Storskalig analys av bärbara sensorer avslöjar rumsliga och tidsmässiga skademönster hos professionella tennisspelare

Varför det är viktigt att följa tennisskador

Professionell tennis ser elegant ut i tv, men bakom varje serve och sprinter ligger intensiv belastning på kroppen. Denna studie använder bärbara sensorer och modern dataanalys för att ställa en enkel fråga med stora följder för spelare och tränare: när, var och hur inträffar skador egentligen under en säsong, och kan vi upptäcka varningstecken tillräckligt tidigt för att förebygga dem?

Att förvandla spelare till rörliga datapunkter

För att ta itu med problemet utrustade forskarna 45 professionella spelare med ett nätverk av lätta, kroppsburna sensorer under ett helt år av träning och matcher. Små enheter på handleder, axel, ländrygg och skor registrerade rörelse och stötkrafter, medan andra sensorer spårade hjärtfrekvens och position på banan. Tillsammans fångade de tusentals timmar av rörelse, från explosiva servar till långa baslinjerallyn, och skapade en detaljerad bild av hur kroppen belastas i verkliga tennissituationer.

När skador inträffar under året

Genom att följa spelarna genom försäsong, tävlingsmånader och off-season fann teamet att skador inte är slumpmässiga. Istället stiger och sjunker de i en säsongsmässig rytm. Problemen toppade under tunga träningsblock och intensiva tävlingsperioder, särskilt när den totala arbetsbelastningen ökade snabbt. Överbelastningsskador, som utvecklas gradvis, var vanligast under försäsong och veckor med högintensiv träning, medan plötsliga akuta skador oftare kopplades till tävling och matchsituationer. Dessa mönster tyder på att hur träningen schemaläggs över veckor och månader spelar en avgörande roll för skaderisken.

Var kroppen fallerar mest

Sensordata avslöjade också tydliga ”hotspots” på kroppen. Nästan hälften av alla skador samlades kring axel och armbåge, de nyckelleder som används vid serve och forehand, medan ungefär en tredjedel påverkade ländrygg och höfter, som driver bålrörelse och rörelse över banan. Genom att projicera skadorna på ett enkelt kroppskoordinatsystem visade studien täta kluster i dessa regioner, med betydligt färre problem i knän och vrister. Analysen kopplade dessa hotspots till specifika rörelsegenskaper, såsom mycket höga rotationshastigheter vid serve och asymmetrisk belastning mellan benen vid laterala rörelser.

Låta algoritmer söka efter varningstecken

Eftersom sensorsignalerna är massiva och komplexa använde forskarna moderna maskininlärningsverktyg för att sålla igenom dem. De tränade avancerade modeller, inklusive ett Transformer-nätverk liknande de som används inom språkteknologi, för att koppla mönster i rörelse, arbetsbelastning och hjärtsignaler till senare skadehändelser. Genom att kombinera information om när under säsongen datan registrerades med var på kroppen problemen uppträdde lyckades den bästa modellen korrekt flagga högriskperioder i ungefär nio av tio fall och fånga upp de flesta subtila, långsamt uppbyggande riskförändringar som enklare metoder missade.

Vad detta betyder för spelare och tränare

För en icke-specialist är huvudbudskapet att skador i professionell tennis följer igenkännbara mönster i tid och rum snarare än att vara ren otur. De flesta problemen koncentreras till spelarmen vid serven och området ländrygg–höft, och tenderar att blossa upp under intensiva tränings- och tävlingsperioder när den samlade belastningen inte balanseras med återhämtning. Genom att använda bärbara sensorer och intelligenta algoritmer kan tränare och medicinsk personal gå från att reagera på skador efter att de inträffat till att få tidiga varningar när rörelsekvalitet, arbetsbelastning eller kroppssignaler tyder på att en spelare börjar närma sig riskzonen.

Citering: Han, G., Zhang, Y. & Sun, B. Wearable sensor big data analysis reveals spatiotemporal injury patterns in professional tennis players. Sci Rep 16, 14804 (2026). https://doi.org/10.1038/s41598-026-44199-9

Nyckelord: tennisskador, bärbara sensorer, sportsdata, skadeprediktion, maskininlärning