EN中文

中国生态旅游 >

2023 , Vol. 13 >Issue 5: 853 - 869

DOI: https://doi.org/10.12342/zgstly.20230189

专栏：自然灾害影响与旅游应对

基于Apriori算法的中国游客滑雪损伤特征与成因机制分析

  • 黄锐 , 1 ,
  • 谢朝武 , 1, * ,
  • 黄松山 2 ,
  • 赖菲菲 1
展开
  • 1.华侨大学旅游学院，泉州 362021
  • 2.埃迪斯科文大学商法学院，澳大利亚 君达乐 6027
* 谢朝武（1975-），男，教授，博士生导师，研究方向为旅游安全管理、文化遗产与旅游地管理。E-mail:

黄锐（1993-），男，博士，讲师，研究方向为体育旅游、旅游安全。E-mail:

收稿日期: 2023-09-12

  修回日期: 2023-10-23

  网络出版日期: 2024-01-10

基金资助

国家自然科学基金项目(41971182)

收起

Analysis of the characteristics and causal mechanisms of skiing injuries among Chinese tourists based on Apriori algorithm

  • Huang Rui , 1 ,
  • Xie Chaowu , 1, * ,
  • Huang Songshan 2 ,
  • Lai Feifei 1
Expand
  • 1. College of Tourism, Huaqiao University, Quanzhou 362021, China
  • 2. School of Business and Law, Edith Cowan University, Joondalup 6027, Australia
* Xie Chaowu. E-mail:

Received date: 2023-09-12

  Revised date: 2023-10-23

  Online published: 2024-01-10

Fold

摘要

北京冬奥会的成功申办和举办推动了国内冰雪运动产业的高速发展。尽管中国已成为世界最大规模的滑雪旅游新兴市场，但学界对于中国游客在滑雪过程中遭遇的损伤问题缺乏应有的关注。本研究以国内823起游客滑雪损伤保险案例为基础，利用Apriori关联规则算法对游客滑雪损伤特征和机制进行探索，结果表明：（1）人口特征、外部环境与游客损伤变量间存在22条具有实际意义的强关联规则，特定的滑雪损伤机制的形成受到游客性别、年龄、客源地、气温、风力、天气状况和滑雪坡度等因素的组合影响。（2）游客滑雪损伤变量间存在14条有效的强关联规则，游客滑雪损伤原因、损伤类型、损伤部位和损伤程度间具有复杂且多样的关联关系。（3）国际成熟市场滑雪游客的损伤情况可作为研究中国游客群体滑雪损伤的重要参考，但也需要考虑中国滑雪游客在损伤原因、人口特征等方面展现出的独特性和差异性。本研究对后奥运时代中国游客群体滑雪损伤的预防管控具有实践指导意义。

关键词： 滑雪旅游; 游客损伤; 成因机制; 旅游保险; 冰雪运动; 体旅融合; 中国

本文引用格式

黄锐 , 谢朝武 , 黄松山 , 赖菲菲 . 基于Apriori算法的中国游客滑雪损伤特征与成因机制分析[J]. 中国生态旅游, 2023 , 13(5) : 853 -869 . DOI: 10.12342/zgstly.20230189

Abstract

The successful bidding and hosting of the Beijing Winter Olympics have promoted the rapid development of the domestic ice and snow sports industry. Although China has become the world’s largest emerging market for skiing tourism, the academic community lacks due attention to the injuries that Chinese tourists encounter during skiing. This article is based on 823 domestic tourist skiing injury insurance cases, and explores the characteristics and mechanisms of tourist skiing injuries using the Apriori association rule algorithm. The results show that: (1) there are 22 strong association rules with practical significance between population characteristics, external environment, and tourist injury variables. The formation of specific skiing injury mechanisms is influenced by tourist gender, age, source area, temperature, wind, weather conditions, skiing slopes in combination of other factors. (2) There are 14 effective strong correlation rules between the variables of tourist skiing injury, and there are complex and diverse correlation relationships between the cause, type, location, and degree of tourist skiing injury. (3) The injury situation of skiing tourists in mature international markets can serve as an important reference for studying skiing injuries among Chinese tourist groups, but it is also necessary to consider the uniqueness and differences exhibited by Chinese skiing tourists in terms of injury causes, population characteristics, and other aspects. This study has practical guidance significance for the prevention and control of skiing injuries among Chinese tourists in the post-Olympic era.

Key words： ski tourism; tourist injuries; causative mechanism; tourism insurance; ice and snow sports; sports and tourism integration; China

1 引言

2022年北京冬奥会的成功举办引发中国冰雪运动的热潮，为响应习近平总书记提出的“冰天雪地也是金山银山”的重要论述和“三亿人上冰雪”的号召，国家不断加强冰雪体育产业与旅游产业融合发展的决策部署，推动冰雪旅游产业高质量发展[1]。滑雪旅游作为最受欢迎的冬季冰雪旅游活动之一，近年来吸引了大量国内游客参与体验。截至2021年，中国已建成800多座室内外滑雪场[2]，2021—2022年中国滑雪人次达到2 154万，其中，滑雪目标客群中体验型的旅游观光客占比77.6%[3]，滑雪旅游市场呈现出强劲的需求潜力[4]。但随着中国滑雪旅游市场规模的扩大，游客滑雪受伤事故也处于不断攀升态势[5]，这给滑雪旅游产业的安全发展带来严重隐患和挑战。早在2013年5月，国家体育总局、原国家安全生产监督管理总局等部门联合发布的《第一批高危险性体育项目目录公告》中，滑雪运动就已被列入高危体育项目名录。《旅游法》第47条规定，经营高空、高速旅游项目应当按照国家有关规定取得经营许可。相关政策的出台彰显了国家对于游客参与滑雪运动安全的高度关切。
滑雪旅游是一项极具刺激性、危险性和挑战性的旅游活动。既有研究对美国[6]、加拿大[7]、日本[8]和欧洲国家[9-10]等成熟市场滑雪爱好者的损伤特征与机制进行了充分的探讨。与发达国家的成熟滑雪市场相比，中国滑雪产业起步较晚，有近80%的滑雪者处于初级水平[11-12]。相关学者研究显示，滑雪新手的损伤率要远高于长期从事这项运动的滑雪爱好者[13]。尤其是体验型游客群体，大多是首次尝试滑雪这项运动[14]，对滑雪风险了解甚少，导致游客受伤事故发生率居高不下。但针对中国此类新兴市场游客滑雪伤害特征的研究却较少。
此外，滑雪安全研究大多依赖地方医疗中心外科损伤数据[15]或滑雪场巡逻部门登记数据[16-17]分析大众滑雪者的损伤特征，这些数据中混合了滑雪爱好者、滑雪运动员和本地居民[18-19]，难以对游客群体进行单独区分，从而限制了对游客群体的滑雪损伤研究。尽管如此，游客滑雪安全问题仍引起国际学者的广泛关注，相关研究在游客滑雪损伤频率[20]、损伤严重性[21]、影响因素[22-23]以及滑雪旅游安全管控措施[24]等方面展开了一系列探索。但现有研究大多集中在描述性统计层面，仅对游客滑雪损伤程度、人口特征和潜在风险因素进行了描述和分类。实际上，游客滑雪损伤特征十分复杂，游客的损伤类型和损伤模式与特定天气条件、雪场环境和游客特质等因素之间呈现复杂的关联关系[25-26]，而现有研究忽略了变量间的相互作用和组合影响。总体而言，既有研究在准确收集和深度分析游客这一特定群体滑雪损伤数据方面仍存在挑战。
综上所述，本研究以游客滑雪损伤群体为调研对象，以中国范围内的旅行社责任险数据和旅行社意外险数据为基础，利用Apriori关联规则算法，对游客滑雪损伤因素进行关联性分析。研究旨在揭示中国滑雪游客损伤特征和成因变量中的关键关联规则，据此为制定降低滑雪事故损伤发生率的预防措施和游客滑雪安全管控决策提供理论参考。

2 文献综述

2.1 滑雪运动损伤

滑雪运动是一项具有高风险性的极限冬季户外活动，滑雪者的损伤特征与影响因素是全球学者尤为关注的研究方向。既有研究侧重于识别滑雪者损伤类型和模式[27]、评估滑雪者不同身体部位损伤率[28]以及诊断损伤严重程度[29]，学界普遍认为滑雪损伤影响因素包括性别、年龄、教育水平和技能水平等外部风险因素，以及雪质、能见度、天气条件和滑雪坡道等外部因素[26⇓-28]。虽然已有文献对滑雪运动的损伤类型、损伤部位、损伤严重程度和引致因素进行了探究，但多数研究集中在休闲滑雪爱好者或专业运动员等群体[27,30-31]。事实上，滑雪是一项准入门槛很高的活动，要求参与者具备良好的身体素质和滑雪技巧。大量研究证据表明，初学者比中级水平的滑雪者或专家更容易受伤[13]。据估计，专业滑雪者每1 000个滑雪日损伤事故频数在0.5~1.35之间[32]，而非专业滑雪者每1 000个滑雪日损伤事故频数在0.9~3.0之间[31,33]。事实上，60%的滑雪损伤发生在滑雪经验不足20天的滑雪者身上[20]。然而，现有滑雪运动损伤文献多集中于职业运动员[34]或训练水平较高的休闲滑雪者[26,35]，针对非专业化的游客群体的滑雪损伤研究相对较少。

2.2 游客滑雪损伤

尽管滑雪旅游在全球范围内日益受到欢迎，但目前学界对于游客滑雪损伤的研究仍处于起步阶段。Ruedl等和Mauritz等学者将当地人和游客在滑雪胜地的损伤情况进行了比较，结果表明，缺乏经验的游客滑雪损伤率通常高于当地滑雪爱好者[36-37]。Bentley和Page通过统计滑雪事故的发生频率，发现游客损伤大量存在于独立的、无向导性的滑雪娱乐活动中，这表明滑雪旅游是一种极具有冒险性的旅游活动形式[20]。Niedermeier等学者的研究证据表明，游客的滑雪损伤频率和程度相较于频繁参与者更为普遍和严重[21]。虽然已有学者注意到游客和普通滑雪爱好者在损伤特征和模式上存在差异，但较少有研究对游客这一特定群体的滑雪损伤展开系统研究。在有限的滑雪旅游安全研究中，一部分学者评估了大型滑雪场的外部环境风险，分析了雪崩等自然灾害造成的游客伤亡[22,38-39]，另一部分学者对滑雪场游客心源性猝死和滑雪流感等非创伤性事件进行了分析[40]，并探索冰雪旅游环境下游客滑雪运动的安全管理策略[24]。总体来看，目前针对游客滑雪运动性损伤的实证研究仍然较为有限，部分研究仅对损伤游客的性别、年龄和滑雪设备使用情况进行了简单的描述性统计[23,41]。在研究数据层面，既有文献中的游客伤害数据多是通过访谈或在线问卷收集，缺乏基于游客滑雪事故的客观记录数据，且滑雪游客损伤部位、损伤类型、损伤严重程度等结构维度与潜在危险因素之间的关联尚未完全明确[23,41]。

3 数据来源与研究方法

3.1 数据收集

本研究中的滑雪游客损伤数据来源于江泰保险经纪有限公司的中国旅行社责任保险和旅游意外保险数据库，两类保险项目在原国家旅游局的支持下建立和普及，覆盖中国2万家旅行社，具有真实性、可靠性和针对性优势。研究团队从数据库中筛选了2015—2019年游客滑雪损伤相关的事故案例共计823起进行分析。研究对事故案例详情进行了信息分解和编码转换，剥离和分类出游客损伤类型、部位、原因和严重程度等结构化损伤特征数据。为了进一步剖析环境因素对滑雪游客损伤的影响，研究还利用了国家气象信息中心（http://data.cma.cn/）数据库获取了事故发生当天的滑雪场最高气温、风力和天气状况等气象数据，并通过滑雪场官网和运营滑雪旅游产品的在线旅行代理平台获取了各滑雪场的滑雪坡度数据。

3.2 研究方法

关联规则算法是一种数据挖掘技术，可以发现海量数据中频繁项集模式和变量属性之间的潜在关系。近年来，关联规则分析在道路交通安全研究[42]、建筑业职业伤害分析[43]、海上事故原因分析[44]中得到了越来越多的应用。Apriori算法是Agrawal在1993年提出的一种经典的关联规则挖掘方法，该算法采用两阶段迭代搜索方法，将频繁项集作为变量属性的集合，并考虑项集之间的组合效应和关联强度[42⇓-44]，引入该算法有助于更加全面地对中国滑雪游客的损伤特征进行分析，并识别游客滑雪损伤形成的多元化路径机制。关联规则可以表示为“X→Y”的形式，其中，X称为前项（LHS），Y称为后项（RHS）；X和Y都是数据库中所有项目的子集[45]。现有研究多利用Apriori算法中的支持度（support）、置信度（confidence）和提升度（lift）3个指标来识别关联规则，具体公式如下：
s u p p o r t ( X → Y ) = P ( X ⋃ Y ) = C o u n t ( X ⋃ Y ) N
c o n f i d e n c e X → Y = P Y | X = s u p p o r t X ⋃ Y s u p p o r t X = c o u n t X ⋃ Y c o u n t X
l i f t X → Y = P Y | X P ( Y ) = c o n f i d e n c e X → Y s u p p o r t ( Y )
其中，支持度反映了项目集X和项目集Y在总项目集中的共现频率。置信度反映了在项目集X发生的条件下项目集Y发生的概率。提升度表示包含以项目集X为条件的项目集Y的概率与数据库中项目集Y的概率之比。如果置信度和支持度大于预定的最小阈值，则可以初步确定项目集X和项目集Y之间的强关联规则。但是，只有当提升值大于1时，这种强关联才有效。提升度越高，项目集之间的关联越强[44-45]。本研究利用R语言中的arules程序包挖掘滑雪事故数据的关联规则。

3.3 数据处理过程

由于原始保险案例为非结构化的文本记录数据，研究首先需要进行数据清理，过滤掉与研究对象无关的冗余信息（图1）。其次，研究将保险文本进行分解，将其转化为一个预先设定好的数据框架，包括游客的基本个人信息（性别、年龄、来源地）、损伤事故的时空信息（事故发生日期、时间段、滑雪场位置）、游客信息（损伤类型、损伤原因、损伤部位、严重程度）等，使用这个框架生成结构化数据集。此外，研究进一步对变量的属性维度进行分类。参考中国气象局发布的滑雪天气指数（QX/T 386—2017），将滑雪旅游天气条件分为5种类型，最高温度分为6个区间，风级分为4个等级。参照《山地滑雪场质量旅游产业标准等级划分》（LB/T 037—2014），设置初级滑雪场斜坡安全阈值为10度，并进行二值化分类。根据已有的滑雪损伤文献中的分类标准，将损伤部位和损伤类型分别划分为6个属性维度和8个属性维度[16,18,27,29,46]。根据国际简明损伤定级标准（Abbreviated Injury Scale, AIS）和保险案例中的赔偿金额，将游客滑雪损伤严重程度分为4级[47-48]。最后，将结构化数据集导入R语言程序进行关联规则分析。游客滑雪损伤关联规则挖掘主要分为以下4个步骤：关联规则学习的建模，频繁项集的生成，强关联规则的生成，强关联规则的分析。
图1 关联规则数据挖掘框架

Fig.1 Association rule data mining framework

4 结果分析

4.1 样本描述性统计

对823起游客滑雪损伤样本进行描述性统计分析，统计结果见表1、表2和表3。
表1 人口特征、外部环境变量描述性统计

Tab. 1 Descriptive statistics of demographic characteristics and external environmental variables

类型 变量 属性 频数 百分比/% 类型 变量 属性 频数 百分比/%
人口特征 性别 男性 384 46.66 外部环境 天气条件 多云 184 22.36
女性 439 53.34 阴天 99 12.03
年龄 0~14岁 40 4.86 小雪 103 12.51
15~29岁 303 36.82 中雪 75 9.11
30~44岁 234 28.43 大雪 85 10.33
45~59岁 163 19.80 最高气温 低于-18℃ 133 16.16
60岁及以上 83 10.09 -18℃~-13℃ 139 16.89
客源地 北方地区 230 27.95 -13℃~-8℃ 164 19.93
南方地区 593 72.05 -8℃~-3℃ 190 23.08
外部环境 时间段 7:00—9:00 73 8.87 -3℃~2℃ 138 16.77
9:00—11:00 134 16.28 2℃及以上 59 7.17
11:00—13:00 155 18.83 风力 低于2级 183 22.24
13:00—15:00 212 25.76 2级~3级 316 38.40
15:00—17:00 249 30.26 3级~4级 218 26.49
日期 工作日 324 39.37 5级或以上 106 12.88
节假日 499 60.63 初级道坡度 低于10度 501 60.87
天气条件 晴天 277 33.66 10度或以上 322 39.12
表2 游客损伤变量描述性统计

Tab. 2 Descriptive statistics of tourist injury variables

变量 属性 频数 百分比/% 变量 属性 频数 百分比/%
损伤原因 摔倒 453 55.04 损伤部位 头/脸/颈 134 16.28
碰撞障碍物 73 8.87 躯干 85 10.33
碰撞滑雪者 131 15.92 上肢 211 25.64
非接触损伤 160 19.44 下肢 276 33.54
突发疾病 6 0.73 脊柱 67 8.14
损伤类型 擦伤/挫伤/划伤 73 8.87 损伤程度 多重部位 50 6.08
脑震荡 80 9.72 轻度损伤 230 27.95
内脏破裂 40 4.86 中度损伤 213 25.88
骨折 418 50.79 重度损伤 190 23.09
脱臼 6 0.73 严重损伤 190 23.09
拉伤 78 9.48
扭伤 122 14.82
心脑血管疾病 6 0.73
表3 损伤部位详细统计

Tab. 3 Detailed statistics of injury positions

损伤身体部位 位置 频数 百分比/% 损伤身体部位 位置 频数 百分比/%
头/脸/颈（16.28 %） 头部 86 10.45 躯干（10.33 %） 腹部 7 0.85
脸部 40 4.86 骨盆 4 0.49
颈部 8 0.97 背部 9 1.09
上肢（25.64 %） 肩部/锁骨 39 4.74 胸腔 28 3.40
手臂 74 8.99 腰部 37 4.50
手腕 44 5.35 脊柱（8.14 %） 颈椎 16 1.94
手掌/手指 54 6.56 胸椎 6 0.73
下肢（33.54 %） 臀部/腹股沟 8 0.97 腰椎 19 2.31
大腿/小腿 99 12.03 尾椎 26 3.16
膝盖 71 8.63 多重部位（6.08 %） 多部位 50 6.08
踝关节 52 6.32
脚掌/脚趾 46 5.59
（1）在人口特征变量方面，滑雪运动中女性与男性游客的损伤率占比分别为53.34%与46.66%；15~44岁年龄段游客滑雪损伤占总数比重的65.25%，其中15~29岁年龄段的游客占比达到36.82%；从游客来源地来看，南方游客与北方游客分别占比72.05%与27.95%；在外部环境方面，游客节假日与工作日滑雪损伤分别占比60.63%和39.37%，下午13:00—15:00时间段游客损伤达到25.76%，晴朗天气和多云天气下游客滑雪损伤占比分别为33.66%和22.36%，最高气温在-8℃~-3℃或风力在2~3级时游客损伤事故发生率占比最高，分别达到23.08%和38.40%，当初级滑雪坡道在低于10度时滑雪损伤事故占比达到60.9%。
（2）在游客损伤变量方面，①从损伤原因来看，摔倒是导致滑雪损伤最常见的因素（55.04%），非接触性损伤（即非外力作用损伤，主要为身体姿势不正确、技术不熟练或力量控制不当等造成的身体脆弱部位超负荷损伤）是游客致伤的第二大原因，占比达到19.44%。游客与其他滑雪者碰撞和与静止障碍物（包括树木、石块、电缆和护栏等）碰撞分别占15.92%和8.87%。此外，有6人在滑雪过程中心脑血管疾病突然发作。②从损伤类型来看，骨折和脱臼造成的骨骼和关节损伤占比分别达到50.79 %和0.73%，拉伤、扭伤引起的肌肉和软组织损伤分别占9.48%和14.82%，脑震荡所致脑损伤和内脏破裂所致脏器损伤分别占9.72%和4.86%，挫伤、擦伤和划伤所致皮肤损伤占8.87%。③从损伤程度来看，轻度损伤（27.95 %）和中度损伤事故（25.88 %）的发生率要略高于重度损伤（23.09 %）和严重损伤（23.09%），总体来看，4种损伤程度的分布差异不大。④从损伤部位来看，损伤频率最高的部位为下肢（33.54%），下肢中最脆弱的位置是大腿/小腿（12.03%），而膝关节损伤（8.63%）在下肢损伤中的比例也较高，这3个部位是滑雪运动的主要发力部位，具有较高的受伤风险。上肢损伤占比25.64%，其中，手臂和手掌/手指位置相对脆弱，滑雪者摔倒后主要以手部触地支撑，因此这些上肢部位受伤风险相对较高。头/面/颈（16.28%）部位中最易受伤的部位为头部（10.45%），这种损伤多为游客摔倒后头部直接着地情况下发生。躯干（10.33%）中最易受伤的部位为腰部（4.50%），以游客在滑雪中失去平衡扭伤造成为主。脊柱（8.14%）中最易受伤的部位为腰椎（2.31%）和尾椎（3.16%），通常由于游客向后摔倒引起。

4.2 关联规则生成

由于描述性统计分析只统计变量出现的频率，因此有必要进一步探讨变量之间的关联关系。首先，使用R软件包中的Apriori算法，生成旅游滑雪事故数据中的人口特征、外部环境、损伤原因和损伤特征等变量之间的关联规则，并利用arulesViz包进行关联规则可视化，分别设置最小支持度和最小置信度为0.05和0.2。如图2散点图显示，所有变量之间共生成了9 319条关联规则，且大多数关联规则的支持度都在0.4以下，说明在整个项目集中频繁出现的关联项目集较少。所有关联规则的置信度在0.2~1.0之间，其中，52.3%的关联规则置信度大于0.5，说明LHS的出现会增加大多数关联规则中出现RHS的概率。然而，39.2%的关联规则的提升值大于1，说明很多规则不能满足提升值大于1的约束。因此，需要对这些规则进行更加细致的解释，进一步挖掘核心规则。其次，研究还重点分析了游客滑雪损伤原因与损伤特征变量之间的关联关系，并生成了215条关联规则。如图3所示，大多数关联规则的支持度值都在0.2以下，54.5%的关联规则的置信度值大于0.5，66.9%的关联规则的提升值大于1，证明了这些关联规则中LHS对RHS的影响是有效的，因此大多数滑雪游客的损伤原因与损伤特征之间的关联机制可以被清晰地识别出来。
图2 总体规则散点图

Fig. 2 Overall rule scatter plot

图3 游客滑雪损伤规则散点图

Fig. 3 Scatter plot of tourist skiing injury rules

4.3 整体关联规则挖掘

4.3.1 单变量聚类规则

为了揭示人口特征、外部环境与游客损伤变量的关联关系，研究将损伤变量设置为结果（右侧为RHS），将人口特征变量和外部环境变量设置为前因变量（左侧为LHS），根据支持度和置信度判断各变量之间的关联程度，并利用基于聚类算法的分组矩阵图可视化技术，将单变量之间的关联关系直观呈现出来。在图4中，如果图中存在气泡，说明存在“LHS→RHS”的关联规则。浅灰色的气泡表示该组关联规则的提升值较小，深灰色表示该组关联规则的提升值较大。同样，大的气泡表示支持度高的关联规则组，小的气泡表示支持度低的关联规则组。例如，第一个横轴尺度的LHS中“354个规则: {性别= 男性，+16项}”，表示当16个项目集与男性组合出现时，将产生9个游客损伤相关RHS，有354个相似的关联规则。结果表明：（1）在人口统计学特征上，LHS中“性别=男性”的存在显著增加了“损伤原因=碰撞滑雪者”“损伤原因=碰撞障碍物”“损伤部位=脊柱”的发生概率。LHS中“性别=女性”的存在可增加RHS中“损伤类型=扭伤”“损伤原因=非接触性损伤”的发生。LHS中“年龄=15~29岁”的存在显著增加了RHS中“损伤原因=碰撞滑雪者”“损伤部位=多部位”“损伤程度=严重损伤”的发生概率。LHS中“年龄=60岁及以上”的存在显著增加RHS中“损伤原因=跌倒”“损伤类型=骨折”的发生概率。此外，LHS中“来源地=南方地区”与RHS中“损伤原因=摔倒”“损伤部位=下肢”之间的关联规律具有较高的支持度和提升度。（2）从环境特征上看，LHS中“时间段=7:00—9:00”的存在可显著增加RHS中“损伤类型=扭伤”和“损伤类型=拉伤”的发生概率。LHS中“日期=节假日”的出现会显著增加RHS中“损伤原因=碰撞滑雪者”的发生概率。LHS中“天气=大雪”的出现显著增加了RHS中“损伤原因=碰撞滑雪者”“损伤程度=严重损伤”的发生概率。LHS中“温度=-18℃~-13℃”“温度=-18℃以下”“风力=3~4级”的出现均可增加RHS中的“损伤原因=摔倒”的发生概率。LHS中“坡度=10度及以上”与RHS中“损伤原因=摔倒”“损伤程度=严重损伤”的关联规则具有较高的支持度和提升度。
图4 单变量分组矩阵图

Fig. 4 Single variable grouping matrix diagram

4.3.2 多变量强关联规则选择

在大型关联规则数据库中，大多数规则展示的是LHS中多个变量与RHS中单个变量之间的关系。为了揭示滑雪损伤的复杂诱因和多重损伤特征机制，研究对多变量的组合关联关系进行了探索。由于Apriori算法初步生成的关联规则项目集具有冗余性特点，利用规则包中的inspect函数提取出提升度大于1的强关联规则，并选取具有典型特征且具有实际意义的规则进行分析（表4），从这些规则中可以提取出以下规律。
表4 多变量的强关联规则

Tab. 4 Strong association rules for multi-variables

规则 前项
LHS		 后项
RHS		 支持度Supp 置信度
Conf		 提升度
Lift
R1 {温度=-18℃~-13℃，风力= 3~4级} {损伤原因=摔倒} 0.097 0.779 2.343
R2 {性别=女性，年龄=60岁及以上，客源地=南方地区} {损伤原因=摔倒} 0.101 0.613 2.401
R3 {性别=女性，年龄=45~59岁，客源地=南方地区，
温度=低于-18℃，风力=5级及以上}		 {损伤原因=摔倒} 0.076 0.700 2.550
R4 {性别=男性，年龄=15~29岁，天气=阴天} {损伤原因=碰撞滑雪者} 0.054 0.370 2.056
R5 {性别=男性，年龄=15~29岁，日期=节假日} {损伤原因=碰撞滑雪者} 0.096 0.397 2.207
R6 {日期=节假日，天气=大雪，滑雪坡度=10度及以上} {损伤原因=碰撞滑雪者} 0.061 0.414 2.301
R7 {性别=男性，年龄=15~29岁，客源地=南方地区} {损伤原因=碰撞障碍物} 0.065 0.303 2.682
R8 {滑雪坡度=10度及以上，天气=大雪，时间段=15:00—17:00} {损伤原因=碰撞障碍物} 0.051 0.296 2.645
R9 {年龄=60岁及以上，性别=女性，天气=晴天} {损伤原因=非接触性损伤} 0.068 0.261 1.903
R10 {年龄=45~59岁，性别=女性，温度=-8℃~-3℃} {损伤原因=非接触性损伤} 0.062 0.341 2.776
R11 {性别=男性，时间段=7:00—9:00，客源地=南方地区} {损伤类型=拉伤} 0.065 0.256 2.879
R12 {性别=女性，时间段=7:00—9:00，客源地=南方地区} {损伤类型=扭伤} 0.074 0.280 2.166
R13 {年龄=60岁及以上，滑雪坡度=10度及以上} {损伤类型=骨折} 0.057 0.964 1.686
R14 {性别=男性，年龄=15~29岁} {损伤类型=脑震荡} 0.063 0.789 2.815
R15 {性别=男性，年龄=15~29岁} {损伤部位=头/脸/颈} 0.063 0.240 1.471
R16 {性别=女性，年龄=30~44岁，天气=阴天} {损伤部位=上肢} 0.061 0.125 2.128
R17 {性别=男性，温度=-3℃~2℃，天气=小雪} {损伤部位=下肢} 0.052 0.604 1.677
R18 {性别=男性，年龄=15~29岁，滑雪坡度=10度及以上} {损伤部位=脊柱} 0.051 0.296 3.779
R19 {性别=女性，客源地=北方地区，日期=工作日} {损伤程度=轻度损伤} 0.063 0.600 2.382
R20 {滑雪坡度=低于10度，风力=低于2级，天气=晴天} {损伤程度=轻度损伤} 0.051 0.600 2.400
R21 {性别=男性，年龄=15~29岁，客源地=南方地区} {损伤程度=严重损伤} 0.055 0.787 3.320
R22 {滑雪坡度=10度及以上，日期=节假日，时间段=13:00—15:00} {损伤程度=严重损伤} 0.065 0.500 2.107
（1）规则R1、规则R2和规则R3表明，来自中国南方的老年女性游客与滑雪摔倒高度相关。事实上，大部分来自南方地区的游客都是第一次滑雪，缺乏滑雪经验和技巧。此外，女性游客的滑雪控制能力也弱于男性游客，老年游客的运动机能也有所下降，所以他们更容易在滑雪时摔倒。研究还表明，低温大风的滑雪天气与滑雪摔倒有较高的相关性，过低的温度可能导致游客身体僵硬，滑雪动作的协调性下降，强风也会增加游客摔倒的风险。
（2）规则R4、规则R5和规则R7表明，15~29岁的年轻男性游客与碰撞性损伤原因高度相关。年轻游客在滑雪过程中较为大胆和自信，缺乏风险规避意识。同时，男性游客比女性游客更有冒险精神，倾向于保持较快的滑雪速度，因此更有可能在与其他滑雪者或障碍物的碰撞中受伤。
（3）规则R6、规则R8表明，游客在节假日或下午15:00—17:00期间参与滑雪运动时，遭遇大雪天气且初级滑雪坡度为10度及以上时，发生滑雪碰撞的可能性则更大。在节假日期间或下午时段，滑雪场会聚集更多的滑雪者，密集的人流增加了游客与其他滑雪者碰撞的可能性，而大雪天气导致滑雪场较低的能见度，缩短了游客滑雪控制预判时间，这些因素的综合作用提高了游客与其他滑雪者发生碰撞的概率。
（4）规则R9、规则R10表明，中老年女性游客与非接触性损伤高度相关，中老年游客身体协调性下降，肌肉和关节力量减弱，在滑雪运动中即使未受到外力冲击，因身体机能衰退所引发的非接触性损伤风险也较高。规则R11和规则R12显示，在早晨7:00—9:00这一时段，来自南方地区的女性游客发生扭伤、男性游客发生拉伤的可能性上升，南方游客大多缺乏滑雪经验，特别是在早晨参与滑雪运动时未提前热身，常造成滑雪过程中的肌肉和韧带组织的扭伤和拉伤。
（5）规则R13显示，60岁以上的老年游客在坡度较高雪场滑雪时，发生骨折的风险较高。规则R14和规则R15表明年轻男性游客更容易头部损伤，且损伤类型以脑震荡为主。规则R16和规则R17表明，30~44岁的女性游客更容易出现上肢损伤，男性游客在温度-3℃~2℃的小雪天气滑雪易出现下肢损伤。规则R18显示，15~29岁的男性游客在初级坡度为10度及以上的滑雪场滑雪更容易发生脊柱损伤的后项结果。
（6）规则R19和规则R20表明，来自北方地区的女性游客在滑雪过程中受伤程度相对较轻，天气晴朗、风速在2级以下且初级道坡度10度以下的滑雪场，游客损伤的严重程度较低。同时，来自南方地区的15~29岁男性游客与严重损伤的关联程度较高。此外，游客在节假日下午13:00—15:00在初级道10度以上的雪场滑雪时更容易受重伤。

4.4 游客损伤变量关联规则挖掘

4.4.1 滑雪损伤变量内部相关性

本研究进一步利用平行坐标冲积图来可视化游客滑雪损伤变量之间复杂且相互关联的特征。如图5所示，各变量被分配到平行的纵轴上，连线表示变量的同时出现，线的粗细表示规则覆盖情况的数量，相同线的颜色表示从起始点到目标点的路径属于同一情况。主要发现如下：在所有损伤案例中，摔倒是造成上肢和下肢骨折的主要原因，且多为中、重度损伤。摔倒还会导致中度的面部擦伤/挫伤/划伤和严重的头部脑震荡等损伤。此外，躯干（腰部）扭伤等中度损伤也常由摔倒引起，非接触性损伤主要带来轻、中度的扭伤和拉伤，主要的身体受损部位是上肢和下肢，包括手腕、脚踝、大腿、小腿和膝盖。游客碰撞障碍物主要会造成下肢和脊柱的骨折、躯干的内脏破裂、面部的擦伤/挫伤/划伤以及头部脑震荡，且多为严重损伤；游客碰撞其他滑雪者主要造成上肢、下肢、脊柱及身体多部位的骨折，以及面部的擦伤/挫伤/划伤和头部脑震荡，且多为严重损伤；此外，剧烈的滑雪运动也会诱发游客心脑血管疾病（脑溢血、心脏病）等既有疾病的突然发作，常见的损伤部位为头部和躯干，且损伤程度一般较为严重。
图5 游客损伤变量平行坐标冲积图

Fig. 5 Parallel coordinate impulse plot of tourist injury variables

4.4.2 游客损伤变量强关联规则选择

为了揭示游客滑雪损伤变量（损伤严重程度、损伤原因、损伤类型和损伤部位）之间的内在关联规律，研究将损伤严重程度定义为RHS，其他损伤变量定义为LHS。通过设置提升度阈值对结果进行过滤，得到一系列具有统计意义的强关联规则（表5）。
表5 旅游者伤害变量的强关联规则

Tab. 5 Strong association rules for tourist injury variables

规则 前项
LHS		 后项
RHS		 支持度Supp 置信度Conf 提升度Lift
R23 {损伤原因=非接触性损伤，损伤类型=拉伤，损伤部位=下肢} {损伤程度=轻度损伤} 0.076 0.965 3.586
R24 {损伤原因=非接触性损伤，损伤类型=扭伤，损伤部位=上肢} {损伤程度=轻度损伤} 0.065 0.750 2.690
R25 {损伤原因=非接触性损伤，损伤类型=扭伤} {损伤程度=轻度损伤} 0.088 0.960 3.443
R26 {损伤原因=摔倒，损伤类型=擦伤/挫伤/划伤，损伤部位=头/脸/颈} {损伤程度=中度损伤} 0.053 0.921 3.643
R27 {损伤类型=扭伤，损伤部位=躯干} {损伤程度=中度损伤} 0.051 0.685 2.528
R28 {损伤原因=摔倒，损伤类型=拉伤，损伤部位=下肢} {损伤程度=中度损伤} 0.051 0.629 1.882
R29 {损伤原因=摔倒，损伤类型=骨折，损伤部位=下肢} {损伤程度=重度损伤} 0.093 0.678 1.768
R30 {损伤原因=摔倒，损伤类型=骨折，损伤部位=上肢} {损伤程度=重度损伤} 0.091 0.668 1.750
R31 {损伤原因=摔倒，损伤类型=脑震荡，损伤部位=头/脸/颈} {损伤程度=重度损伤} 0.054 0.694 1.296
R32 {损伤原因=碰撞滑雪者，损伤类型=骨折，损伤部位=多部位} {损伤程度=严重损伤} 0.068 0.964 4.063
R33 {损伤原因=碰撞障碍物，损伤类型=内脏破裂，损伤部位=躯干} {损伤程度=严重损伤} 0.051 0.714 4.229
R34 {损伤原因=碰撞滑雪者，损伤类型=骨折} {损伤程度=严重损伤} 0.089 0.647 2.761
R35 {损伤部位=头/脸/颈，损伤类型=脑震荡} {损伤程度=严重损伤} 0.051 0.667 3.844
R36 {损伤类型=骨折，损伤部位=脊柱} {损伤程度=严重损伤} 0.059 0.869 4.378
（1）规则R23和规则R24表明，非接触性损伤引起的下肢拉伤和非接触性损伤引起的上肢扭伤与轻度损伤具有统计学上的显著相关性。规则R25表明，非接触性损伤引起的扭伤多为轻度损伤，该规则的支持度达到0.088，高支持度反映了该规则在事务集中出现的频率较高，由此可见，滑雪游客在非外力作用下的损伤程度普遍较轻。
（2）规则R26、规则R27和规则R28识别了导致游客滑雪中度损伤的3种损伤机制，包括由摔倒引起的面部、头部和颈部的擦伤/挫伤/划伤、由非接触性损伤引起的腰部扭伤以及由摔倒引起下肢（大腿、小腿和膝盖）拉伤。
（3）规则R29和规则R30表明，滑雪摔伤引起的上肢、下肢骨折与重度损伤密切相关，这两类规则的支持度高达0.093和0.091，这说明游客滑雪摔伤导致上肢和下肢发生骨折后的伤势普遍较重。规则R31显示，游客滑雪摔伤后也会造成头部脑震荡，游客在高速运动下头部着地会承受巨大冲击，进而给游客脑部造成重大损伤。
（4）规则R32和规则R34表明，碰撞其他滑雪者通常造成游客身体骨折，损伤部位存在于滑雪者身体多处位置，且给游客带来较为严重的损伤。规则R33表明，碰撞障碍物（包括树木、石头、电梯塔、护栏等）会导致游客内脏破裂，正面撞击力会直接传输到滑雪游客的上半身躯干部位，从而带来较为严重的身体损伤。规则R32、规则R33和规则R34这3条规则揭示了碰撞类滑雪伤害与滑雪摔倒等其他滑雪损伤原因相比，造成的后果严重程度往往更高。此外，规则R35和规则R36的提升度也高达3.844和4.378，这两条规则揭示了游客头部脑震荡和脊柱骨折是最具破坏性的滑雪损伤，严重的脑震荡会导致滑雪者陷入休克或昏迷，脊柱骨折则会导致永久瘫痪。因此，需要特别注意避免这两类游客滑雪损伤模式的发生。

5 结论与讨论

（1）本研究基于旅游保险数据和Apriori关联规则算法，揭示了中国游客滑雪损伤特征与成因机制。通过与国际滑雪旅游研究对比发现，国际成熟市场对于游客滑雪损伤特征的研究结果与本研究结果具有一致性。例如，Ruedl等[36]发现骨折和脑震荡是滑雪损伤的主要类型，天气状况会影响游客滑雪的损伤程度。Mauritz等[37]发现奥地利滑雪损伤游客的平均年龄较低，游客头部创伤的严重程度较高。这表明国际成熟市场游客的一些损伤模式同样适用于中国游客群体，新兴市场游客滑雪伤害的预防可以借鉴国际休闲滑雪游客损伤的相关研究成果。本研究有助于加深对于游客滑雪损伤典型特征和机制的理论认识，同时从损伤原因、损伤类型、损伤部位、损伤程度、人口特征与外部环境等多维度视角考虑游客滑雪损伤问题，进一步丰富和拓展了旅游者滑雪安全研究的理论分析框架。
（2）本研究也发现了游客群体在中国这个新兴的滑雪旅游市场中的一些独特的滑雪损伤特征。例如，研究发现来自中国南方地区的游客比来自北方的游客更容易与严重损伤关联。中国90%的滑雪胜地位于北方地区[49]，来自南方的游客很少接触到滑雪，对滑雪的风险知之甚少，这使得他们更容易发生严重的旅游滑雪损伤。同时，与国际滑雪游客损伤研究结果相比[36]，中国游客因碰撞造成的损伤占比更高，这可能是因为大多数中国游客都是初学者，滑雪时身体发力和刹车转向的控制能力较弱[11]。此外，国外研究指出雪崩和季节性流感也会威胁到游客滑雪安全，然而这些影响因素在保险案例数据挖掘分析中并未被检测到。本研究对中国游客在滑雪中的损伤特征和成因机制的异质化探索，巩固了来自不同数据源游客滑雪损伤的研究发现，填补了中国游客滑雪损伤特征与机制研究的理论空白，为理解不同市场背景下旅游者滑雪安全管理的特点和需求提供了新的理论支撑。
（3）本研究识别了大量游客滑雪损伤的关联规则，发现人口特征、外部环境和游客损伤等内外部变量间存在多样化的关联关系，这表明在新兴滑雪市场中游客滑雪损伤模式特征具有复杂性。现有研究主要采用logistic回归方法分析滑雪损伤的影响因素[16,25]，由于这些方法需要使用指定函数和固定因变量，只能探究预设变量之间的因果关系，这导致所识别的变量之间的相关信息量非常有限。相比之下，本研究采用关联规则算法全面检测了外部环境、人口特征和游客损伤变量等所有潜在未知关系，并且探测了变量之间的交互作用和组合关联影响。例如，传统研究分析了降雪对损伤严重程度有影响[48]，以及滑雪坡度对滑雪骨折的影响作用[50]，而本研究发现来自中国南方的老年女性游客与滑雪摔倒高度相关，当节假日发生大雪，且游客滑行在坡度超过10度的雪场时，更容易发生碰撞损伤，当游客脊柱骨折或头部脑震荡，损伤程度最为严重。从复杂性理论的视角，本研究揭示了游客不同滑雪损伤模式背后引致路径的多样性和复杂性，相关结论弥补了传统回归方法在识别滑雪损伤多因素潜在交互关系方面的不足。强关联规则所揭示的多元滑雪损伤路径为制定组合化的预防措施提供了理论支持基础。

6 管理建议

基于从关联规则算法中获得的游客损伤因素间的关联信息，为滑雪旅游产业安全发展的实践提供了如下建议。
（1）应按照不同的游客人口特征采取分类化的安全预防措施。老年游客在参与滑雪活动之前应对其健康状况进行评估，在滑雪过程中需保证合理休息和适度运动，选择易于掌握的平缓坡道，减少滑雪摔倒后骨折的风险。女性游客在滑雪前应做好充分的热身活动，防止非接触性损伤的发生。要重点加强对年轻男性游客滑雪安全教育，提醒其注意周围的环境，不要过度自信而过快速度滑行，避免碰撞事故造成的脑震荡和脊髓损伤。对于第一次体验滑雪的南方游客，建议其预订滑雪课程或聘请专业的滑雪教练进行指导，更加安全地掌握滑雪运动的规则和技巧。
（2）需加强对滑雪场环境风险的安全管控。滑雪场在节假日或下午15:00—17:00人流高峰期，要严格监控场内客流密度，防止因滑雪拥挤而引发碰撞事故。滑雪场应建立大雪、低温和大风天气监测系统，加强恶劣天气的预警预报和巡逻救援工作，并为缺乏经验的游客建造较缓和的初级滑道。
（3）应根据游客滑雪损伤的特征机制采取针对性干预措施。对于膝盖、头部和颈椎等高危身体损伤部位，游客需佩戴适当的防护装备，如头盔、护膝和护肘等，以提供额外的安全保护。同时，考虑到碰撞致伤比摔倒致伤造成的伤害程度更高，初学游客需先掌握刹车和转向操作后再上滑道，以便能及时减速停止或避开障碍物。此外，考虑到滑雪摔伤的高频性及其导致的损伤类型和部位的复杂性，游客在滑雪训练中需要掌握正确的摔倒姿势，以使得身体承受的伤害最小化并保护肢体免受二次伤害。
（4）应建立保险保障机制转移游客滑雪损伤风险。各滑雪场和旅行社应与保险公司合作，针对不同滑雪性别、年龄和经验程度的游客群体推出多样化的保险计划，强化对于初学者、高风险群体的旅游意外保险的供给，确保保险项目涵盖滑雪活动中可能发生的各类意外伤害，包括骨折、拉伤和脑震荡等。应丰富保险保障的责任范围，包括紧急救援、医疗费用、康复治疗等方面的支持。加强对保险产品特点和作用的宣传，提高游客风险转移意识和自我保护意识。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
景俊海. 冰天雪地也是金山银山[J]. 求是, 2022(3): 44-49.

[Jing Junhai. Ice and snow are also mountains of gold and silver[J]. Qiushi, 2022(3): 44-49.]

[2]
新华社. 推动冰雪运动可持续发展, 为体育强国和健康中国建设做出新贡献: 访国家体育总局新闻发言人[EB/OL]. (2022-01-19). https://www.gov.cn/xinwen/2022-01/19/content_5669288.htm.

[Xinhua News Agency. Promoting the sustainable development of ice and snow sports and making new contributions to the construction of a sports strong country and a healthy China: Interview with the spokesperson of the general administration of sport of China[EB/OL]. (2022-01-19). https://www.gov.cn/xinwen/2022-01/19/content_5669288.htm.]

[3]
伍斌. 2021—2022年中国滑雪产业白皮书[R/OL]. (2022-08-01). http://www.esnow.com.cn/news/3059.html.

[Wu Bin. 2021-2022 China ski industry white paper[R/OL]. (2022-08-01). http://www.esnow.com.cn/news/3059.html.]

[4]
魏德样, 雷雯. 中国滑雪旅游信息流特征及市场开发策略研究: 基于百度指数的分析[J]. 北京体育大学学报, 2022, 45(7): 82-94.

[Wei Deyang, Lei Wen. Research on the characteristics of ski tourism information flow and market development strategy in China: An analysis based on Baidu index[J]. Journal of Beijing Sport University, 2022, 45(7): 82-94.]

[5]
黄锐, 谢朝武, 方雪. 中国冰雪旅游安全事故结构特征及引致因素[J]. 华侨大学学报(哲学社会科学版), 2021(6): 43-57.

[Huang Rui, Xie Chaowu, Fang Xue. Structural characteristics and causative factors of safety accidents in China’s ice-snow tourism[J]. Journal of Huaqiao University (Philosophy & Social Sciences), 2021(6): 43-57.]

[6]
Xiang H Y, Kelleher K, Shields B J, et al. Skiing- and snowboarding-related injuries treated in U.S. emergency departments, 2002[J]. The Journal of Trauma: Injury, Infection, and Critical Care, 2005, 58(1): 112-118.

DOI

[7]
Dickson T J, Terwiel F A. Head injury and helmet usage trends for alpine skiers and snowboarders in western Canada during the decade 2008-9 to 2017-18[J]. Journal of Science and Medicine in Sport, 2021, 24(10): 1004-1009.

DOI PMID

[8]
Sakamoto Y, Sakuraba K. Snowboarding and ski boarding injuries in Niigata, Japan[J]. The American Journal of Sports Medicine, 2008, 36(5): 943-948.

DOI PMID

[9]
Corra S, Conci A, Conforti G, et al. Skiing and snowboarding injuries and their impact on the emergency care system in South Tyrol: A restrospective analysis for the winter season 2001-2002[J]. Injury Control and Safety Promotion, 2004, 11(4): 281-285.

DOI

[10]
Ruedl G, Bilek H, Ebner H, et al. Fatalities on Austrian ski slopes during a 5-year period[J]. Wilderness & Environmental Medicine, 2011, 22(4): 326-328.

[11]
王静, 田慧. 日本滑雪产业发展经验与启示[J]. 体育文化导刊, 2019(11): 104-109.

[Wang Jing, Tian Hui. Experience of Japanese ski industry and enlightenment to China[J]. Sports Culture Guide, 2019(11): 104-109.]

[12]
Fang Y, Scott D, Steiger R. The impact of climate change on ski resorts in China[J]. International Journal of Biometeorology, 2021, 65(5): 677-689.

DOI

[13]
Ogawa H, Sumi H, Sumi Y, et al. Skill level-specific differences in snowboarding-related injuries[J]. The American Journal of Sports Medicine, 2010, 38(3): 532-537.

DOI PMID

[14]
Wang X H, Zhang J J, Song G D, et al. Push and pull factors influencing the winter sport tourists in China: The case of leisure skiers[J]. SAGE Open, 2020, 10(2): 215824402093873.

[15]
Franz T, Hasler R M, Benneker L, et al. Severe spinal injuries in alpine skiing and snowboarding: A 6-year review of a tertiary trauma centre for the Bernese Alps ski resorts, Switzerland[J]. British Journal of Sports Medicine, 2007, 42(1): 55-58.

DOI

[16]
Carús L, Escorihuela M. Epidemiology of feature-specific injuries sustained by skiers in a snow park[J]. Wilderness & Environmental Medicine, 2016, 27(3): 415-420.

[17]
Dickson T J, Terwiel F A. Injury trends in alpine skiing and a snowboarding over the decade 2008-09 to 2017-18[J]. Journal of Science and Medicine in Sport, 2021, 24(10): 1055-1060.

DOI PMID

[18]
杨渝平, 马骁, 陈拿云, 等. 中国崇礼某大型雪场大众滑雪者损伤情况分析[J]. 北京大学学报(医学版), 2021, 53(2): 273-278.

[Yang Yuping, Ma Xiao, Chen Nayun, et al. Analysis of the mass skiers’ injury in a large ski resort in Chongli, China[J]. Journal of Peking University (Health Sciences), 2021, 53(2): 273-278.]

[19]
叶茂盛, 刘波, 沐玲, 等. 中国大众滑雪伤害事故中的滑雪场责任研究: 基于191个司法案例[J]. 武汉体育学院学报, 2020, 54(9): 42-49.

[Ye Maosheng, Liu Bo, Mu Ling, et al. Liability of ski resort in skiing injury accidents in China based on 191 cases[J]. Journal of Wuhan Institute of Physical Education, 2020, 54(9): 42-49.]

[20]
Bentley T A, Page S J. Scoping the extent of adventure tourism accidents[J]. Annals of Tourism Research, 2001, 28(3): 705-726.

DOI

[21]
Niedermeier M, Ruedl G, Burtscher M, et al. Injury-related behavioral variables in alpine skiers, snowboarders, and ski tourers: A matched and enlarged re-analysis[J]. International Journal of Environmental Research and Public Health, 2019, 16(20): 3807.

DOI

[22]
Höller P. Avalanche accidents and fatalities in Austria since 1946/47 with special regard to tourist avalanches in the period 1981/82 to 2015/16[J]. Cold Regions Science and Technology, 2017, 144: 89-95.

DOI

[23]
Ruedl G, Pocecco E, Kopp M, et al. Frequencies of injuries and causes of accidents during ski touring on ski slopes: A pilot study[J]. Sportverletzung Sportschaden: Organ Der Gesellschaft Fur Orthopadisch-Traumatologische Sportmedizin, 2015, 29(1): 46-50.

[24]
Han X, Jia L A. Safety and prevention of sports injuries in popular ice and snow sports[J]. Revista Brasileira De Medicina Do Esporte, 2023, 29: 1-4.

[25]
Basques B A, Gardner E C, Samuel A M, et al. Injury patterns and risk factors for orthopaedic trauma from snowboarding and skiing: A national perspective[J]. Knee Surgery, Sports Traumatology, Arthroscopy, 2018, 26(7): 1916-1926.

DOI

[26]
Hume P A, Lorimer A V, Griffiths P C, et al. Recreational snow-sports injury risk factors and countermeasures: A meta-analysis review and haddon matrix evaluation[J]. Sports Medicine, 2015, 45(8): 1175-1190.

DOI PMID

[27]
Major D H, Steenstrup S E, Bere T, et al. Injury rate and injury pattern among elite World Cup snowboarders: A 6-year cohort study[J]. British Journal of Sports Medicine, 2014, 48(1): 18-22.

DOI PMID

[28]
Ekeland A, Rødven A, Heir S. Injuries among children and adults in alpine skiing and snowboarding[J]. Journal of Science and Medicine in Sport, 2019, 22: 3-6.

[29]
Basques B A, Gardner E C, Samuel A M, et al. Injury patterns and risk factors for orthopaedic trauma from snowboarding and skiing: A national perspective[J]. Knee Surgery, Sports Traumatology, Arthroscopy, 2018, 26(7): 1916-1926.

DOI

[30]
Marshall J L, Johnson R J. Mechanisms of the most common ski injuries[J]. The Physician and Sportsmedicine, 1977, 5(12): 49-54.

DOI PMID

[31]
Yang Y P, Kong S M, Deng J, et al. Comparison of acute sports injury between recreational skiers and skiers[J]. Journal of Peking University Health Sciences, 2021, 53(5): 838-842.

[32]
Chen N, Yang Y P, Jiang Y F, et al. Injury patterns in a large-scale ski resort in the host city of 2022 Winter Olympic Games: A retrospective cross-sectional study[J]. BMJ Open, 2020, 10(11): e037834.

DOI

[33]
Castellani C, Singer G, Eibisberger M, et al. An epidemiologic analysis of winter sport accidents on ski slopes comparing two seasons[J]. The Journal of Sports Medicine and Physical Fitness, 2019, 59(4): 648-654.

DOI PMID

[34]
Haaland B, Steenstrup S E, Bere T, et al. Injury rate and injury patterns in FIS World Cup Alpine skiing (2006-2015): Have the new ski regulations made an impact?[J]. British Journal of Sports Medicine, 2016, 50(1): 32-36.

DOI PMID

[35]
Pierpoint L A, Kerr Z Y, Crume T L, et al. A comparison of recreational skiing- and snowboarding-related injuries at a Colorado ski resort, 2012/13-2016/17[J]. Research in Sports Medicine, 2020, 28(3): 413-425.

DOI PMID

[36]
Ruedl G, Bauer R, Pfanner M, et al. Ursachen und risikofaktoren von verletzungen im skiurlaub[J]. Deutsche Zeitschrift Für Sportmedizin, 2013, 64(2): 52-56.

[37]
Mauritz W, Brazinova A, Majdan M, et al. Hospital admissions for traumatic brain injury of Austrian residents vs. of visitors to Austria[J]. Brain Injury, 2014, 28(10): 1295-1300.

DOI PMID

[38]
Zweifel B, Haegeli P. A qualitative analysis of group formation, leadership and decision making in recreation groups traveling in avalanche terrain[J]. Journal of Outdoor Recreation and Tourism, 2014, 5: 17-26.

[39]
Komarov A Y, Seliverstov Y G, Glazovskaya T G, et al. Risk assessment in the North Caucasus ski resorts[J]. Natural Hazards and Earth System Sciences, 2016, 16(10): 2227-2234.

[40]
Valette M, Mosnier A, Cohen J M, et al. Impact of tourism on the epidemiology of influenza in the ski resorts of the French Alps[J]. International Congress Series, 2004, 1263: 376-380.

DOI

[41]
Mueller T, Ruedl G, Ernstbrunner M, et al. A prospective injury surveillance study on ski touring[J]. Orthopaedic Journal of Sports Medicine, 2019, 7(9):1-7

[42]
Montella A. Identifying crash contributory factors at urban round abouts and using association rules to explore their relationships to different crash types[J]. Accident Analysis & Prevention, 2011, 43(4): 1451-1463.

DOI

[43]
Liao C W, Perng Y H. Data mining for occupational injuries in the Taiwan construction industry[J]. Safety Science, 2008, 46(7): 1091-1102.

DOI

[44]
Huang C H, Hu S P. Factors correlation mining on maritime accidents database using association rule learning algorithm[J]. Cluster Computing, 2019, 22(2): 4551-4559.

DOI

[45]
Atsa’am D D, Wario R. Association rules on the COVID-19 variants of concern to guide choices of tourism destinations[J]. Current Issues in Tourism, 2022, 25(10): 1536-1540.

DOI

[46]
Siesmaa E J, Clapperton A J, Twomey D. Hospital-treated snow sport injury in victoria, Australia: A summary of 2003-2012[J]. Wilderness & Environmental Medicine, 2018, 29(2): 194-202.

[47]
Greenspan L, McLellan B A, Greig H. Abbreviated injury scale and injury severity score: A scoring chart[J]. Journal of Trauma & Acute Care Surgery, 1985, 25(1): 60-64.

[48]
Moore S J, Knerl D. Let it snow: How snowfall and injury mechanism affect ski and snowboard injuries in Vail, Colorado, 2011-2012[J]. The Journal of Trauma and Acute Care Surgery, 2013, 75(2): 334-338.

DOI

[49]
孙双明, 刘波, 郭振, 等. 改革开放以来中国滑雪场空间分布特征演变及影响因素研究[J]. 沈阳体育学院学报, 2019, 38(6): 8-15.

DOI

[Sun Shuangming, Liu Bo, Guo Zheng, et al. Evolution of spatial distribution characteristics and influencing factors of skiing resorts in China since reform and opening up[J]. Journal of Shenyang Sport University, 2019, 38(6): 8-15.]

DOI

[50]
Ishimaru D, Matsumoto K, Ogawa H, et al. Characteristics and risk factors of spinal fractures in recreational snowboarders attending an emergency department in Japan[J]. Clinical Journal of Sport Medicine, 2016, 26(5): 405-410.

DOI PMID

Options
文章导航

/

〈 〉