Maksimum Oksijen Tüketiminin Adım Kinematikleri Kullanılarak Makine Öğrenme Yöntemleriyle Belirlenmesi

OpenAlex Türkçe

Maksimal oksijen tüketimi (maxVO2) aerobik kapasitenin doğrudan göstergesidir. Bu sebeple hem spor branşlarında hem de klinikte maxVO2 ölçümü oldukça büyük öneme sahiptir. Ancak maxVO2 ölçüm sistemlerinin maliyetli oluşu farklı analiz yöntemlerinin belirlenmesi ihtiyacını ortaya çıkarmıştır. Bu çalışmada da antropometrik, kinematik, kalp atım hızı ve adım parametreleri kullanılarak makine öğrenme modelleri ile maxVO2 değerlerinin tahmin edilmesi amaçlanmıştır. Çalışmaya katılan 52 erkek sporcunun koşu bandında yapılan üç farklı koşu hızında maxVO2 değerleri ve kalp atım hızları belirlenmiş, antropometrik ve kinematik veriler ile birlikte değerlendirilmiştir. Yaş, boy, vücut ağırlığı, kalp atım hızı, bacak uzunluğu, uyluk uzunluğu, hız, adım frekansı, adım uzunluğu parametreleri makine öğrenme modellerine girdi olarak sunularak maxVO2 değerinin hesaplanması istenmiştir. Ayrıca dört farklı makine öğrenme modeli (lineer regresyon, destek vektör makineleri, karar ağaçları ve gauss süreç regresyonu) denenerek en başarılı yaklaşımın hangisi olduğu incelenmiştir. Gauss Süreç Regresyonu modelinin en başarılı tahmin (R2=0.99) ve en düşük hata oranı (RMSE=0.012) ile maxVO2 değerini tahmin ettiği belirlenmiştir. Sonuç olarak çalışma kapsamında temel antropometrik ölçümler (boy, vücut ağırlığı, bacak ve uyluk uzunluğu), kalp atım hızı, hız ve adım parametreleri (adım frekansı ve adım uzunluğu) kullanılarak maxVO2 değerleri hem submaksimal hem de maksimal değerlerde başarılı olarak tahmin edilmiştir.