Gelijke tijd validatie van OpenCap voor het identificeren van ACL-herverschadelingsrisicofactoren tijdens een drop-jumptest in een gezonde cohort

Waarom springscience belangrijk is voor je knieën

Veel sporters die de voorste kruisband (ACL) in hun knie afscheuren, lopen zelfs na zorgvuldig letselherstel en revalidatie het risico op een tweede blessure. Artsen weten dat subtiele veranderingen in de manier waarop iemand van een sprong landt, dit verborgen risico kunnen onthullen, maar de beste instrumenten om die bewegingen te meten zijn dure labsystemen met reflecterende markers en camera’s. Deze studie vroeg of een nieuwe, goedkope smartphonegebaseerde aanpak genaamd OpenCap vergelijkbare inzichten kan bieden, waardoor geavanceerde bewegingsanalyse mogelijk buiten het lab en in alledaagse klinieken en trainingsruimtes beschikbaar komt.

Van hightechlabs naar telefoons op statieven

Traditionele driedimensionale bewegingsanalyse gebruikt veel infraroodcamera’s en krachtplaten in de vloer om vast te leggen hoe het lichaam beweegt en hoe hard het de grond raakt. Het is zeer nauwkeurig, maar het vraagt tijd, geld en technische expertise, zodat slechts enkele gespecialiseerde centra het kunnen aanbieden. Markerloze systemen proberen deze drempels weg te nemen door gewone videocamera’s en kunstmatige-intelligentiealgoritmen te gebruiken om lichaamsposities te volgen zonder markers op de huid te plakken. OpenCap gaat een stap verder door gewone smartphones en cloudcomputing te gebruiken, wat een betaalbare manier kan bieden om beweging vrijwel overal te analyseren.

OpenCap op de proef gesteld

De onderzoekers rekruteerden 24 gezonde, fysiek actieve volwassenen om een veeleisende landingsopdracht uit te voeren: van een doos van 30 centimeter afstappen en vervolgens zo snel en krachtig mogelijk omhoog springen. Tijdens 240 van zulke drop-jumps werd elke beweging gelijktijdig vastgelegd door zowel het gouden standaard marker-gebaseerde labsysteem als de smartphonegebaseerde OpenCap-opstelling. Het team richtte zich op metingen die bekendstaan als gerelateerd aan het herverschadelingsrisico van de ACL: hoe de knie naar binnen of naar buiten beweegt tijdens de landing, hoe krachtig de knie- en heupspieren werken om de beweging te beheersen, en hoeveel verticale kracht door elk been gaat wanneer de voeten de grond raken.

Hoe dichtbij kwamen de telefoons?

Voor algemene bewegingspatronen deed OpenCap verrassend goed werk. De vormen van de krommen in de tijd — die laten zien hoe gewrichten bewogen en hoe krachten stegen en daalden — kwamen voor veel variabelen goed overeen met het labsysteem. Toen het team echter naar de grootte van de verschillen keek, kwamen belangrijke kloften naar voren. De hoek van de knie in zijwaartse richting verschilde gemiddeld met meer dan zes graden, groter dan de kleine veranderingen waarvan is aangetoond dat ze sporters die een tweede ACL-scheur oplopen scheiden van degenen die dat niet doen. Krachten bij de knie en grondreactiekrachten onder de voeten vertoonden ook foutmarges die de algemeen geaccepteerde grenzen voor klinische besluitvorming overschreden, en belangrijke verschillen verschenen gedurende een groot deel van de landingsfase. In ongeveer één op de vijf proeven konden OpenCap’s interne simulaties zelfs geen bruikbare krachtschattingen opleveren.

Wat dit betekent voor sporters en klinici

Aangezien het herverschadelingsrisico van de ACL afhangt van kleine maar betekenisvolle verschillen tussen ledematen en in de tijd, moeten hulpmiddelen die worden gebruikt om terugkeer naar sport te begeleiden zowel nauwkeurig als consistent zijn. In deze studie legde OpenCap consequent de algemene vorm vast van hoe mensen bewogen en landden, maar het was niet precies genoeg in belangrijke knieënhoeken, spierbelasting en ledemaat-tot-ledemaatverschillen om veilig een volledig laboratoriumsysteem te vervangen voor individuele risicoscreening. De auteurs concluderen dat OpenCap voorlopig niet zelfstandig gebruikt zou moeten worden om te beoordelen of een sporter klaar is om na ACL-operatie terug te keren naar de sport.

Belofte aan de horizon

Hoewel OpenCap niet voldeed aan de huidige klinische normen, zijn de resultaten op een andere manier bemoedigend. De sterke overeenstemming in algemene bewegingspatronen suggereert dat, met betere pose-estimatiealgoritmen en verfijnde interne modellen, smartphonegebaseerde systemen de kloof uiteindelijk kunnen verkleinen. Als die verbeteringen slagen, zou bewegingsanalyse die ooit een gespecialiseerd lab vereiste, op een dag in een gewone kliniek, trainingsfaciliteit of zelfs aan de zijlijn kunnen worden gedaan — waardoor meer sporters hun knieën kunnen beschermen zonder de barrière van dure apparatuur.

Bronvermelding: Färber, B., Horsak, B. & Paternoster, F.K. Concurrent validation of OpenCap for identifying ACL re-injury risk factors during a drop jump test in a healthy cohort. Sci Rep 16, 9843 (2026). https://doi.org/10.1038/s41598-026-44758-0

Trefwoorden: ACL herverschadelingsrisico, markerloze bewegingsopname, preventie van sportblessures, spring- en landingsmechanica, smartphone bewegingsanalyse