Métodos para la monitorización de la carga de trabajo

Actualmente existen diferentes métodos para la monitorización de la carga de trabajo en los deportes de equipo, aunque la validez de estos no ha sido investigada adecuadamente. En el año 2017 se publicó una declaración de consenso en la que Bourdon et al. [1] publicaron una tabla en la que se recoge de forma resumida los métodos para el control de la carga de trabajo, el coste, la necesidad de hardware y/o software, la validez, la fiabilidad, las variables que mide, etc. (ver Imagen 4). Actualmente, la mayoría de estos métodos se deben al gran desarrollo en el campo de la tecnología de los últimos años. En las siguientes líneas nos detendremos en aquellos métodos que son utilizados en la actualidad en el control de la carga de trabajo en los deportes de equipo.
Podemos obtener datos de la carga de trabajo a través de tres métodos diferentes: a) la observación directa; b) cuestionarios y diarios retrospectivos; c) la monitorización física y fisiológica durante el esfuerzo.
 
notion image
Imagen 4. Métodos de cuantificación de la carga [1].
 

Métodos para monitorizar la demanda física: sistemas de tracking en vídeo, sistemas de geolocalización y acelerometría

Sistemas de tracking en vídeo

En la década pasada los investigadores encontraban pocas maneras para cuantificar la demanda física en los deportes de equipo, la más extendida era el sistema de tracking por vídeo [35]. Este tipo de análisis permitiría cuantificar principalmente el número de acciones que ocurren en el campo o pista, como podría ser, en el caso del baloncesto, mantenerse de pie, caminar, correr, realizar un sprint, saltos, cambios de dirección, etc., además las habilidades técnicas del deporte, como los pases, lanzamientos a canasta, dribbling, bloqueos, etc. [36]
Posteriormente aparecieron diferentes softwares que permitían realizar seguimiento de trayectorias y además cuantificar la variación de puntos de referencia. Esto supuso un paso importante en la cuantificación de la demanda física, pudiendo registrar la distancia total recorrida por tarea, entrenamiento o competición.
Este método sigue utilizándose en la actualidad por ser un método económico, pero la realidad es que requiere de una gran cantidad de tiempo para obtener datos que los sistemas de geolocalización y acelerometría aportan en tiempo real. El vídeo permite a los staffs llevar a cabo especialmente análisis de carácter cualitativo en relación con el juego de los equipos.

Sistemas de geolocalización: GNSS/GPS y LPS

El desarrollo de microsensores en los últimos años ha permitido determinar la exigencia del entrenamiento o la competición a través de los sistemas de geolocalización y acelerometría, los cuales presentan como ventaja la necesidad de dedicar menos tiempo al análisis del evento registrado [37]. Entre los sistemas de geolocalización diferenciaremos dos sistemas: A) GNSS/GPS (Global Navigation Satellite System/Global Positioning System), el cual es el método para la cuantificación de la demanda física en los deportes outdoor o de campo abierto por excelencia [38–40]; B) LPS (Local Positioning System), método de posicionamiento local ideal para la localización en entornos pequeños y acotados [41].
Para entender los sistemas de geolocalización debemos saber que la principal variable medida por estos sistemas es la distancia, la cual se calcula por diferenciación posicional. En el caso de la velocidad, esta podría derivarse de la distancia y el tiempo transcurrido entre un registro y el siguiente. A pesar de esto, los sistemas de posicionamiento calculan esta variable a partir del efecto Doppler, esto aporta una mayor precisión del dato. Este efecto se basa en registrar el cambio de frecuencia aparente de una onda producida por el movimiento relativo de la fuente respecto a su observador.
Posteriormente, la aceleración producida es derivada de la velocidad. El ruido inherente de la señal se procesa a través del software del fabricante. Este suavizado del ruido varía entre las marcas, e incluso puede variar con las actualizaciones de software y/o firmware, por lo que, a pesar de que comienzan a publicarse un mayor número de artículos con esta tecnología [38,42,43], se debe tener cuidado con la interpretación de los datos, ya que muchas de las marcas no facilitan el método de filtrado, pudiéndonos encontrar que una actualización modifique de manera importante los registros de una sesión a la otra. Sería necesario realizar una validación rigurosa e independiente por cada nuevo hardware y versión de software [44].
El sistema de GNSS/GPS consiste en un total de 27 satélites que orbitan alrededor del planeta equipados con relojes atómicos. Estos satélites envían información de forma continua, que es recibida por los receptores en la superficie terrestre y, utilizando estas señales, calculan la distancia al satélite. Se necesita de cuatro satélites para generar información precisa sobre la latitud, longitud y altitud del receptor GPS.
Aunque cuatro satélites son el número mínimo teórico necesario para triangular la posición de un receptor de GPS, existe una correlación negativa moderada entre el error de distancia total (es decir, la diferencia entre la distancia registrada y la distancia real) registrada por un receptor de GPS y el número de satélites de señalización del receptor. A esto debemos añadirle la importancia de la posición de los satélites cuando hablamos de la precisión del dato. La precisión se mide a través de la dilución de precisión (DOP). Esta es inversamente proporcional al volumen de un cono delineado por la posición de los satélites respecto al receptor en La Tierra [43].
Los sistemas de GPS son los más utilizados en deportes de campo grande o outdoor, principalmente en el rugby, fútbol y fútbol australiano. Como ya se ha mencionado anteriormente, la variable más destacada es el registro de la distancia, a partir de esta se calcula la velocidad y la aceleración producida. En el caso de la distancia total recorrida nos aporta información sobre el volumen de la sesión o de la tarea. Por otro lado, la velocidad y la aceleración podrían servirnos como indicadores de la intensidad. A partir de estos datos podríamos calcular diferentes índices, como puede ser la distancia recorrida a alta velocidad o el número de aceleraciones por unidad de tiempo, pero esto lo desarrollaremos en siguientes publicaciones.
A diferencia de las publicaciones de los sistemas de GNSS/GPS existe poca evidencia sobre el uso de los sistemas de LPS en la cuantificación de la carga externa. Estos sistemas se basan en la creación de un entorno local a través de determinadas referencias espaciales. Estos sistemas tienen como base el uso de la radiofrecuencia para llevar a cabo el tracking del deportista equipado con el receptor. Esta tecnología es conocida como Ultra-wideband (UWB) [45].
Los sistemas LPS presentan ventajas respectos a los sistemas de posicionamiento global: A) mayores tasas de muestreo (más datos por unidad de tiempo); B) permite medir la demanda en deportes outdoor y deportes indoor, ya que el sistema no depende de un conjunto de satélites; C) detecta con mayor precesión real al jugador al ser un espacio más acotado; D) los sensores son más pequeños; E) podrían ser datos que se aprovechasen para el análisis táctico del deporte39.
De igual modo que ocurre con los sistemas de geolocalización global, el caso del LPS aporta las mismas variables, pero la principal diferencia es el margen de error que nos aporta, llegando a incluso un margen de error inferior a diez centímetros. Si tenemos como objetivo registrar la distancia recorrida por un deportista los sistemas de LPS nos aportarían mayor fiabilidad del dato, ya que el acúmulo del error será inferior.
Por otro lado, estos sistemas, que reconocen a varios deportistas en un mismo espacio pueden generar relaciones entre los mismos en tiempo real y con gran precisión. Esta posibilidad nos permitiría estudiar relaciones espaciales y temporales entre sujetos, permitiéndonos así conocer, por ejemplo, la distancia entre dos jugadores, la relación con el móvil, etc., siendo de gran interés para el análisis táctico por parte del staff.

Acelerometría

Por último, encontraríamos los sensores de medición inerciales (IMU). Estos son sensores inerciales que permiten conocer la variación de la aceleración en los diferentes ejes de movimiento (anterior-posterior, latero-medial y longitudinal). Estos sensores inerciales se utilizan desde hace décadas en los deportes de motor, aportando una parte fundamental de los datos de la telemetría del coche o la moto. A pesar de esto, no es hasta hace pocos años que se decide equipar a los deportistas con este tipo de sensores para conocer su movimiento. El uso de estos dispositivos se está convirtiendo en un método común para monitorizar las sesiones de entrenamiento y recolectar información de juego.
Estos presentan una mayor frecuencia de muestreo y sensibilidad frente a sistemas de geolocalización, los cuales necesitan de una variación de la posición relativamente grande para ser detectada, en cambio los acelerómetros son capaces de detectar cambios mínimos. Generalmente la frecuencia de muestreo de estos sistemas es de hasta 1000Hz, pudiendo modificarla en función de cada marca, previamente al registro o posteriormente al exportar los datos. Estos dispositivos triaxiales se colocan comúnmente en la región torácica (es decir, acelerometría equipada en el tronco del deportista). Esto es importante a la hora de tratar los datos que podamos recolectar durante las sesiones.
La variable más estudiada y utilizada es la conocida como Player Load© o Body Load. Cuando se habla de la variable Player Load© se debe tener en cuenta que esta es una magnitud vectorial desarrollada y registrada por Catapult Innovations, otras marcas han desarrollado ecuaciones similares.
Esta es una variable dependiente del tiempo, la cual se calcula, en unidades aleatorias (UA), como la raíz cuadrada de la suma de la tasa de cambio instantáneo al cuadrado en la aceleración de cada uno de los vectores y se divide por 100 [46].
La fórmula es la siguiente:
notion image
donde: ay = aceleración en el eje antero-posterior ax = aceleración en el eje latero-medial az = aceleración en el eje longitudinal

Conclusiones y aplicaciones prácticas

  • Consideramos que debe haber un cambio en el uso de la terminología, siendo carga de trabajo un término más adecuado para hablar de la carga soportada por el deportista.
  • Debemos llevar a cabo la monitorización y optimización de las cargas de trabajo, entendiendo que estos son procesos diferentes, y que la cuantificación sin un análisis serio posterior no tiene transferencia.
  • Faltan publicaciones que establezcan la relación dosis-respuesta para cada modalidad deportiva, teniendo en cuenta las características propias de la misma. Por este motivo debemos cuantificar tanto la demanda física como la respuesta fisiológica de forma individual, con el fin de entender la respuesta a determinados estímulos aplicados sobre nuestro equipo.
  • Se debe analizar la realidad de nuestro equipo y deportistas, y si es posible de equipos de nuestra competición, con el objetivo de comprender la exigencia a la que sometemos a nuestros deportistas durante la competición y que así puedan afrontarla con las mayores garantías posibles.
  • Existen diferentes métodos para la cuantificación de la carga externa e interna. Cada uno de estos métodos presentan limitaciones en la monitorización, y algunos de ellos aún requieren de un mayor uso para confirmar que son métodos válidos y fiables.

Bibliografía

  1. Cardinale M, Gastin P, Gregson W, et al. Monitoring Athlete Training Loads : Consensus Statement Monitoring Athlete Training Loads : Consensus Statement. 2017;(May):161-170. doi:10.1123/IJSPP.2017-0208
  1. Krutsch W, Mandelbaum BR, Pieter JE. Return to Play in Football.; 2018. doi:10.1007/978-3-662-55713-6
  1. Rampinini E, Impellizzeri FM, Castagna C, Coutts AJ, Wisløff U. Technical performance during soccer matches of the Italian Serie A league: Effect of fatigue and competitive level. J Sci Med Sport. 2009. doi:10.1016/j.jsams.2007.10.002
  1. Narazaki K, Berg K, Stergiou N, Chen B. Physiological demands of competitive basketball. Scand J Med Sci Sport. 2009;19(3):425-432. doi:10.1111/j.1600-0838.2008.00789.x
  1. Scanlan AT, Wen N, Tucker PS, Borges NR, Dalbo VJ. Training Mode’s Influence on the Relationships Between Training-Load Models During Basketball Conditioning. Int J Sport Physiol Perform. 2014;9(5):851-856. http://search.ebscohost.com/login.aspxdirect=true&db=s3h&AN=98536477&lang=es&site=ehost-live.
  1. Bartlett JD, O’Connor F, Pitchford N, Torres-Ronda L, Robertson SJ. Relationships between internal and external training load in team-sport athletes: Evidence for an individualized approach. Int J Sports Physiol Perform. 2015;12(2):230-234. doi:10.1123/ijspp.2015-0791
  1. Fox JL, Stanton R, Sargent C, Wintour SA, Scanlan AT. The Association Between Training Load and Performance in Team Sports: A Systematic Review. Springer International Publishing; 2018. doi:10.1007/s40279-018-0982-5
  1. Scanlan AT, Wen N, Tucker PS, Dalbo VJ. The Relationships Between Internal and External Training Load Models During Basketball. J Strength Cond Res. 2014;28(9):2397-2405. doi:10.1519/JSC.0000000000000458
  1. Windt J, Ardern CL, Gabbett TJ, et al. Getting the most out of intensive longitudinal data: a methodological review of workload–injury studies. BMJ Open. 2018;8(10):e022626. doi:10.1136/bmjopen-2018-022626
  1. Scott BR, Lockie RG, Knight TJ, Clark AC, Janse de Jonge XA. A comparison of methods to quantify the in-season training load of professional soccer players. Int J Sport Physiol Perform. 2013;8(2):195-202.
  1. Borresen J, Lambert M. The quantification of training load, the training response and the effect on performance. Sport Med. 2009;39(9):779-795. doi:10.2165/11317780-000000000-00000
  1. Halson SL. Monitoring Training Load to Understand Fatigue in Athletes. Sport Med. 2014. doi:10.1007/s40279-014-0253-z
  1. Impellizzeri FM, Rampinini E, Marcora SM. Physiological assessment of aerobic training in soccer. J Sports Sci. 2005. doi:10.1080/02640410400021278
  1. Busso T, Thomas L. Using mathematical modeling in training planning. Int J Sports Physiol Perform. 2006;1(4):400-405. doi:10.1123/ijspp.1.4.400
  1. Banister E. Modeling elite athletic performance. In: Green H, McDougal J, Wegner H, eds. Physiological Testing of the High-Performance Athlete. Human Kinetics Books; 1991:403-424.
  1. Zatsiorski. Science and Practice of Strength Training.; 1985. doi:10.1001/archinternmed.2011.2174
  1. McLaren SJ, Macpherson TW, Coutts AJ, Hurst C, Spears IR, Weston M. The Relationships Between Internal and External Measures of Training Load and Intensity in Team Sports: A Meta-Analysis. Sport Med. 2017;(Ci). doi:10.1007/s40279-017-0830-z
  1. Seirul·lo F. El Entrenamiento En Los Deportes de Equipo. Mastercede. Barcelona; 2017.
  1. Foster C, Heimann KM, Esten PL, Brice G, Porcari JP. Differences in Perceptions of Training by Coaches and Athletes. South African J Sport Med. 2001;19(1):20-22.
  1. Hernández IC. Trabajo Del Entrenamiento Técnico-Táctico En Baloncesto : Utilización De Este Concepto Para La Planificación De Un Campeonato.
  1. Hopkins WG. Quantification of Training in Competitive Sports: Methods and Applications. Sport Med. 1991;12(3):161-183. doi:10.2165/00007256-199112030-00003
  1. Jones CM, Griffiths PC, Mellalieu SD. Training Load and Fatigue Marker Associations with Injury and Illness: A Systematic Review of Longitudinal Studies. Sport Med. 2017. doi:10.1007/s40279-016-0619-5
  1. Killen NM, Gabbett TJ, Jenkins DG. Training loads and incidence of injury during the preseason in professional rugby league players. J Strength Cond Res. 2010. doi:10.1519/JSC.0b013e3181ddafff
  1. Gastin P, Meyer D, Robinson D. Perceptions of wellnes to monitor adaptive responses to training and competition in elite australian football. J Strength Cond Res. 2013;27(9):2518-2526.
  1. McNair D. Profile of mood states. San Diego. 1992. doi:10.1037/h0020742
  1. Kellmann M. Preventing overtraining in athletes in high-intensity sports and stress/recovery monitoring. Scand J Med Sci Sport. 2010;20(SUPPL. 2):95-102. doi:10.1111/j.1600-0838.2010.01192.x
  1. King D, Clark T, Kellmann M. Changes in Stress and Recovery as a Result of Participating in a Premier Rugby League Representative Competition. Int J Sports Sci Coach. 2010;5(2):223-237. doi:10.1260/1747-9541.5.2.223
  1. Kallus KW, Kellmann M, Bochum R. The Recovery-Stress Questionnaires : User Manual. In: Stress and Recovery: An Overview. ; 2016. doi:10.1016/j.anbehav.2007.06.021
  1. Coutts AJ, Reaburn P. Monitoring Changes in Rugby League Players’ Perceived Stress and Recovery during Intensified Training. Percept Mot Skills. 2008. doi:10.2466/pms.106.3.904-916
  1. Rushall BS. A tool for measuring stress tolerance in elite athletes. J Appl Sport Psychol. 1990;2(1):51-66. doi:10.1080/10413209008406420
  1. Moreira A, Arsati F, De Oliveira Lima-Arsati YB, Simões AC, De Araújo VC. Monitoring stress tolerance and occurrences of upper respiratory illness in basketball players by means of psychometric tools and salivary biomarkers. Stress Heal. 2011;27(3). doi:10.1002/smi.1354
  1. Kamata A, Hanin Y. Individual zone of optimal performance Kamata & Tenebaum.pdf. 2002;24:189-208. doi:10.1123/jsep.24.2.189
  1. Ruiz MC, Raglin JS, Hanin YL. The individual zones of optimal functioning (IZOF) model (1978–2014): Historical overview of its development and use. Int J Sport Exerc Psychol. 2017;15(1):41-63. doi:10.1080/1612197X.2015.1041545
  1. Robazza C, Gallina S, D’Amico MA, et al. Relationship between biological markers and psychological states in elite basketball players across a competitive season. Psychol Sport Exerc. 2012;13(4):509-517. doi:10.1016/j.psychsport.2012.02.011
  1. Valter DS, Adam C, Barry M, Marco C. Validation of Prozone: A new video-based performance analysis system. Int J Perform Anal Sport. 2006. doi:10.1080/24748668.2006.11868359
  1. Delextrat A, Badiella A, Saavedra V, Matthew D, Schelling X, Torres-Ronda L. Match activity demands of elite Spanish female basketball players by playing position. Int J Perform Anal Sport. 2015;15(2):687-703.
  1. Beato M, Coratella G, Stiff A, Iacono A Dello. The Validity and Between-Unit Variability of GNSS Units (STATSports Apex 10 and 18 Hz) for Measuring Distance and Peak Speed in Team Sports. Front Physiol. 2018;9(September):1-8. doi:10.3389/fphys.2018.01288
  1. Coutts AJ, Duffield R. Validity and reliability of GPS devices for measuring movement demands of team sports. J Sci Med Sport. 2010. doi:10.1016/j.jsams.2008.09.015
  1. Hoppe MW, Baumgart C, Polglaze T, Freiwald J. Validity and reliability of GPS and LPS for measuring distances covered and sprint mechanical properties in team sports. PLoS One. 2018;13(2):1-21. doi:10.1371/journal.pone.0192708
  1. Terziotti P, Sim M, Polglaze T. A comparison of displacement and energetic variables between three team sport GPS devices. Int J Perform Anal Sport. 2018;18(5):823-834. doi:10.1080/24748668.2018.1525650
  1. Vazquez-Guerrero J, Reche X, Cos F, Casamichana D, Sampaio J. Changes in External Load When Modifying Rules of 5-on-5 Scrimmage Situations in Elite Basketball. J Strength Cond Res. 2018. doi:10.1519/JSC.0000000000002761
  1. Beato M, Bartolini D, Ghia G, Zamparo P. Accuracy of a 10 Hz GPS unit in measuring shuttle velocity performed at different speeds and distances (5 – 20 M). J Hum Kinet. 2016. doi:10.1515/hukin-2016-0031
  1. Scott MTU, Scott TJ, Kelly VG. The validity and reliability of global positioning systems in team sport: A brief review. J Strength Cond Res. 2016. doi:10.1519/JSC.0000000000001221
  1. Hopkins WG, Marshall SW, Batterham AM, Hanin J. Progressive statistics for studies in sports medicine and exercise science. Med Sci Sports Exerc. 2009. doi:10.1249/MSS.0b013e31818cb278
  1. Fontana RJ. Recent system applications of short-pulse ultra-wideband (UWB) technology. In: IEEE Transactions on Microwave Theory and Techniques. ; 2004. doi:10.1109/TMTT.2004.834186
  1. Boyd LJ, Ball K, Aughey RJ. The reliability of minimaxx accelerometers for measuring physical activity in australian football. Int J Sports Physiol Perform. 2011. doi:10.1123/ijspp.6.3.311
  1. Schneider C, Hanakam F, Wiewelhove T, et al. Heart rate monitoring in team sports-A conceptual framework for contextualizing heart rate measures for training and recovery prescription. Front Physiol. 2018;9(MAY):1-19. doi:10.3389/fphys.2018.00639
  1. Buchheit M. Monitoring training status with HR measures: Do all roads lead to Rome? Front Physiol. 2014. doi:10.3389/fphys.2014.00073
  1. Edwards S. The Heart Rate Monitor Book. Sacramento (CA): Fleet Feet Press; 1993.
  1. Lucía A, Hoyos J, Santalla A, Earnest C, Chicharro JL. Tour de France versus Vuelta a España: Which is harder? Med Sci Sports Exerc. 2003;35(5):872-878. doi:10.1249/01.MSS.0000064999.82036.B4
  1. Borg G. Perceived exertion as an indicator of somatic stress. Scand J Rehabil Med. 1970. doi:S/N
  1. Brink MS, Nederhof E, Visscher C, Schmikli SL, Lemmink KAPM. Monitoring load, recovery, and performance in young elite soccer players. J Strength Cond Res. 2010. doi:10.1519/JSC.0b013e3181c4d38b
  1. Cuadrado-Reyes J, Ríos LJC, Ríos IJC, Martin-Tamayo I, Aguilar-Martínez D. La percepción subjetiva del esfuerzo para el control de la carga de entrenamiento en una temporada en un equipo de balonmano. Rev Psicol del Deport. 2012. doi:10.1103/PhysRevB.48.17271
  1. Robinson DM, Robinson SM, Hume P a, Hopkins WG. Training intensity of elite male distance runners. Med Sci Sports Exerc. 1991;23(9):1078-1082. doi:10.1249/00005768-199109000-00013
  1. Green JM, McLester JR, Crews TR, Wickwire PJ, Pritchett RC, Lomax RG. RPE association with lactate and heart rate during high-intensity interval cycling. Med Sci Sports Exerc. 2006. doi:10.1249/01.mss.0000180359.98241.a2
  1. Buchheit M. Performance and physiological responses to repeated-sprint and jump sequences. Eur J Appl Physiol. 2010. doi:10.1007/s00421-010-1587-3
  1. Foster C, Florhaug JA, Franklin J, et al. A new approach to monitoring exercise training. / Une Nouvelle approche pour conduire l’entrainement. J Strength Cond Res (Allen Press Publ Serv Inc). 2001;15(1):109-115.
  1. Akubat I, Patel E, Barrett S, Abt G. Methods of monitoring the training and match load and their relationship to changes in fitness in professional youth soccer players. J Sports Sci. 2012. doi:10.1080/02640414.2012.712711
  1. Manzi V, D’ottavio S, Impellizzeri FM, Chaouachi A, Chamari K, Castagna C. Profile of weekly training load in elite male professional basketball players. J Strength Cond Res. 2010. doi:10.1519/JSC.0b013e3181d7552a
  1. Montgomery PG, Pyne DB, Minahan CL. The Physical and Physiological Demands of Basketball Training and Competition. Int J Sport Physiol Perform. 2010;5(1):75-86.
  1. Sjödin B, Jacobs I. Onset of Blood Lactate Accumulation and Marathon Running Performance. Int J Sports Med. 1981. doi:10.1055/s-2008-1034579
  1. Stegmann H, Kindermann W, Schnabel A. Lactate kinetics and individual anaerobic threshold. Int J Sports Med. 1981. doi:10.1055/s-2008-1034604
  1. Moreira A, McGuigan MR, Arruda AFS, Freitas CG, Aoki MS. Monitoring internal load parameters during simulated and official basketball matches. J Strength Cond Res. 2012;26(3):861-866. doi:10.1519/JSC.0b013e31822645e9
  1. Schelling X. Control de la respuesta acumulada de testosterona y el cortisol en jugadores de baloncesto de élite. 2013.
  1. Calleja-González J, Terrados N. Indicadores para evaluar el impacto de carga en baloncesto. Rev Andaluza Med del Deport. 2009;3(1):170-178. doi:10.1007/BF01487062