Résumé : | La blessure des ischiojambiers est le premier diagnostic de blessure en football. L’une des pistes pour la réduction de ces blessures est l’identification des athlètes à haut risque. Dans cet article, nous avons mis en place des algorithmes d’apprentissage automatique pour l’estimation du risque de blessure chez 284 footballeurs masculins évoluant dans 16 équipes de football professionnel ou semi-professionnel de trois pays. Les prédicteurs (données d’entrée) des algorithmes consistaient en un ensemble de données de référence de l’athlète, incluant les antécédents de blessures des ischiojambiers lors de la saison précédente et des données mesurées lors d’un sprint maximal de 30 m. La donnée de sortie, binaire, était la survenue de blessure des ischiojambiers. Les trois modèles utilisés, la régression logistique, les forêts aléatoires et AdaBoost étaient comparés à un classificateur factice. Les résultats montraient qu’il était possible, dans une certaine mesure, de prédire la survenue de blessures avec ces modèles. La comparaison avec le classificateur factice, lorsque l’on considérait un ensemble de métriques, dont le score F1, montrait l’intérêt des trois modèles utilisés. En outre, l’importance relative des prédicteurs pouvait également être mesurée, ce qui pourrait aider à la compréhension des facteurs influençant le plus la blessure. Ces résultats suggèrent des pistes pour les stratégies de prévention des blessures des ischiojambiers. |