全球发展的转基因文化产品”[12],还成功地铸就了武术文化与商业价值双赢的中华文化创意开发典范。然而,在利用高新技术对中华文化进行转基因创意设计的同时,还应积极践行文化创新引领工程、文化大数据工程、“互联网+文化”工程等,适时开展武术文化创意产品的宣传、示范及推广活动,全方位展示武术文化创意成果,弘扬和传承中国武术文化。

    “全产业链”概念最早由中粮集团提出,它是指“以产品、资本、技术、信息或契约为纽带,以市场需求为导向,以产业组织创新为手段,以价值增值或质量控制为目标,由单个或多个企业在一个或多个产业内实现产品全生命周期管理的动态组织”[13]。这种动态组织对于提升市场竞争力、感染力、吸引力具有重要作用。“产业价值链贯通、扩展、衔接、延伸形成的产业链式生态结构所展现的抵御风险、提高资源利用率和市场话语权”[14]等新型文化力,对于打破当前我国文化产业粗放式经营所导致的文化品牌联动效应较弱、产业附加值较低、经营模式较为单一的发展格局,推动信息化时代网络技术与文化产业的深度融合,促进“文化产业的跨界融合与业态升级,深刻改变文化产业的内在结构和人们的文化消费习惯”[15]具有重要意义。因此,对于中国武术而言,它可以助推我国文化产业由粗放式发展向集约式经营转型,并为其转型升级提质增效。最重要的是,我们应以武术文化全产业链打造为目标,系统构建中国武术文化品牌。

    “文化品牌能够以品牌的形式为文化消费者提供文化价值,同时还可以体现文化企业或文化经营者保证消费者利益的服务承诺”[16]。以武术文化全产业链打造为目标的中国武术文化品牌的有序构建,应主要从以下2个层面对其进行品牌化培育:①形成独具中华优秀传统文化特色、以武术文化产品为核心的武术文化品牌自信,形成以具有广泛国际影响力、吸引力、引领力为传颂口碑标尺的武术文化品牌他信,在广泛、有效、深度挖掘中国武术文化优秀元素的基础上,创建具有自主知识产权的中国武术文化IP品牌。②以当下的指导性政策文件[17]为理论指导,理性审视当下旅游小镇、文化小镇、体育小镇等一大批功能各异的特色小镇所取得的成就、存在的问题以及未来的发展趋势,推进具有典型中华文化标识的武术文化小镇建设,因地制宜,设立具有鲜明地域特色的武术文化创意产业园,组建融合多拳种的武术文化产业集团,充分发挥中国武术文化的规模化效应,实现中国武术文化产业的联动式发展。

    “发展既是事实,又是价值,是一种包含事实基础的价值判断。它既是整个世界的合规律的运动,又是客观世界趋向于人的愿望的合目的性的运动”[18]。它不仅是当前世界面临的首要任务,也是解决一切问题的总钥匙。这把钥匙所体现的事实与价值统一的客观规律,彰显的“以时为大”、与时俱进的创新意识,对于助推中国武术文化品牌化培育而言,既应植根于中华文化血脉,又应体现于合时宜、因时制变的“文之道,时为大”融会贯通辩证性思维。唯有如此,才能使其以时代发展需要为主题,凸显主题鲜明的时代元素,弘扬向上向善的时代精神,拓展中国武术文化成果的品牌化发展道路。因此,面对当前中国武术文化生存和发展环境所发生的根本性变化,以及人民群众日益增长的多样化、专业化、品牌化武术文化消费需求的客观现实,倘若中国武术文化产品的时代特征不鲜明、思想内容不丰厚、情感修养不饱满,那它不但只能成为追求外在形式表现、崇尚功力技法展演、忽略武术文化内涵挖掘的“尚玄”文化产品,而且还会与受众的真实需求渐行渐远,使得打造用以彰显时代风尚的武术文化产品无从谈起。

    挖掘武术文化资源、开发武术文化产品、打造武术文化品牌,不仅要以敢为人先的胆识魄力、“锐意进取的开拓精神、求新求变的探险勇气”[19],对中国武术文化的风格、气度、神韵、内容、形式进行创造性转化和创新性发展,还要以礼敬、自豪、务实求真的态度对待中国武术文化,以“美美与共、和而不同”的品格与情怀对待世界文化,以深入阐发中国武术文化精髓为核心要义,精准提炼中国武术文化蕴含的哲学思想、道德理念、行为规范等核心内容,将其体现时代主旋律的高品质文化成果适时呈现在受众面前。

    中国武术文化的品牌化培育,不仅需要依据地域文化特征、拳种文化内涵、武术文化现实需求等客观因素,对其生存和发展空间进行深入挖掘,而且还需要确立明确的武术文化市场定位策略,在细分武术文化目标市场的基础上,建立独特的武术文化市场形象。市场定位是“企业根据竞争者现有产品在细分市场上所处的位置和消费者对产品某些属性的重视程度,塑造出本企业产品与众不同的鲜明个性或形象,并通过一系列的营销努力把这种个性或形象强有力地传达给目标顾客,从而使该产品在目标市场上占据强有力的竞争位置”[20]。市场的核心要义是能够让产品或企业真正走进目标客户的心灵,并找准目标受众的“利益”追求点,从而对消费者产生足够的吸引力。因此,对于中国武术文化产品助推中国武术文化品牌化培育而言,必须以细分武术文化市场为前提,以差异武术文化市场定位为策略,对蕴含具体内容指向的武术文化产品进行全方位、多层次、多渠道营销的同时,还应积极开展与国外文化传播机构的务实交流合作,进而有序拓展中国武术文化的海外市场。

    此种域外武术文化产品的营销方式,以海外孔子学院表现得尤为突出。它以独具中国特色的办学模式传授汉语知识;以中国武术文化讲座、论坛、展演等体育文化交流开展活动,推动中外人文交流合作效益不断跃升新台阶;在带动相关中华文化产品国际影响力、吸引力、辐射力得到相应提升的同时,其自身也成为向世界展示中华文化软实力的一张“名片”。中国武术文化这种主动“走出去”的传播模式,虽然已经取得了令人瞩目的显著效能,但在孔子学院“本着相互尊重、友好协商、平等互利的原则,在海外开展汉语教学和中外教育、文化等方面的交流与合作”[21]的总则指导下,还应该构建宽领域、多层次、互动融合的中外武术文化消费者“共建、共商、共享”的“走出去”“请进来”混搭体验平台,把专业性较强的武术文化术语尽量转化为多语种通俗语言的同时,积极建设中外武术文化创意产业园、核心产品体验区,为目标消费者精准供给各自所需的武术文化产品和服务,进而不断提升中国武术文化品牌化培育层次。

    在实现中华优秀传统文化“创造性转化、创新性发展”文化强国战略政策的引领下,中国武术文化务必使自身植根于中华文化沃土,实现从文化资源向文化品牌的创造性转化,才能促使其以武术文化品牌带动中华文化传播跃升新台阶。因此,在建设社会主义文化强国、提高国家文化软实力、增强国际话语权等“国家意志”日益强化的当下,中国武术文化欲彰显品牌化培育的价值引领力,最重要的途径就是以中华优秀传统文化为坚实根基,推进中华文化创新,践行“文化中国”的国家意志,增强中华文化的有效传播力,进而以中国武术文化品牌带动中华文化的全方位、多层次、精准化传播。中国武术文化品牌化培育务必有序践行四位一体的推进路径,才能助推中华文化、中国武术文化品牌化培育层次达到新的高度。

    作者贡献声明:
    顾耀东:提出论文主题,设计论文框架,核实数据,撰写论文;
    作者贡献声明:
    徐异宁:调研文献,设计论文框架,撰写、修改论文。
  • 图  1   人体姿态识别及相关数据采集示意

    Figure  1.   Diagram of body posture and relative data collection

    图  2   足底压力分区及相关数据采集示意

    Figure  2.   Diagram of plantar pressure distribution and relative data collection

    图  3   研究技术流程

    注:KNN表示K最邻近,LGBM表示轻量梯度提升,XGBoost表示极端梯度提升,RF表示随机森林,LM表示多因素逻辑回归,SVM表示支持向量机。

    Figure  3.   Flow diagram of study

    图  4   单因素LASSO回归结果

    注:图(a)、(b)、(c)、(d)中左右虚线分别对应于非零最佳惩罚系数λ-min和λ-1se,本文选择了λ-1se作为验证结果。

    Figure  4.   Results of univariate LASSO regression

    图  5   不同机器学习预测模型的ROC曲线比较结果

    Figure  5.   Comparison of ROC curves for different machine learning prediction models

    图  6   膝外翻XGBoost预测模型特征变量分布及其重要性汇总

    Figure  6.   Summary of feature variable distribution and importance within XGBoost for knee valgus

    图  7   膝内翻RF预测模型特征变量分布及其重要性汇总

    Figure  7.   Summary of feature variable distribution and importance within Random Forest for knee varus

    表  1   研究资料收集及数据采集

    Table  1   Data and information collection

    数据 定义 获取方式 备注
    姓名 问卷调查 自设问卷
    性别 问卷调查
    居住地 问卷调查
    年龄/岁 问卷调查
    既往病史 问卷调查
    运动习惯 问卷调查 体力活动问卷[2223]
    身高/cm 设备采集 身高体重测量仪
    体重/kg 设备采集
    BMI/(kg·m−2 BMI = 体重/身高2(kg/m2 计算 基于身高体重数据
    体型(超重/肥胖/标准/偏瘦/极瘦) BMI高于同性别年龄平均值1~2个标准差为超重,
    大于2个标准差为肥胖,±1个标准差内为标准值,
    低于1~2个标准差为偏瘦,低于2个标准差以上为极瘦
    算法判定 基于世界卫生组织(WHO)标准[24]
    足轴角/° 支撑期50%时足轴与人前进方向夹角 设备采集 FootScan®三维足型扫描及步态
    分析系统(RSscan公司,比利时)
    静态足弓指数 解剖位静态站立时的足弓指数 设备采集
    动态足弓指数 支撑期50%时的足弓指数 设备采集
    足弓状态变化 动、静态足弓指数判定结果不同 算法判定
    动静态足弓指数差 动态足弓指数-静态足弓指数 计算 基于足型扫描数据
    鞋码(EUR) EUR = 裸足足长(cm)×210 计算
    耳肩距离/cm 外耳道与肩峰水平距离 设备采集 Kinect深度相机的人体姿态识别
    及测量设备(微软公司,美国)
    左右肩峰水平角/° 左右肩峰点与水平面夹角 设备采集
    胫骨股骨冠状面角/° 大小腿冠状面中线夹角 设备采集
    膝关节伸展角/° 大小腿矢状面中线夹角 设备采集
    踝关节高度/cm 踝关节冠状面内外最凸点连线中点离地高度 设备采集
    腿长差/mm 左右大小腿中线加踝关节高度差的绝对值 设备采集
    膝关节外翻 膝关节中点间距-踝关节中点间距 < −2 cm 算法判定 基于人体姿态识别及测量数据
    膝关节内翻 膝关节中点间距-踝关节中点间距 > 3 cm 算法判定
     注:根据《诸福棠实用儿科学》[25] 的诊断标准,成熟步态模式下,常态踝关节间距达到 2~5 cm 为轻度(Ⅰ度,含5 cm)膝外翻,5~10 cm 为中度(Ⅱ度,含10 cm)膝外翻,大于10 cm 为重度(Ⅲ度)膝外翻;成熟步态模式下,常态膝关节间距达到3~5 cm 为轻度(Ⅰ度)膝内翻,5~10 cm 为中度(Ⅱ度)膝内翻,大于10 cm 为重度(Ⅲ度)膝内翻。
    下载: 导出CSV

    表  2   膝外翻与膝内翻儿童青少年基线资料

    Table  2   Baseline characteristics of knee valgus and knee varus

    类别 膝外翻 膝内翻
    总体(n=514) 无膝外翻(n=434) 膝外翻(n=80) P 总体(n=514) 无膝内翻(n=324) 膝内翻(n=190) P
    性别 0.132 0.816
     男性 442(85.99%) 378(87.10%) 64(80.00%) 442(85.99%) 280(86.42%) 162(85.26%)
     女性 72(14.01%) 56(12.90%) 16(20.00%) 72(14.01%) 44(13.58%) 28(14.74%)
    身高/cm 137.00
    (128.00,149.50)
    135.50
    (127.00,148.50)
    144.25
    (134.88,152.00)
    <0.001 137.00
    (128.00,149.50)
    139.00
    (128.50,151.00)
    135.00
    (127.50,145.50)
    0.006
    体重/kg 30.70
    (24.60,41.50)
    29.80
    (24.40,40.20)
    36.85
    (29.32,45.43)
    <0.001 30.70
    (24.60,41.50)
    31.65
    (25.40,46.10)
    29.10
    (24.40,37.28)
    0.007
    BMI/(kg·m−2 16.59
    (15.09,18.90)
    16.36
    (14.88,18.83)
    17.42
    (16.07,19.54)
    0.001 16.59
    (15.09,18.90)
    16.77
    (15.26,19.15)
    16.05
    (14.89,18.21)
    0.023
    年龄/岁 9.00
    (7.00,11.00)
    9.00
    (7.00,11.00)
    10.00
    (9.00,11.00)
    0.001 9.00
    (7.00,11.00)
    9.00
    (7.00,11.00)
    9.00
    (7.00,10.00)
    0.027
    鞋码(EUR) 35.00
    (32.00,37.00)
    35.00
    (32.00,37.00)
    36.00
    (34.75,38.00)
    <0.001 35.00
    (32.00,37.00)
    35.00
    (32.00,38.00)
    34.50
    (32.00,37.00)
    0.115
    耳肩距离/cm 1.60
    (0.40,3.60)
    1.50
    (0.40,3.20)
    3.05
    (1.05,4.65)
    <0.001 1.60
    (0.40,3.60)
    1.74
    (0.50,3.90)
    1.38
    (0.30,3.10)
    0.011
    左右肩峰水平角/(°) 0.00
    (0.00,0.00)
    0.00
    (0.00,0.00)
    0.00
    (0.00,0.00)
    0.616 0.00
    (0.00,0.00)
    0.00
    (0.00,0.00)
    0.00
    (0.00,0.00)
    0.094
    胫骨股骨冠状面角/(°) 6.30
    (0.00,8.10)
    6.30
    (0.00,8.10)
    6.30
    (0.00,8.10)
    0.581 6.30
    (0.00,8.10)
    2.75
    (0.00,8.10)
    7.10
    (1.00,8.10)
    <0.001
    膝关节伸展角/(°) 5.30
    (1.90,7.80)
    5.40
    (1.40,7.70)
    4.80
    (3.48,7.80)
    0.315 5.30
    (1.90,7.80)
    5.35
    (2.29,7.70)
    4.70
    (0.65,8.25)
    0.569
    足轴角/(°) 5.71
    (2.94,8.99)
    5.71
    (2.93,9.14)
    5.20
    (3.65,8.53)
    0.902 5.71
    (2.94,8.99)
    5.42
    (2.73,8.64)
    5.91
    (3.44,9.56)
    0.213
    静态足弓指数 23.23
    (16.55,30.25)
    23.54
    (16.59,31.07)
    21.66
    (16.46,28.44)
    0.258 23.23
    (16.55,30.25)
    22.34
    (16.26,28.90)
    24.87
    (17.80,31.86)
    0.031
    动态足弓指数 29.16
    (26.42,32.14)
    29.30
    (26.71,32.30)
    28.35
    (25.67,30.38)
    0.034 29.16
    (26.42,32.14)
    28.80
    (26.09,32.02)
    29.70
    (26.96,32.30)
    0.112
    动静态足弓
    指数差
    6.00
    (0.59,10.91)
    6.00
    (0.41,11.28)
    6.00
    (3.00,9.00)
    0.835 6.00
    (0.59,10.91)
    6.00
    (1.11,11.23)
    5.15
    (−0.66,9.62)
    0.097
     注:计量数据表达为“中位数(25%四分位数,75%四分位数)”,计数数据表达为“例(占总体百分比)”。
    下载: 导出CSV

    表  3   膝外翻与膝内翻6种机器学习预测模型预测性能

    Table  3   Predivtion performance of 6 machine learning models for knee valgus and knee varus

    模型膝外翻膝内翻
    准确率灵敏度特异性精确率F1准确率灵敏度特异性精确率F1
    KNN0.620.580.580.550.560.710.670.670.630.65
    LGBM0.630.590.590.560.570.560.530.530.500.51
    LM0.640.610.610.570.590.590.560.560.520.54
    RF0.650.620.620.580.600.740.700.700.660.68
    SVM0.560.530.530.500.510.560.530.530.500.52
    XGBoost0.660.630.630.590.610.550.520.520.490.51
    下载: 导出CSV
  • [1] 陶芳标. 构建面向健康中国2030青少年健康促进体系[J]. 中国学校卫生,2023,44(1):1-5
    [2] 兰丽莎,郑富强. 健康中国背景下青少年儿童健康促进路径研究[J]. 当代体育科技,2021,11(24):213-215
    [3] 柳鸣毅,王梅,徐杰,等. “健康中国2030” 背景下中国青少年体育公共政策研究[J]. 体育科学,2018,38(2):91-97
    [4] 万炳军,曾肖肖,史岩,等. “健康中国” 视域下青少年体育使命及其研究维度的诠释[J]. 体育科学,2017,37(10):3-12
    [5] 魏铭,牛雪松,吴昊. 体医融合视域下青少年体态异常防治的现实路径[J]. 沈阳体育学院学报,2022,41(4):57-63
    [6] 郝紫微,张洁,王含笑. 步态分析技术在儿童膝外翻早期干预中的应用进展[J]. 甘肃医药,2023,42(5):395-397
    [7]

    HARDGRIB N,GOTTLIEBSEN M,RAHBEK O,et al. Correlation of radiological and clinical measurement of genu valgum in children[J]. Danish Medical Journal,2018,65(5):A5479

    [8] 张剑坤,覃佳强. 重度膝外翻的外科治疗进展[J]. 现代医药卫生,2014,30(15):2287-2289
    [9] 胡祖杰,刘传康. 儿童X型腿、O型腿的评估与治疗进展[J]. 现代医药卫生,2013,29(10):1512-1513
    [10] 李正,王慧贞,吉士俊. 实用小儿外科学:下册 [M]. 北京:人民卫生出版社,2001:1589-1595
    [11]

    MACDONALD J,RODENBERG R,SWEENEY E. Acute knee injuries in children and adolescents:A review[J]. JAMA Pediatrics,2021,175(6):624-630 doi: 10.1001/jamapediatrics.2020.6130

    [12]

    HOLDER J,VAN DRONGELEN S,UHLRICH S D,et al. Peak knee joint moments accurately predict medial and lateral knee contact forces in patients with valgus malalignment[J]. Scientific Reports,2023,13(1):2870

    [13]

    TSAI A. A deep learning approach to automatically quantify lower extremity alignment in children[J]. Skeletal Radiology,2022,51(2):381-390 doi: 10.1007/s00256-021-03844-2

    [14]

    AMASYA H,YILDIRIM D,AYDOGAN T,et al. Cervical vertebral maturation assessment on lateral cephalometric radiographs using artificial intelligence:Comparison of machine learning classifier models[J]. Dento Maxillo Facial Radiology,2020,49(5):20190441 doi: 10.1259/dmfr.20190441

    [15]

    KOLAGHASSI R,AL-HARES M K,MARCELLI G,et al. Performance of deep learning models in forecasting gait trajectories of children with neurological disorders[J]. Sensors,2022,22(8):2969 doi: 10.3390/s22082969

    [16]

    MORBIDONI C,CUCCHIARELLI A,AGOSTINI V,et al. Machine-learning-based prediction of gait events from EMG in cerebral palsy children[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering,2021,29:819-830 doi: 10.1109/TNSRE.2021.3076366

    [17]

    KOKKOTIS C,MOUSTAKIDIS S,TSATALAS T,et al. Leveraging explainable machine learning to identify gait biomechanical parameters associated with anterior cruciate ligament injury[J]. Scientific Reports,2022,12(1):6647 doi: 10.1038/s41598-022-10666-2

    [18] 卜志军,卢冠杭,王禹毅,等. 临床预测模型结果的可视化分析及其在中医领域的应用研究[J]. 现代中医临床,2024,31(2):13-18
    [19]

    REGIER D A,KUHL E A,KUPFER D J. The DSM-5:Classification and criteria changes[J]. World Psychiatry,2013,12(2):92-98 doi: 10.1002/wps.20050

    [20]

    MICHAUDET C,EDENFIELD K M,NICOLETTE G W,et al. Foot and ankle conditions:Pes planus[J]. FP Essentials,2018,465:18-23

    [21]

    KITAOKA H B,AHN T K,LUO Z P,et al. Stability of the arch of the foot[J]. Foot & Ankle International,1997,18(10):644-648

    [22] 曹坤鹏,银小芹,杨冠强,等. 青少年体力活动问卷(PAQ-A)中文版区域适用性的影响因素分析[J]. 当代体育科技,2018,8(2):241-243
    [23] 李新,王艳,李晓彤,等. 青少年体力活动问卷(PAQ-A)中文版的修订及信效度研究[J]. 北京体育大学学报,2015,38(5):63-67
    [24]

    WANG Y,WANG J Q. Standard definition of child overweight and obesity worldwide. Authors' standard compares well with WHO standard[J]. BMJ,2000,321(7269):1158 doi: 10.1136/bmj.321.7269.1158

    [25] 胡亚美,江载芳. 诸福棠实用儿科学[M]. 7版. 北京:人民卫生出版社,2002:23-28
    [26]

    LAFOND D,DESCARREAUX M,NORMAND M C,et al. Postural development in school children:A cross-sectional study[J]. Chiropractic & Osteopathy,2007,15:1

    [27]

    NG J W G,PRICE K,DEEPAK S. Knee pain in children[J]. Paediatrics and Child Health,2019,29(12):521-527 doi: 10.1016/j.paed.2019.09.002

    [28]

    HEWETT T E,MYER G D. The mechanistic connection between the trunk,hip,knee,and anterior cruciate ligament injury[J]. Exercise and Sport Sciences Reviews,2011,39(4):161-166 doi: 10.1097/JES.0b013e3182297439

    [29]

    HARVEY W F,YANG M,COOKE T D V,et al. Association of leg-length inequality with knee osteoarthritis:A cohort study[J]. Annals of Internal Medicine,2010,152(5):287-295 doi: 10.7326/0003-4819-152-5-201003020-00006

    [30]

    MUFTY S,VANDENNEUCKER H,BELLEMANS J. The influence of leg length difference on clinical outcome after revision TKA[J]. The Knee,2014,21(2):424-427 doi: 10.1016/j.knee.2012.09.007

    [31]

    JOHNSON E K,CHIARELLO C M. The slump test:The effects of head and lower extremity position on knee extension[J]. The Journal of Orthopaedic and Sports Physical Therapy,1997,26(6):310-317 doi: 10.2519/jospt.1997.26.6.310

    [32]

    KHOSRAVI M,ARAZPOUR M,SHARAFAT VAZIRI A. An evaluation of the use of a lateral wedged insole and a valgus knee brace in combination in subjects with medial compartment knee osteoarthritis (OA)[J]. Assistive Technology,2021,33(2):87-94 doi: 10.1080/10400435.2019.1595788

    [33]

    RAPOSO F,RAMOS M,CRUZ A L. Effects of exercise on knee osteoarthritis:A systematic review[J]. Musculoskeletal Care,2021,19(4):399-435 doi: 10.1002/msc.1538

    [34]

    DING Y,LIU B G,QIAO H,et al. Can knee flexion contracture affect cervical alignment and neck tension? A prospective self-controlled pilot study[J]. The Spine Journal,2020,20(2):251-260 doi: 10.1016/j.spinee.2019.09.008

    [35]

    CHEN Y R,LI J,YANG H T,et al. Differences in patellofemoral alignment between static and dynamic extension positions in patients with patellofemoral pain[J]. Orthopaedic Journal of Sports Medicine,2024,12(3):23259671231225177

    [36]

    WHEATLEY M G A,THELEN D G,DELUZIO K J,et al. Knee extension moment arm variations relate to mechanical function in walking and running[J]. Journal of the Royal Society,Interface,2021,18(181):20210326 doi: 10.1098/rsif.2021.0326

    [37]

    MOZAFARIPOUR E,SEIDI F,MINOONEJAD H,et al. Can lower extremity anatomical measures and core stability predict dynamic knee valgus in young men?[J]. Journal of Bodywork and Movement Therapies,2021,27:358-363

    [38]

    PIÑERO-FUENTES E,CANAS-MORENO S,RIOS-NAVARRO A,et al. A deep-learning based posture detection system for preventing telework-related musculoskeletal disorders[J]. Sensors,2021,21(15):5236

  • 期刊类型引用(15)

    1. 王统领,赵翠青,姜南. “一带一路”倡议下中国武术转文化传播研究. 体育文化导刊. 2024(02): 14-20 . 百度学术
    2. 李世宏,李卓嘉,崔梦丽. 武术文化产业发展研究综述. 湖北体育科技. 2021(02): 100-103 . 百度学术
    3. 任煜恒,庞晓武. 新媒体视角下的武术传播——以短视频APP为例. 当代体育科技. 2021(08): 52-54+95 . 百度学术
    4. 杨金华. 拉斯维尔程式下武术文化对外传播路径研究. 中华武术. 2021(04): 103-106 . 百度学术
    5. 虞泽民,李英奎. 新时代中国武术价值定位与发展路径. 体育文化导刊. 2021(03): 42-46 . 百度学术
    6. 孙浩巍,桑全喜. 新时代传统武术的民间传承模式研究——以梅花拳为例. 中华武术. 2021(10): 125-128 . 百度学术
    7. 刘韬光,李守培. 武术传播研究的“十三五”进展及“十四五”走向. 中国体育科技. 2021(11): 79-87 . 百度学术
    8. 郭桂村,李臣. 中国武术对外文化交流中的困境审思与策略转向——基于新中国成立以来的考察. 沈阳体育学院学报. 2021(06): 128-135 . 百度学术
    9. 马文杰,陈保学. 论中国武术的“守正”与“创新”. 体育文化导刊. 2020(03): 73-77 . 百度学术
    10. 李臣,魏雅琴. 新中国成立70年来作为文化符号的中国武术研究进展. 湖北体育科技. 2020(05): 377-382 . 百度学术
    11. 张琳,刘雪朋,周朝霞. 新时代关东武术文化国际传播环境探析. 武术研究. 2020(09): 19-22 . 百度学术
    12. 朱大梅,陆小黑. 新时代中国武术文化的创新发展:内因、理念、维度. 天津体育学院学报. 2020(06): 734-739 . 百度学术
    13. 李臣,郭桂村,张帆. 新时代中国武术传承发展的困境与消解. 武汉体育学院学报. 2019(07): 65-70 . 百度学术
    14. 张斌,李臣. 新时代中国武术的文化主体性重塑:意蕴、困境及理路. 原生态民族文化学刊. 2019(06): 141-150 . 百度学术
    15. 陈养胜. 武术散打组合技术创编探讨. 中国体育教练员. 2019(04): 71-72+76 . 百度学术

    其他类型引用(8)

图(7)  /  表(3)
计量
  • 文章访问数:  50
  • HTML全文浏览量:  2
  • PDF下载量:  14
  • 被引次数: 23
出版历程
  • 收稿日期:  2024-08-17
  • 修回日期:  2025-03-23
  • 刊出日期:  2025-04-14

目录

/

返回文章
返回
x 关闭 永久关闭