Toutes les normes ne sont pas égales
Au cours de la dernière décennie, la demande de tests objectifs de performance a augmenté, améliorant les normes et les résultats de la formation grâce à une évaluation et à une prise de décision plus éclairées. Cependant, les tests seuls ont des limites dans leur application.
Les résultats des tests et les données sur les performances semblent souvent arbitraires en l'absence d'une norme de référence ou d'un point de repère auquel ils sont comparés. Les données normatives fournissent le contexte nécessaire pour catégoriser les performances d'un individu par rapport à ses pairs appariés selon l'âge et le sexe.
Les données normatives fournissent le contexte nécessaire pour catégoriser les performances d'un individu par rapport à celles de ses pairs appariés selon l'âge et le sexe.
Définir les données normatives
Données normatives Les données normatives font référence à des valeurs de référence dérivées d'une population définie qui aident les praticiens à comprendre comment les performances à un test donné varient typiquement au sein de ce groupe. Par exemple, les données normatives peuvent être utilisées pour classer ou catégoriser les performances dans des tests tels qu'un saut en contre-mouvement (CMJ)Il s'agit d'un outil qui aide les praticiens à mieux comprendre l'état des performances et la capacité spécifique à un sport dans une population d'athlètes.
Ces valeurs de référence sont généralement établies à partir de vastes ensembles de données et sont utilisées pour décrire les performances des membres d'une population par rapport à celles de leurs pairs. Les données relatives aux performances individuelles sont le plus souvent classées par centiles (1st-100th), fournissant un cadre de référence pratique pour interpréter si un résultat est faible, typique ou élevé pour la population en question.
Graphiques de densité des données normatives pour la puissance de crête concentrique du CMJ affichés dans les rapports de données normatives de la VALD. Pour plus d'informations sur les données normatives, veuillez vous référer à notre site Web. Que sont les normes ? Comprendre les données normatives article.
Définir les normes VALD
Dans le cadre de la VALD, les normes (N majuscule) font référence aux données normatives directement intégrées dans la base de données de la Systèmes VALD. Par exemple, les praticiens peuvent comparer les données relatives à la force, au saut ou au mouvement d'un individu à des valeurs de référence correspondant à son âge et à son sexe, directement au sein de l'application. Hub VALD ou des applications spécifiques au système comme Ponts de force ou ForceFrame.
Si vous ne connaissez pas encore les normes de la VALD, nos Présentation des normes VALD L'article décrit la manière dont ils sont intégrés dans les systèmes VALD et appliqués dans la pratique.
Les normes sont générées à partir d'ensembles de données nettoyés et analysés statistiquement, tirés de millions de résultats de tests. Ces valeurs de référence sont disponibles sur les plateformes VALD telles que VALD Hub et les applications mobiles VALD (par exemple, l'application ForceDecks iOS), fournissant aux praticiens un contexte pour éclairer la prise de décision clinique et de performance.
Les normes sont intégrées sous deux formes : les percentiles et les intervalles descriptifs. Le plus souvent, elles sont présentées numériquement sous forme de percentiles, par exemple :
- Un résultat dans les 50th représente la médiane de la population, ou le résultat "moyen" typique.
- Un résultat dans les 75th Le percentile indique qu'une mesure est supérieure à 75 % de la population.
Les percentiles permettent aux praticiens de comprendre rapidement comment un résultat se compare à d'autres ayant des caractéristiques similaires, tandis que les personnes utilisant des applications telles que le MoveHealth ou des systèmes tels que HumanTrak peut voir les normes présentées sous forme de fourchettes descriptives pour faciliter l'interprétation : en dessous, à l'intérieur ou au-dessus de la normale.
Les centiles permettent aux praticiens de comprendre rapidement comment un résultat se compare à d'autres ayant des caractéristiques similaires...
Comparaisons de données normatives dans le MoveHealth pour le côté droit et le côté gauche, rédigée dans un langage adapté aux athlètes.
Ces valeurs et ces idées favorisent une prise de décision éclairée et fournissent aux individus un contexte clair pour interpréter les progrès réalisés par rapport à leurs pairs.
Données normatives spécifiques à la population
Outre les ensembles de données intégrés tels que Norms, les praticiens peuvent également utiliser des données normatives plus spécifiques provenant de rapports publiés et d'articles de recherche. Ces rapports résument les tendances en matière de performances au sein de populations spécifiques, souvent regroupées par sport, position, niveau de compétition ou environnement de test, et sont conçus pour mettre en évidence les performances typiques des groupes dans le cadre d'évaluations communes.
...les rapports résument les tendances en matière de performances au sein de populations spécifiques... et sont conçus pour mettre en évidence les performances typiques des groupes lors d'évaluations communes.
Par exemple, le Rapport sur le football NFL et NCAA 2024/25disponible dans VALD Hub, décrit les performances des athlètes de la National Football League (NFL) et de la Division I sur des tests communs tels que le CMJ, la traction isométrique à mi-cuisse (IMTP) et le test d'endurance. drop jump (DJ)parmi beaucoup d'autres.
De même, le Hub VALD dispose de rapports de données normatives de recherche spécifiques à des pathologies telles que la reconstruction du ligament croisé antérieur (ACLR) et le claquage des ischio-jambiers (HSI). Ces rapports permettent aux praticiens de se référer à des points de repère fondés sur la recherche tout au long du processus de réadaptation pour la RLC et les lésions des ischio-jambiers.
Les normes et les données normatives varient en fonction de leur degré de spécificité, ce qui influe sur la manière dont elles sont utilisées dans la pratique. Plus la spécificité augmente, plus le point de référence devient pertinent pour la population évaluée.
Tous les ensembles de données normatives ne sont pas identiques
L'un des principaux facteurs influençant la fiabilité des données normatives est la taille de l'échantillon. Les petits ensembles de données (par exemple, moins de 100 échantillons) produisent souvent des estimations instables des performances de la population. Avec peu d'observations, les médianes métriques ou les seuils de percentile peuvent changer de façon spectaculaire à mesure que de nouvelles données sont ajoutées, ce qui en fait des valeurs de référence peu fiables.
Les petits ensembles de données (par exemple, moins de 100 échantillons) produisent souvent des estimations instables de la performance de la population.
Dans la figure ci-dessous, chaque point orange représente la hauteur de saut médiane pour un échantillon variable de l'ensemble des données. Lorsque la taille de l'échantillon est faible (par exemple, 85 observations), la médiane estimée varie considérablement en fonction des points de données sélectionnés, produisant des valeurs comprises entre 15,4 et 16,6 pouces (in) environ (plus de 7 % de différence entre les valeurs). Au fur et à mesure que la taille de l'échantillon augmente, les estimations deviennent plus cohérentes et commencent à converger vers la véritable médiane de la population.
Cela souligne la nécessité de disposer de grands volumes de données pour stabiliser les ensembles de données normatives tels que les normes. Pour ce faire, la VALD fait appel au Data Lakehouse, qui repose sur plus de 100 millions de tests réalisés par des millions d'individus au sein de dizaines de milliers d'organisations. Dans la pratique, les ensembles de données normatives contiennent idéalement :
- Des centaines ou des milliers d'observations par sous-groupe
- Séparation claire par âge, sexe et type de test
- Protocoles d'essai cohérents entre les organisations
Le processus de nettoyage des données de la VALD contrôle la mauvaise exécution des tests et les données incorrectes en rejetant les anomalies et les résultats erronés et en filtrant les données démographiques.
Toutefois, la taille des ensembles de données ne garantit pas à elle seule la qualité. Les ensembles de données normatives doivent également être soigneusement nettoyés et validés avant de pouvoir être utilisés pour générer des valeurs de référence fiables. Des données inexactes peuvent fausser les distributions normatives et, en fin de compte, conduire à une prise de décision mal informée.
Les ensembles de données normatives doivent également être soigneusement nettoyés et validés avant de pouvoir être utilisés pour générer des valeurs de référence fiables.
Avant de générer des valeurs de référence normatives, les ensembles de données sont soumis à de multiples étapes de filtrage et de validation afin de garantir l'exactitude et la représentativité des données, comme le montre la figure ci-dessous.
Comment les données normatives sont-elles calculées ?
Une fois les ensembles de données nettoyés et validés, des techniques de modélisation statistique sont utilisées pour générer les normes que nous voyons et utilisons dans le Hub VALD.
La plupart des ensembles de données normatives produisent des courbes de percentile qui décrivent l'évolution des performances en fonction des groupes d'âge et de sexe.
Une méthode couramment utilisée est la méthode Lambda, Mu, Sigma (LMS), qui a été largement appliquée aux données biologiques pour modéliser les courbes de référence liées à l'âge et générer des distributions de percentiles lissées à travers les populations. L'approche LMS modélise trois paramètres :
- Lambda (L) : L'asymétrie de la distribution (le degré de symétrie ou d'asymétrie de la courbe de distribution)
- Mu (M) : Médiane de la population (point où la moitié des observations se situent au-dessus et la moitié des observations se situent au-dessous)
- Sigma (S) : Coefficient de variation (l'écart relatif, qui décrit l'ampleur de la variabilité autour de la médiane)
L'ensemble de ces paramètres permet de calculer des courbes de percentile pour différents âges et groupes démographiques afin d'effectuer des comparaisons simples et efficaces.
L'avenir des données normatives
Les progrès de la science des données augmentent les capacités des ensembles de données musculo-squelettiques à grande échelle. Les plates-formes d'essai continuant à collecter d'importants volumes de données auprès de diverses populations, les ensembles de données normatives deviennent de plus en plus complets.
Les tuiles du Hub VALD permettent de catégoriser et d'analyser de manière spécifique la quasi-totalité des mesures des tests VALD.
La VALD améliore continuellement la fourniture de données normatives de haute qualité qui représentent fidèlement les populations du monde réel. Il s'agit notamment de renforcer les métadonnées sur les populations, de consolider les contrôles de qualité des données et d'étudier de nouvelles techniques de modélisation statistique.
Au fur et à mesure que les ensembles de données augmentent, les valeurs de référence normatives deviendront de plus en plus précises et représentatives des populations du monde réel.
Au fur et à mesure que les ensembles de données augmentent, les valeurs de référence normatives deviendront de plus en plus précises et représentatives des populations du monde réel.
Principaux enseignements
Les données normatives, y compris les normes de la VALD, jouent un rôle important dans la transformation des mesures objectives en données utilisables. En comparant les résultats individuels aux valeurs de référence de la population, les praticiens obtiennent le contexte nécessaire pour interpréter les performances, identifier les limites potentielles et guider la prise de décision.
Toutefois, la valeur des données normatives dépend de plusieurs facteurs clés, notamment des ensembles de données importants et représentatifs, un nettoyage rigoureux des données et une modélisation statistique solide. Lorsque ces éléments sont en place, les données normatives deviennent un outil puissant pour les praticiens travaillant dans les domaines du sport, de la santé et de la performance.
Pour savoir comment les normes peuvent aider à contextualiser les tests et à prendre des décisions plus claires, explorez le Hub VALD ou prenez contact avec notre équipe.
