利用多元有序健康数据通过分布滞后模型识别运动员训练与恢复的累积效应
应用统计
2020-05-20 v1
摘要
主观健康数据可提供运动员福祉的重要信息，并用于最大化竞技表现及检测预防损伤。健康数据常为有序且多元，包含与运动员身体、心理及情绪状态相关的指标。训练与恢复可对运动员健康产生显著短期与长期效应，且这些效应因人而异。我们开发了针对有序响应数据的联合多元潜因子模型，以研究训练与恢复对运动员健康的影响。我们使用潜因子分布滞后模型捕捉训练与恢复随时间的累积效应。当前利用主观健康数据的努力常对这些指标取平均以构建健康的单变量汇总，但该方法会掩盖数据中的重要信息。我们的多元模型利用每个有序变量，并可用于识别各变量在监测运动员健康中的相对重要性。该模型应用于横跨两个美国职业足球大联盟赛季收集的运动员每日健康、训练与恢复数据。
引用
@article{arxiv.2005.09024,
title = {Distributed lag models to identify the cumulative effects of training and recovery in athletes using multivariate ordinal wellness data},
author = {Erin M. Schliep and Toryn L. J. Schafer and Matthew Hawkey},
journal= {arXiv preprint arXiv:2005.09024},
year = {2020}
}