Análisis de riesgo de lesiones y carga de trabajo en jugadoras de voleibol de élite adolescentes mediante aprendizaje...

Área de la Ciencia:

• Medicina deportiva
• Biomecánica
• Fisiología del ejercicio

Sus antecedentes:

• Investigar los predictores de lesiones en jugadoras de voleibol de élite.
• Evaluar la cuantificación de la carga de trabajo, la menstruación y los tipos de modelos para el riesgo de lesiones.

Objetivo del estudio:

• Evaluar si la puntuación de carga de trabajo "System Training Response" (STR) predice las lesiones mejor que los métodos tradicionales.
• Determinar si la menstruación y la carga de trabajo externa son predictores clave de lesiones.
• Comparar modelos lineales y no lineales para la explicación y predicción de la ocurrencia de lesiones.

Principales métodos:

• Se monitorizaron 19 jugadoras de voleibol de élite durante una temporada de 190 días.
• Se recopilaron datos de carga de trabajo interna/externa y de menstruación.
• Se utilizaron modelos de aprendizaje automático, específicamente Random Forest, para el análisis.

Principales resultados:

• El modelo Random Forest logró un AUC de 0.87 para la ocurrencia de lesiones.
• Los predictores significativos incluyeron la edad de la jugadora, el estado de la menstruación y el porcentaje de saltos intensos.
• La validación cruzada mostró una buena generalización con un AUC de 0.74.

Conclusiones:

• El entrenamiento intenso antes del rendimiento puede aumentar el riesgo de lesiones.
• Las jugadoras mayores pueden tener un menor riesgo de lesiones.
• Las estrategias de entrenamiento personalizadas que consideran factores fisiológicos como la menstruación son cruciales para la mitigación de lesiones.