The aim of the present study was to investigate if the presence of anterior cruciate ligament (ACL) injury risk factors depicted in the laboratory would reflect at-risk patterns in football-specific field data. Twenty-four female footballers (14.9 ± 0.9 year) performed unanticipated cutting maneuvers in a laboratory setting and on the football pitch during football-specific exercises (F-EX) and games (F-GAME). Knee joint moments were collected in the laboratory and grouped using hierarchical agglomerative clustering. The clusters were used to investigate the kinematics collected on field through wearable sensors. Three clusters emerged: Cluster 1 presented the lowest knee moments; Cluster 2 presented high knee extension but low knee abduction and rotation moments; Cluster 3 presented the highest knee abduction, extension, and external rotation moments. In F-EX, greater knee abduction angles were found in Cluster 2 and 3 compared to Cluster 1 (p = 0.007). Cluster 2 showed the lowest knee and hip flexion angles (p < 0.013). Cluster 3 showed the greatest hip external rotation angles (p = 0.006). In F-GAME, Cluster 3 presented the greatest knee external rotation and lowest knee flexion angles (p = 0.003). Clinically relevant differences towards ACL injury identified in the laboratory reflected at-risk patterns only in part when cutting on the field: in the field, low-risk players exhibited similar kinematic patterns as the high-risk players. Therefore, in-lab injury risk screening may lack ecological validity.
MULTIFILE
The aim of the present study was to investigate if the presence of anterior cruciate ligament (ACL) injury risk factors depicted in the laboratory would reflect at-risk patterns in football-specific field data. Twenty-four female footballers (14.9 ± 0.9 year) performed unanticipated cutting maneuvers in a laboratory setting and on the football pitch during football-specific exercises (F-EX) and games (F-GAME). Knee joint moments were collected in the laboratory and grouped using hierarchical agglomerative clustering. The clusters were used to investigate the kinematics collected on field through wearable sensors. Three clusters emerged: Cluster 1 presented the lowest knee moments; Cluster 2 presented high knee extension but low knee abduction and rotation moments; Cluster 3 presented the highest knee abduction, extension, and external rotation moments. In F-EX, greater knee abduction angles were found in Cluster 2 and 3 compared to Cluster 1 (p = 0.007). Cluster 2 showed the lowest knee and hip flexion angles (p < 0.013). Cluster 3 showed the greatest hip external rotation angles (p = 0.006). In F-GAME, Cluster 3 presented the greatest knee external rotation and lowest knee flexion angles (p = 0.003). Clinically relevant differences towards ACL injury identified in the laboratory reflected at-risk patterns only in part when cutting on the field: in the field, low-risk players exhibited similar kinematic patterns as the high-risk players. Therefore, in-lab injury risk screening may lack ecological validity.
Gebouwautomatiseringssystemen voor de utiliteitssector zoals kantoren, scholen, ziekenhuizen vereisen steeds meer functionaliteit om tegemoet te komen aan nieuwe eisen en wensen van gebouwbeheer en eindgebruikers op gebied van o.a. comfort, bezetting, onderhoud interieur, afvalbeheer, energie en dergelijke. De recente technologische ontwikkelingen maken het mogelijk om de gebouwbeheersystemen in te zetten voor innovatieve toepassingen. Maar door lastige toegankelijkheid van bestaande systemen kunnen gebouwbeheerders onvoldoende gebruik maken van deze vernieuwingen. Fabrikanten van gebouwbeheersystemen (GBS) hebben hun producten (vaak op basis van BACnet) veelal zo ingericht dat onderlinge competitie en vrije marktwerking voor verschillende vernieuwende elementen op gebied van digitalisering van beheer- en onderhoudstaken moeilijk is. Recente ontwikkelingen maken het mogelijk binnen de field layer van BACnet dat nieuwe devices aan het bestaande gebouwbeheersysteem gekoppeld kunnen worden en reeds bestaande devices kunnen worden aangestuurd. Nieuwe open source data-mining applicaties (bijv. van Rapid Miner, IBM, Oracle) bieden daarbij de mogelijkheid nieuwe gegevens te genereren om het beheer van gebouwen verder te optimaliseren. Deze ontwikkelingen maken de weg vrij voor verdere toepassingen en innovaties en bieden kansen voor betrokken bedrijven in deze sector. Echter, gebouwbeheerders en installateurs zijn nog onwetend of onzeker van de mogelijkheden m.b.t. prestaties, robuustheid, integreerbaarheid en ondersteuning terwijl de behoefte tot nieuwe diensten groeit. In dit KIEM project wordt met een consortium van een sensor/ICT-ontwikkelbedrijf (Octo), een totaal installateur (E+W) (Lomans Amersfoort), een gebouwbeheerder (HU bedrijfsvoering) en drie onderzoekers uit verschillende lectoraten van de hogeschool Utrecht verkend welke open source datamining tools en innovatieve sensorsystemen van belang kunnen zijn voor de huidige gebouwautomatisering. Er wordt verkend waar de knelpunten zijn en waar de kansen liggen tot integratie. Daarbij kan gedacht worden aan diensten op basis van gebouwbeheer zoals gegarandeerd comfortabel binnenklimaat, efficiënte bezettingsgraad van ruimtes, vernieuwend afvalbeheer en optimale energiehuishouding. Maar ook andere potentiële diensten zullen verder worden onderzocht samen met ketenpartners en ICT/sensorsysteem-innovators. Deze verkenningen worden vertaald naar een programma voor vervolgonderzoek.
