骨应力损伤（BSI）意味着骨骼无法忍受重复的机械负荷，从而导致结构性疲劳和局部骨痛。BSI诊断的延迟会导致更严重的伤害，例如需要更长治疗期的应力骨折。
来自范德比尔特工程，数据科学和临床研究人员的研究人员组成的研究人员开发了一种新颖的方法来监测娱乐和职业运动员中的骨压力，目的是预测和预防受伤。研究人员使用机器学习和生物力学建模技术，建立了多感觉算法，这些算法将来自轻质，低调的可穿戴传感器中的数据结合在鞋子中，以估计胫骨的力量或胫骨骨，这是跑步者的压力骨折的常见。
该算法导致骨骼力数据的准确性高达四倍，而可穿戴设备的准确性高四倍，并且研究发现，基于脚部脚的硬脚的撞击程度，传统可穿戴的指标可能比监测胫骨骨负荷更准确用计步器，报道玛丽莎·夏皮罗（Marissa Shapiro）在范德比尔特大学。
骨骼自然会自我修复，但是如果重复骨负荷产生的微宏速率超过了组织愈合的速度，则有压力骨折的风险增加，可以使跑步者失去两到三个月。
“骨负荷的微小变化等于骨微观障碍的指数差异，”研究生，康复工程和辅助技术运动分析实验室主任艾米莉·马蒂耶维奇（Emily Matijevich）说。“我们发现，有效估计的10％错误会导致损害估计值100％错误。跑步导致造成的骨骼损伤的高度或低估，对试图了解其伤害风险的运动员会产生严重的后果。这突出了为什么对我们来说，开发更准确的技术来监视骨负荷和设计下一代可穿戴设备如此重要。”
该技术的最终目标是更好地了解过度使用伤害风险因素，然后促使跑步者休息几天或在受伤发生之前修改训练。
范德比尔特软件集成系统研究所的研究科学家彼得·沃利西（Peter Volgyesi）评论了：
“机器学习算法利用一小部分传感器来利用最小绝对收缩和选择操作员回归，以产生高准确的骨负荷估计，平均误差小于三％，同时识别最有价值的传感器输入，”
这项创新是可穿戴技术的第一个例子之一，既可以在日常生活中磨损，又可以准确地监测力和微塑料到肌肉骨骼组织。该团队已开始采用类似的技术来监视下背部载荷和伤害风险，这是专为需要重复举重和弯曲的职业人员而设计的。范德比尔特大学报道说，这些可穿戴设备可以跟踪伤害后康复的功效或告知返回或重返工作的决定。
该文章在线上发表在《杂志》上人类运动科学。
