APPLICATION OF WEARABLE TECHNOLOGY AND BIG DATA ANALYTICS IN SPORTS INJURY PREDICTION: A SYSTEMATIC REVIEW

  • Marko Milic Higher Medical School of Vocational Education "Milutin Milankovic" Email: drmarkokimimilic@gmail.com
  • Sergey Kokhan Transbaikal State University Email: ispsmed@mail.ru
  • Elena Romanova Altai State University Email: romanovaev.2007@mail.ru
Keywords: sports informatics, Big Data, ACWR, injury prevention, GPS monitoring, machine learning, internal load

Abstract

Introduction: in modern professional sports, up to 50% of athlete absence time is related to non-contact overuse injuries. Traditional load monitoring methods are often subjective and fail to identify hidden maladaptation patterns. Objective: to analyze the effectiveness of using wearable sensors (GPS/GNSS, accelerometers) and Machine Learning algorithms for predicting injury risk. Materials and Methods: a literature review was conducted using Scopus and Web of Science databases (2016–2024). Ten key studies linking external and internal load metrics with injury epidemiology were analyzed. Results: it was found that exceeding the Acute: Chronic Workload Ratio (ACWR) above 1.5 increases the risk of injury by 2-4 times, although this method requires individual calibration. Artificial Intelligence algorithms (Random Forest, Neural Networks) based on data from wearable devices are capable of predicting non-contact injuries with an accuracy of up to 80-85%. Conclusion: integrating data collection systems into the training process allows for a transition from intuitive management to a data-driven approach, significantly reducing economic losses due to injuries.

Downloads

Download data is not yet available.

References

Бурдон П. С. и др. Мониторинг тренировочных нагрузок спортсменов: консенсусное заявление // Международный журнал спортивной физиологии и результативности. 2017. Том 12, Приложение 2. Стр. S2161–S2170. DOI: 10.1123/IJSPP.2017-0208.
Ворожейкин, А. В. Рукопашный бой как самостоятельный вид спорта: ретроспектива и перспективы / А. В. Ворожейкин, В. В. Фадеева, А. П. Волков // Вестник Калининградского филиала Санкт-Петербургского университета МВД России. – 2019. – № 4(58). – С. 93-98.
Габбетт Т. Дж. Парадокс предотвращения травм на тренировках: должны ли спортсмены тренироваться умнее и усерднее? // Британский журнал спортивной медицины. 2016. Том 50, выпуск 5. С. 273-280.
Духиг С. и др. Влияние скоростного бега на риск травм при растяжении подколенного сухожилия // Journal of Science and Medicine in Sport. 2016. Том 19, Iss. 10. С. 825-829.
Фостер С. Мониторинг тренировок спортсменов в связи с синдромом перетренированности // Медицина и наука в спорте и физических упражнениях. 1998. Том 30, Iss. 7. С. 1164-1168.
Боуэн Л. и др. Накопленные нагрузки и соотношение острой и хронической нагрузки связаны с риском получения травм у элитных футболистов молодежной команды // British Journal of Sports Medicine. 2017. Том 51. С. 452-459.
Импеллиццери Ф. М. и др. Соотношение острой и хронической нагрузки: концептуальные вопросы и фундаментальные подводные камни // Международный журнал спортивной физиологии и результативности. 2020. Том 15, Вып. 6. С. 907-913. DOI: 10.1123/ijspp.2020-0301.
Колби М. Дж. и др. Многофакторное моделирование субъективных и объективных данных мониторинга улучшает выявление риска бесконтактных травм // Журнал науки и медицины в спорте. 2017. Том 20. С. 1027-1032.
Педагогические условия, необходимые для развития координации движений у спортсменов, занимающихся единоборствами с использованием подвижных игр / Е. А. Пронин, А. В. Ворожейкин, Д. Е. Коновалов, С. А. Елисеев // Педагогико-психологические и медико-биологические проблемы физической культуры и спорта. – 2024. – Т. 19, № 4. – С. 140-145.
Росси А. и др. Эффективное прогнозирование травм в футболе с использованием данных GPS-тренировок и машинного обучения // PLoS ONE. 2018. Том 13, Iss. 7. Арт. E0201264.
Сущенко, В. П. Показатели, определяющие готовность инструкторов по рукопашному бою силовых структур к педагогической деятельности / В. П. Сущенко, А. В. Ворожейкин // Ученые записки университета им. П.Ф. Лесгафта. – 2016. – № 12(142). – С. 127-130.
Клаудино Дж. Дж. и др. Роль искусственного интеллекта в прогнозировании спортивных травм: систематический обзор // Journal of Sports Sciences. 2019. Том 37. С. 1-9.
Ван Этвельде Х. и др. Методы машинного обучения в прогнозировании и профилактике спортивных травм: систематический обзор // Journal of Sports Science & Medicine. 2021. Том 20, Iss. 4. С. 449-463.
Pilates program use for high school girls' additional physical education / N. Mischenko, M. Kolokoltsev, E. Romanova [et al.] // Journal of Physical Education and Sport. – 2020. – Vol. 20, No. 6. – P. 3485-3490. – DOI 10.7752/jpes.2020.06470.
Comprehensive program for flat foot and posture disorders prevention by means of physical education in 6-year-old children / E. Romanova, M. Kolokoltsev, A. Vorozheikin [et al.] // Journal of Physical Education and Sport. – 2022. – Vol. 22, No. 11. – P. 2655-2662. – DOI 10.7752/jpes.2022.11337.
Published
2025-12-19
How to Cite
Milic M., Kokhan S., Romanova E. APPLICATION OF WEARABLE TECHNOLOGY AND BIG DATA ANALYTICS IN SPORTS INJURY PREDICTION: A SYSTEMATIC REVIEW // Health, physical culture and sports, 2025. Vol. 40, № 4. URL: https://hpcas.ru/article/view/18486.
Section
PHYSICAL TRAINING, SPORTS AND TOURISM
Bookmark and Share

Most read articles by the same author(s)

1 2 > >>