《Frontiers in Public Health》：Explainable temporal deep learning for athlete-independent classification of injury-labeled days in competitive distance runners: a methodological benchmark using seven-day training-load histories
编辑推荐：
摘要
引言：本研究评估七天训练负荷史能否支持竞技中长跑运动员中损伤标注日的运动员独立分类。其目的在于进行方法学基准测试，而非临床损伤风险部署。
研究空白：先前的运动损伤预测研究常使用重复的运动员日观测，而未充分解决运动员泄漏、稀有事件不平衡、概率校准，以及解释
摘要
引言：本研究评估七天训练负荷史能否支持竞技中长跑运动员中损伤标注日的运动员独立分类。其目的在于进行方法学基准测试，而非临床损伤风险部署。
研究空白：先前的运动损伤预测研究常使用重复的运动员日观测，而未充分解决运动员泄漏、稀有事件不平衡、概率校准，以及解释方法可能识别出记录伪影而非生理机制的风险。
数据与方法：公共数据集包含74名跑步者的42,766个运动员日观测，包括583个损伤标注观测（1.36%）。从第?7天至第?1天组织了7个外部负荷变量和3个内部反应变量。采用具有门控融合和逐特征逐日积分梯度（Integrated Gradients, IG）的紧凑双流多尺度时序卷积网络（Dual-Stream Multi-Scale Temporal Convolutional Network, DS-MTCN），通过运动员独立五折分组交叉验证进行评估。逻辑回归和XGBoost作为基线，三个消融模型和五个预设神经网络种子评估鲁棒性。
发现：在主要分析中，DS-MTCN-IG实现了受试者工作特征曲线下面积（ROC-AUC）0.596，精确率-召回率曲线下面积（PR-AUC）0.0204和布里尔分数（Brier score）0.01343。逻辑回归的ROC-AUC数值更高（0.619），但配对运动员簇自举差异无统计学显著性（ΔROC-AUC = 0.0227，95% CI ?0.0180至0.0714；p = 0.291）。在五个种子上，无门控双流模型在深度变体中实现了最高的平均ROC-AUC（0.604对比门控模型的0.598），因此门控假设未得到支持。在非重叠评估中，去除了连续预测目标之间的时间邻接性，DS-MTCN-IG的平均ROC-AUC为0.469，未表现出高于随机水平的判别能力。这一发现表明，全窗口分析中观察到的弱判别可能反映了相邻七天历史之间的时间重叠和自相关，而非训练负荷史与损伤标注日之间稳定的运动员独立关系。五种子的积分梯度识别出所测量的内部反应评分和可用性掩码的贡献，但精确的最高输入排序在不同种子间不稳定。
结论：该研究未展示出稳健或实际有用的运动员独立预测信号。非重叠零结果严重限制了全窗口估计的解释，且不支持临床、教练或自动化损伤警告应用。因此，主要贡献是方法学审计，展示了时间重叠、参与者感知验证、校准、模型比较和归因稳定性如何改变纵向运动损伤建模中的结论。
论文解读：可解释时序深度学习在竞技中长跑运动员损伤标注日分类中的方法学审计
研究背景与问题
跑步相关肌肉骨骼损伤是竞技跑步的重要负担，损伤风险被视作负荷、恢复、能力和既往暴露共同影响的动态状态。传统单次筛查难以刻画这种动态性，因此研究转向长期纵向监测。然而，既往机器学习损伤预测研究存在若干方法学缺陷：重复的运动员日观测未按运动员隔离，易造成“运动员泄漏”，使模型学到个人基线而非可泛化规律；损伤标签属于稀有事件，使用准确率等指标会严重失真；概率校准常被忽视，模型输出不能直接反映真实风险；此外，可解释性分析可能识别出记录伪影（如缺失值模式），而非生理机制。为此，本研究将问题框定为方法学基准测试，而非临床风险部署。论文发表于《Frontiers in Public Health》。
研究内容与意义
研究人员利用公开纵向跑步训练数据集，评估一种紧凑的双流多尺度时序卷积网络（DS-MTCN），在运动员独立条件下对损伤标注日进行分类。通过与非重叠目标敏感性分析、逻辑回归与XGBoost基线、多种消融模型以及多随机种子比较，研究得出关键结论：当消除相邻预测目标的时间重叠后，模型判别能力下降至接近随机水平，说明全窗口中的微弱信号可能来自时间自相关而非稳定的生理预测关系。因此，该工作的主要贡献并非提出可部署的损伤预警模型，而是提供了一个严格的评估框架，说明运动员分组、时间重叠、校准、基线与解释稳定性如何显著改变纵向运动损伤研究的结论。
关键技术方法（约250字）
研究使用了来自荷兰竞技中长跑队74名跑步者的公开纵向数据，共42,766个运动员日观测，其中583个损伤标注日（1.36%）。数据由L?vdal等发布，可从DataverseNL和Kaggle镜像获取。输入为七个外部负荷变量（如训练次数、总距离、强度分布、力量训练等）和三个内部反应变量（主观疲劳、训练成功感、恢复感），并补充可用性掩码以处理休息日缺失值。模型为DS-MTCN，外部与内部流分别经过三个不同核大小（2、3、5）的因果卷积编码，再通过门控融合，最终输出损伤概率。训练采用焦点损失和AdamW优化，并以按运动员分组的五折分层分组交叉验证评估。研究还与逻辑回归、XGBoost对比，进行了三种消融和五个随机种子的鲁棒性测试，并使用积分梯度逐日解释模型归因。
研究结果
4.1 队列与描述性结果
队列包含42,766条运动员日记录，损伤标签占比1.363%。运动员的随访长度差异较大，最小为43天，最大达1,791天；损伤标签计数范围为0至35。在运动员级七天汇总中，损伤标注类别的平均总距离（54.893 km vs 45.990 km）、中等强度距离（6.697 km vs 4.731 km）以及主观反应评分均高于非损伤类别，但这些仅为描述性比较，不能解释为因果效应。
4.2 主要预测性能
在主要分析中，DS-MTCN-IG的ROC-AUC为0.596，PR-AUC为0.0204，Brier分数为0.01343。逻辑回归的ROC-AUC为0.619，与DS-MTCN-IG的差异未达统计学显著（p=0.291）；XGBoost的ROC-AUC为0.580。所有模型的PR-AUC仅略高于损伤患病率1.36%，且共同阈值下精度和Matthews相关系数（MCC）均极低。DS-MTCN-IG和XGBoost的校准截距接近零、斜率接近1，但Brier技能分数几乎为零；逻辑回归的Brier技能分数为负，显示其概率误差比恒定患病率模型更差。总体而言，模型仅有微弱排序能力，无法提供个体化概率估计。
4.3 使用非重叠预测目标的敏感性分析
为移除连续预测目标间共享六个历史日的时间邻接性，研究按日期模7构建了七个子偏移，并在每个偏移中重新训练和评估所有模型。结果显示，DS-MTCN-IG的平均ROC-AUC降至0.469（SD 0.028），低于随机水平；逻辑回归为0.517，XGBoost为0.493。这表明全窗口分析中的弱判别可能来自相邻窗口的重叠自相关，而非稳定的运动员独立时序信号。
4.4 消融与融合结果
在五个预设种子下，无门控双流模型的平均ROC-AUC最高，为0.604（±0.011），门控DS-MTCN-IG为0.598（±0.007），仅内部流为0.575（±0.029），仅外部流为0.538（±0.021）。门控的平均值接近0.5，表明学习到的融合近乎均匀平均，并未实现有效的选择性流加权，因此假设H2（门控优势）被拒绝。
4.5 可解释性结果
五种子的积分梯度显示，感知训练成功等内部反应评分和可用性掩码均对模型输出有贡献，但精确的最高输入排序不稳定，不同种子间排名重叠仅2至7个特征。可用性掩码高归因可能反映记录行为、计划休息，或损伤后训练参与改变，但数据无法区分这些解释，因此不能视为生理机制
