NYHET Rörelsemönster och muskelsignaler kan identifiera vilka idrottare som är rädda att skada sig igen efter en operation i främre korsbandet. Forskare vid Umeå universitet har tränat en AI-modell att hitta dessa idrottare med upp till 86 procents träffsäkerhet.
Grafiskt abstrakt som beskriver hur man mäter rörelsemönster, kraftmoment och muskelaktivitet vid enbenshopp i sidled.
ImageAbdolamir Karbalaie– Våra resultat visar att rädsla för en ny korsbandsskada inte bara är något man säger sig känna – den kan också avspeglas i hur kroppen rör sig och hur musklerna arbetar, säger Charlotte Häger, professor i fysioterapi vid Institutionen för samhällsmedicin och rehabilitering vid Umeå universitet.
Charlotte Häger, professor i fysioterapi vid Institutionen för samhällsmedicin och rehabilitering.
ImageMattias PetterssonRädslan för att skada sig igen är en av de främsta orsakerna till att idrottare inte återgår till sin sport efter en främre korsbandsskada. Forskarna hoppas att tekniken på sikt ska kunna hjälpa kliniker och fysioterapeuter att tidigare identifiera personer som riskerar att fastna i rädsla och osäkerhet efter skada.
– Om vi kan identifiera dessa individer tidigare kan rehabiliteringen bättre anpassas för att öka tryggheten, förbättra rörelsekvaliteten och underlätta återgång till idrott, säger Charlotte Häger.
Traditionellt används självskattningsformulär för att mäta rädslan för nya skador, men inom idrott och rehabilitering kan personer ibland underrapportera sina besvär för att till exempel snabbare få återgå till träning eller tävling. Forskarna menar därför att objektiva rörelsebaserade metoder på sikt kan bli ett viktigt komplement inom framtidens rehabilitering. I den aktuella studien tittade forskarna på rörelsemönster, kraftmoment och muskelaktivitet vid enbenshopp i sidled. Studien omfattade 72 personer som gjort en korsbandsrekonstruktion.
– Våra resultat bidrar också till en ökad förståelse för samspelet mellan psykologi och rörelsekontroll efter en korsbandsskada, vilket är ett område som får allt större uppmärksamhet inom idrottsmedicin och rehabiliteringsforskning, säger Charlotte Häger.
Abdolamir Karbalaie, Adam Grinberg, Andrew Strong, Helena Grip, Kalle Prorok, Charlotte K. Häger, Tomas Nordström. Enhancing fear of re-injury classification after ACL reconstruction by integrating biomechanical and electromyography data using multimodal machine learning methods. Journal of Biomechanics, Volume 204, 2026, https://doi.org/10.1016/j.jbiomech.2026.113346
