Abstract

Modern wearable monitors and laboratory equipment allow the recording of high-frequency data that can be used to quantify human movement. However, currently, data analysis approaches in these domains remain limited. This article proposes a new framework to analyze biomechanical patterns in sport training data recorded across multiple training sessions using multilevel functional models. We apply the methods to subsecond-level data of knee location trajectories collected in 19 recreational runners during a medium-intensity continuous run (MICR) and a high-intensity interval training (HIIT) session, with multiple steps recorded in each participant-session. We estimate functional intra-class correlation coefficient to evaluate the reliability of recorded measurements across multiple sessions of the same training type. Furthermore, we obtained a vectorial representation of the three hierarchical levels of the data and visualize them in a low-dimensional space. Finally, we quantified the differences between genders and between two training types using functional multilevel regression models that incorporate covariate information. We provide an overview of the relevant methods and make both data and the R code for all analyses freely available online on GitHub. Thus, this work can serve as a helpful reference for practitioners and guide for a broader audience of researchers interested in modeling repeated functional measures at different resolution levels in the context of biomechanics and sports science applications.

摘要

现代可穿戴监视器和实验室设备允许记录可用于量化人体运动的高频数据。然而，目前，这些领域的数据分析方法仍然有限。本文提出了一个新框架，用于分析使用多级功能模型在多个训练课程中记录的运动训练数据中的生物力学模式。我们将这些方法应用于 19 名休闲跑步者在中等强度连续跑步 (MICR) 和高强度间歇训练 (HIIT) 期间收集的膝关节位置轨迹的亚秒级数据，并在每个参与者会话中记录多个步骤。我们估计功能类内相关系数，以评估同一训练类型的多个会话中记录的测量值的可靠性。此外，我们获得了数据的三个层次级别的矢量表示，并在低维空间中将它们可视化。最后，我们使用包含协变量信息的功能性多层次回归模型量化了性别之间和两种训练类型之间的差异。我们概述了相关方法，并在 GitHub 上免费在线提供所有分析的数据和 R 代码。因此，这项工作可以为从业者提供有用的参考，并为更广泛的研究人员提供指导，这些研究人员有兴趣在生物力学和运动科学应用的背景下对不同分辨率级别的重复功能测量进行建模。我们使用包含协变量信息的功能性多级回归模型量化了性别之间和两种训练类型之间的差异。我们概述了相关方法，并在 GitHub 上免费在线提供所有分析的数据和 R 代码。因此，这项工作可以为从业者提供有用的参考，并为更广泛的研究人员提供指导，这些研究人员有兴趣在生物力学和运动科学应用的背景下对不同分辨率级别的重复功能测量进行建模。我们使用包含协变量信息的功能性多级回归模型量化了性别之间和两种训练类型之间的差异。我们概述了相关方法，并在 GitHub 上免费在线提供所有分析的数据和 R 代码。因此，这项工作可以为从业者提供有用的参考，并为更广泛的研究人员提供指导，这些研究人员有兴趣在生物力学和运动科学应用的背景下对不同分辨率级别的重复功能测量进行建模。