DOI: 10.15366/rimcafd2020.77.011
ORIGINAL
ACELT Y PLAYER LOAD: DOS VARIABLES PARA LA CUANTIFICACIÓN DE LA
CARGA NEUROMUSCULAR
ACELT AND PLAYER LOAD: TWO VARIABLES TO
QUANTIFY NEUROMUSCULAR LOAD
Reche-Soto,
P.1; Cardona, D.2; Díaz, A.3; Gómez-Carmona, C.4;
Pino-Ortega, J.5
1 Doctorando en Ciencias del Deporte. Facultad de
Ciencias de la Actividad Física y del Deporte, Universidad de Murcia (España)
pedrorechesoto@gmail.com
2 Doctor en Ciencias del
Deporte. Profesor en Facultad de Educación Física, Recreación y Deporte,
Politécnico Colombiano Jaime Isaza Cadavid (Colombia) donaldpf@gmail.com
3 Grupo de Investigación Ingesport. Catedrático y
Profesor Titular en Facultad de Ciencias de la Actividad Física y del Deporte,
Universidad de Murcia (España) ardiaz@um.es
4 Grupo de Optimización del Entrenamiento y el
Rendimiento Deportivo (GOERD). Doctorando en Ciencias del Deporte. Facultad de
Ciencias de la Actividad Física y del Deporte, Universidad de Extremadura (España)
cdgomezcarmona@unex.es
5 Departamento de Actividad Física y Deporte. Doctor y
Profesor Titular en Facultad de Ciencias de la Actividad Física y del Deporte,
Universidad de Murcia (España) josepinoortega@um.es
FINANCIACIÓN
El autor Carlos D. Gómez Carmona es
beneficiario de una beca del Ministerio de Educación, Cultura y Deporte
(FPU17/00407). Esta investigación no ha recibido financiación de ningún agente
público, privado o sin ánimo de lucro.
CONFLICTO
DE INTERESES
El último autor de este artículo es
asesor del área de Ciencias del Deporte en la empresa encargada del desarrollo
del dispositivo inercial utilizado. Para garantizar la objetividad de los
resultados, este autor no ha contribuido en el análisis de datos ni en la
sección de resultados, pero si ha contribuido significativamente en otras
partes del manuscrito. Los autores certificamos que este trabajo no ha sido
publicado ni está en vías de consideración para su publicación en otra revista,
aceptando las normas de publicación de la Revista.
Código UNESCO / UNESCO code: 5899 Otras especialidades pedagógicas (Educación
Física y Deporte).
Clasificación Consejo de Europa /
Council of Europe Classification: 17. Otras (Rendimiento deportivo) / Other (sport performance).
Recibido 17 de marzo de 2018 Received
March 17, 2018
Aceptado 15 de enero de 2019 Accepted
January 15, 2019
RESUMEN
Los
objetivos de esta investigación son: (i) describir el comportamiento de las
variables Player Load y AcelT y (ii) cuantificar la carga neuromuscular en
diferentes puntos anatómicos (espalda, centro de masas, rodilla y tobillo) durante un test
incremental en rampa en tapiz rodante. Veintitrés jugadores semiprofesionales
de fútbol varones participaron voluntariamente en este estudio (edad: 22,56±4,8
años; masa corporal: 75,5±5,5 kg; altura: 1,79±0,5 m). Ambas variables se registraron empleando
4 dispositivos inerciales WIMU PROTM. Los principales resultados
indican que: (1) existe una correlación casi perfecta entre ambas variables (r=0,931), (2) los mayores valores en
ambas variables se han encontrado en la rodilla (PL = 8,01±2,76;
AcelT = 2,70±0,50) y el tobillo (PL = 7,85±2,27; AcelT = 2,87±0,49)
y (3) existe una amplia variabilidad intersujeto. En conclusión, Player Load y AcelT
son dos indicadores válidos para el análisis y cuantificación de las demandas
neuromusculares.
PALABRAS CLAVE: acelerometría, fútbol, rendimiento, AcelT,
Player Load.
ABSTRACT
The objectives of this study were: (i) describe the
dynamics of Player Load and AcelT and (ii) analyze the neuromuscular load in
different anatomical locations (scapulae, center of mass, knee and ankle) in an
incremental test in treadmill. Twenty-three semiprofessional male
football players participated voluntarily in this research (age:
22.56±4.8 years; body mass: 75.5±5.5 kg; height: 1.79±0.5 m). Four WIMUPROTM
inertial devices were utilized for recording both variables. The main results indicated
that: (1) exists a nearly perfect relation between both variables (r>0.931), (2) the highest values were
in knee (PLRT = 8.01±2.76; AcelT = 2.70±.50) and in ankle
(PL = 7.85±2.27; AcelT = 2.87±.49) and (3) a great variability was
found between athletes. In conclusion, Player Load and AcelT are two valid
variables to analyze and quantify neuromuscular demands.
KEY WORDS: accelerometry, football, performance, AcelT, Player
Load.
1. INTRODUCCIÓN
Dentro de los deportes
colectivos en exterior, el fútbol es uno de los deportes con mayor popularidad,
tanto en número de practicantes como en número de aficionados. Este aspecto ha
provocado que dicha modalidad deportiva sea una de las más estudiadas en la
literatura científica (Sánchez, Yagüe, Fernández y Petisco, 2014). El problema
actual es, que la gran complejidad de este deporte, no ha permitido que las
investigaciones realizadas hayan reducido por completo la incertidumbre alrededor
de las estrategias de entrenamiento para la mejora del rendimiento (Aguiar,
Botelho, Lago, Maças y Sampaio, 2012).
En cuanto a las demandas
físicas y fisiológicas, el fútbol es considerado un deporte de equipo con
esfuerzos intermitentes de alta intensidad (McMillan, Helgerud, Macdonal y
Hoff, 2005), en el que se realizan una gran cantidad de sprints cortos,
aceleraciones rápidas, desaceleraciones, giros, saltos, golpeos y tackles,
siendo en muchos casos las recuperaciones entre acciones de forma incompleta
(Arnason et al, 2004). Todas estas acciones técnico-tácticas dinámicas e
impredecibles, que varían en duración e intensidad (Bloomfield, Polman y
O´Donoghue, 2007), constituyen la carga interna y externa total que los
jugadores experimentan (Akubat, Barrett y Abt, 2014) y suponen un desafío
energético para ellos (Stølen, Chamari, Castagna
y Wisløff, 2005). La cuantificación precisa y objetiva de las
actividades que realizan los jugadores es fundamental para comprender las
exigencias físicas del fútbol (Bradley, Di Mascio, Peart y Olsen, 2010; Dwyer y
Gabbett, 2012; Johnston et al., 2012), ya que se han registrado hasta 1350
acciones diferentes realizadas por los jugadores (Mohr, Krustrup y Bangsbo,
2003).
Para mejorar los métodos de
preparación es necesario ampliar el conocimiento científico. Por ello, se
requiere tener un conocimiento objetivo de las características del juego en situaciones
de competición (Carling, Williams y Reilly, 2006). Esta posibilidad es, en gran
parte, por el desarrollo tecnológico y por la autorización de la FIFA
(Federación Internacional de Fútbol Asociado), para el uso en situaciones de
competición de dispositivos electrónicos (FIFA, 2018). Estas investigaciones
están aportando nuevas evidencias en el estudio de las demandas físicas y
tácticas (Castellano y Casamichana, 2014). Disponer de las exigencias de la
competición permite orientar de una forma más eficaz las cargas de entrenamiento
(Grehaigne, Godbout, y Zerai, 2011) y el diseño de las tareas de entrenamiento
tanto a nivel físico (Gómez-Carmona, Gamonales, Pino-Ortega e Ibáñez, 2018)
como táctico (Reche-Soto, Cardona, Díaz, Gómez-Carmona y Pino-Ortega, 2019a).
La monitorización de la
carga en jugadores de deportes de equipo es una práctica común tanto en
entrenamientos como en competición (Rogalski, Dawson, Heasman y Gabbett, 2013).
El registro de los parámetros es empleado por los profesionales del deporte
con la finalidad de proporcionar una explicación a los posibles cambios de
rendimiento del deportista o la de intentar reducir el riesgo de lesión,
enfermedad o sobrecarga de entrenamiento (Halson,
2014). El
carácter heterogéneo de la respuesta de cada deportista a dicha carga de
entrenamiento, hace fundamental su análisis individualizado (Brink, Nederhof,
Visscher, Schmikli y Lemmink, 2010; Paulson, Mason, Rhodes y Goosey-Tolfrey,
2015).
Atendiendo a la naturaleza
de la carga de trabajo, se clasifica en carga interna y externa, tanto en el
ámbito deportivo como científico (Bartlett, O’Connor, Pitchford, Torres-Ronda y
Robertson, 2017; Costa et al., 2013). La carga interna, hace referencia al
estrés psicológico y fisiológico consecuencia del entrenamiento-competición,
mientras que la carga externa abarca el trabajo realizado por el atleta en
términos de distancia, velocidad o aceleración (Lambert y Borresen, 2010;
McLaren, Weston, Smith, Cramb y Portas, 2016; Paulson et al., 2015). En
deportes colectivos, existe mayor dificultad en evaluar la carga interna
(Borresen y Lambert, 2009), por lo que ha provocado que la cuantificación de la
carga externa haya experimentado un mayor desarrollo en los últimos años.
Los
acelerómetros se propusieron en la década de 1950 (Culhane, O’Connor, Lyons, y Lyons 2005), y han
evolucionado tecnológicamente para ofrecer una calidad y fiabilidad suficiente
con un bajo coste de producción que permiten evaluar cuantitativamente de forma
portátil el movimiento humano (Lemoyne, Coroian, Mastroianni y Grundfest,
2008). En el contexto deportivo, cada vez más, se utiliza la concepción
multifuncional de los dispositivos inerciales (Inertial measurement units, IMUs)
que incluyen diferentes sensores como acelerómetro, giróscopo, magnetómetro,
GNSS, etc. (Akenhead y Nassis, 2016; Boyd, Ball y Aughey, 2013; Gabbett, 2015).
Uno
de los indicadores de carga más utilizado actualmente, a partir de la señal del
acelerómetro, es la variable PlayerLoadTM (PL) (Barrett et al.,
2016; Bradley et al., 2010; Dalen, Jørgen, Gertjan, Havard y Ulrik, 2016;
Reche-Soto et al., 2019b) o también definido como Body Load (Gomez-Piriz,
Jiménez-Reyes y Ruiz-Ruiz, 2011), en función del dispositivo inercial utilizado.
Este indicador es la combinación de las aceleraciones producidas en los tres
planos del movimiento corporal, produciendo una estimación de la carga total
(Cummins, Orr, O’Connor y West, 2013),
cuyo resultado es expresado en unidades arbitrarias (Barrett et al., 2016). El
PL ha mostrado ser un indicador fiable y valido (Hollville, Couturier, Guilhem y Rabita, 2016), que tiene
una alta correlación con variables fisiológicas como frecuencia cardíaca y el
VO2max (Barrett et al., 2016), y escalas subjetivas de
percepción de esfuerzo (Casamichana, Castellano,
Calleja-Gonzalez, San Román y Castagna, 2013). Además, esta variable ha
obtenido una alta fiabilidad test-retest inter e intra-dispositivo en
actividades cíclicas (Barrett et al., 2016), acíclicas (Boyd et al., 2013) y en
tareas multidireccionales (ICC= 0,806–0,949) (Barreira et al. 2017).
Por
todo lo anterior, los objetivos de este estudio son: (i) describir el
comportamiento de las variables de carga neuromuscular Player Load y AcelT en
un test incremental en rampa en tapiz rodante y
(ii) cuantificar la carga neuromuscular en diferentes puntos anatómicos (espalda,
zona lumbar, rodilla y tobillo) durante dicha prueba.
2.
MÉTODO
2.1.PARTICIPANTES
Veintitrés
jugadores semiprofesionales de fútbol varones (Tercera División, Grupo XIII)
participaron voluntariamente en este estudio (Edad: 22,56 ± 4,8 años; Peso: 75,5
± 5,5 kg; Altura: 1,79 ± 0,5 metros). Todos los participantes debían cumplir
los siguientes requisitos: (i) tener más de dos años de experiencia en la
práctica del fútbol a nivel nacional, (ii) presentar más de un año de
experiencia con alta monitorización tanto en entrenamientos como partidos
oficiales y (iii) no presentar ninguna lesión musculo-esquelética o problemas
de salud que impidieran su evaluación.
El
estudio obtuvo la aprobación del comité de ética de la Universidad de Murcia
antes del inicio (Número de registro 2061/2018), conforme al código de ética de
la Asociación Médica Mundial (Declaración de Helsinki, 2013). Los participantes
fueron informados previamente de los detalles de la investigación y de sus
posibles riesgos y beneficios, por lo que para ello se les pasó un
consentimiento informado.
2.2.VARIABLES
· Player Load (PL): Medición derivada del acelerómetro de la carga corporal total (Body Load) en sus 3 ejes (vertical, antero-posterior y medio-lateral). Esta variable se ha utilizado para evaluar la carga neuromuscular en diferentes atletas (Gómez-Carmona, Pino-Ortega, Sánchez-Ureña, Ibáñez, y Rojas-Valverde, 2019b; Reche-Soto et al., 2019b). Se representa en unidades arbitrarias (a.u.) y se calcula a partir de la siguiente ecuación a una frecuencia de muestreo de 100 Hz donde PLn es el player load calculado en el instante actual; n es el instante actual de tiempo; n-1 es el instante previo de tiempo; Xn, Yn y Zn son los valores de “Body Load” en cada eje de movimiento en el instante actual; y Xn-1, Yn-1 y Zn-1 son los valores de “Body Load” en cada eje de movimiento en el instante previo:
·
AcelT: magnitud de aceleración o vector
resultante (Waldron, Twist, Highton, Worsfold, y Daniels, 2011) identificada
como la suma vectorial de la aceleración total registrada por el acelerómetro producto
de la gravedad (eje y), cambios en el movimiento horizontal (eje x) y fuerzas
relacionadas con los movimientos de rotación (eje z) de un segmento corporal u objeto
al que el acelerómetro esté fijado (O´Donovan, Kamnik, O´Keeffe y Lyons, 2007; Kunze,
Bahle, Lukowicz y Partridge, 2010). Se calcula a partir de la siguiente
fórmula:
2.3.INSTRUMENTOS
Características antropométricas
La altura de los sujetos fue medida con un tallímetro de
pared durante una inspiración máxima (SECA, Hamburgo, Alemania). El peso corporal
de los sujetos se obtuvo mediante un monitor de composición corporal modelo
BC-601 (TANITA, Tokio, Japón).
Carga neuromuscular
Ambas
variables se registraron empleando 4 dispositivos inerciales WIMUPROTM (RealTrack
Systems, Almería, España), los cuales contienen cuatro acelerómetros triaxiales
que detectan y miden el movimiento usando un sistema electromecánico con una frecuencia
de muestreo desde 10 hasta 1.000 Hz. El rango de detección de movimiento es de ±16
g, ±16 g, ±32 g y ±400 g. Cada dispositivo tiene su propio microprocesador de 1
GHz, 8 GB de memoria interna y salida USB de alta velocidad para registrar,
almacenar y descargar los datos. Cada dispositivo tiene una batería interna con
una duración superior a 4 horas, un peso de 70 g y unas dimensiones de 81×45×16
mm. En este estudio, los acelerómetros fueron configurados para registrar las
variables de investigación con una frecuencia de muestreo de 1.000 Hz.
Los dispositivos fueron colocados en: (i) espalda
(C6, entre las escápulas), (ii) lumbar (L3, a la altura del centro de masas) (McGregor,
Armstrong, Yaggie, Parshad y Bollt, 2011), (iii)
rodilla (a 5 cm de la grieta de la rótula en sentido ascendente) y (iv) tobillo
(a 5 cm del maléolo lateral en sentido ascendente). Tanto en rodilla como en
tobillo fueron colocados en la parte externa de la pierna derecha en todos los
sujetos.
Previamente a su colocación, los dispositivos fueron
calibrados y sincronizados. Gracias a este proceso los acelerómetros eliminan
las 4 fuentes de error que sufren: error de desplazamiento, error de
escalamiento, errores ortogonales y error aleatorio (Wang,
Liu y Fan, 2006). El proceso
de calibración del dispositivo se realizó siguiendo las recomendaciones del
fabricante en el proceso de autoarranque. Para asegurar el correcto
funcionamiento se deben cumplir tres aspectos: (a) dejar el dispositivo inmóvil
durante 30 segundos, (b) en una superficie plana y (c) sin contacto cercano con
dispositivos magnéticos (Bastida-Castillo, Gómez-Carmona, Reche, Granero-Gil y Pino-Ortega,
2018). Siguiendo este procedimiento, los acelerómetros de este dispositivo han
obtenido muy elevados valores de fiabilidad en tests estáticos y dinámicos en
diferentes ubicaciones anatómicas (Gómez-Carmona, Bastida-Castillo,
García-Rubio, Ibáñez y Pino-Ortega, 2019a)
En la figura 1 se muestran la ubicación de los
dispositivos inerciales utilizados, los cuales fueron colocados de la siguiente
forma: (i) espalda, mediante un arnés específico ajustado anatómicamente al
sujeto y (ii) L3, tobillo y rodilla, mediante una banda extensible que fue
unida al sujeto con velcro y finalmente se sellaba su anexión reforzándose con
cinta adhesiva.
Figura 1. Ubicación de los dispositivos inerciales en los
participantes de esta investigación.
2.4.PROCEDIMIENTO
El estudio se llevó a cabo
durante 2 semanas, con un total de 3 sesiones. En la primera sesión, se registraron
las medidas antropométricas y se explicó tanto el protocolo como el objetivo
del estudio. La segunda sesión consistió en una familiarización con el test y
la realización de carrera a pie con alta monitorización. En la tercera sesión,
se realizó el test incremental en rampa en tapiz rodante. La velocidad de inicio fue de 8 km/h. A partir del
inicio, se realizaba un incremento de velocidad continuo de 0,1 km/h cada 12
segundos (1 km/h cada 2 minutos). El test finalizaba cuando el sujeto no
conseguía mantener la velocidad.
Todas las sesiones
comenzaron a las 9:00 horas y los sujetos debían cumplir los siguientes
requisitos: (i) supresión de ingesta de alcohol y cafeína las 24 horas previas
a cada una de las sesiones y (ii) no realizar actividad física de alta
intensidad las 48 horas previas a la realización del protocolo; para que
ninguno de estos factores interfiriese en la investigación (Billat, 2002; Spriet, 2014).
Antes de la realización de
cada uno de los protocolos, se realizaba un calentamiento previo estandarizado
de 5 minutos de carrera continua al 65% de la FCmax que
fue monitorizado y controlado en tiempo real mediante el envío de datos de los
dispositivos inerciales WIMUPROTM (RealTrack Systems, Almería,
España) mediante tecnología WiFi a un ordenador el cual disponía del software S
PROTM (RealTrack Systems, Almería, España) para comprobar el
perfecto funcionamiento de los dispositivos (Bastida-Castillo, Gómez-Carmona y
Pino-Ortega, 2016). Al finalizar el protocolo, se
realizaban 5 minutos de carrera continua al 55% de la FCmax.
3. ANÁLISIS
ESTADÍSTICO
Para
determinar la distribución de los datos se utilizó la prueba Shapiro-Wilk y
para la homocedasticidad el test de Levene (Field, 2013). El análisis mostró
una distribución normal, por lo que se hicieron pruebas paramétricas. Se
realizó un primer análisis descriptivo mostrando los resultados mediante medias
y desviación estándar. Se realizó una regresión lineal para determinar la
relación causa-efecto entre las dos variables de carga neuromuscular Player Load
y AcelT en función de la ubicación de los dispositivos inerciales, los sujetos
participantes y la velocidad de carrera. Las pruebas estadísticas fueron
realizadas mediante el software SPSS 24.0 (SPSS Inc., Chicago IL, USA). La
significación estadística se estableció con el valor de p<0,05.
4.
RESULTADOS
En la tabla 1 se realiza el
análisis descriptivo de las variables de carga neuromuscular AcelT y Player Load
en las diferentes ubicaciones y en función de las diferentes velocidades de
carrera a pie. Se encuentran mayores valores en ambas variables cuanto mayor es
la velocidad de carrera. Además, también se incrementan los valores conforme la
ubicación está más cercana al punto de contacto del pie con el suelo.
|
Tabla 1. Análisis descriptivo de las variables de
carga neuromuscular. |
||||||||||||||||
|
Velocidad (km/h) |
Player Load |
AcelT |
||||||||||||||
|
Espalda |
L3 |
Rodilla |
Tobillo |
Espalda |
L3 |
Rodilla |
Tobillo |
|||||||||
|
M |
SD |
M |
SD |
M |
SD |
M |
SD |
M |
SD |
M |
SD |
M |
SD |
M |
SD |
|
|
8 |
2,26 |
0,35 |
2,37 |
0,42 |
4,90 |
0,63 |
4,81 |
0,82 |
1,19 |
0,04 |
1,30 |
0,06 |
2,05 |
0,09 |
2,13 |
0,10 |
|
8,5 |
2,34 |
0,40 |
2,51 |
0,43 |
5,26 |
0,67 |
5,12 |
0,67 |
1,20 |
0,04 |
1,32 |
0,06 |
2,14 |
0,09 |
2,22 |
0,10 |
|
9 |
2,46 |
0,43 |
2,66 |
0,42 |
5,65 |
0,70 |
5,60 |
0,70 |
1,22 |
0,04 |
1,34 |
0,06 |
2,22 |
0,09 |
2,33 |
0,09 |
|
9,5 |
2,51 |
0,44 |
2,80 |
0,44 |
6,02 |
0,77 |
5,97 |
0,68 |
1,23 |
0,04 |
1,36 |
0,07 |
2,30 |
0,10 |
2,43 |
0,10 |
|
10 |
2,60 |
0,44 |
2,94 |
0,46 |
6,45 |
0,82 |
6,38 |
0,73 |
1,25 |
0,04 |
1,38 |
0,07 |
2,39 |
0,10 |
2,53 |
0,09 |
|
10,5 |
2,70 |
0,46 |
3,08 |
0,47 |
6,80 |
0,90 |
6,74 |
0,75 |
1,26 |
0,04 |
1,40 |
0,08 |
2,46 |
0,11 |
2,62 |
0,10 |
|
11 |
2,80 |
0,45 |
3,22 |
0,46 |
7,44 |
1,55 |
7,08 |
0,83 |
1,27 |
0,04 |
1,42 |
0,08 |
2,59 |
0,22 |
2,72 |
0,10 |
|
11,5 |
2,91 |
0,44 |
3,34 |
0,45 |
7,91 |
1,79 |
7,57 |
0,83 |
1,28 |
0,04 |
1,44 |
0,08 |
2,68 |
0,25 |
2,82 |
0,10 |
|
12 |
3,00 |
0,47 |
3,49 |
0,44 |
8,32 |
1,93 |
7,96 |
0,83 |
1,29 |
0,04 |
1,45 |
0,08 |
2,76 |
0,27 |
2,92 |
0,10 |
|
12,5 |
3,11 |
0,46 |
3,63 |
0,47 |
8,76 |
2,08 |
8,46 |
0,84 |
1,30 |
0,04 |
1,47 |
0,09 |
2,85 |
0,30 |
3,04 |
0,11 |
|
13 |
3,21 |
0,48 |
3,72 |
0,46 |
9,25 |
2,13 |
8,93 |
0,93 |
1,32 |
0,04 |
1,48 |
0,09 |
2,94 |
0,31 |
3,15 |
0,12 |
|
13,5 |
3,30 |
0,46 |
3,87 |
0,47 |
9,78 |
2,29 |
9,46 |
1,04 |
1,33 |
0,04 |
1,50 |
0,08 |
3,05 |
0,36 |
3,25 |
0,13 |
|
14 |
3,47 |
0,51 |
3,93 |
0,43 |
10,53 |
3,00 |
9,99 |
1,06 |
1,34 |
0,04 |
1,51 |
0,08 |
3,22 |
0,53 |
3,36 |
0,12 |
|
14,5 |
3,55 |
0,49 |
4,09 |
0,44 |
11,40 |
4,00 |
10,54 |
1,16 |
1,36 |
0,05 |
1,52 |
0,08 |
3,37 |
0,67 |
3,47 |
0,12 |
|
15 |
3,56 |
0,47 |
4,16 |
0,46 |
10,82 |
1,79 |
11,23 |
1,26 |
1,37 |
0,05 |
1,54 |
0,09 |
3,24 |
0,12 |
3,61 |
0,12 |
|
15,5 |
3,75 |
0,44 |
4,40 |
0,52 |
10,93 |
1,41 |
11,79 |
1,21 |
1,39 |
0,06 |
1,57 |
0,09 |
3,31 |
0,11 |
3,72 |
0,14 |
|
16 |
3,73 |
0,30 |
4,58 |
0,27 |
11,68 |
0,78 |
12,68 |
1,06 |
1,37 |
0,03 |
1,59 |
0,12 |
3,44 |
0,04 |
3,94 |
0,07 |
|
Total |
2,94 |
0,63 |
3,37 |
0,75 |
8,01 |
2,76 |
7,85 |
2,27 |
1,28 |
0,07 |
1,43 |
0,11 |
2,70 |
0,50 |
2,87 |
0,49 |
|
Nota. M: media; SD: desviación estándar. |
||||||||||||||||
En la figura 2, se muestra
el análisis de regresión entre las variables Player Load y AcelT durante el
test incremental en carrera a pie en todos los sujetos analizados. Se
encuentran diferentes dinámicas entre la carga del tren superior y la carga del
tren inferior a lo largo del espectro de velocidades. Se encuentra una
correlación casi perfecta de forma global entre ambas variables de carga
neuromuscular (R2 = 0.931).
Figura 2. Representación gráfica de la
relación entre las variables Player Load y AcelT durante el test incremental
progresivo en carrera a pie en tapiz rodante.
En
la tabla 2 se muestra la regresión lineal entre las variables de carga
neuromuscular AcelT y Player Load en cada uno de los sujetos analizados en las
diferentes ubicaciones. Encontramos una variabilidad intersujeto en el análisis
por ubicaciones. Además, encontramos las mejores relaciones en las ubicaciones
tobillo (R2 = 0.956) y rodilla (R2 = 0.916) tanto de
forma individualizada como global, siendo ambas ubicaciones pertenecientes a la
dinámica de carga neuromuscular del tren inferior.
|
Tabla
2. Regresión lineal entre las variables
de carga neuromuscular Player Load y AcelT en
las diferentes ubicaciones analizadas en cada uno de los participantes de
esta investigación. |
||||
|
Sujetos |
Ubicaciones |
|||
|
Tobillo |
Rodilla |
L3 |
Espalda |
|
|
1 |
0,997 |
0,958 |
0,998 |
0,973 |
|
2 |
0,982 |
0,996 |
0,980 |
0,970 |
|
3 |
0,992 |
0,993 |
0,992 |
0,947 |
|
4 |
0,992 |
0,993 |
0,992 |
0,947 |
|
5 |
0,990 |
0,998 |
0,980 |
0,941 |
|
6 |
0,997 |
0,999 |
0,990 |
0,964 |
|
7 |
0,996 |
0,984 |
0,992 |
0,967 |
|
8 |
0,993 |
0,990 |
0,973 |
0,989 |
|
9 |
0,996 |
0,996 |
0,988 |
0,956 |
|
10 |
0,996 |
0,998 |
0,984 |
0,923 |
|
11 |
0,987 |
0,996 |
0,954 |
0,988 |
|
12 |
0,998 |
0,993 |
0,987 |
0,976 |
|
13 |
0,993 |
0,979 |
0,997 |
0,987 |
|
14 |
0,998 |
0,999 |
0,997 |
0,988 |
|
15 |
0,990 |
0,998 |
0,997 |
0,986 |
|
16 |
0,992 |
0,997 |
0,956 |
0,955 |
|
17 |
0,995 |
0,988 |
0,956 |
0,952 |
|
18 |
0,987 |
0,987 |
0,949 |
0,990 |
|
19 |
0,990 |
0,994 |
0,962 |
0,978 |
|
20 |
0,989 |
0,998 |
0,956 |
0,987 |
|
21 |
0,996 |
0,992 |
0,993 |
0,952 |
|
22 |
0,995 |
0,998 |
0,998 |
0,887 |
|
23 |
0,995 |
0,996 |
0,980 |
0,973 |
|
Total |
0,956 |
0,916 |
0,765 |
0,713 |
Finalmente,
en la tabla 3, se realiza un análisis relacional de las variables de carga
neuromuscular Player Load y AcelT en las diferentes ubicaciones en función de
la velocidad de carrera. Se encuentran mejores relaciones cuanto las
velocidades son más altas en las ubicaciones anteriormente mencionadas, tobillo
y rodilla.
|
Tabla 3.
Regresión lineal entre las variables de carga
neuromuscular Player Load y AcelT en las
diferentes ubicaciones analizadas en función de la velocidad de carrera a
pie. |
|||||
|
Velocidad |
Ubicaciones |
Total |
|||
|
Tobillo |
Rodilla |
L3 |
Espalda |
||
|
8 |
0,806 |
0,628 |
0,520 |
0,139 |
0,879 |
|
8,5 |
0,606 |
0,646 |
0,514 |
0,276 |
0,900 |
|
9 |
0,590 |
0,577 |
0,531 |
0,331 |
0,910 |
|
9,5 |
0,545 |
0,478 |
0,555 |
0,361 |
0,913 |
|
10 |
0,535 |
0,440 |
0,551 |
0,424 |
0,916 |
|
10,5 |
0,549 |
0,407 |
0,559 |
0,429 |
0,916 |
|
11 |
0,765 |
0,789 |
0,513 |
0,469 |
0,906 |
|
11,5 |
0,789 |
0,834 |
0,524 |
0,421 |
0,909 |
|
12 |
0,847 |
0,834 |
0,543 |
0,394 |
0,908 |
|
12,5 |
0,820 |
0,847 |
0,563 |
0,464 |
0,912 |
|
13 |
0,817 |
0,841 |
0,566 |
0,550 |
0,915 |
|
13,5 |
0,817 |
0,835 |
0,462 |
0,462 |
0,921 |
|
14 |
0,907 |
0,904 |
0,420 |
0,546 |
0,935 |
|
14,5 |
0,928 |
0,920 |
0,396 |
0,495 |
0,924 |
|
15 |
0,786 |
0,676 |
0,379 |
0,494 |
0,928 |
|
15,5 |
0,780 |
0,608 |
0,541 |
0,512 |
0,933 |
|
16 |
0,781 |
0,897 |
0,567 |
0,549 |
0,972 |
5. DISCUSIÓN
Los objetivos de este estudio han sido:
(i) describir el comportamiento de las variables de carga neuromuscular Player Load
y AcelT y (ii) cuantificar dichas demandas en diferentes ubicaciones anatómicas
a lo largo del espectro de velocidades durante un test incremental en rampa en
tapiz rodante.
En el análisis descriptivo realizado,
los mayores valores en las variables Player Load y AcelT se han encontrado en
la rodilla (PL = 8,01 ± 2,76; AcelT = 2,70 ± 0,50) y el tobillo (PL
= 7,85 ± 2,27; AcelT = 2,87 ± 0,49), aumentando los valores en ambas
variables conforme aumenta la velocidad de carrera. La contribución de la carga
desde planos individuales también puede verse influida por la posición
anatómica del acelerómetro. Barrett, Midgley y
Lovell (2014) encuentran que los valores de ambas variables en las
ubicaciones más cercanas al punto de contacto del pie con el suelo aumentan a
media que se incrementa la velocidad. Sin embargo, generalmente se acepta que
el centro de masa (zona lumbar, L3) (McGregor et al., 2011) es la ubicación
anatómica óptima para la colocación de estos dispositivos (Halsey, Shepard y
Wilson, 2011; McGregor, Busa, Yaggie y Bollt, 2009), aunque como en
nuestro caso hay excepciones en la literatura (Boyd et al., 2013; Scott, Black,
Quinn y Coutts, 2013; Cormack et al., 2013). En concreto, en el estudio
realizado por Barrett et al., (2014) el PL registrado fue ligeramente mayor en
L3 que en espalda.
En cuanto al análisis de regresión
realizado entre las variables de carga acelerómetrica Player Load y AcelT se
obtiene que ambas variables tienen una correlación casi perfecta (r > 0,931).
Por tanto, ambas variables son válidas para la cuantificación y análisis de las
demandas neuromusculares. El PL ha sido aceptado como un indicador válido para
interpretar la cantidad de carga externa soportada por un jugador en diferentes
modalidades deportivas como fútbol (Barreira et al., 2017; Casamichana et al., 2013; Scott et al.,
2013), fútbol australiano (Boyd et al., 2013; Gastin, McLean, Spittle y Breed,
2013; Scott et al., 2013) y carrera lineal (Barrett et al., 2014). Investigaciones anteriores han
demostrado relaciones significativas y fuertes entre las medidas de carga
neuromuscular y el ratio de lesiones en jugadores de rugby (Gabbett, 2004a;
Gabbett 2004b), por lo que ambas variables se posicionan como indicadores del
riesgo de lesión en deportes de equipo. El PL también presenta alta relación
con respecto al índice Edwards (r = 0,70), percepción subjetiva del esfuerzo (PSE)
(r = 0,74) y con el volumen de desplazamientos a través de la variable distancia
total recorrida (r = 0,70) (Casamichana et al., 2013). Scott et al. (2013)
también encontró una relación fuerte entre la variable PL y el índice Edwards
(r = 0,80). En definitiva, los estudios muestran que el PL es un indicador
válido para cuantificar las exigencias en fútbol, siendo aceptable para su uso
en competición (CV = 1,9%) (Boyd et al., 2013).
La regresión lineal entre las variables
de carga neuromuscular AcelT y Player Load en cada uno de los sujetos
analizados en las diferentes ubicaciones muestra una variabilidad intersujeto
en el análisis por ubicaciones. Además, encontramos las mejores relaciones en
las ubicaciones tobillo (R2 = 0,956) y rodilla (R2 = 0,916)
tanto de forma individualizada como global, siendo las relaciones más altas a
una mayor velocidad de carrera. Los resultados obtenidos están en relación a
los encontrados en la investigación realizada por Nedergaard et al. (2017)
donde existe una baja correlación entre la aceleración del centro de masas (L3)
y el resto de ubicaciones (tibia, rodilla y escápula) concluyendo que no se
puede detectar la aceleración del cuerpo completo ubicando un acelerómetro en
el centro de masas debido a la complejidad de las acciones deportivas. Por
tanto, para conseguir la mayor precisión, la ubicación idónea sería el tobillo/tibia
debido a que es el primer punto articular que recibe de forma más directa las
fuerzas que el sujeto ejerce contra el suelo durante la carrera a pie
obteniendo una alta validez con respecto a la plataforma de fuerzas (Raper et
al., 2018), consiguiendo detectar diferencias de impacto en función del tipo de
calzado (Sinclair y Sant, 2017).
6. LIMITACIONES
DEL ESTUDIO
Diferentes limitaciones deben tenerse en
cuenta al interpretar los resultados obtenidos en esta investigación. En primer
lugar, el número de participantes es reducido (n = 23), lo cual puede influir
en el poder estadístico de los resultados analizados. En segundo lugar, los
participantes analizados eran jugadores varones de fútbol de nivel nacional,
por lo que los resultados podrían no extrapolarse a otras poblaciones de
estudio. Finalmente, únicamente cuatro dispositivos inerciales a una frecuencia
de muestreo específica fueron utilizados en la recogida de datos. Tanto los
componentes del dispositivo inercial, la calibración de los sensores y la
frecuencia de muestreo pueden afectar a los resultados obtenidos. Por lo tanto,
el registro de los datos mediante los dispositivos inerciales fue realizado
siguiendo las recomendaciones del fabricante.
7. CONCLUSIONES
Player Load y el AcelT son dos
indicadores válidos para el análisis y cuantificación de las demandas
neuromusculares. Por tanto, ambos indicadores pueden utilizarse indistintamente
para la cuantificación de la carga neuromuscular en entrenamiento y
competición. El miembro inferior soporta mayor carga neuromuscular respecto al
miembro superior, por tanto, es necesario analizar su dinámica para adaptar las
cargas de entrenamiento y los protocolos de recuperación. Finalmente, se
encuentra una amplia variabilidad intersujeto, por lo que se recomienda un
análisis individualizado de la carga para una mayor especificidad con el objetivo
de mejorar el rendimiento deportivo.
8. REFERENCIAS
BIBLIOGRÁFICAS
Aguiar, M.; Botelho, G.; Lago, C.; Maças, V., &
Sampaio, J. (2012). A review on the effects of soccer small-sided games. Journal of human kinetics, 33, 103–113. https://doi.org/10.2478/v10078-012-0049-x
Akenhead, R., & Nassis, G. P. (2016). Training
load and player monitoring in high-level football: current practice and
perceptions. International journal of sports physiology and performance, 11(5),
587-593. https://doi.org/10.1123/ijspp.2015-0331
Akubat, I., Barrett, S., & Abt, G. (2014).
Integrating the internal and external training loads in soccer. International
journal of sports physiology and performance, 9(3), 457-462. https://doi.org/10.1123/ijspp.2012-0347
Arnason, A., Sigurdsson, S. B.,
Gudmundsson, A., Holme, I., Engebretsen, L., & Bahr, R. (2004). Physical
fitness, injuries, and team performance in soccer. Medicine & Science in Sports
& Exercise, 36(2),
278-285. https://doi.org/10.1249/01.MSS.0000113478.92945.CA
Barreira, P., Robinson, M. A., Drust,
B., Nedergaard, N., Raja Azidin, R. M. F., & Vanrenterghem, J. (2017).
Mechanical Player Load™ using trunk-mounted accelerometry in football: Is it a
reliable, task-and player-specific observation?. Journal of Sports Sciences, 35(17), 1674-1681. https://doi.org/10.1080/02640414.2016.1229015
Barrett, S., Midgley, A. W., Towlson,
C., Garrett, A., Portas, M., & Lovell, R. (2016). Within-match playerload™
patterns during a simulated soccer match: Potential implications for unit
positioning and fatigue management. International
Journal of Sports Physiology and Performance, 11(1), 135-140. https://doi.org/10.1123/ijspp.2014-0582
Barrett, S., Midgley, A., & Lovell,
R. (2014). PlayerLoad™: reliability, convergent validity, and influence of unit
position during treadmill running. International
journal of sports physiology and performance, 9(6), 945-952. https://doi.org/10.1123/ijspp.2013-0418
Bartlett, J. D., O’Connor, F., Pitchford, N.,
Torres-Ronda, L., & Robertson, S. J. (2017). Relationships between internal
and external training load in team-sport athletes: evidence for an
individualized approach. International Journal of Sports Physiology and
Performance, 12(2), 230-234. https://doi.org/10.1123/ijspp.2015-0791
Bastida-Castillo, A., Gómez-Carmona, C. D., y
Pino-Ortega, J. (2016). Efectos del Tipo de Recuperación Sobre la Oxigenación
Muscular Durante el Ejercicio de Sentadilla. Kronos, 15(2).
Bastida-Castillo, A., Gómez-Carmona, C. D., Reche, P., Granero-Gil, P. y
Pino-Ortega, J. (2018). Valoración de la estabilidad del tronco mediante un dispositivo
inercial. Retos: nuevas tendencias en educación física, deporte y
recreación, (33), 199-203.
Billat, V. (2002). Fisiología y metodología del entrenamiento.
De la teoría a la práctica (Vol. 24). Editorial Paidotribo: España.
Bloomfield, J., Polman, R., & O’Donoghue, P.
(2007). Physical demands of different positions
in FA Premier League soccer. Journal
of Sports Science and Medicine, 6(1),
63-70.
Borresen, J., & Lambert, M. I.
(2009). The quantification of training load, the training response and the
effect on performance. Sports Medicine, 39(9), 779-795.
Boyd, L. J., Ball, K., & Aughey, R. J. (2013).
Quantifying external load in Australian football matches and training using
accelerometers. International journal of sports physiology and
performance, 8(1), 44-51. https://doi.org/10.1123/ijspp.8.1.44
Bradley, P. S., Di Mascio, M., Peart, D., Olsen, P.,
& Sheldon, B. (2010). High-intensity activity profiles of elite soccer
players at different performance levels. The
Journal of Strength & Conditioning Research, 24(9), 2343-2351. https://doi.org/10.1519/JSC.0b013e3181aeb1b3
Brink, M. S., Nederhof, E., Visscher, C., Schmikli, S.
L., & Lemmink, K. A. (2010). Monitoring load, recovery, and performance in
young elite soccer players. The
Journal of Strength & Conditioning Research, 24(3), 597-603. https://doi.org/10.1519/JSC.0b013e3181c4d38b
Carling, C., Williams, A. M., & Reilly, T. (2006).
Handbook of soccer match analysis: a systematic approach to improving
performance. Journal of Sports Science
& Medicine, 5(1), 171.
Casamichana, D., Castellano, J., Calleja-Gonzalez, J.,
San Román, J., & Castagna, C. (2013). Relationship between indicators of
training load in soccer players. The
Journal of Strength & Conditioning Research, 27(2), 369-374. https://doi.org/10.1519/JSC.0b013e3182548af1
Castellano, J., y Casamichana, D. (2014). Deporte con
dispositivos de posicionamiento global (GPS): aplicaciones y limitaciones. Revista de Psicología del Deporte, 23(2),
355-364.
Cormack, S. J., Mooney, M. G., Morgan, W., & McGuigan, M. R. (2013).
Influence of neuromuscular fatigue on
accelerometer load in elite Australian football players. International Journal
of Sports Physiology and Performance, 8(4), 373-378. https://doi.org/10.1123/ijspp.8.4.373
Costa, E. C., Vieira, C. M., Moreira, A., Ugrinowitsch,
C., Castagna, C., & Aoki, M. S. (2013). Monitoring external and internal loads of Brazilian
soccer referees during official matches. Journal of Sports Science & Medicine, 12(3), 559-564.
Culhane, K. M., O’connor, M., Lyons, D., & Lyons,
G. M. (2005). Accelerometers in rehabilitation medicine for older adults. Age and ageing, 34(6), 556-560. https://doi.org/10.1093/ageing/afi192
Cummins, C., Orr, R., O’Connor, H., & West, C.
(2013). Global positioning systems (GPS) and microtechnology sensors in team
sports: a systematic review. Sports
Medicine, 43(10), 1025-1042. https://doi.org/10.1007/s40279-013-0069-2
Dalen, T., Jørgen, I., Gertjan, E., Havard, H. G., &
Ulrik, W. (2016). Player Load, Acceleration, and Deceleration During Forty-Five
Competitive Matches of Elite Soccer. The Journal of Strength
& Conditioning Research, 30(2), 351-359. https://doi.org/10.1519/JSC.0000000000001063
Dwyer, D. B., & Gabbett, T. J. (2012). Global
positioning system data analysis: velocity ranges and a new definition of
sprinting for field sport athletes. The
Journal of Strength & Conditioning Research, 26(3), 818-824. https://doi.org/10.1519/JSC.0b013e3182276555
Field,
A. (2013). Discovering statistics using
IBM SPSS statistics. Sage: Londres.
FIFA
(2017). Regla 4. El equipamiento de los jugadores. In: FIFA, ed., Reglas
de Juego 2017-2018, 1st ed. Zurich, p.57.
Gabbett, T. J. (2004a). Influence of
training and match intensity on injuries in rugby league. Journal of Sports
Sciences, 22, 409– 417. https://doi.org/10.1080/02640410310001641638
Gabbett, T. J. (2004b). Reductions in
pre-season training loads reduce injury rates in rugby league players. British journal of
sports medicine, 38(6), 743-749. http://dx.doi.org/10.1136/bjsm.2003.008391
Gabbett, T. J. (2015). Relationship
between accelerometer load, collisions, and repeated high-intensity effort
activity in rugby league players. The Journal of Strength &
Conditioning Research, 29(12), 3424-3431. https://doi.org/10.1519/JSC.0000000000001017
Gastin, P. B., McLean, O., Spittle,
M., & Breed, R. V. (2013). Quantification of tackling demands in
professional Australian football using integrated wearable athlete tracking
technology. Journal of Science and Medicine in Sport, 16(6),
589-593. https://doi.org/10.1016/j.jsams.2013.01.007
Gómez-Carmona, C. D., Bastida-Castillo, A., García-Rubio,
J., Ibáñez, S. J., & Pino-Ortega, J. (2019a). Static and dynamic reliability of WIMU PRO™
accelerometers according to anatomical placement. Proceedings of the
Institution of Mechanical Engineers, Part P: Journal of Sports Engineering and
Technology, 233(2), 238-248. https://doi.org/10.1177/1754337118816922
Gómez-Carmona, C., Gamonales, J., Pino-Ortega, J., & Ibáñez, S.
(2018). Comparative Analysis
of Load Profile between Small-Sided Games and Official Matches in Youth Soccer
Players. Sports, 6,
173. https://doi.org/10.3390/sports6040173
Gómez-Carmona, C. D., Pino-Ortega, J., Sánchez-Ureña, B., Ibáñez, S. J.,
& Rojas-Valverde, D. (2019b). Accelerometry-Based
External Load Indicators in Sport: Too Many Options, Same Practical Outcome?. International
Journal of Environmental Research and Public Health, 16(24), 5101. https://doi.org/10.3390/ijerph16245101
Gomez-Piriz, P. T., Jiménez-Reyes, P.,
& Ruiz-Ruiz, C. (2011). Relation between total body load and session rating of
perceived exertion in professional soccer players. The Journal of Strength & Conditioning Research, 25(8),
2100-2103. https://doi.org/10.1519/JSC.0b013e3181fb4587
Grehaigne, J. F., Godbout, P., & Zerai, Z. (2011).
How the “rapport de forces” evolves in a soccer match: the dynamics of
collective decisions in a complex system. Revista de Psicología del Deporte, 20(2), 747-765.
Halsey, L. G., Shepard, E. L., & Wilson, R. P.
(2011). Assessing the development and
application of the accelerometry technique for estimating energy expenditure. Comparative Biochemistry and Physiology Part
A: Molecular & Integrative Physiology, 158(3), 305-314. https://doi.org/10.1016/j.cbpa.2010.09.002
Halson, S. L. (2014). Monitoring training load to
understand fatigue in athletes. Sports
Medicine, 44(2), 139-147. https://doi.org/10.1007/s40279-014-0253-z
Hollville, E., Couturier, A., Guilhem, G., & Rabita,
G. (2016, May). MinimaxX player load as an index of the center of mass
displacement? A validation study. In ISBS-Conference
Proceedings Archive (Vol. 33, No. 1).
Johnston, R. J., Watsford, M. L., Pine, M. J., Spurrs, R.
W., Murphy, A. J., & Pruyn, E. C. (2012). The validity and reliability of
5-Hz global positioning system units to measure team sport movement demands. The Journal of Strength &
Conditioning Research, 26(3),
758-765. https://doi.org/10.1519/JSC.0b013e318225f161
Kunze, K., Bahle, G., Lukowicz, P., & Partridge,
K. (2010). Can magnetic field sensors replace gyroscopes in wearable sensing
applications?. In Wearable Computers (ISWC), 2010 International
Symposium on (pp. 1-4). IEEE.
Lambert, M. I., & Borresen, J. (2010). Measuring
training load in sports. International
Journal of Sports Physiology and Performance, 5(3), 406-411. https://doi.org/10.1123/ijspp.5.3.406
Lemoyne, R., Coroian, C., Mastroianni, T., &
Grundfest, W. (2008). Accelerometers for quantification of gait and movement
disorders: a perspective review. Journal of Mechanics in Medicine and
Biology, 8(02), 137-152. https://doi.org/10.1142/S0219519408002656
Mallo, J., & Navarro, E. (2008). Physical load
imposed on soccer players during small-sided training games. Journal of Sports Medicine and Physical
Fitness, 48(2), 166-171.
McGregor, S. J., Armstrong, W. J., Yaggie, J. A., Bollt,
E. M., Parshad, R., Bailey, J. J., ... & Kelly, S. R. (2011). Lower
extremity fatigue increases complexity of postural control during a
single-legged stance. Journal of Neuroengineering
and Rehabilitation, 8(1), 43.
McGregor, S. J., Busa, M. A., Yaggie,
J. A., & Bollt, E. M. (2009). High resolution MEMS accelerometers to
estimate VO2 and compare running mechanics between highly trained
inter-collegiate and untrained runners. PLoS One, 4(10),
e7355. https://doi.org/10.1371/journal.pone.0007355
McLaren, S. J., Weston, M., Smith, A., Cramb, R., &
Portas, M. D. (2016). Variability of physical performance and player match
loads in professional rugby union. Journal
of Science and Medicine in Sport, 19(6), 493-497. https://doi.org/10.1016/j.jsams.2015.05.010
McMillan,
K., Helgerud, J., Macdonald, R., & Hoff, J. (2005). Physiological
adaptations to soccer specific endurance training in professional youth soccer
players. British Journal of Sports
Medicine, 39(5),
273-277. http://dx.doi.org/10.1136/bjsm.2004.012526
Mohr, M., Krustrup, P., & Bangsbo, J. (2003). Match
performance of high-standard soccer players with special reference to development
of fatigue. Journal of Sports Sciences, 21(7), 519-528. https://doi.org/10.1080/0264041031000071182
Nedergaard, N. J., Robinson, M. A., Eusterwiemann, E.,
Drust, B., Lisboa, P. J., & Vanrenterghem, J. (2017). The Relationship
Between Whole-Body External Loading and Body-Worn Accelerometry During
Team-Sport Movements. International Journal of Sports Physiology and Performance, 12(1),
18-26. https://doi.org/10.1123/ijspp.2015-0712
O’Donovan, K. J., Kamnik, R., O’Keeffe, D. T., &
Lyons, G. M. (2007). An inertial and magnetic sensor based technique for joint
angle measurement. Journal of Biomechanics, 40(12),
2604-2611. https://doi.org/10.1016/j.jbiomech.2006.12.010
Paulson, T. A., Mason, B., Rhodes, J., &
Goosey-Tolfrey, V. L. (2015). Individualized internal and external training
load relationships in elite wheelchair rugby players. Frontiers in Physiology, 6, e388. https://doi.org/10.3389/fphys.2015.00388
Raper, D. P., Witchalls, J., Philips, E. J., Knight,
E., Drew, M. K., & Waddington, G. (2018). Use of a tibial accelerometer to
measure ground reaction force in running: A reliability and validity comparison
with force plates. Journal of Science and Medicine in Sport, 21(1),
84-88. https://doi.org/10.1016/j.jsams.2017.06.010
Reche-Soto, P., Cardona, D., Díaz, A., Gómez-Carmona, C.
D., & Pino-Ortega, J. (2019a). Tactical
Demands of Small-Sided Games in Football: Influence of Tracking Technology. Revista Internacional de Medicina y Ciencias
de la Actividad Física y el Deporte, 19(76),
729-744.
Reche-Soto, P., Cardona-Nieto, D., Diaz-Suarez, A.,
Bastida-Castillo, A., Gomez-Carmona, C., Garcia-Rubio, J., & Pino-Ortega,
J. (2019b). Player Load and
Metabolic Power Dynamics as Load Quantifiers in Soccer. Journal of Human Kinetics, 69, 259-269.
http://www.doi.org/10.2478/hukin-2018-0072
Rogalski, B., Dawson, B., Heasman, J., & Gabbett,
T. J. (2013). Training and game loads and injury risk in elite Australian
footballers. Journal of Science and
Medicine in Sport, 16(6), 499-503. https://doi.org/10.1016/j.jsams.2012.12.004
Sánchez-Sánchez, J., Yagüe, J. M., Fernández, R. C.,
& Petisco, C. (2014). Efectos de un entrenamiento con juegos reducidos
sobre la técnica y la condición física de jóvenes futbolistas. RICYDE. Revista Internacional de Ciencias
del Deporte, 10(37), 221-234.
Scott, T. J., Black, C. R., Quinn, J., & Coutts, A.
J. (2013). Validity and reliability
of the session-RPE method for quantifying training in Australian football: a
comparison of the CR10 and CR100 scales. The
Journal of Strength & Conditioning Research, 27(1), 270-276. https://doi.org/10.1519/JSC.0b013e3182541d2e
Sinclair, J., & Sant, B. (2017). The effects of
cross-fit footwear on the kinetics and kinematics of running. Footwear
Science, 9(1), 41-48. https://doi.org/10.1080/19424280.2016.1268212
Spriet, L. L. (2014). Exercise and sport performance with
low doses of caffeine. Sports medicine,
44(2), 175-184. https://doi.org/10.1007/s40279-014-0257-8
Stølen, T., Chamari, K., Castagna, C., & Wisløff,
U. (2005). Physiology of soccer. Sports Medicine, 35(6),
501-536. https://doi.org/10.2165/00007256-200535060-00004
Waldron, M., Twist, C., Highton, J., Worsfold, P.,
& Daniels, M. (2011). Movement and physiological match demands of elite
rugby league using portable global positioning systems. Journal of
Sports Sciences, 29(11), 1223-1230. https://doi.org/10.1080/02640414.2011.587445
Wang, J., Liu, Y., & Fan, W. (2006). Design and
calibration for a smart inertial measurement unit for autonomous helicopters
using MEMS sensors. In Mechatronics and
Automation, Proceedings of the 2006 IEEE International Conference (pp.
956-961). IEEE.
Número
de citas totales / Total references: 63
(100%)
Número
de citas propias de la revista / Journal's own references: 2
(3,17%)
Rev.int.med.cienc.act.fís.deporte - vol. 20 - número
77 - ISSN: 1577-0354