Resumen
La causa de las lesiones deportivas es multifactorial y requiere enfoques estadísticos sofisticados para la identificación precisa de los factores de riesgo que predisponen a los atletas a las lesiones. Los análisis de reconocimiento de patrones se han adoptado en disciplinas deportivas debido a su capacidad para dar cuenta de las medidas repetidas e interacciones no lineales de conjuntos de datos, sin embargo, hay ejemplos limitados de su uso en la predicción del riesgo de lesiones. Este estudio incorporó dos años de monitoreo riguroso de atletas con 1740 puntos de datos semanales individuales en todos los dominios de carga de entrenamiento, pruebas de rendimiento, detección musculoesquelética y parámetros del historial de lesiones, para ser uno de los primeros en emplear un enfoque de reconocimiento de patrones para predecir los factores de riesgo de lesiones específicas de las extremidades inferiores inferiores en la unión de la rugby. Se generaron modelos predictivos (lesionados versus no lesionados) para la extremidad inferior no contacta, el tobillo sin contacto y las lesiones graves sin contacto utilizando el reconocimiento de patrones bayesianos de un grupo de 36 atletas de la Unión de Rugby de la Academia Senior. Los predictores para lesiones de las extremidades inferiores sin contacto incluyeron el ángulo de dorsiflexión, la resistencia del aductor y el historial previo de lesiones (área bajo la característica operativa del receptor (ROC) = 0.70) Los parámetros del ángulo de dorsiflexión también fueron predictivos de las lesiones del anqueo no contacta, junto con tiempos de sprint más lentos, masa mayor, consumo previo y una lesión previa de tobillo (ROC = 0.76). Los predictores de lesiones graves de las extremidades inferiores sin contacto incluyeron mayores diferencias en la carga media de entrenamiento, tiempos de sprint más lentos, la reducción de isquiotibiales y la fuerza del aductor, el ángulo de dorsiflexión reducido, el dolor muscular percibido y el juego como un delantero (ROC = 0.72). La identificación de factores de riesgo de lesiones específicos y los umbrales utilizables para la detección de riesgos de lesiones sin contacto en el deporte tienen un gran potencial para que los entrenadores y el personal médico modifiquen las recetas de capacitación e informen las estrategias de prevención de lesiones, en última instancia, aumentando la disponibilidad de los jugadores, un indicador clave del éxito del equipo.
Introducción
La extremidad inferior tiene la mayor incidencia de lesiones en la Unión de Rugby (1–4), resultando en el 50% de todos los días perdidos debido a lesiones en la Unión Internacional de Rugby (5). Está bien establecido que a medida que aumenta la carga de la lesión, existen reducciones significativas en el rendimiento del equipo (6). Por lo tanto, poder identificar cuándo el riesgo de ciertas lesiones es mayor a través de modos de monitoreo de atletas podría ser invaluable no solo para reducir la frecuencia de estas lesiones, sino también para informar las estrategias de prevención de lesiones y aumentar la disponibilidad de los jugadores, lo que posteriormente impacta el éxito del equipo (7). Inevitablemente, la predicción de lesiones ha sido investigada por científicos deportivos aplicados, que han presentado a priori razones para recopilar datos sobre factores específicos y utilizar análisis basados lineales (8); Sin lugar a dudas, esta actividad ha sido importante para colocar los cimientos de la literatura de lesiones deportivas existentes. Sin embargo, el poder explicativo de estos análisis puede no inferir el poder predictivo necesario para la detección de riesgos de lesiones deportivas (8–11). Ya que las lesiones deportivas son evidentemente complejas y multifacéticas (12), examinar los factores de riesgo aislados asociados con la lesión deportiva puede ser un enfoque reduccionista y es poco probable que dirija estrategias óptimas de prevención de lesiones (13, 14). A pesar de la evidencia establecida que apunta hacia la complejidad de la lesión deportiva, existe una investigación limitada que adoptan un enfoque longitudinal y multifactorial para identificar variables predictivas para la lesión al tiempo que reconoce la probabilidad de interacciones no lineales de variables, particularmente con referencia a ubicaciones anatómicas específicas. Descifrar qué combinación de variables contribuyen a un mayor riesgo de lesiones en ubicación o diagnóstico específico (es decir, lesión en el tobillo, lesión en los isquiotibiales, lesión inferior de la extremidad inferior), puede ayudar a facilitar un enfoque más dirigido para la prevención de lesiones.
Adoptar un enfoque dirigido para pronosticar lesiones significa incorporar factores de riesgo de lesiones establecidos y potenciales para identificar con precisión la combinación de variables predictivas para una lesión específica. Se ha encontrado que los atributos basados en el rendimiento, como la mayor velocidad de sorteo máxima y pruebas de aptitud aeróbica, reducen el riesgo de lesiones en el deporte inferior (15, 16). Además, los datos derivados de la detección musculoesquelética se han identificado como factores de riesgo de lesiones de la extremidad inferior; Por ejemplo, los déficits del ángulo de dorsiflexión del tobillo, y la resistencia del aductor reducido se ha asociado previamente con un mayor riesgo de lesiones en las extremidades inferiores, como la tendinopatía rotuliana y las cepas aductoras ((17–20). El monitoreo de las clasificaciones percibidas de los atletas sobre el dolor muscular también es un indicador del estado de entrenamiento de jugadores y combinado con factores de fatiga y detección musculoesquelética tiene el potencial de identificar una mayor probabilidad de lesión inferior de las extremidades (21). Algunas pruebas también sugieren que la disminución de la fuerza excéntrica de los isquiotibiales se asocia con un mayor riesgo de lesión en los isquiotibiales (22–24), con un vínculo bien establecido entre el historial de lesiones anteriores y la re-lesión (25–29). A pesar del importante papel de los análisis lineales dentro de las investigaciones tempranas para establecer factores de riesgo de lesiones, solo pueden demostrar asociación entre las variables y las lesiones, y no su importancia predictiva (8, 10). Por lo tanto, un enfoque de reconocimiento de patrones dirigido para el manejo de datos en la investigación relacionada con el riesgo de lesiones es fundamental para construir marcos de modelado de lesiones sólidas; Permitir el análisis de conjuntos de datos más grandes, incluidas las interacciones y las relaciones no lineales de factores de riesgo de lesiones modificados y no modificables para formular perfiles de riesgo de lesiones específicos e interpretables (8, 30).
El reconocimiento de patrones es un enfoque estadístico contemporáneo mediante el cual los algoritmos permiten el modelado de interacciones complejas no lineales múltiples entre variables (31, 32). Estos métodos de manejo de datos superan las limitaciones de los análisis de regresión logística típicos utilizados anteriormente en «predecir» lesiones en los deportes de equipo, y facilitan aún más el desarrollo de modelos de riesgo de lesiones rigurosos y generalizables que incluyen variables predictivas. La evidencia emergente resalta la eficacia de los análisis de reconocimiento de patrones en las variables predictivas exigentes asociadas con un mayor riesgo de lesiones en varios deportes de equipo (10, 32, 33). Ser capaz de utilizar de manera efectiva los valores de cambio absolutos y semanales de los componentes de monitoreo de atletas para comunicarse con los interesados, cuyos atletas tienen un mayor riesgo de lesiones podría ser invaluable tanto para la educación del entrenador como para el bienestar de los atletas. Hasta donde sabemos, no hay estudios que utilicen un enfoque de reconocimiento de patrones para identificar factores de riesgo de lesiones sin contacto inferiores en la Unión de Rugby. Por lo tanto, el objetivo de este estudio fue investigar si un enfoque de reconocimiento de patrones podría usarse para identificar variables predictivas en profundidad que aumentan el riesgo de lesiones no con contacto con la extremidad inferior en la unión de rugby en múltiples temporadas en función de los datos que abarcan parámetros de carga de entrenamiento, resultados de pruebas de rendimiento, historial de lesiones previas y detección de esqueletos musculoso. Los algoritmos de reconocimiento de patrones se utilizarán para crear modelos que comprenden el conjunto más predictivo de factores de riesgo para lesiones no contactas de las extremidades inferiores, lesiones de cadera/ingle sin contacto, lesiones por isquiotibiales no contactos, lesiones no con contacto con el tobillo no contactos.
Métodos
Los datos de treinta y seis jugadores de la Unión de Rugby Regional, que representan a la Academia Senior, se recopilaron en dos temporadas consecutivas (2018-2019, 2019–2020). Los jugadores asistieron a tres días completos de entrenamiento que incluían habilidades de unidades, velocidades y sesiones de gimnasio lideradas por entrenadores de fuerza y acondicionamiento y rendimiento, y dos sesiones nocturnas basadas en rugby. Los partidos de la liga se jugaron los fines de semana desde septiembre hasta mediados de mayo con la provisión de fisioterapia a tiempo completo y los médicos del día de los partidos. La Unión de Rugby Semiprofesional a menudo se considera un paso clave en el deporte profesional y para el desarrollo de jugadores, con los jugadores que a menudo se les paga y algunos pueden entrenar a tiempo completo, mientras que otros tendrán un empleo primario a tiempo completo en otro lugar (34). Los criterios de inclusión para este estudio requirieron que todos los atletas estuvieran en entrenamiento a tiempo completo para garantizar la consistencia en los puntos de datos recopilados y reducir la probabilidad de faltar datos. Todos los atletas eran jugadores de unión de rugby semiprofesional masculino y tenían que tener más de 18 años. Cada jugador proporcionó consentimiento informado por escrito para la recolección de: pruebas antropométricas y de rendimiento de línea de base; datos de lesiones retrospectivas y prospectivas; proyección musculoesquelética; y parámetros de carga de entrenamiento. Para cada jugador individual, se recopilaron 1740 puntos de datos semanales en la temporada. Los datos de la temporada tardía se omitieron debido a que existían numerosos puntos de datos faltantes en medio de la pandemia Covid-19 en la segunda temporada de este estudio. Los datos del jugador se excluyeron si tenían múltiples puntos de datos faltantes durante la temporada dentro de la carga de entrenamiento de las medidas, las pruebas de rendimiento, la detección musculoesquelética y los parámetros del historial de lesiones. Los atletas a tiempo parcial fueron excluidos de este estudio, y los atletas que dejaron el equipo durante el período de recopilación de datos también fueron excluidos. El estudio fue aprobado por el Comité de Ética de la Universidad de Bangor de la Escuela de Deportes, Ciencias de la Salud y Ejercicio, que más recientemente se ha fusionado para formar la Escuela de Psicología y Ciencias del Deporte (Número de aprobación: P20-18/19).
Enfoque experimental
Se implementó un diseño observacional prospectivo de dos años para identificar factores de riesgo de lesiones inferiores de las extremidades inferiores en los jugadores de la Unión de Rugby de la Academia Senior masculina en dos temporadas competitivas consecutivas. La carga de entrenamiento se cuantificó en cada entrenamiento y día del partido, y se convirtió aún más en unidades arbitrarias au) como: carga de entrenamiento semanal media; Cambio medio en la carga de entrenamiento semanal; diferencia entre la carga de entrenamiento semanal más alta y más baja; y cambio máximo en la carga de entrenamiento semanal (35, 36). Además, los datos de pruebas de rendimiento se registraron al comienzo de cada temporada para: aptitud aeróbica (37); Sprint Times (38); 1 repetición máxima (1RM) fuerza absoluta y relativa en la sentadilla posterior (39); y potencia de la extremidad inferior a través de un salto de movimiento de mostrador (CMJ) (40) que fueron implementados y recolectados por el entrenador de fuerza y acondicionamiento durante la pretemporada. Cada atleta fue examinado al comienzo de la temporada para el historial de lesiones anteriores, incluidas las conmociones cerebrales anteriores por el fisioterapeuta del equipo. La detección musculoesquelética se administró al comienzo de cada día de entrenamiento, incluidas las medidas de: ángulo de dorsiflexión del tobillo; fuerza de isquiotibiales; fuerza aductor; peso corporal; y calificaciones de dolor muscular percibidas (41–45). Estas medidas fueron realizadas y registradas por el investigador principal y luego se extrajeron a la base de datos de monitoreo de atletas del equipo. Las lesiones inferiores de las extremidades inferiores no contactos se observaron mediante clasificación binaria (lesión sí/no), así como una categorización adicional en su ubicación y gravedad específicas (cadera/ingle, rodilla, isquiotibiales, tobillo, más de 28 días perdidos debido a lesiones). Todos los puntos de datos sin procesar medidos se recopilaron y estandarizaron en una base de datos de Excel para el análisis de reconocimiento de patrones, para examinar más a fondo las variables predictivas de mejor rendimiento de los algoritmos de acuerdo e identificar a los atletas con una mayor probabilidad de mantener lesiones sin contacto inferiores de las extremidades inferiores basadas en las variables de monitoreo.
Carga de entrenamiento.
Las cargas de entrenamiento y coincidencia se cuantificaron utilizando la calificación de sesión del método de esfuerzo percibido (SRPE) utilizando una escala de relación de categoría de 10 puntos CR-10) y la sesión o la duración de la coincidencia (46). Treinta minutos después de la sesión; El jugador autoinformó su esfuerzo percibido utilizando la escala Borg-CR10 para cada sesión individual (por ejemplo; habilidades unitarias, gimnasio, entrenamiento de rugby, acondicionamiento) que posteriormente se multiplicó por la duración de la sesión (minutos), expresadas en unidades arbitrarias (AU) para cada jugador (47, 48). Se recopilaron medios semanales de carga de entrenamiento para …
