Serrano García de Dionisio, F.; Gómez-Carmona,
C.D.; Bastida-Castillo, A.; Rojas-Valverde, D.; Pino-Ortega, J. (2020) Slope
Influence on the Trail Runner Physical Load: A Case Study. Revista
Internacional de Medicina y Ciencias de la Actividad Física y el Deporte vol. 20 (80) pp. 641-658 Http://cdeporte.rediris.es/revista/revista80/artinfluencia1191.htm
DOI:
https://doi.org/10.15366/rimcafd2020.80.012
ORIGINAL
INFLUENCIA DEL DESNIVEL EN LA CARGA FÍSICA DEL CORREDOR DE
MONTAÑA: UN ESTUDIO DE CASO
SLOPE INFLUENCE ON THE TRAIL RUNNER PHYSICAL
LOAD: A CASE STUDY
Serrano García de Dionisio, F.1;
Gómez-Carmona, C.D.2; Bastida-Castillo, A.3;
Rojas-Valverde, D.4,5 y Pino-Ortega, J.6
1 Graduado en Ciencias de
la Actividad Física y el Deporte. Facultad de Ciencias del Deporte, Universidad
de Murcia (España) fsgd92@gmail.com
2 Personal investigador
con contrato predoctoral en Grupo de Optimización del Entrenamiento y el Rendimiento
Deportivo (GOERD). Departamento de Didáctica de la Expresión Musical, Plástica
y Corporal. Facultad de Ciencias del Deporte, Universidad de Extremadura
(España) cdgomezcarmona@unex.es
3 Doctor en Ciencias
del Deporte. Departamento
de Actividad Física y Deporte. Facultad de Ciencias del Deporte, Universidad de
Murcia, España. Profesor Asociado Universidad Isabel I, Burgos (España) alejandro.bastida@um.es
4 Estudiante de Doctorado, Grupo de Avances en Entrenamiento Deportivo y Acondicionamiento Físico (GAEDAF), Facultad de Ciencias del Deporte, Universidad de Extremadura, Cáceres (España)
5 Investigador Asociado,
Centro de Investigación y Diagnóstico en Salud y Deporte (CIDISAD). Profesor en
Escuela de Ciencias del Movimiento Humano y Calidad de Vida. Universidad
Nacional de Costa Rica (Costa Rica) drojasv@una.cr
6 Doctor en Ciencias de
la Actividad Física y el Deporte. Profesor en Facultad de Ciencias de la
Actividad Física y del Deporte. Departamento de Actividad Física y Deporte.
Universidad de Murcia (España) josepinoortega@um.es
FINANCIACIÓN
Para la realización de este estudio no
se ha recibido ninguna ayuda por parte de la empresa encargada del desarrollo y
comercialización de la tecnología utilizada en esta investigación. El autor Carlos D. Gómez Carmona es
beneficiario de una beca del Ministerio de Ciencia, Innovación y Universidades
(FPU17/00407).
Código UNESCO / UNESCO code: 5899 Otras especialidades pedagógicas (Educación
Física y Deporte).
Clasificación Consejo de Europa /
Council of Europe Classification: 17. OTRAS (Análisis de
las exigencias deportivas) / OTHER (Sport demands analysis)
Recibido 17
de noviembre de 2018 Received November
17, 2018
Aceptado 4
de agosto de 2019 Accepted August
4, 2019
RESUMEN
Este
estudio analizó las exigencias de carga interna (Frecuencia cardíaca, FC) y
externa (Velocidad; Player Load, PL; Power Metabolic, PM; Stiffness Vertical, KVERT;
entropía aproximada, ApEn) producidas en función del desnivel del terreno en
una carrera de montaña. Un atleta de nivel nacional (edad: 25.3 años; altura:
172 cm; peso: 67 kg; VO2MAX:
70.2 ml/kg/min) participó en una prueba oficial (Distancia: 27.6 km; Desnivel
acumulado: 973 m), siendo analizado en 6 segmentos respecto al desnivel (sin
desnivel, positivo y negativo). El registro de datos se realizó mediante un
dispositivo inercial WIMU PROTM (RealTrack Systems, Almería,
España). Los resultados muestran un aumento de PL/min y PM/min en desnivel
negativo y de FCAVG en
desnivel positivo. KVERT y ApEn fueron más bajos en desnivel positivo,
mientras que la velocidad fue mayor sin desnivel. Se encuentra gran variabilidad en las exigencias
en función de la orografía del terreno, siendo importante su análisis para el
diseño específico del entrenamiento y la planificación del evento.
PALABRAS
CLAVE: Carreras de montaña,
dispositivos inerciales, frecuencia cardiaca, stiffness vertical, carga
neuromuscular, fatiga.
ABSTRACT
This study analysed the internal
(heart rate, HR) and external load demands (Speed; Player Load, PL;
Power Metabolic, PM; Vertical stiffness, KVERT; approximated
entropy, ApEn) during a trail running race in relation to the slope. A
national-level athlete (age: 25.3 years; height: 172 cm; weight: 67 kg; VO2MAX:
70.2 ml/kg/min) participated in an official race (Distance: 27.6 km;
Accumulated slope: 973 m), analysed in 6 segments related to the slope
(without, positive and negative slope). Data was registered through an inertial
device WIMU PROTM (RealTrack Systems, Almería, Spain). The results
show an increase of PL/min and PM/min in negative slope and an increase of HRAVG
in positive slope. KVERT
and ApEn were lower in positive
slope, while velocity was faster without slope. It is found a great variability
in the trail runner demands related to terrain orography, being important its
analysis to design specific training sessions and race planning.
KEYWORDS: Mountain
running, inertial devices, heart rate, vertical stiffness, neuromuscular load,
fatigue.
1. INTRODUCCIÓN
Dentro
del fenómeno social running se encuentran
una diversidad de pruebas atléticas de resistencia entre las que las
disciplinas más practicadas son las carreras en ruta (medio maratón y maratón),
las carreras de montaña (gran diversidad de terreno y distancias que tienen en
común desniveles del terreno) y las carreras de ultra resistencia (por tiempo o
por distancia siendo de distintas tipologías: a) senderos, b) dentro de un
circuito visible y c) carreras por ciudad) (Consejo Superior de Deportes, 2016). Este tipo de competiciones
cuenta con una historia muy reciente comparado a otras disciplinas deportivas y
ha evolucionado con el tiempo de manera acelerada (Rojas-Valverde, 2019) y que tiene cada
vez un mayor número de adeptos ya que, como reconocen los propios corredores,
suponen un reto personal y les proporcionan un aumento del reconocimiento
social de su grupo de iguales (Ruiz-Juan y Zarauz, 2014).
La
especialidad de ultra fondo es una de las actividades más estresantes en las
que un ser humano puede participar de forma voluntaria (Eich y Metcalfe, 2009), debido a la
intensidad, la duración y condiciones ambientales que pueden ser adversas y
cambiantes, que requieren del deportista un alto grado de preparación física
específica y un enorme esfuerzo tanto físico (Gutiérrez-Vargas
et al., 2020; Millet, 2011) como psicológico
(Buceta, de la Llave, Pérez Llantada, Vallejo y del
Pino, 2002).
La
programación y monitorización del entrenamiento es clave para la obtención de
rendimiento, así como para evitar la aparición de diferentes lesiones (Halson,
2014). La dificultad de la modalidad de las carreras de montaña
pasa, precisamente, por la cuantificación para planificar de forma correcta el
entrenamiento y la competición (Kerhervé,
Millet, y Solomon, 2015). Esto se debe, fundamentalmente, a la
dificultad que implica la orografía en la que se practica, ya que en un terreno
irregular un mismo valor puede ser el resultado de diferentes factores.
La
cuantificación de la carga está dividida en dos grandes grupos, carga externa y
carga interna (Halson, 2014). Entre los que miden la carga externa
encontramos los que cuantifican la potencia de salida (Jobson, Passfield, Atkinson, Barton, y
Scarf, 2009), sistemas de análisis del movimiento
donde se determinan valores mediante un sistema de medición inercial con
sensores de posicionamiento satelital (Taylor, Chapman, Cronin, Newton, y
Gill, 2012) y medidas derivadas del análisis de la fatiga
neuromuscular entre los que destacan el stiffness
o fuerzas de reacción durante la carrera (Kvert) y la carga neuromuscular (Cormack, Mooney, Morgan, y McGuigan,
2013; Twist y Highton, 2013).
Recientes investigaciones
han determinado la fatiga neuromuscular como la pérdida de fuerza después de un
ejercicio prolongado, provocando alteraciones en el patrón de carrera (Millet,
2011; Millet, Martin, Lattier, y Ballay, 2003; Millet et al., 2011).
Diferentes trabajos han
analizado el patrón de la carrera durante maratones (Kyröläinen
et al., 2000; Martin et al., 2010; Nicol, Komi, y Marconnet, 2007) o ultramaratones (Millet,
2011; Millet et al., 2011; Morin, Tomazin, Edouard, y Millet, 2011).
Nicol, Komi, y Marconnet (2007) no encontraron cambios en los
parámetros cinemáticos del movimiento en maratón mientras que Kyröläinen et al (2000) reportó de forma significativa un
incremento en la frecuencia de zancada. En cambio en ultramaratón, diferentes
investigadores han evidenciado cambios en la mecánica de carrera teniendo una
mayor frecuencia de zancada y reduciendo la fuerza de reacción vertical en la
pisada y la amplitud de la oscilación del centro de
masas, con el objetivo de ser más eficientes (Millet, 2011; Millet
et al., 2009; Morin, Samozino, y Millet, 2011).
Por otro lado, entre aquellos que miden la
carga interna encontramos
percepción subjetiva del esfuerzo (RPE) (Borresen y Lambert, 2009); la frecuencia cardiaca (HR) y la
relación lineal de esta con el consumo máximo de oxígeno (VO2MAX) (Uth,
Sorensen, Overgaard, y Pedersen, 2004); índice de calidad del entrenamiento
(TRIMP) (Banister,
1991); el nivel de lactato la cual es sensible a la intensidad y
duración del ejercicio (Hughson,
Weisiger, y Swanson, 1987); variabilidad de la HR en reposo o
post-ejercicio para determinar si el sujeto se adapta o no a los estímulos
proporcionados (Pichot
et al., 2000), alteraciones mecánicas del músculo (Gutiérrez-Vargas
et al., 2020), cambios en la temperatura de la piel como reflejo de la
actividad metabólica (Gutiérrez-Vargas
et al., 2017) y análisis de parámetros bioquímicos (Gutiérrez-Vargas
et al., 2020; Urdampilleta, López-Grueso, Martínez-Sanz y Mielgo-Ayuso,
2014).
Para
el análisis de estas variables, dispositivos inerciales han sido desarrollados
en los últimos años los cuáles sincronizan en el tiempo datos de carga interna y
externa a partir de los diferentes sensores de los que disponen (acelerómetros,
giróscopos, magnetómetros, GPS, receptores de dispositivos externos mediante
tecnología bluetooth y Ant+, entre otros) para su análisis en tiempo real o a posteriori (Gabbett,
2013). Además, han sido ampliamente utilizados en la literatura
para analizar tanto movimientos cíclicos (Nedergaard
et al., 2017) como deportes colectivos (Boyd,
Ball, y Aughey, 2013; Cormack et al., 2013) reportando una alta fiabilidad y
validez (Barrett, Midgley, y Lovell, 2014).
Teniendo
en cuenta las dificultades que genera la cuantificación de la carga de las
carreras de montaña y la necesidad de una correcta planificación para conseguir
el máximo rendimiento evitando el sobreentrenamiento,
los objetivos de este estudio son: (a) conocer las exigencias de carga interna
y externa que se producen durante una prueba de competición oficial de carrera
de montaña y (b) determinar si la orografía es un factor que provoca alteraciones
en los distintos parámetros analizados.
2.
MÉTODO
2.1.
Participantes
Un atleta de nivel nacional
en carreras de montaña que participó voluntariamente en esta investigación
(edad: 25,3 años; altura: 172 cm; peso: 67 kg; masa muscular: 59.1 kg; masa grasa:
2.3 kg; VO2MAX:
70.2 ml/kg/min; FCREPOSO: 48 ppm; FCMAX: 198 ppm). El
atleta presentó una velocidad aeróbica máxima de 20.2 km/h y una experiencia
superior a tres años en la realización de esta modalidad deportiva. El
atleta fue informado previamente de los detalles de la investigación y de sus
posibles riesgos y beneficios, por lo que para ello se les suministró un
consentimiento informado siguiendo el código de ética de la Asociación Médica
Mundial (Declaración de Helsinki, 2013).
2.2.
Procedimiento
La presente investigación se
desarrolló durante la temporada 2016-2017, en una prueba de carácter federado
dentro del calendario de pruebas oficiales de montaña organizada por la
Federación de Montañismo de la Región de Murcia (FMRM). La carrera contaba con un desnivel positivo de 973
metros y con una distancia total del recorrido de 27.6 km. El punto más alto de
la prueba se encontraba a 1207 metros y el punto más bajo a 565 metros. En la figura 1 se representa el perfil
completo de la prueba y la división de esta en distintos segmentos según la
orografía para facilitar el análisis descriptivo del perfil, usando como
criterio para la determinación de los distintos desniveles el aumento, descenso
o mantenimiento del nivel de altura con respecto al mar. Los segmentos de la
prueba son: segmento 1 (sin desnivel 1); segmento 2 (desnivel positivo 1);
segmento 3 (sin desnivel 2); segmento 4 (desnivel positivo 2); segmento 5
(desnivel negativo 1); y segmento 6 (desnivel negativo 2).
Figura 1.
Perfil de la prueba y división en los 6
segmentos analizados en función de la pendiente. Eje y (altura), eje x
(tiempo).
El
protocolo de recogida de información se realizó durante tres sesiones en dos semanas.
La primera sesión se realizó una evaluación de las características
antropométricas del sujeto y la explicación acerca de los objetivos y la
monitorización del atleta durante el estudio. La segunda sesión se realizó una
familiarización con alta monitorización durante una prueba incremental máxima
en tapiz rodante para evaluar el rendimiento del deportista. Finalmente, la
segunda semana se realizó el registro de la prueba oficial de carrera de
montaña. Para el registro de la segunda y tercera sesión, se citó al deportista
15 minutos previo al inicio de las pruebas para la colocación del material.
El
dispositivo inercial (WIMU PROTM, RealTrack Systems, Almería,
España) se introdujo en un arnés que posteriormente se colocaba al atleta a la
altura entre la segunda y cuarta vértebra torácica ajustado anatómicamente. Previamente
el dispositivo fue autocalibrado a través de un proceso en la configuración
interna del arranque. Para el autocalibrado se tuvo en cuenta tres aspectos:
(i) dejar el dispositivo inmóvil durante 30 s, (ii) situarlo en una superficie
plana y (iii) sin dispositivos magnéticos alrededor (Bastida-Castillo, Gómez-Carmona, y
Pino-Ortega, 2016). Los datos
fueron almacenados en la memoria interna del dispositivo, siendo posteriormente
descargados y
analizados mediante el
software S PROTM (RealTrack Systems, Almería, España).
2.3.
Variables
En
la presente investigación, a fin de que los resultados pudiesen compararse
entre segmentos debido a la diferente distancia y tiempo empleado para
completarse, las variables seleccionadas para el análisis de la carga física
soportada fueron relativizadas al tiempo de ejecución, analizándose por minuto
o calculando la media de exigencias de cada segmento.
Carga externa
· Player Load por minuto (PL/min): Es la suma vectorial de las aceleraciones del dispositivo en sus 3 ejes (vertical, anteroposterior y lateral). Esta variable se ha utilizado para evaluar la carga neuromuscular (Gómez-Carmona, Bastida-Castillo, González-Custodio, Olcina, & Pino-Ortega, 2019; Reche-Soto, Cardona-Nieto, Diaz-Suarez, Gómez-Carmona, & Pino-Ortega, 2020). Se representa en unidades arbitrarias (a.u.) y se calcula a partir de la siguiente ecuación:
·
Power metabolic por
minuto (PM/min):
Es el resultado de la multiplicación de la velocidad (V) por el coste energético de la actividad (CE) derivado de la inclinación y la aceleración (Osgnach, Poser, Bernardini, Rinaldo, & Di
Prampero, 2010; Reche-Soto et al., 2019). Se representa en W/kg y es calculada a través de la
siguiente fórmula:
· Velocidad (V): Relación
que se establece entre el espacio o la distancia (d) que recorre un objeto y el tiempo (t) que invierte en ello. Se calcula a través de la siguiente
fórmula:
·
Entropía (ApEn): La entropía aproximada (ApEn) es una medida que depende de la
probabilidad condicional de que dos secuencias que son similares para m
muestras permanezcan similares, dentro de una tolerancia r, en la
próxima muestra m+1. Si una secuencia de datos contiene una gran
cantidad de patrones repetitivos (predecible o más regular) tendrá una ApEn
pequeña, mientras que una con pocos (menos predecible o más irregular) tendrá
una ApEn mayor (Pincus, 2001). Para una serie temporal
{x(n)} de N muestras finitas, y definidos los parámetros r y m, ApEn (m, r, N)
se puede calcular mediante la siguiente ecuación (aplicada sobre la señal del
acelerómetro):
· Vertical stiffness o fuerzas de reacción vertical durante
la carrera
(KVERT): Es la relación existente
entre la resultante de la fuerza máxima aplicada (Fmax) y el desplazamiento vertical del centro de masas (
) (Morin, Dalleau,
Kyröläinen, Jeannin, y Belli, 2005) y se calcula a partir de la siguiente fórmula:
Carga
interna
· Frecuencia cardiaca (FCMEDIA): Es el número de latidos
del corazón por unidad de tiempo. Se mide en pulsaciones por minuto y es una clara
respuesta fisiológica al aumento de la actividad (Bouzas, Ottoline, y
Delgado, 2010).
2.4.
Instrumentos
Características
antropométricas
La altura del sujeto fue medida con un
tallímetro de pared (SECA, Hamburgo, Alemania). El peso corporal, masa muscular
y masa grasa del atleta se obtuvo mediante una báscula de composición corporal compuesto
por 8 electrodos de contacto modelo BC-601 (TANITA, Tokio, Japón).
Carga
externa
La adquisición de los datos se llevó a
cabo empleando un dispositivo inercial denominado WIMU PROTM (RealTrack
Systems, Almería, España). El dispositivo dispone diferentes sensores (4
acelerómetros, tres giroscopios, un magnetómetro, un chip GPS y otro UWB, entre
otros). Para el registro de las variables velocidad y PM/min se utilizó el
sensor de posicionamiento global por satélite (GPS) con una frecuencia de muestreo
de 10 Hz, siendo su fiabilidad y validez evaluada previamente (Bastida-Castillo, Gómez-Carmona, De la
Cruz Sánchez, y Pino-Ortega, 2018). Para el registro de las variables
PL/min y KVERT se utilizaron los 4 acelerómetros que componen el
dispositivo, con un fondo de escala de ±16g, ±16g, ±32g y ±400g, los cuales registraron
a una frecuencia de muestreo de 100 Hz, siendo evaluada su fiabilidad en una
investigación previa (Gómez-Carmona,
Bastida-Castillo, García-Rubio, Ibáñez, & Pino-Ortega, 2019).
Carga
interna
Se registró mediante el empleo de una
banda GARMINTM (Garmin Ltd., Olathe, Kansas, Estados Unidos) que se
colocaba al sujeto justo por debajo de la apófisis xifoides, debajo de la línea
intermamaria, la cual sincronizaba los datos al sistema WIMU PROTM a
través de tecnología Ant+ con una frecuencia de muestreo de 4 Hz, siendo los
datos almacenados en el dispositivo. Este protocolo ha sido evaluado
previamente (Molina-Carmona,
Gomez-Carmona, Bastida-Castillo, y Pino-Ortega, 2018).
Análisis
estadístico
Los datos de las variables analizadas se
muestran como promedios y desviaciones estándar (promedio ± DE) para describir
todas las exigencias o requerimientos realizados durante la prueba. El análisis
de la distribución de los datos se realizó mediante la prueba Shapiro-Wilk (Field,
2013), obteniendo una distribución normal. Se realizó una
comparación ANOVA de un factor entre los segmentos de la prueba, utilizando el
post-hoc de Bonferroni para la comparación por pares. Para calcular la magnitud
de las diferencias entre segmentos se utilizó el estadístico d de Cohen,
siendo clasificado según Hopkins,
Marshall, Batterham y Hanin (2009)como: efecto bajo (0-0.2), efecto
pequeño (0.2-0.6), efecto moderado (0.6-1.2), efecto grande (1.2-2.0) y efecto
muy grande (>2.0). Los gráficos fueron realizados mediante el software
Graphpad Prism (Graphpad Software Inc., La Jolla CA, EEUU). Las pruebas
estadísticas fueron realizadas mediante el software SPSS 24.0 (SPSS Inc.,
Chicago IL, EEUU). La significación estadística se estableció con el valor de
p< 0.05.
RESULTADOS
En la tabla 1 se muestra el análisis
descriptivo de las variables analizadas en esta investigación en los diferentes
segmentos la prueba en relación con la orografía del terreno. Se encuentran los
mayores valores en las variables PL/min, PM/min, velocidad y KVERT
en los segmentos sin desnivel, mientras que los mayores valores en FCMEDIA
se hallaron en los segmentos con desnivel positivo.
|
Tabla 1. Media y desviación
estándar de las variables analizadas en función del segmento de la prueba. |
||||||||||||
|
Segmento |
PL/min (u.a.) |
PM/min
(W/kg) |
FCMEDIA
(ppm) |
Velocidad
(km/h) |
ApEn (u.a.) |
KVERT |
||||||
|
M |
DE |
M |
DE |
M |
DE |
M |
DE |
M |
DE |
M |
DE |
|
|
SD
1 |
4.45 |
1.11 |
16.29 |
1.63 |
182.72 |
5.64 |
15.58 |
1.53 |
0.52 |
0.07 |
29.31 |
2.84 |
|
DP
1 |
3.37 |
0.76 |
13.35 |
1.36 |
191.11 |
1.31 |
12.85 |
1.31 |
0.49 |
0.05 |
26.01 |
1.54 |
|
SD
2 |
4.20 |
0.68 |
15.30 |
1.50 |
185.21 |
3.60 |
14.28 |
1.64 |
0.48 |
0.04 |
28.91 |
1.97 |
|
DP
2 |
2.78 |
0.60 |
10.34 |
2.18 |
189.33 |
1.70 |
9.82 |
1.99 |
0.46 |
0.05 |
25.25 |
1.49 |
|
DN
1 |
4.00 |
0.44 |
13.38 |
1.22 |
178.65 |
3.10 |
12.47 |
1.17 |
0.49 |
0.06 |
27.70 |
2.00 |
|
DN
2 |
3.78 |
0.64 |
14.06 |
1.69 |
186.52 |
2.83 |
13.47 |
1.72 |
0.51 |
0.04 |
27.31 |
1.01 |
|
Total |
3.76 |
0.71 |
13.79 |
1.60 |
185.59 |
3.03 |
13.08 |
1.56 |
0.49 |
0.05 |
27.41 |
1.81 |
|
Nota. SD: Sin desnivel; DP: Desnivel positivo; DN: Desnivel
negativo; PL/min: Player Load por minuto (unidad arbitraria); PM/min: Power
Metabolic por minuto (watios/kilo); FCMEDIA: Frecuencia Cardiaca media
(pulsaciones); ApEn: Entropía Aproximada (unidad arbitraria); KVERT:
Índice de rigidez (unidad arbitraria); M: Media; DE: Desviación estándar. |
||||||||||||
Posteriormente, en la figura 2, se
muestra la representación gráfica y el análisis comparativo de las variables
analizadas en función del segmento al que pertenecen según el tipo de
inclinación del terreno. En las variables PL/min, PM/min, Velocidad y KVERT
se evidenciaron los mayores valores (p
< 0.05) en los segmentos sin desnivel y los menores valores en los segmentos
con desnivel positivo con un tamaño del efecto de moderado a muy grande
(PL/min: d = 1.82 - 1.15; PM/min: d = 3.09 - 1.36; Velocidad: d = 3.24 - 0.96; KVERT: d = 1.79 - 1.64). En cambio, en la
variable FCMEDIA encontramos los mayores valores en los segmentos
con desnivel positivo. Por último, en la variable ApEn se obtuvieron valores
semejantes sin diferencias significativas (p > 0.24) en todos los
segmentos analizados encontrando el valor más bajo en el segmento de desnivel
positivo 2.
En el análisis pormenorizado por
segmentos en cuanto a las variables PL/min, KVERT y Velocidad se
encontró mayores valores en los tramos sin desnivel (p < 0.05), posteriormente los tramos con desnivel negativo y
finalmente los tramos con desnivel positivo que son los que reportan los
menores valores en esta variable. Existen diferencias significativas en función
del tipo de inclinación (p <
0.05), pero no entre los segmentos con el mismo tipo de desnivel (p = 0.23 - 0.68), excepto en la variable
velocidad entre el segmento con desnivel positivo 1 y 2 con un tamaño del
efecto grande (p < 0.05; d = 1.79).
En la variable PM no se aprecian
diferencias significativas entre los segmentos sin desnivel y los desniveles
negativos. Únicamente el segmento con desnivel positivo 2 tuvo diferencias
significativas con el resto de los segmentos (p < 0.01). Finalmente,
en cuanto a la FCMEDIA encontramos el menor valor en el segmento con
desnivel negativo 1 (178.65 ± 3.10 ppm) y los mayores valores en los segmentos
con desnivel positivo (DP1 = 191.11 ± 1.31 ppm; DP2 = 189.33 ± 1.70 ppm),
reportando diferencias con el resto de los segmentos (p < 0.05). No se encuentran diferencias entre los segmentos sin
desnivel y el segmento con desnivel negativo 2.
Figura 2. Gráfico
de cajas y bigotes y diferencias significativas entre las variables en función de
los segmentos diferenciados por la orografía del terreno: (a) Player Load (PL),
(b) Power Metabolic (PM), (c) Stiffness vertical (KVERT), (d)
Entropía aproximada (ApEn), (e) Frecuencia cardíaca (FCMEDIA) y (f)
Velocidad.
SD1: Diferencias significativas respecto al segmento sin
desnivel 1(p<0.05)
SD2: Diferencias significativas respecto al segmento sin
desnivel 2 (p<0.05)
DP1: Diferencias significativas respecto al segmento
desnivel positivo 1 (p<0.05)
DP2: Diferencias significativas respecto al segmento desnivel
positivo 2 (p<0.05)
DN1: Diferencias significativas respecto al segmento
desnivel negativo 1 (p<0.05)
DN2: Diferencias significativas respecto al segmento
desnivel negativo 2 (p<0.05)
DISCUSIÓN
Los objetivos de la presente
investigación fueron describir la carga interna y externa durante una carrera
de montaña y analizar la influencia del desnivel de la prueba en esta carga. A
partir de los resultados obtenidos, se ha podido determinar que la carga a la
que está sometida el sujeto varía dependiendo del tipo de desnivel que
encuentre durante la carrera (Vernillo
et al., 2017), al cual ha de adaptarse variando los factores mecánicos y
fisiológicos.
En relación con la variable PL/min, se
encuentran mayores valores en los segmentos con desnivel negativo y sin
desnivel con relación a los tramos de desnivel positivo, siendo estas
diferencias significativas (p <
0.05). Los estudios que analizan este parámetro están relacionados con los
deportes colectivos donde las situaciones cambiantes dificultan la posibilidad
de cuantificar la carga (Sparks, Coetzee, y Gabbett, 2017). De los resultados de estos se observa
que el valor de PL/min aumenta
donde hay cambios significativos de velocidad, producto tanto de una
aceleración como de una deceleración. Se ha visto también que las zonas donde
las velocidades son más altas, el PL/min es mayor (Barrett
et al., 2014; Buchheit, Gray, y Morin, 2015). Por lo tanto, un mayor PL/min en los
segmentos con desnivel negativo está asociado a los cambios de velocidades
significativos que se dan por las aceleraciones/deceleraciones (Sparks, Coetzee y Gabbett, 2017) y a mayores impactos producidos por los
desniveles negativos (Vernillo et al., 2017). En cambio, los altos valores en
los segmentos sin desnivel están asociados a un incremento de la intensidad de
los desplazamientos registrada mediante la velocidad (Barrett,
Midgley y Lovell, 2014; Nedergaard et al., 2017). Por tanto, esta variable podría ser un
indicador adecuado para el análisis de las exigencias debido a su alta
sensibilidad en función de la pendiente y por lo tanto su capacidad para
identificar cambios en la mecánica de carrera provocada, por ejemplo por la
velocidad (Barreira et al., 2017; Barrett
et al., 2014; Nedergaard et al., 2017) y fatiga (Barrett et al., 2016; Cormack
et al., 2013), entre otros.
En el caso del PM, los resultados
muestran que los valores más altos se reportaron en las zonas de mayor
velocidad que correspondían con las zonas sin desnivel (Osgnach
et al., 2010). El consumo más bajo se encontró en los dos segmentos de
desnivel positivo donde los valores de velocidad alcanzada fueron más bajos.
Estos resultados se encuentran en contraste con la bibliografía, ya que la
mayor parte de los estudios encontrados reconocen un mayor gasto energético en
los tramos de subida (Vernillo et al., 2015; 2017), donde se requieren una mayor demanda
de aplicación de fuerza (Gottschall
y Kram, 2005). Se requiere de más información para
ver su capacidad de detectar los cambios en el consumo energético debido al
desnivel, ya que dicho cálculo está optimizado para estimación en deportes
colectivos donde la superficie de trabajo es plana.
En cuanto a la FCMEDIA, los
resultados mostraron una gran variabilidad, dándose los datos más altos en las
zonas de desnivel positivo (DP1 = 191.1 ± 1.31 ppm; DP2 = 189.33 ± 1.70 ppm).
Todas las diferencias fueron significativas (p < 0.05; d = 0.52 -
2.05) exceptuando las que se desprendían de la comparación entre el tramo sin
desnivel 2 y el tramo con desnivel negativo 2 (p = 0.37). Esto contrasta con lo recogido por Born, Stöggl, Swarén, y Björklund, (2017) donde no encontraron diferencias en la
FCMEDIA en función del tipo de orografía, si encontrando estas en la
saturación de oxígeno muscular (SmO2). Por otro lado, los resultados
de la FC se encuentran en consonancia con Chatterjee et al. (2015) donde se muestra que los cambios de
pendiente afectaron directamente al VO2 y al gasto cardiaco siendo
más altos en las zonas con un desnivel positivo. Por lo cual, la FC es un buen
indicador de la dificultad física durante la prueba, detectando con precisión
la dificultad de los segmentos con inclinación positiva, pero no diferenciando
entre los segmentos sin inclinación y con inclinación negativa.
Las velocidades alcanzadas durante la
carrera también variaron dependiendo del tipo de orografía del terreno, siendo
mayores en los tramos donde no había desnivel. Las diferencias de velocidad
entre los tramos sin desnivel y los de subida se deben, como se ha visto en
distintos estudios (Born
et al., 2017; Chatterjee et al., 2015) a una mayor demanda energética y un
mayor consumo de oxígeno para mantener la intensidad. Por otro lado, la
reducción de la velocidad en las zonas de desnivel negativo respecto a los
segmentos sin desnivel se ha visto relacionada con el nivel técnico del
corredor y la inclinación de la pendiente (Kay,
2014). De los resultados obtenidos para la ApEn, esta variable analiza
la complejidad de la señal del dato bruto del acelerómetro, encontrado
variaciones dependiendo del tipo de segmento, aunque no siendo estas
significativas.
Finalmente, en la variable stiffness muscular (KVERT) se
encuentra que en los segmentos de desnivel positivo los valores fueron más
bajos que en el resto de segmentos, siendo todas las diferencias
significativas. Esto concuerda con el trabajo de Giovanelli et al. (2016), donde se demostró que la fatiga en
subida disminuye la capacidad para aplicar fuerza máxima, lo que afecta de
forma directa al KVERT. Además, también se encontraron diferencias
significativas entre los segmentos sin desnivel con los segmentos con desnivel
negativo los cuales pudieron verse afectados por la fatiga acumulada durante el
resto de la prueba ya que el estudio de Vernillo et al. (2015) demostró que el coste energético post
carrera aumentaba en la bajada caracterizado por un menor tiempo de vuelo y un
mayor número de pasos que demuestran una menor capacidad de aplicación de
fuerza.
CONCLUSIONES
1.
La
carga externa e interna difiere significativamente durante la carrera de
montaña entre los diferentes segmentos que compone la prueba en función del
desnivel.
2.
La
pendiente positiva provoca una mayor carga interna registrada mediante FCMEDIA,
mientras que los segmentos sin desnivel provoca una mayor carga externa
registrada mediante PL/min, PM/min y KVERT. La mayor velocidad se
encontró en los tramos sin desnivel.
3.
La
variable velocidad de desplazamiento y las variables de carga externa
registradas (PM/min, PL/min y KVERT) mostraron una dinámica similar
en los segmentos analizados.
4.
Las
variables PL/min y KVERT se encontraron como las variables útiles
para el análisis de las exigencias de las carreras de montaña debido a su alta
sensibilidad para discriminar los diferentes tipos de pendiente (positiva,
negativa y sin pendiente).
APLICACIONES PRÁCTICAS Y PROPUESTAS DE
INVESTIGACIÓN
La utilización de los
sistemas inerciales, así como las variables medidas representativas de los
cambios de orografía del terreno, pueden dar una visión más acertada de las
exigencias en las carreras de montaña. Y así, a partir de esta información,
diseñar entrenamientos específicos en base a la carga real en competición para
evitar lesiones y sobre-entrenamiento.
La falta de estudios en torno a esta materia y la
dificultad de la cuantificación del entrenamiento de esta modalidad por la
variabilidad del terreno y las dispares demandas mecánicas y fisiológicas que
se dan, hace necesaria una mayor investigación sobre la temática del estudio.
Futuras investigaciones deberían seguir esta línea de análisis modificando la
secuencia de desniveles, así como el grado de pendiente de estos para tratar de
determinar cómo afectan en el rendimiento. Además, parece necesario el análisis
con un mayor número de participantes y de competiciones para comparar la carga
del corredor tanto intra-sujeto en diferentes competiciones como inter-sujetos
dentro de una misma competición.
Es necesario ampliar la evidencia
científica de la influencia de la fatiga, deshidratación, temperatura
ambiental, e impacto neuromuscular, entre otras condiciones presentes en este
tipo de pruebas de fondo y ultra fondo en la variabilidad de la carga externa e
interna.
REFERENCIA BIBLIOGRÁFICA
Banister, E. W.
(1991). Modeling elite athletic performance. En H.J. Green, J.D. McDougar y H.
Wenger (Eds.) Physiological Testing of Elite Athletes (pp. 403-424).
Champaign, Illinois: Human Kinetics.
Barreira, P.,
Robinson, M. A., Drust, B., Nedergaard, N., Raja Azidin, R. M. F., y
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., y Lovell, R. (2014). PlayerLoadTM: 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
Barrett, S.,
Midgley, A. W., Towlson, C., Garrett, A., Portas, M., y Lovell, R. (2016).
Within-Match PlayerLoadTM 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
Bastida-Castillo,
A., Gómez-Carmona, C. D., De la Cruz Sánchez, E., y Pino-Ortega, J. (2018). Accuracy,
intra- and inter-unit reliability, and comparison between GPS and UWB-based
position-tracking systems used for time–motion analyses in soccer. European
Journal of Sport Science, 18(4), 450-457.
https://doi.org/10.1080/17461391.2018.1427796
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),
1-13.
Born, D.-P.,
Stöggl, T., Swarén, M., y Björklund, G. (2017). Near-Infrared Spectroscopy:
More Accurate Than Heart Rate for Monitoring Intensity in Running in Hilly
Terrain. International Journal of Sports Physiology and Performance, 12(4),
440-447. https://doi.org/10.1123/ijspp.2016-0101
Borresen, J.,
y Lambert, M. I. (2009). The quantification of training load, the training
response and the effect on performance. Sports
Medicine, 39(9), 779–795.
https://doi.org/10.2165/11317780-000000000-00000
Bouzas, J. C.,
Ottoline, N. M., y Delgado, M. (2010). Aplicaciones de la frecuencia cardiaca
máxima en la evaluación y prescripción de ejercicio. Apunts. Medicina de
l’Esport, 45(168), 251-258.
https://doi.org/10.1016/j.apunts.2010.04.003
Boyd, L. J.,
Ball, K., y Aughey, R. J. (2013). Quantifying external load in
Australian football matches and training using accelerometers. Int
J Sports Physiol Perform, 8(1), 44–51.
https://doi.org/10.1123/ijspp.8.1.44
Buceta, J. M.,
López de la Llave, A., Pérez-Llantada, M.C., Vallejo, M., y del Pino, M.D.
(2007). Intervención psicológica con corredores de maratón: Características y
valoración del programa aplicado en el maratón de Madrid. Revista de
Psicología del Deporte, 11(1), 83-109.
Buchheit, M.,
Gray, A., y Morin, J.B. (2015). Assessing stride variables and
vertical stiffness with GPS-embedded accelerometers: Preliminary insights for
the monitoring of neuromuscular fatigue on the field. Journal of sports
science & medicine, 14(4), 698-701.
Chatterjee, T.,
Paul, S., Pramanik, A., Chowdhury, B., Pal, M. S., y Majumdar, D. (2015).
Cardio-Respiratory and Metabolic Changes during Continuous Uphill-Downhill Load
Carriage Task. Ergonomics for Rural Development, 3-10. Recuperado de:
http://inet.vidyasagar.ac.in:8080/jspui/handle/123456789/193
Consejo
Superior de Deportes. (2016). Encuesta sobre los hábitos deportivos en
España (2015). Madrid: Consejo Superior de Deportes y Centro de
Investigaciones Sociológicas.
Cormack, S. J.,
Mooney, M. G., Morgan, W., y 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
Eich,
T. S., y Metcalfe, J. (2009). Effects of the stress of marathon running on implicit
and explicit memory. Psychonomic Bulletin & Review, 16(3),
475-479. https://doi.org/10.3758/PBR.16.3.475
Field, A.
(2013). Discovering Statistics Using IBM SPSS Statistics (4.a
ed.). Londres: SAGE.
Gabbett, T.
(2013). Quantifying the Physical Demands of Collision Sports: Does Microsensor
Technology Measure What It Claims to Measure? Journal of Strength and
Conditioning Research, 27(8), 2319-2322.
https://doi.org/10.1519/JSC.0b013e318277fd21
Giovanelli,
N., Taboga, P., Rejc, E., Simunic, B., Antonutto, G., y Lazzer, S. (2016). Effects
of an Uphill Marathon on Running Mechanics and Lower-Limb Muscle Fatigue. International
Journal of Sports Physiology and Performance, 11(4), 522-529.
https://doi.org/10.1123/ijspp.2014-0602
Gómez-Carmona,
C. D., Bastida-Castillo, A., García-Rubio, J., Ibáñez, S. J., y Pino-Ortega, J.
(2019). Static and dynamic reliability of WIMU PROTM
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. D., Bastida-Castillo, A., González-Custodio, A., Olcina, G., y Pino-Ortega,
J. (2019). Using an inertial device (WIMU PROTM️) to
quantify neuromuscular load in running: Reliability, convergent validity and
the influence of type of surface and device location. The Journal of
Strength and Conditioning Research, 34(2), 365-373.
https://doi.org/10.1519/JSC.0000000000003106
Gottschall, J.
S., y Kram, R. (2005). Ground reaction forces during downhill and uphill
running. Journal of Biomechanics,
38(3), 445-452. https://doi.org/10.1016/j.jbiomech.2004.04.023
Gutiérrez-Vargas,
R., Martín-Rodríguez, S., Sánchez-Ureña, B., Rodríguez-Montero, A.,
Salas-Cabrera, J., Gutiérrez-Vargas, J. C., … Rojas-Valverde,
D. (2020). Biochemical and Muscle Mechanical Postmarathon Changes in Hot and
Humid Conditions: Journal of Strength and Conditioning Research, 34(3),
847-856. https://doi.org/10.1519/JSC.0000000000002746
Gutiérrez-Vargas,
R., Ugalde-Ramírez, J. A., Rojas-Valverde, D., Salas-Cabrera, J.,
Rodríguez-Montero, A., & Gutiérrez-Vargas, J. C. (2017). La termografía
infrarroja como herramienta efectiva para detectar áreas músculares dañadas
después de correr una maratón. Revista de la Facultad de Medicina, 65(4),
601-607. https://doi.org/10.15446/revfacmed.v65n4.60638
Halson, S. L.
(2014). Monitoring Training Load to Understand Fatigue in Athletes. Sports
Medicine, 44(S2), 139-147. https://doi.org/10.1007/s40279-014-0253-z
Hopkins, W. G.,
Marshall, S. W., Batterham, A. M., y Hanin, J. (2009). Progressive Statistics
for Studies in Sports Medicine and Exercise Science: Medicine & Science
in Sports & Exercise, 41(1), 3-13. https://doi.org/10.1249/MSS.0b013e31818cb278
Hughson, R. L.,
Weisiger, K. H., y Swanson, G. D. (1987). Blood lactate concentration increases
as a continuous function in progressive exercise. Journal of Applied
Physiology, 62(5), 1975-1981. https://doi.org/10.1152/jappl.1987.62.5.1975
Jobson, S. A.,
Passfield, L., Atkinson, G., Barton, G., y Scarf, P. (2009). The analysis and
utilization of cycling training data. Sports medicine, 39(10),
833–844. https://doi.org/10.2165/11317840-000000000-00000
Kerhervé, H. A.,
Millet, G. Y., y Solomon, C. (2015). The Dynamics of Speed Selection and
Psycho-Physiological Load during a Mountain Ultramarathon. PLoS
ONE, 10(12), e0145482.
https://doi.org/10.1371/journal.pone.0145482
Kyröläinen,
H., Pullinen, T., Candau, R., Avela, J., Huttunen, P., y Komi, P. V. (2000). Effects
of marathon running on running economy and kinematics. European Journal of
Applied Physiology, 82(4), 297–304.
https://doi.org/10.1007/s004210000219
Martin, V.,
Kerherve, H., Messonnier, L. A., Banfi, J. C., Geyssant, A., Bonnefoy, R., …
Millet, G. Y. (2010). Central and peripheral contributions to neuromuscular
fatigue induced by a 24-h treadmill run. Journal of Applied Physiology, 108(5),
1224-1233. https://doi.org/10.1152/japplphysiol.01202.2009
Millet, G.
(2011). Can Neuromuscular Fatigue Explain Running Strategies and Performance in
Ultra-Marathons?: The Flush Model. Sports Medicine, 41(6),
489-506. https://doi.org/10.2165/11588760-000000000-00000
Millet, G.,
Martin, V., Lattier, G., y Ballay, Y. (2003). Mechanisms contributing to knee
extensor strength loss after prolonged running exercise. Journal of Applied
Physiology, 94(1), 193-198.
https://doi.org/10.1152/japplphysiol.00600.2002
Millet, G. Y.,
Banfi, J. C., Kerherve, H., Morin, J. B., Vincent, L., Estrade, C., … Feasson,
L. (2011). Physiological and biological factors associated with a 24 h
treadmill ultra-marathon performance: Factors associated with ultra-marathon
performance. Scandinavian Journal of Medicine & Science in Sports, 21(1),
54-61. https://doi.org/10.1111/j.1600-0838.2009.01001.x
Millet,
Guillaume, Tomazin, K., Verges, S., Vincent, C., Bonnefoy, R., Boisson, R.-C.,
… Martin, V. (2011). Neuromuscular Consequences of an Extreme Mountain
Ultra-Marathon. PLoS ONE, 6(2), e17059. https://doi.org/10.1371/journal.pone.0017059
Millet,
Guillaume Y., Morin, J.-B., Degache, F., Edouard, P., Feasson, L., Verney, J.,
y Oullion, R. (2009). Running from Paris to Beijing: Biomechanical and
physiological consequences. European Journal of Applied Physiology, 107(6),
731-738. https://doi.org/10.1007/s00421-009-1194-3
Molina-Carmona,
I., Gomez-Carmona, C. D., Bastida Castillo, A., y Pino-Ortega, J. (2018).
Validez del dispositivo inercial WIMU PROTM️ para el registro
de la frecuencia cardíaca en un test de campo. Sport-TK: Revista
Euroamericana de Ciencias del Deporte, 7, 81-86.
https://doi.org/10.6018/321921
Morin, J. B.,
Tomazin, K., Edouard, P., y Millet, G. Y. (2011). Changes in running mechanics
and spring–mass behavior induced by a mountain ultra-marathon race. Journal
of Biomechanics, 44(6), 1104-1107.
https://doi.org/10.1016/j.jbiomech.2011.01.028
Morin, J. B.,
Dalleau, G., Kyröläinen, H., Jeannin, T., y Belli, A. (2005). A Simple Method
for Measuring Stiffness during Running. Journal of Applied Biomechanics,
21(2), 167-180. https://doi.org/10.1123/jab.21.2.167
Morin,
J. B., Samozino, P., y Millet, G. Y. (2011). Changes in
Running Kinematics, Kinetics, and Spring-Mass Behavior over a 24-h Run: Medicine
& Science in Sports & Exercise, 43(5), 829-836.
https://doi.org/10.1249/MSS.0b013e3181fec518
Nedergaard, N.
J., Robinson, M. A., Eusterwiemann, E., Drust, B., Lisboa, P. J., y
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
Nicol, C.,
Komi, P. V., y Marconnet, P. (2007). Effects of marathon fatigue on
running kinematics and economy. Scandinavian Journal of Medicine &
Science in Sports, 1(4), 195-204.
https://doi.org/10.1111/j.1600-0838.1991.tb00296.x
Osgnach, C.,
Poser, S., Bernardini, R., Rinaldo, R., y Di Prampero, P. E. (2010). Energy
Cost and Metabolic Power in Elite Soccer: A New Match Analysis Approach. Medicine
& Science in Sports & Exercise, 42(1), 170-178.
https://doi.org/10.1249/MSS.0b013e3181ae5cfd
Pichot, V.,
Roche, F., Gaspoz, J.-M., Enjolras, F., Antoniadis, A., Minini, P., …
Barthelemy, J. C. (2000). Relation between heart rate variability and training
load in middle-distance runners. Medicine and Science in Sports and Exercise,
32(10), 1729–1736. https://doi.org/10.1097/00005768-200010000-00011
Pincus, S. M.
(2001). Assessing serial irregularity and its implications for health. Annals
of the New York Academy of Sciences, 954(1), 245–267.
https://doi.org/10.1111/j.1749-6632.2001.tb02755.x
Reche-Soto,
P., Cardona-Nieto, D., Diaz-Suarez, A., Bastida-Castillo, A., Gomez-Carmona,
C., Garcia-Rubio, J., y Pino-Ortega, J. (2019). Player Load and Metabolic
Power Dynamics as Load Quantifiers in Soccer. Journal of Human Kinetics,
69(1), 259-269. http://www.doi.org/10.2478/hukin-2018-0072
Reche-Soto, P.,
Cardona-Nieto, D., Diaz-Suarez, A., Gomez-Carmona, C., y Pino-Ortega, J.
(2020). AcelT y PlayerLoadTM️: Dos
variables para la cuantificación de la carga neuromuscular. Revista
Internacional de Medicina y Ciencias de la Actividad Física y del Deporte, 20(77),
167-183. https://doi.org/10.15366/rimcafd2020.77.011
Rojas-Valverde,
D. (2019). Brief historical review of distance and ultradistance runnig in
Costa Rica and the world. Viref:revista de Educación Física,
8(1), 1-19.
Ruiz-Juan, F.,
y Zarauz, A. (2014). Análisis de la motivación en corredores de maratón
españoles. Revista Latinoamericana de Psicologia, 46(1), 1–11.
https://doi.org/10.1016/S0120-0534(14)70001-9
Sparks, M.,
Coetzee, B., y Gabbett, T. J. (2017). Internal and External Match Loads
of University-Level Soccer Players: A Comparison Between Methods. Journal of
Strength and Conditioning Research, 31(4), 1072-1077.
https://doi.org/10.1519/JSC.0000000000001560
Taylor, K.,
Chapman, D., Cronin, J., Newton, M. J., y Gill, N. (2012). Fatigue monitoring
in high performance sport: A survey of current trends. Journal of Australian
Strength & Conditioning, 20(1), 12–23.
Twist, C., y
Highton, J. (2013). Monitoring fatigue and recovery in rugby league players. International
Journal of sports physiology and performance, 8(5), 467–474.
https://doi.org/10.1123/ijspp.8.5.467
Urdampilleta,
A., López-Grueso, R., Martínez-Sanz, J. M., y Mielgo-Ayuso, J. (2014). Parámetros
bioquímicos básicos, hematológicos y hormonales para el control de la salud y
el estado nutricional en los deportistas. Revista Española de Nutrición
Humana y Dietética, 18(3), 155–171.
https://doi.org/10.14306/renhyd.18.3.24
Uth, N.,
Sorensen, H., Overgaard, K., y Pedersen, P. K. (2004). Estimation of VO2max
from the ratio between HRmax and HRrest? The Heart Rate Ratio Method. European
Journal of Applied Physiology, 91(1), 111-115.
https://doi.org/10.1007/s00421-003-0988-y
Vernillo, G.,
Giandolini, M., Edwards, W. B., Morin, J.-B., Samozino, P., Horvais, N., y
Millet, G. Y. (2017). Biomechanics and Physiology of Uphill and Downhill
Running. Sports Medicine, 47(4),
615-629. https://doi.org/10.1007/s40279-016-0605-y
Vernillo, G.,
Savoldelli, A., Zignoli, A., Skafidas, S., Fornasiero, A., La Torre, A., … Schena,
F. (2015). Energy cost and kinematics of level, uphill and downhill running:
Fatigue-induced changes after a mountain ultramarathon. Journal of Sports
Sciences, 33(19), 1998-2005.
https://doi.org/10.1080/02640414.2015.1022870
Número de citas totales / Total references: 53 (100%)
Número de citas propias de
la revista / Journal's own references: 1 (1,88%)
Rev.int.med.cienc.act.fís.deporte
-
vol. 20 - número 80 - ISSN: 1577-0354