Una parte importante del éxito de un equipo de alto rendimiento reside en la capacidad de disponer de la mayor cantidad de deportistas en las sesiones de entrenamiento y la competición. Este objetivo requiere saber valorar correctamente el perfil de riesgo de lesión en el que se encuentra cada uno de nuestros jugadores. Esta valoración debe contemplar las características individuales de cada deportista y el contexto en el que se desarrolla su práctica. Actualmente esta valoración está evolucionando hacia una visión más compleja y multifactorial, la cual tendremos que ser capaces de detectar e interpretar.
Los profesionales encargados de la valoración de los déficits individuales del deportista, especialmente preparadores/as físicos/as, deberán comprender los sistemas complejos en los que basaremos la valoración para entender el perfil individual de riesgo de lesión que presenta cada uno/a de nuestros/as deportistas. Además, se deberá analizar la relación que se establece entre los diferentes factores de riesgo, y como esta misma relación retroalimenta y modifica a su vez estos factores, esta será la clave en la elaboración de este perfil.
Para tener una visión más práctica estableceremos 6 escenarios a tener en cuenta a la hora de realizar esta valoración. De este modo, conseguiremos valorar el contexto y el perfil de riesgo individual, a la vez que tendremos un control continuo sobre el estado de este perfil, lo que nos permitirá tomar decisiones de intervención, que modifiquen este posible riesgo. Se expondrá también una visión práctica y real de cómo reducir el riesgo lesional en deportes de equipo en el alto rendimiento, a través de la pirámide de Alexander.
Pretendemos desde RTP con esta publicación, aportar una perspectiva científica que nos permita valorar y contextualizar el riego de lesión en nuestra realidad, a la par que aportar visión más sencilla, práctica y real que facilite este entendimiento, aplicación y desarrollo en el día a día
De modelo lineal a los sistemas complejos
En el contexto del rendimiento deportivo, se ha buscado continuamente modelos reduccionistas que nos ayuden a entender y reducir la incidencia de lesiones. Esto implica conocer los factores de riesgo de lesión de una práctica con dos objetivos: conocer sus causas y detectarlos de forma precoz para así identificar al deportista en
situación de riesgo [1]. Estos dos conceptos a menudo se confunden erróneamente. Un error común es creer que todo lo que se necesita es identificar una asociación estadísticamente significativa entre un resultado de un test y un mayor riesgo de lesión. Actualmente existe una gran cantidad de pruebas que buscan explicar las causas de diferentes lesiones: de isquiosurales, ligamento cruzado anterior (LCA), tendinopatía rotuliana2, etc. La habilidad de estos test para “predecir” una lesión está determinada por su sensibilidad (si el test abarca a todos los que sufrieron lesión), su especificidad (si el test abarca sólo aquellos que se han lesionado), su valor predictivo positivo (cuantos con un resultado positivo se han lesionado) y su valor predictivo negativo (cuantos con un resultado negativo no se han
lesionado)1. Aunque en algunas pruebas la correlación es fuerte, tiende a haber un solapamiento entre deportistas lesionados y no lesionados. Por lo tanto, es difícil establecer un punto de corte separando deportistas con riesgo alto y deportistas con riesgo bajo. En este caso, la sensibilidad y la especificidad tendrían una relación inversa. Si el test quiere abarcar a todos los jugadores lesionados (100% de sensibilidad), va en deterioro de la especificidad (más deportistas no lesionados serían clasificados como riesgo alto). En el caso de un test como en el de la Imagen 1, el escenario A tendría sólo un 44% de sensibilidad, es decir, solo sólo 4 de los 9 deportistas lesionados fueron incluidos como riesgo alto. En el escenario B tendríamos un 78% de sensibilidad (la mejor relación entre sensibilidad y especificidad con estos datos), y el escenario C sería necesario para abarcar 8 de los 9 deportistas lesionados. La especificidad se vería afectada de manera inversa, del 93% en el escenario A al 70% en el C. El valor predictivo positivo sería bajo en todos los escenarios, en rangos de 14% a 7%1. Sin embargo, no debemos dejar de lado tampoco, que existirían métodos estadísticos más apropiados que podrían ser utilizadas para intentar valorar la predicción del test, como es el índice de probabilidad (likelihood ratio).
Dentro de los deportes de equipo, las diferencias individuales que presenta cada deportista modifican su riesgo de lesión. Por lo tanto, incluir protocolos generales, o dividir en grupos en función de la presencia o ausencia de cierta variable, puede no ser efectivo en la reducción del riesgo lesional [4]. Es por este motivo que vemos como muchas de estas lesiones siguen con la misma incidencia en el deporte [5], a pesar de la investigación y aplicación de metodologías para la reducción de estos factores de riesgo. Este motivo nos lleva a buscar aproximaciones más complejas para entender la relación entre los factores de riesgo y la lesión [6].
La naturaleza multifactorial de las lesiones [7] que vemos en el deporte nos hace pensar en una aproximación más allá de la combinación de factores de riesgo aislados. Esta es la aproximación denominada ‘web of determinants’6, de
interacción entre los factores de riesgo. A través de este modelo se busca identificar posibles interacciones y como éstas contribuyen o mitigan la aparición de la lesión. Esto nos permitiría establecer patrones que ayuden a identificar el riesgo de lesión para un deportista. Un ejemplo habitual lo encontramos en el valgo dinámico de rodilla como factor de riesgo de rotura de LCA8, o la fuerza de cuádriceps como factor de riesgo en la tendinopatía rotuliana [2]. Esta relación sólo supone una parte de la realidad de la valoración. El riesgo del deportista varía si encontramos diferentes factores (y a
diferentes niveles) que se influencian entre ellos, por ejemplo si añadimos la carga de trabajo a la que el deportista está y ha estado expuesto [9,10]. Esta evaluación se debe centrar en identificar las relaciones entre diferentes factores y no exclusivamente estos factores de forma aislada6. De este modo realizaremos un mejor análisis del riesgo si somos capaces de reconocer e interpretar la interacción entre los diferentes factores. No se trata de eliminar la valoración de los factores de riesgo (como visión más reduccionista), ya que estos factores ayudan a identificar el desencadenante que está próximo al mecanismo de lesión, pero que no podemos explicar de una manera lineal. Por lo tanto, esta visión compleja complementa la identificación de los factores de riesgo.
Riesgo de lesión en los sistemas complejos
La valoración del riesgo de lesión mediante esta aproximación, se basa en las interacciones entre diferentes factores. Esta interacción entre factor A y factor B, hace que el comportamiento de A sea diferente a su comportamiento como factor aislado [6]. Dentro de estos sistemas, grandes cambios en una variable, no necesariamente producen un gran cambio en el resultado, sin embargo, pequeños cambios pueden producir grandes efectos en el resultado final. Llevado al ejemplo del valgo dinámico, existe una asociación entre este y la debilidad de la musculatura abductora de la cadera [11]. En una visión lineal, podríamos relacionar que, a mayor fuerza de esta musculatura, menor valgo dinámico y por tanto menor riesgo de lesión. Sin embargo, esta relación no es lineal ya que tener un mayor stiffness de la rotación interna de cadera supone un aumento del perfil de riesgo, que podría hacer que a pesar de aumentar los niveles de fuerza de los abductores de cadera, no fuera suficiente para prevenir este valgo dinámico [11]. Por lo que a pesar de
detectar los factores de riesgo que puedan correlacionarse, es importante valorar la interacción entre las diferentes variables de cada deportista.
Siguiendo con el ejemplo anterior, os mostramos en la Imagen 2 un caso concreto que establece el riesgo de lesión de LCA en un jugador de baloncesto [6]. La presencia de valgo dinámico de rodilla está influenciada por otras variables como la fatiga, la fuerza de musculatura de la cadera, el control neuromuscular, un entorno cambiante e inesperado, o la alineación del complejo anatómico del pie, entre otras. Estas variables a su vez se ven modificadas por otros factores
como la edad o el sexo. Si a esto añadimos la variable de la carga de trabajo a la que está expuesto el jugador, lo que altera su fatiga y por tanto su nivel de atención podríamos observar un incremento del momento de valgo dinámico de la rodilla. Por lo tanto, la manera en la que estás interacciones ocurren, y cómo influyen en la posibilidad de lesión sobre el LCA, crea un perfil de riesgo que es específico del contexto (deporte, jugador, nivel, etc.). Otro caso en la valoración del riesgo de lesión podría ser en el ballet (Imagen 2), siendo notables las diferencias respecto al ejemplo anterior. La presencia aislada de un factor de riesgo (valgo dinámico de rodilla), no garantiza que ocurra la lesión [1]. Buscamos por lo tanto, entender las interacciones en la web of determinants y no los factores de forma aislada.
Imagen 2. Web of determinants en el riesgo de lesión de LCA en caso de deportista de baloncesto (izquierda) y en el caso de un bailarín de ballet (derecha) [6].
Contexto deportista-deporte
Aunque algunos protocolos aplicados a grupos generales pueden tener cierto efecto en reducción del riesgo, la diversidad de cada deportista modifica el propio riesgo, lo que hace necesario una aproximación más individual. Tal y como hemos visto en el apartado anterior, agrupar a deportistas por resultados de una única variable puede no modificar los factores de riesgo que interaccionan con éste, y por lo tanto no incidir de manera eficiente en la reducción del riesgo.
En esta línea, encontramos un marco operativo que se basa en 6 escenarios que debemos valorar4. Conocer los factores de riesgo y la tendencia de la lesión (escenarios 1 y 2), las exigencias del deporte y capacidad del deportista (escenarios 3 y 4), y monitorizar la respuesta del deportista tras intervenciones con evidencia (escenarios 5 y 6) pueden servirnos de guía para crear un perfil de riesgo individual.
Escenario 1: ¿Dónde cuándo y cómo los deportistas sufren ciertas lesiones?
Es importante conocer la realidad en el que trabajamos, ya que la interacción de diferentes factores de riesgo para una misma lesión no será la misma en un entorno como el baloncesto o el ballet. Por lo tanto, conocer la ratio por 1000 horas de exposición, número de lesiones por deportista, prevalencia (proporción de la población afectada) y tiempo de baja, son factores que debemos conocer en el contexto que se desarrolla nuestra actividad. Esta información, como vemos en la Imagen 3 de Roe [4], nos ayudará a identificar posibles perfiles de riesgo.
Imagen 3. Información para entender cuándo, dónde y cómo se lesionan los deportistas en nuestro deporte.
Escenario 2: Factores de riesgo: ¿Qué factores acentúan o mitigan el riesgo?
Dentro del análisis de los sistemas complejos, sabemos que unos factores pueden influenciar de manera no lineal a otros factores, lo que modificaría el perfil de riesgo ante una misma lesión. Debemos conocer entonces, que factores pueden producir estas modificaciones. Sabemos que aumentos excesivos de la carga de trabajo en cortos periodos de tiempo [12], o haber sufrido ya esa misma lesión previamente [13], son factores que nos pueden condicionar a la hora de crear este perfil de riesgo individual. Dentro de este escenario, también debemos valorar perfiles individuales tales como edad o sexo, que también pueden modificar este perfil.
Escenario 3: Exigencias del deporte: ¿Para qué demandas necesito preparar a mi deportista?
Es necesario conocer a que demandas, en el marco de nuestra realidad deportiva, vamos a exponer al deportista. Conocer el perfil de nuestro deporte en exigencias tales como, el número e intensidad de aceleraciones y deceleraciones, distancia recorrida en competición, worst case scenario [14], u otras variables, es el punto de partida que debemos considerar para saber para qué preparamos a nuestro deportista. Encontraríamos en este escenario los factores extrínsecos, aquellos a los que exponemos al deportista.
Escenario 4: Perfil del deportista: ¿Presenta el deportista características de riesgo?
Una vez conocemos qué lesiones principalmente debemos de tener en cuenta, tal y como vimos en el escenario 1, realizar diferentes evaluaciones que nos aporte información para conocer las características individuales del deportista ante estos perfiles de riesgo. En este escenario buscamos identificar factores individuales del deportista (factores intrínsecos) que debemos valorar para buscar reducir el posible riesgo y así maximizar su participación. Son por lo tanto, los relacionados con el deportista (niveles de fuerza, control neuromuscular, asimetrías, etc.), y que en muchos casos no son modificables, como la edad, el sexo, características antropométricas, etc.
Escenario 5: Control del deportista: ¿Qué intervenciones son favorables a corto y largo plazo?
En este escenario tendremos en cuenta toda la información disponible de los escenarios anteriores, en combinación con la evidencia científica sobre la efectividad de las intervenciones para mejorar el perfil de riesgo, ya sea a nivel de fuerza, control neuromuscular, control de la fatiga u otros posibles factores. Con esta información, podremos decidir que intervención aplicar en nuestro contexto buscando la máxima eficiencia posible.
Escenario 6: Monitorizando al deportista: ¿Cómo responde el deportista a lo largo del tiempo?
En este escenario buscamos tener control sobre la evolución del deportista a la intervención con el fin de reducir este perfil de riesgo, teniendo en cuenta las interacciones entre los factores de los que hemos hablado anteriormente. Debemos por lo tanto interpretar esta dosis – respuesta, siempre como un proceso continuo, tanto dentro de una misma temporada como a lo largo de la carrera del deportista.
La “Pirámide de la prevención” en los deportes de equipo
Entendiendo que la lesión no es causa de un único factor, y que pensar en factores de riesgo de forma aislada es quedarnos cortos en el análisis, otros autores7 proponen pensar en una pirámide (Imagen 4) en la que se debe mantener una base sólida con el objetivo de disminuir la probabilidad o el perfil de riesgo al que expondremos a nuestros deportista, y por lo tanto al equipo. Esta pirámide busca aportar una aproximación más práctica y visual del funcionamiento de los deportes de equipo en el alto rendimiento.
En la base situaríamos el proceso de selección de los jugadores. Se debe contar con el perfil de riesgo de lesión de los jugadores que configuran la plantilla, es importante entonces identificar el riesgo de lesión en los fichajes. Un mayor riesgo de lesión en el perfil individual hará más complicado mantener al equipo alejado del umbral de lesión. Encontraríamos aquí factores como la edad, lesiones anteriores, capacidad de soportar el stress de la competición, o muchos otros factores.
En el segundo escalón encontraríamos el control de la carga de trabajo. Que este aspecto ocupe esta posición, se basa en que a pesar de las cualidades físicas de un deportista o de un sistema, existe un máximo nivel de carga que puede ser soportado. Si se expone por encima de este punto, este sistema puede fracasar. Es una línea en la que se
viene investigando en los últimos años y que puede aportar información útil a la hora de controlar estos riesgos. Sabemos que controlando este factor [9,10] podemos cuantificar la fatiga del deportista y tratar de reducir la posibilidad de lesión, alejando el perfil del deportista del umbral de lesión. Tal y como veíamos en los sistemas complejos, sabemos que este factor, en interacción con otros, cobra una gran importancia en el desencadenamiento de la lesión. Para conocer qué sistemas de control de la carga de trabajo se pueden emplear en los deportes de equipo recomendamos leer la publicación
Imagen 4. La pirámide de la prevención propuesta por Alexander, P [7].
En el siguiente nivel encontraríamos el desarrollo del deportista a nivel condicional. Dentro de la realidad de los deportes de equipo, para rendir al máximo nivel con la menor probabilidad de sufrir lesiones, los deportistas deben tener un buen nivel condicional15, especialmente unos elevados niveles de fuerza. Sabemos que el desarrollo condicional del deportista va de la mano de buenos patrones de movimiento.
En un nivel superior, aunque prácticamente de la mano, estaría la eficiencia del movimiento. Esto es debido a que en primer lugar el deportista debe estar preparado para soportar las exigencias condicionales de su deporte. Patrones de movimiento ineficientes supondrían de nuevo un factor más en la web of determinants, que podría aumentar considerablemente el perfil de riesgo del deportista, acercándolo al desencadenante de la lesión. Desde Road to Performance consideramos indispensable trabajar este aspecto en paralelo al desarrollo condicional y al control de carga de trabajo a la que exponemos al deportista.
En la punta de la pirámide el autor sitúa programas de prevención más estructurados y la gestión de las lesiones sufridas por los deportistas, así como los procesos de readaptación. En lo más alto de este esquema se sitúa la suerte o azar como un factor no controlable, ya que la realidad de los deportes de equipo es cambiante e impredecible.
Tal y como explicábamos en un inicio, esta visión de los sistemas complejos en el riesgo de lesión trata de simplificar la relación de múltiples factores que influyen en la aparición de lesiones, así como ser una aproximación práctica a la realidad en los deportes de equipo. Sabemos que la búsqueda de la reducción del perfil de riesgo es un apartado realmente complejo, sin embargo, debemos caminar hacia una visión amplia de cómo valorar y considerar los factores de riesgo y la interacción entre ellos. Solo de esta manera podremos crear líneas metodológicas que permitan alejar a nuestros deportistas del umbral de lesión, consiguiendo así un alto nivel de disponibilidad y como consecuencia el crecimiento deportivo de los jugadores y equipos16 (Imagen 5).
Imagen 5. Lesiones por 1.000h de exposición y su relación con la clasificación, victorias y goles anotados en liga de futbol profesional de Qatar [16].
Como conclusión, en la realidad de la práctica deportiva no podemos hablar de predicción de lesiones. Podemos acercarnos a la identificación de la probabilidad de que ocurra o no una lesión, teniendo en cuenta las interacciones y los escenarios que hemos abordado en estas líneas. Por lo tanto, no podemos pretender recudir el riesgo a cero, ni tener la total certeza de que ocurrirá una lesión determinada. Debemos conocer, valorar e identificar los factores y escenarios, esto nos permitirá tomar decisiones que nos ayuden a alejarnos del umbral de lesión.
Conclusiones y aplicaciones prácticas
Debemos avanzar en la valoración del riesgo hacia una perspectiva más compleja y no reduccionista.
Tener en cuenta la interacción entre los propios factores de riego, y no estos factores de forma aislada. La propia interacción puede retroalimentar y modificar estos factores, modificando así el perfil de riesgo.
El perfil de riesgo debe ser individual y contextualizado a nuestro deporte. Las características individuales y el
deporte en el que desarrollamos nuestra actividad, influyen notablemente en este perfil.
Podremos realizar esta valoración del perfil en 6 escenarios, de manera práctica y teniendo en cuenta todas las etapas importantes dentro de esta valoración.
La realidad en los deportes de equipo de alto rendimiento es compleja. Tener una idea que simplifique esta visión de la reducción de riesgo nos puede ayudar a la hora de visualizar esta conexión teoría y práctica.
Bibliografía
Bahr R. Why screening tests to predict injury do not work-and probably never will.: A critical review. Br J Sports Med. 2016;50(13):776-780. doi:10.1136/bjsports-2016-096256.
Neal BS, Lack SD, Lankhorst NE, Raye A, Morrissey D, Van Middelkoop M. Risk factors for patellofemoral pain: A systematic review and meta-analysis. Br J Sports Med. 2019;53:270-281. doi:10.1136/bjsports-2017-098890.
Hewett TE, Myer GD, Ford KR, et al. Biomechanical Measures of Neuromuscular Control and Valgus Loading of the Knee Predict Anterior Cruciate Ligament Injury Risk in Female Athletes: A Prospective Study. Am J Sports Med.
2005;33(4):492-501. doi:10.1177/0363546504269591.
Roe M, Malone S, Blake C, et al. A six stage operational framework for individualising injury risk management in sport. Inj Epidemiol. 2017;4(1):26. doi:10.1186/s40621-017-0123-x.
Ekstrand J, Hägglund M, Waldén M. Injury incidence and injury patterns in professional football: the UEFA injury study. Br J Sports Med. 2011;45(7):553 LP-558. doi:10.1136/bjsm.2009.060582.
Bittencourt NFN, Meeuwisse WH, Mendonça LD, Nettel-Aguirre A, Ocarino JM, Fonseca ST. Complex systems approach for sports injuries: Moving from risk factor identification to injury pattern recognition – Narrative review and new concept. Br J Sports Med. 2016;50(21):1309-1314. doi:10.1136/bjsports-2015-095850.
Coles PA. An injury prevention pyramid for elite sports teams. Br J Sport Med Mon. 2017;0(0):1-4. doi:10.1136/bjsports-2016-096697.
Krosshaug T, Nakamae A, Boden BP, et al. Mechanisms of Anterior Cruciate Ligament Injury in Basketball: Video Analysis of 39 Cases. Am J Sports Med. 2007;35(3):359-367. doi:10.1177/0363546506293899.
Windt J, Gabbett TJ. How do training and competition workloads relate to injury? The
workload—injury aetiology model. Br J Sports Med. 2017;51(5):428 LP-435.
doi:10.1136/bjsports-2016-096040.
Bowen L, Gross AS, Gimpel M, Bruce-Low S, Li F-X. Spikes in acute:chronic workload ratio (ACWR) associated with a 5–7 times greater injury rate in English Premier League football players: a comprehensive 3-year study. Br J Sports Med. February 2019:bjsports-2018-099422. doi:10.1136/bjsports-2018-099422.
Bittencourt NFN, Ocarino JM, Mendonça LD, Hewett TE, Fonseca ST. Foot and Hip Contributions to High Frontal Plane Knee Projection Angle in Athletes: A Classification and Regression Tree Approach. J Orthop Sport Phys Ther. 2012;42(12):996-1004. doi:10.2519/jospt.2012.4041.
Gabbett TJ. The training-injury prevention paradox: should athletes be training smarter and harder? Br J Sports Med. January 2016.
Hägglund M, Waldén M, Ekstrand J. Previous injury as a risk factor for injury in elite football: a prospective study over two consecutive seasons. Br J Sports Med. 2006;40(9):767-772.
Gabbett TJ, Kennelly S, Sheehan J, et al. If overuse injury is a “training load error”, should undertraining be viewed the same way? Br J Sports Med. 2016;50(17):1017 LP-1018. doi:10.1136/bjsports-2016-096308.
Malone S, Hughes B, Doran DA, Collins K, Gabbett TJ. Can the workload-injury relationship be moderated by improved strength, speed and repeated-sprint qualities? J Sci Med Sport. 2018;22(1):29-34. doi:10.1016/j.jsams.2018.01.010.
Eirale C, Tol JL, Farooq A, Smiley F, Chalabi H. Low injury rate strongly correlates with team success in Qatari professional football. Br J Sports Med. 2013;47(12):807-808. doi:10.1136/bjsports-2012-091040.
¿Te has quedado con ganas de más?
📖
Si te apetece seguir leyendo recuerda que tienes mucho más contenido disponible en nuestra web:
🎧
Y si te apetece más un podcast tienes aquí todos nuestros episodios, ¿te queda alguno por escuchar? Podcast
Newsletter
Puede que el algoritmo de Twitter o Instagram no te muestre nuestras publicaciones, ¿quieres recibir nuestras novedades en tu bandeja de correo electrónico y así no perderte nada? 👇🏻
