Page 434 - A Magyar Kardiológusok Társasága 2024. évi Tudományos Kongresszusának programja, az elhangzó előadások kivonatai

Sportkardiológia I.
Cardiologia Hungarica Sports cardiology I.

Sportolói eredményesség és állóképesség Identifying factors affecting sports achievement
meghatározása mesterséges intelligencia and endurance using artifi cial intelligence
alkalmazásával Nóra Sydó , Emese Csulak , Anna Réka Kiss ,
1
1
1
1
Sydó Nóra , Csulak Emese , Kiss Anna Réka , Iván Petrov , Titanilla Takács , Gyula Bohus ,
1
2
1
1
1
3
1
3
Petrov Iván , Takács Titanilla , Bohus Gyula , Levente Staub , Zoltán Tősér , Dorottya Balla ,
1
2
1
2
1
Staub Levente , Tősér Zoltán , Balla Dorottya , Hajnalka Vágó , Attila Kovács , Béla Merkely 4
1
3
3
Vágó Hajnalka , Kovács Attila , Merkely Béla 4 1 Semmelweis University, Heart and Vascular Center, Faculty
1
2
1 Semmelweis Egyetem, Városmajori Szív- és Érgyógyászati of Cardiology, Faculty of Sports Medicine
Klinika, Kardiológiai Tanszék, Sportorvosi Tanszék 2 Semmelweis University, Heart and Vascular Center,
2 Semmelweis Egyetem, Városmajori Szív- és Érgyógyászati Department of Cardiology
Klinika, Kardiológiai Tanszék 3 Argus Cognitive
3 Argus Cognitive 4 Semmelweis University, Heart and Vascular Center,
4 Semmelweis Egyetem, Városmajori Szív- és Érgyógyászati Cardiology, Budapest
Klinika, Kardiológia, Budapest
Keywords: sports performance, achievement, artifi cial
Kulcsszavak: eredményesség, állóképesség, intelligence
mesterséges intelligencia Introduction: Sports achievements and performance are
Bevezetés: A sportolói teljesítmény és eredményesség not solely based on outstanding endurance, especially in
alapja nem csupán a kiváló állóképesség, különösen tactical and technical sports. Artifi cial intelligence (AI) can
taktikai és technikai sportok esetén. Mesterséges intel- help us to identify correlations that can contribute to the
ligencia (AI) segítségével olyan összefüggéseket ismer- successful preparation of athletes.
hetünk fel, melyek hozzájárulhatnak az eredményesebb Aims: Our aim was to further analyze and evaluate our pre-
felkészüléshez. viously initiated AI-based sports performance studies, iden-
Célkitűzés: Célunk a korábban megkezdett AI alapú tifying the parameters that determine athletes’ achievement
vizsgálataink további elemzése és értékelése volt, elkü- and endurance.
lönítve a sportolói eredményességet és állóképességet Methods: Firstly, we established a database from the
meghatározó paramétereket. sports cardiology screening (patient’s history, ECG, la-
Módszer: A sportkardiológiai szűrés (anamnézis, EKG, boratory test, body composition analysis, echocardiog-
labor, testösszetétel, szívultrahang, spiroergometria) raphy, cardiopulmonary exercise testing) results. Then,
eredményeiből két pontrendszert hoztunk létre, a valaha we created two scoring systems based on the best ever
elért legjobb eredmény (Eredményesség Score(ES)) és result (Achievement Score, AS) and the endurance on the
a spiroergometria során nyújtott teljesítmény (Állóképes- cardiopulmonary exercise test (Endurance Score, ES).
ség Score(ÁS)) alapján. A legfontosabb befolyásoló té- We identifi ed the most important infl uencing factors using
nyezőket neurális háló segítségével határoztuk meg és a neural network and characterized the strength of the
Shappley Additive Explanation (SHAP) értékekkel jelle- variables using Shappley Additive Explanation (SHAP)
meztük a változók erősségét. values.
Eredmény: Összesen 891 sportoló 1932 vizsgálatát ele- Results: We examined 1932 tests of 891 athletes
meztük, az AI analízisbe 546 sportoló (20,2±6,2 év, ffi : and the AI analysis included 917 tests of 546 athletes
397, 73%; úszás: 27,4%, kosárlabda: 21,8%, vízilabda: (20.2±6.2 years, males: 397, 72.7%; swimming: 27.4%,
15,2%, kézilabda: 13,3%, labdarúgás: 13,1%) 917 vizs- basketball: 21.8%, water polo: 15.2%, handball: 13.3%,
gálata került. A legfontosabb eredményességet befo- football: 13.1%). The most important AS determinants
lyásoló tényező a heti edzés óraszám (SHAP=0,27), az were the weekly training hours (SHAP=0.27), training
edzésben eltöltött évek száma (SHAP=0,26) és az élet- years (SHAP=0.26) and the age (SHAP=0.15). Mean-
kor (SHAP=0,15) volt. Az ÁS esetén a vázizom tömeg while, ES was mainly aff ected by skeletal muscle mass
(SHAP=0,85), a testtömeg (SHAP=0,6) és a terhelés csú- (SHAP=0.85), weight (SHAP=0.6) and peak heart rate
csán mért pulzus (SHAP=0,32) volt a legmeghatározóbb during exercise (SHAP=0.32). Our results were validated
paraméter. Eredményeinket validáltuk 102 főből álló tesz- on a test population (N=102) and in the AS the mean ab-
tpopuláción, az eredményesség vizsgálatakor az átlagos solute error (MAE) was 0.64, the determination coeffi cient
abszolút hiba (MAE) 0,64, a determinációs együttható (R2) was 0.56, in ES the MAE was 0.84 and the R2 was
(R2) 0,56, míg az állóképesség becslésekor MAE=0,84 0.71.
és R2=0,71 voltak. Conclusion: Based on our results, while endurance is
Következtetés: Eredményeink alapján a sportolói ál- mainly determined by the athlete’s physical characteris-
lóképességet leginkább a testfelépítés határozza meg, tics, in athletic achievement the experience is more im-
míg az eredményesség szempontjából a tapasztalat a portant. With our scoring systems the athlete’s achieve-
legfontosabb. Az általunk létrehozott pontrendszerek se- ment and endurance can be predicted well.
gítségével a sportoló teljesítménye és állóképessége jól Support: RRF-2.3.1-21-2022-00004
becsülhető.
Támogatás: RRF-2.3.1-21-2022-00004
C 434