López-Laval, I.; Cirer-Sastre, R.; Sitko, S.;
Corbi, F.; Vaquera, A.; Calleja-González, J. (2022) Relationship Between
Methodologies for Load Control in Professional Basketball. Revista Internacional de Medicina y Ciencias de
la Actividad Física y el Deporte vol. 22 (87) pp. 649-661 Http://cdeporte.rediris.es/revista/revista87/artrelacion1369.htm
DOI:
https://doi.org/10.15366/rimcafd2022.87.014
ORIGINAL
RELACIÓN
ENTRE METODOLOGÍAS DE CONTROL DE LA CARGA EN EL BALONCESTO PROFESIONAL
RELATIONSHIP
BETWEEN METHODOLOGIES FOR LOAD CONTROL IN PROFESSIONAL BASKETBALL
López-Laval, I.1; Cirer-Sastre,
R.2; Sitko, S.3; Corbi, F.4; Vaquera, A5 y Calleja-González, J.5
1 Profesor ayudante doctor,
Facultad de Ciencias de la Salud y del
Deporte de Huesca (España) isaac@unizar.es
2 Profesor ayudante doctor, Institut Nacional d’Educació Física de Catalunya (INEFC) (España) rcirer@inefc.es
3 Profesor asociado, Facultad de Ciencias de la Salud y del Deporte de
Huesca (España) sebastiansitko@yahoo.es
4 Profesor
titular,Institut Nacional d’Educació Física de Catalunya INEFC (España)
f@corbi.neoma.org
5 Profesor titular, Facultad
de Ciencias de la Actividad Física y del Deporte de León (España)
avaqj@unileon.es
6 Profesor titular, Facultad
de Ciencias del Deporte de la UPV/EHU del País Vasco (España) julio.calleja.gonzalez@gmail.com
FINANCIACIÓN
Este artículo no ha recibido ninguna ayuda
económica de ninguna organización ni pública ni privada.
CONFLICTO DE INTERESES
No existe ningún conflicto de interés por parte
de ninguno de los autores que ha participado en este trabajo.
Código UNESCO / UNESCO: 3212 Salud Pública / PublicHealth
Clasificación Consejo de Europa / Council of Europe classification: Área 17. OTRAS (Análisis del rendimiento deportivo) / OTHERS (Analysis of sports
performance)
Recibido 11 abril de 2020 Received
April 11, 2020
Aceptado 27 de febrero de 2021 Accepted
February 27, 2021
RESUMEN
El objetivo de este trabajo fue determinar la
relación existente entre diferentes metodologías de medición de la carga de
entrenamiento en un equipo profesional de baloncesto. 12 jugadores de un mismo
equipo fueron sometidos a estructuras de entrenamiento iguales en cuanto a
diseño y fueron monitorizados diariamente con frecuencia cardiaca, GPS y
percepción subjetiva de esfuerzo. Los resultados indicaron diferencias
significativas entre todas las metodologías de control utilizadas. RPE
(x2=12.4; P=.015), sRPE (x2=21.5; P<.001), TRIMP
(x2=23.5; P<.001), SHRZ (x2=19.3; P<.001) y distancia (x2=21.7;
P<.001). Se observó una correlación entre todas ellas exceptuando la
variable distancia recorrida; Borg (p=.19; P=79), sRPE
(p=.14; P=.299) y sHR-Z (p=.17; P=.197). Estos
resultados sugieren que los diferentes métodos de evaluación utilizados para el
control de la carga de entrenamiento determinan resultados variables en un
equipo de baloncesto profesional. Se consideró que el ratio
de esfuerzo percibido por sesión resulta el instrumento más eficaz para el
control de la carga de entrenamiento.
PALABRAS
CLAVE: Baloncesto,
carga de entrenamiento, frecuencia cardiaca, percepción de esfuerzo.
ABSTRACT
The aim of this study was to determine the
relationship between different load assessment methods in a professional
basketball team. Twelve professional basketball players of the same team were
subjected to the same training plan design and were monitored daily with heart
rate monitors, GPS tools and perceived exertion scales. Results suggested that
there were significant differences in training load between all monitoring
methods: RPE (x2=12.4; P=.015), sRPE (x2=21.5;
P<.001), TRIMP (x2=23.5; P<.001), SHRZ (x2=19.3; P<.001) and distance
(x2=21.7; P<.001). Correlations were found between RPE and heart rate but
not between these methods and the distance travelled during sessions: Borg
(p=.19; P=79), sRPE (p=.14; P=.299) and sHR-Z (p=.17; P=.197). These results suggested that
different load assessment methods render varying results in a professional
basketball team. In this sample, perceived exertion rate was suggested as the
best method for assessing training load in professional basketball players.
KEYWORDS: Basketball,
training load, heart rate, TRIMP, perceived effort
1.
INTRODUCCIÓN
El baloncesto se caracteriza por ser un deporte de intensidad variable
en el que se realizan patrones de movimiento diferentes tales como correr,
saltar, esprintar, lanzar o cambiar de dirección (Herrán et al., 2017). Para conseguir una máxima prestación deportiva,
los jugadores son sometidos a diferentes niveles de cargas de entrenamiento
(CE) con la intención de generar adaptaciones fisiológicas que mejoren su
rendimiento y eviten la aparición de lesiones
(Aoki et al., 2017; Ferioli et al., 2018). La monitorización continuada de la CE resultará
fundamental, ya que permitirá al entrenador conocer el nivel de fatiga
acumulada facilitando la gestión diaria en su labor profesional (Gabbett et al., 2017).
La literatura científica actual ha propuesto diferentes metodologías para la obtención de
información objetiva que permita cuantificar la CE (Mujika, 2017;
Reche-Soto et al., 2020). Éstas, se clasifican
bajo dos criterios genéricos de obtención de información en forma de unidades arbitrarias
de entrenamiento (UA); carga externa (Cext) y carga
interna (Cint) (Rojas-Inda,
2018). La Cext representa la descripción cuantitativa del trabajo
físico desarrollado en una sesión de entrenamiento expresada a partir de
variables físicas absolutas, tales como la distancia recorrida, la aceleración
alcanzada o la potencia desarrollada (Gomez-Carmona
et al., 2019). Por otro lado,
la Cint determina el efecto individual que la Cext provoca a nivel fisiológico en un deportista en
situación de entrenamiento o competición (Garcia-Santos
et al., 2019; Moreira et al., 2012). Ésta se determina principalmente a través del
control de variables tales como la frecuencia cardíaca (Fc),
la concentración de lactato, la concentración hormonal o la percepción
subjetiva del esfuerzo (Fox et al.,
2018). Debe tenerse
en cuenta que la variable Cext describe de un modo
teórico los componentes del entrenamiento (volumen, intensidad, densidad,
descanso y duración) (González-Espinosa et al., 2018), y que a pesar de
organizar trabajos bajo un mismo criterio organizativo los efectos del
entrenamiento provocados en cada jugador son totalmente diferentes. Elementos
como el nivel de condición física del jugador, la genética, el estado mental
(motivación) o elementos ambientales son factores determinantes en los procesos
adaptativos individuales (Foster et al.,
2001). Desafortunadamente,
a día de hoy no existe un consenso claro sobre cuál es la mejor metodología
para la cuantificación de la CE en los deportes colectivos, provocando que se
combinen variables de Cint (ej. frecuencia cardíaca,
lactato o la escala de Borg) con variables de Cext (minutos,
metros recorridos o número de saltos) (Maupin et al.,
2020). Una de las
opciones más aceptadas en la literatura científica actual es el ratio de
esfuerzo percibido por sesión (sRPE), variable que combina
parámetros de percepción subjetiva de esfuerzo (Cint)
con la variable temporal minutos de entrenamiento (Cext)
(Haddad et al., 2017; Lupo et al., 2017). La amplia aceptación de este método dentro de la comunidad
científica, así como su bajo coste económico, han hecho que sea una herramienta
fundamental en el control de la CE en el deporte colectivo (Bartlett et al., 2017).
Pocos son los estudios que han analizado la relación existente
entre diferentes metodologías del control de la CE en baloncesto profesional y
especialmente atendiendo a un contexto competitivo real (Berkelmans et al., 2018;
Fox et al., 2017; Petway et al., 2020). El conocimiento de las diferencias existentes entre las opciones
metodológicas de control de CE nos permitirá hacer una elección acertada en
cuanto a qué metodología es la más adecuada para la cuantificación de la CE. Por
todo ello, los objetivos de este estudio son; establecer la relación existente
entre diferentes metodologías de medición de la CE dentro de un contexto
profesional de jugadores de baloncesto, y tratar de determinar cuál es la herramienta
más adecuada para su utilización.
2.
MÉTODOS
2.1.
PARTICIPANTES
Doce jugadores profesionales de baloncesto
pertenecientes a la primera división española (ACB) participaron en este
estudio. Las características físicas y antropométricas de los jugadores se
muestran en la Tabla 1.
Tabla 1.
Características
físicas y antropométricas de los participantes.
|
|
Media ± SD [Rango] |
|
Edad (años) |
27 ± 5 [20 - 35] |
|
Peso (kg) |
96.7 ±
11.1 [75 - 114.3] |
|
Altura (cm) |
200.2 ±
7.3 [185 - 208] |
|
Grasa corporal (%) |
9.44 ±
2.28 [6.3 - 12.4] |
|
Experiencia (años) |
10 ± 5 [2
- 17] |
|
VO2max (ml/kg/min) |
53.24 ±
4.25 [49 - 63.18] |
|
VO2max (ppm) |
182.9 ± 8
[171 - 197] |
|
VT2 (ml/kg/min) |
44.87 ±
2.83 [41.32 - 49.62] |
|
VT2 (ppm) |
167.7 ±
5.8 [162 - 182] |
|
VT2 (%VO2max) |
0.85 ±
0.03 [0.8 - 0.9] |
|
VT1 (ml/kg/min) |
37.58 ±
3.6 [30.75 - 43.32] |
|
VT1 (ppm) |
147.9 ±
4.9 [140 - 156] |
|
VT1 (% VO2max) |
0.72 ±
0.05 [0.6 - 0.8] |
Los criterios de inclusión para la
participación en esta investigación fueron; (i) ser jugador profesional con
ficha federativa vigente, (ii) poseer al menos 5 años
de experiencia profesional en la práctica del baloncesto (Europa, España o USA)
y (iii) haber entrenado de manera íntegra dentro del
equipo de participantes desde el inicio de la pretemporada. Fueron excluidos
aquellos jugadores que se incorporaron al equipo una vez comenzada la
pretemporada o el periodo competitivo.
Previamente al inicio de la recogida de datos,
los participantes y el equipo técnico fueron informados de los objetivos de
este trabajo, así como de los beneficios y posibles riesgos que pudieran
derivar de su participación. El estudio se diseñó de acuerdo con la última
versión de la Declaración de Helsinki (Fortaleza 2013) y fue previamente aprobado
por el Comité de Ética de Aragón (ref. Nº 06/2018).
Todos los jugadores firmaron el consentimiento informado y pasaron un examen
médico.
2.2. PROCESO EXPERIMENTAL
Estudio descriptivo retrospectivo realizado
entre el 3 de diciembre de 2018 y el 6 de enero de 2019. Una semana antes del
inicio de la recogida de datos todos los jugadores pasaron por el laboratorio
de análisis biomédico para completar las valoraciones físicas generales. Se
realizaron mediciones antropométricas siguiendo el protocolo ISAK. El mismo
investigador (certificado internacionalmente, ISAK nivel 2) registró las
medidas de todos los participantes; suma de 5 pliegues cutáneos en mm (tríceps,
abdominal, subescapular, mitad del muslo y pantorrilla) analizados con un
calibre de pliegue cutáneo Harpenden® con precisión
de 0,2mm, altura (cm) obtenida mediante una barra de medición SECA© con
precisión de 1mm y peso corporal (kg) registrado con precisión 0,1kg (báscula
SECA©). El índice de masa corporal (IMC) se obtuvo a partir de la fórmula kg/m2.
Los participantes realizaron una prueba de carrera máxima progresiva utilizando
analizador de gases (CPX / D Med Graphics,
St. Paul, MN, EE. UU.) (Lucía et al. 2003). La prueba se inició con una
inclinación del 3% y una velocidad de carrera de 8km/h. La velocidad se
incrementó en 0.5 km/h cada 30 segundos realizando el ejercicio hasta el
agotamiento. Se consideró que los jugadores habían alcanzado el VO2max
cuando; (i) la frecuencia cardiaca máxima (Fcmax)
era alcanzada en la prueba atendiendo a la fórmula=220 - edad, (ii) la frecuencia de intercambio respiratorio definida por
la proporción instantánea de dióxido de carbono exhalado (VCO2) y
oxígeno consumido (VO2) alcanzaba niveles superiores a 1.10 y el VO2
se mantenía en meseta, a pesar del incremento de la intensidad del ejercicio y
(iii) el valor más alto de VO2 se alcanzó
durante 15 segundos. Cuando 2 de estos criterios se cumplieron simultáneamente
se determinó el VO2max.
2.3. VARIABLES DE CONTROL DE CE
La estimación de la CE se realizó atendiendo a
cinco diferentes métodos de cuantificación;
·
La ratio de esfuerzo percibido o escala de Borg (RPE, escala
CR-10) se utilizó como medida de intensidad del entrenamiento (Borg & Löllgen, 2001). Se utilizó una traducción impresa en español de la escala CR-10 (Casamichana et al., 2013). El registro se realizó bajo los criterios metodológicos
establecidos; después del final de cada sesión de entrenamiento (entre los 5-30
minutos post sesión) y de manera individual. Todos los jugadores que
participaron en el estudio estaban familiarizados previamente con la
utilización de esta escala.
·
sRPE, variable de CE propuesto por Foster (Foster et al., 2001). Se calculó a partir del producto entre la RPE y el número de
minutos de entrenamiento realizados.
sRPE = Valor escala Borg * min
de entrenamiento
·
Impulso de entrenamiento (TRIMP). Concepto de medición propuesto
por Banister y Calvert (Banister & Calvert, 1980) y adaptado por Lucía (Lucía et al., 2003). El valor del TRIMP total se obtuvo tomando la Fc del jugador durante el tiempo que pasó dentro de cada uno
de los umbrales metabólicos; (Fase I o intensidad <VT1, fase II entre VT1 y
VT2 y fase III o intensidad máxima> VT2) y multiplicándola por el valor que
el autor otorga a cada nivel (Fase I=1, fase II=2 y fase III=3). Se aplicó la
fórmula:
TRIMP total = (min de la
fase 1 HR x 1) + (min de la fase 2 HR x 2)
+ (min de la fase 3 HR x 3)
·
Sumatorio de zonas de Fc (SHRZ).
Metodología propuesta por Edwars (Edwars,
1993). La CE se cuantificó aplicando
la siguiente fórmula:
SHRZ = (duración en la zona
1 x 1) + (duración en la zona 2 x 2) + (duración en la zona 3 x 3) + (duración
en la zona 4 x 4) + duración en zona 5 x 5). Cada zona mencionada corresponde
a: zona 1= 50% -60%, zona 2 = 60% -70%, zona 3 = 70% -80%, zona 4 = 80% -90% y
zona 5 = 90% -100% de la Fcmax.
·
Metros recorridos por cada jugador durante el entrenamiento.
2.4. PROCEDIMIENTO
Los participantes fueron monitorizados durante el
periodo competitivo comprendido entre el 3 de diciembre de 2018 y el 6 de enero
de 2019. Se determinó un periodo de la temporada que tuviera la misma
estructura de trabajo y competición: 4 días de entrenamiento consecutivos con la
misma estructura de secuenciación en cuanto a sesiones de entrenamiento; martes
y jueves doble sesión, trabajo de condición física por la mañana (30 minutos de
calentamiento y 1h de trabajo en gimnasio) y por las tardes trabajo de carácter
táctico y ejercicios de técnica individual en pista. Miércoles y viernes misma
estructura que las tardes de martes y jueves.
Se analizaron un total de 20 entrenamientos. Durante
la toma de datos se disputaron 5 partidos oficiales y siempre se dejaron 48
horas de descanso entre el partido y el siguiente entrenamiento. Todas las
sesiones se planificaron por el mismo equipo de entrenadores y se atendió a
idénticos criterios de entrenamiento semanal en cuanto a los ejercicios
distribuidos en cada día de la semana.
Fc y metros recorridos durante
el entrenamiento fueron registrados de forma continuada a lo largo de las 20
sesiones. No se registraron datos durante la competición ya que la
reglamentación ACB no lo permite. Para el registro de los datos se utilizó el sistema de medición
Polar Team Pro® (Polar Electro, Finland) con bandas de control de Fc
y acelerometría (Pueo et al., 2017). Para la descarga y análisis de los datos se utilizó el software
proporcionado por el mismo fabricante. En cada sesión de entrenamiento se
registraron las siguientes medidas: (i) Fcmax
y Fc media (Fcmed),
(ii) minutos transcurridos dentro de cada zona
definida en relación al % de la Fcmax (50-60%,
60-70%, 70 -80%, 80-90% y 90-100% de la Fcmax),
(iii) % de la Fc dentro de
cada zona de trabajo, (iv) tiempo empleado en cada
zona metabólica definido bajo parámetros fisiológico individual (por debajo del
umbral aeróbico, entre el umbral aeróbico-anaeróbico y por encima del umbral
anaeróbico) y (v) metros recorridos por cada jugador. Además, el RPE fue tomado
inmediatamente después de la finalización de cada entrenamiento de manera
individual para que la información aportada por el jugador no influyese en el
valor dado por otro compañero.
3.
ANÁLISIS ESTADÍSTICO
Para determinar la distribución de los datos se
utilizó la prueba de Shapiro-Wilk y la homocedasticidad fue calculada a partir del test de Levene (Field, 2013). Debido al reducido tamaño
muestral y a la distribución obtenida, se aplicaron pruebas no paramétricas. Se
realizó un primer análisis descriptivo a partir del valor promedio semanal
individual en relación a valores de media, desviación
estándar (± SD) y el rango [min – max]. Las variables
que no seguían una distribución gaussiana se calcularon a partir de la media y
el rango intercuartil [P25 – P75]. Se comprobaron las
diferencias entre mediciones repetidas usando el test
de Friedman (x2). Los casos estadísticamente significativos se compararon por
pares usando la suma de rangos de Wilcoxon. La significación estadística se
estableció con el valor P < .05.
Todas las pruebas fueron realizadas mediante el software SPSS 24.0 (SPSS Inc.,
Chicago IL, USA).
4.
RESULTADOS
Se analizaron un total de 29 horas y 53 minutos
de entrenamiento (26,7% entrenamiento físico, 52,9% entrenamiento táctico y
20,4% de entrenamiento de ejercicios técnicos). Los valores expresados como
media y rango intercuartil de las diferentes
metodologías de control de CE semanal aparecen descritos en la Tabla 2 y en la
Figura 1. Los resultados sugieren la existencia de diferencias significativas
entre todas las metodologías de medición utilizadas. [RPE (x2=12.4; P=.015), sRPE (x2=21.5; P<.001), TRIMP (x2=23.5; P<.001), SHRZ
(x2=19.3; P<.001) y distancia (x2=21.7; P<.001)] a pesar de analizar
sesiones de entrenamiento idénticas en cuanto a su diseño.
Tabla 2. Comparación de
medias repetidas de los valores individuales medios para las diferentes
metodologías de control de la carga
|
|
Semana 1 |
Semana 2 |
Semana 3 |
Semana 4 |
Semana 5 |
|
BORG** |
6 [5-6] |
6 [5-6] |
6 [5-6] |
7 [6-7]
†* |
6 [5-6]* |
|
TRIPM** |
108
[95-115] |
114
[103-129] † |
110
[104-119] |
138
[116-147] †* |
128
[111-144] † |
|
SRPE ** |
431 [357-446] |
480
[415-516] † |
461
[400-504] † |
598
[542-607] †* |
497
[423-532] †* |
|
SHRZ** |
154
[136-170] |
181
[157-202] |
179
[150-198] |
215
[182-246] † |
201
[162-224] † |
|
DIST** |
14524
[13916-16706] |
11576
[10594-12800] † |
12272
[11472-14113] † |
12753 [12132-13086] |
15394
[14767-16552]* |
** Principales
diferencias significativas entre metodologías de medición
† Diferencias
significativas comparadas con la primera semana
·
Diferencias significativas comparadas con la semana previa
Figura 1. Evolución de los
indicadores de carga durante las cinco semanas de observación.
(UA)
Unidades arbitrarias de medición para herramientas de control de carga de
entrenamiento.
(m) Metros recorridos por el
jugador en cada semana de trabajo.
Las asociaciones entre variables de control de CE
aparecen descritas en la Figura 2. En ella, se observa la existencia de
correlaciones entre todas las metodologías analizadas, exceptuando distancia
recorrida y escala de Borg (p=.19; P=79), sRPE
(p=.14; P=.299) y sHR-Z (p=.17; P=.197).
Figura 2.
Coeficiente de correlación Spearman
entre los diferentes métodos de control de carga.
5.
DISCUSIÓN
Para nuestro conocimiento, este es el primer estudio que trata de
analizar la relación existente entre diferentes metodologías de control de CE
en un contexto profesional de baloncesto bajo una misma estructura de
planificación a lo largo del periodo competitivo. Los objetivos establecidos
para este trabajo han sido; (i) establecer la relación existente entre
diferentes metodologías de medición de la CE dentro de un contexto profesional
de jugadores de baloncesto y (ii) determinar cual es la opción más adecuada para el control de la carga.
Los resultados de nuestro trabajo sugieren la existencia de
diferencias significativas entre las metodologías utilizadas para el control de
la CE a pesar de analizar las mismas sesiones de entrenamiento repetidas a lo
largo de semanas de entrenamiento iguales en cuanto a su diseño y estructura.
Del mismo modo, se observa la existencia de correlaciones entre todas las
metodologías utilizadas, exceptuando la variable distancia recorrida. En relación a esta última variable, los resultados obtenidos
van en la línea de los resultados observados en estudios anteriores en los que
no se constataron correlaciones importantes entre metodológicas de Cext y Cint. Scalan
y col. (Scanlan et al., 2014), en un estudio en el que se analizó a un grupo de 9 jugadores
semiprofesionales de baloncesto durante un periodo de 9 semanas, trató de
determinar la posible relación existente entre diferentes variables de control
de carga. Se observó una correlación débil al interrelacionar los niveles de Cext (determinados mediante técnicas de acelerometría),
y la sRPE (r=.49;
P<.001), TRIMP (r=.38; P=.011)
y SHRZ (r=.61; P<.001). En el caso
de nuestro estudio, tan sólo observamos una correlación significativa débil
entre la metodología TRIMP y los metros recorridos (p=.27; P<.001), no
observándose diferencias significativas al correlacionar la distancia recorrida
con el resto de variables analizadas.
Contrariamente, en una reciente revisión
realizada por McLaren y col. (McLaren et al., 2018), se determinó la existencia de una fuerte asociación entre Cext y Cint
al relacionar variables tales como; metros recorridos, distancia recorrida a
diferentes velocidades, aceleración y número de impactos con percepción
subjetiva del esfuerzo y Fc. Desafortunadamente,
aunque los autores centraron su estudio en los deportes colectivos, la inmensa
mayoría de trabajos analizados utilizan deportes como el fútbol, fútbol
americano o el rugby, donde la cancha de juego es de dimensiones mucho mayores
a la que se utiliza en baloncesto. Esta característica intrínseca de este tipo
de deportes no solo aumentará la distancia recorrida durante cada sesión de
entrenamiento, sino que podría modificar el nivel de autopercepción de fatiga debido
a que la duración de la intensidad alcanzada, vías metabólicas requeridas y la
relación tiempo de trabajo-recuperación, podrían influir directamente en el
nivel de autopercepción de la fatiga. Estos mismos autores realizaron una clara
diferenciación entre los métodos perceptivos y los que utilizan variables más
integradoras, concluyendo que ambos tipos de metodologías utilizadas en el control
de la CE podrían aportar resultados distintos.
En esta misma línea, Scanlan
y col. (Scanlan et al., 2016), analizaron 10 semanas de entrenamiento dividido en 3 bloques
diferentes en función del contenido de trabajo realizado: entrenamiento de
base, trabajo de fuerza y entrenamiento en pista. Se observó una alta
correlación entre las diferentes metodologías de Cint
utilizadas y el tipo de trabajo desarrollado en los entrenamientos, con
excepción de los entrenamientos de fuerza (sRPE-TRIMP:
p =.38; P <.005 y sRPE-SHRZ: p =.52; P <.005). Estos
valores muestran que no solo debería de tenerse en cuenta el tipo de vía
metabólica estimulada y la depleción de los depósitos de sustratos utilizados
en el entrenamiento, sino que también se debería de considerar los efectos que
sobre el sistema nervioso tiene el tipo de tarea planteada. En nuestro estudio,
los niveles de correlación observados entre la metodología TRIMP y la SHRZ son
similares a los obtenidos en este estudio. Este hallazgo podría deberse en
parte, a que durante los períodos competitivos los equipos siguen dinámicas de
cargas y metodologías de entrenamiento semanales similares con la intención de
llegar en las mejores condiciones posibles al partido del fin de semana. Las
pequeñas diferencias observadas podrían ser atribuidas a la composición de la
muestra analizada, ya que en el caso de nuestro estudio se analizaron jugadores
profesionales mientras que en el estudio de Scanlan y
col. se analizó una muestra de jugadores semiprofesionales sin especificación
del nivel real de rendimiento. Las características de la muestra estudiada
podrían provocar diferencias debido a que la capacidad de auto percepción de fatiga
y el nivel de condición física de cada grupo de estudio podría ser diferente:
profesional Vs amateur. Las diferencias observadas en nuestro estudio en relación a las metodologías de CE nos hacen pensar en la
posibilidad de que el tipo de contenido desarrollado (técnico, táctico,
emocional o fisiológico) puede determinar el tipo de método idóneo a utilizar
para el control de la CE.
Por último, añadir que
los resultados obtenidos en nuestro estudio sugieren que los métodos basados en
la variable Fc (Fc, TRIP o
SHRZ) aportan informaciones diferentes en función de la metodología de CE
utilizada cuando se analiza un deporte como el baloncesto con una muestra de
jugadores profesionales. A pesar de las relaciones estadísticas observadas
entre las metodologías de Cint y Cext
para el control del entrenamiento, nos decantamos al igual que otros autores (Bartlett et al., 2017; Haddad et al., 2017; Lupo et al., 2017)
por el uso de metodologías de tipo perceptivo. La
facilidad en su aplicación y el bajo coste económico que supone el uso de estas
herramientas, unido a la fuerte correlación estadística descrita en relación a
variables como la producción de ácido láctico, acidosis metabólica,
catecolaminas y endorfinas (Scherr et al., 2013), hace que sea un método especialmente interesante en deportes donde
prevalecen los factores de fuerza explosiva y potencia, como es el caso del
baloncesto.
6.
LIMITACIONES DEL ESTUDIO
Futuros estudios son necesarios para poder
clarificar cuál es la mejor metodología para el control de CE y poder describir
el tipo de fatiga producida en función del contenido de trabajo dentro del
deporte colectivo. La interpretación de los datos está sujeta al reducido número
de participantes (n=11), lo cual puede influir en los resultados estadísticos
analizados. Más estudios con muestras profesionales de deportes indoor son necesarios para corroborar nuestras
conclusiones.
7.
CONCLUSIONES
Los resultados de nuestro estudio sugieren que,
a pesar de un diseño idéntico en la estructura de ejercicios y planificación de
semanas de entrenamiento, la respuesta fisiológica individual de los jugadores
en forma de Fc es siempre diferente y no responde a
un patrón determinado. La existencia de diversos niveles de correlación entre
las metodologías utilizadas para el control de CE en un deporte como el
baloncesto nos permite determinar que todas resultan válidas a excepción de los
metros recorridos por el jugador durante el entrenamiento. A pesar de ello, nos
decantamos por metodologías auto perceptivas ya que presentan mayores niveles
de correlación entre las opciones utilizadas.
8. REFERENCIAS BIBLIOGRÁFICAS
Aoki, M. S., Ronda, L.
T., Marcelino, P. R., Drago, G., Carling, C., Bradley, P. S., & Moreira, A.
(2017). Monitoring training loads in
professional basketball players engaged in a periodized training program. Journal
of Strength and Conditioning Research, 31(2), 348–358.
https://doi.org/10.1519/JSC.0000000000001507
Banister, E. W., & Calvert, T. W. (1980). Planning for Future Performance-Implications for Long Term Training. Can
J Appl Spt Sci, 5(3), 170-173. https://doi.org/6778623
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
Berkelmans, D. M., Dalbo, V. J., Kean, C. O., Milanovic, Z., Stojanovic,
E., Stojiljkovic, N., & Scanlan, A. T. (2018). Heart Rate Monitoring in
Basketball: Applications, Player Responses, and Practical Recommendations. Journal
of Strength and Conditioning Research, 32(8), 2383–2399.
https://doi.org/10.1519/JSC.0000000000002194
Borg, G., & Löllgen, H. (2001). Borg’s perceived exertion and pain
scales. Sage: Germany
Casamichana, D., Castellano, J., Calleja-Gonzalez, J., RomaN, J. S., &
Castagna, C. (2013). Relationship between indicators of
training load in soccer players. Journal of Strength and Conditioning
Research, 27(2), 369–374. https://doi.org/10.1519/JSC.0b013e3182548af1
Edwars, S. (1993). The Heart Rate Monitoring Book. CA: Fleet Press,
editor.
Ferioli, D., Bosio, A., La Torre, A., Carlomagno, D., Connolly, D. R.,
& Rampinini, E. (2018). Different training loads partially influence
physiological response to the preparation period in basketball. Journal of
Strength and Conditioning Research, 32(3), 790–797. http://doi:
10.1519/JSC.0000000000001823.
Field, A. (2013). Discovering statistics using IBM SPSS statistics.
Sage: Londres.
Foster, C., Florhaug, J. A., Franklin, J., Gottschall, L., Hrovatin, L.
A., Parker, S., Doleshal, P., & Dodge, C. (2001). A New Approach to
Monitoring Exercise Training. Journal of Strength and Conditioning Research,
15(1), 109-115. https://doi.org/10.1519/1533-4287
Fox, J. L., Scanlan, A. T., & Stanton, R. (2017). A Review of Player
Monitoring Approaches in Basketball: Current Trends and Future Directions. In Journal
of Strength and Conditioning Research, 31(7), 2021-2019. https://doi.org/10.1519/JSC.0000000000001964
Fox, J. L., Stanton, R., Sargent, C., Wintour, S.-A., & Scanlan, A. T.
(2018). The Association Between Training Load and Performance in Team Sports: A
Systematic Review. Sports Medicine (Auckland, N.Z.), 48(12),
2743–2774. https://doi.org/10.1007/s402790180982-5
Gabbett, T. J., Nassis, G. P., Oetter, E., Pretorius, J., Johnston, N.,
Medina, D., Rodas, G., Myslinski, T., Howells, D., Beard, A., & Ryan, A.
(2017). The athlete monitoring cycle: A practical guide to interpreting and
applying training monitoring data. British Journal of Sports Medicine, 51(20),
1451–1452. https://doi.org/10.1136/bjsports-2016-097298
Garcia-Santos, D., Pino-Ortega, J., Garcia-Rubio, J., Vaquera, A., &
Ibanez, S. J. (2019). Internal and External Demands in Basketball Referees
during the U-16 European Women’s Championship. International Journal of
Environmental Research and Public Health, 16(18).
https://doi.org/10.3390/ijerph16183421
Gomez-Carmona, C. D., Pino-Ortega, J., Sanchez-Urena, B., Ibanez, S. J.,
& Rojas-Valverde, D. (2019). Accelerometry-Based
External Load Indicators in Sport: Too Many Options, Same Practical Outcome? International
Journal of Environmental Research and Public Health, 16(24).
https://doi.org/10.3390/ijerph16245101
González-Espinosa, S., García-Rubio, J., Feu, S.; Ibáñez, S.J. (2020)
External Load in Basketball. According To Game Situation and Methodology. Revista Internacional de Medicina y Ciencias de la Actividad
Física y el Deporte, 20 (79),
395-417.https://doi.org/10.15366/rimcafd2020.79.002
Haddad, M., Stylianides, G., Djaoui, L., Dellal, A., & Chamari, K.
(2017). Session-RPE method for training load
monitoring: Validity, ecological usefulness, and influencing factors. Frontiers
in Neuroscience, 11(2), 1–13.
https://doi.org/10.3389/fnins.2017.00612
Herrán, A., Usabiaga, O., & Castellano, J. (2017). Comparación del perfil
físico entre 3x3 y 5x5 de baloncesto formativo / Physical Profile Comparison
Between 3x3 and 5x5 Basketball Training. Revista Internacional de Medicina y Ciencias de La Actividad Física y Del
Deporte; Núm. 67(67). https://10.15366/rimcafd2017.67.003
Lucía, A., Hoyos, J., Santalla, A., Earnest, C., & Chicharro, J. L.
(2003). Tour de France versus Vuelta a España: Which is harder? Medicine and Science in Sports and Exercise, 35(5), 872–878. https://doi.org/10.1249/01.MSS.0000064999.82036.B4
Lupo, C., Tessitore, A., Gasperi, L., & Gomez, M. A. R. (2017).
Session-RPE for quantifying the load of different youth basketball training
sessions. Biology of Sport, 34(1), 11–17.
https://doi.org/10.5114/biolsport.2017.63381
Maupin, D., Schram, B., Canetti, E., & Orr, R. (2020). The
Relationship Between Acute: Chronic Workload Ratios and Injury Risk in Sports:
A Systematic Review. Open Access Journal of Sports Medicine, 11(1),
51–75. https://doi.org/10.2147/OAJSM.S231405
McLaren, S. J., Macpherson, T. W., Coutts, A. J., Hurst, C., Spears, I.
R., & Weston, M. (2018). The Relationships Between Internal and External
Measures of Training Load and Intensity in Team Sports: A Meta-Analysis. Sports
Medicine, 48(3), 641–658. https:// doi.org/10.1007/s40279-017-0830-z
Moreira, A., McGuigan, M. R., Arruda, A. F. S., Freitas, C. G., &
Aoki, M. S. (2012). Monitoring internal load parameters during simulated and
official basketball matches. Journal of Strength and Conditioning Research,
26(3), 861–866. htpps://doi.org/10.1519/JSC.0b013e31822645e9
Mujika, I. (2017). Quantification of training and competition loads in
endurance sports: Methods and applications. In International Journal of
Sports Physiology and Performance, 12(2), 9–17. https://doi.org/10.1123/ijspp.2016-0403
Petway, A. J., Freitas, T. T., Calleja-Gonzalez, J., Medina Leal, D.,
& Alcaraz, P. E. (2020). Training load and match-play demands
in basketball based on competition level: A
systematic review. PloS One, 15(3), http:// e0229212. doi.org/10.1371/journal.pone.0229212
Pueo, B., Jimenez-Olmedo, J. M., Penichet-Tomas, A., Ortega Becerra, M.,
& Espina Agullo, J. J. (2017). Analysis of
time-motion and heart rate in elite male and female beach handball. Journal of Sports Science and Medicine, 16(4), 450–458.
Reche-Soto, P., Cardona, D., Díaz, A., Gómez-Carmona, C., &
Pino-Ortega, J. (2020). Acelt y player load: 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://revistas.uam.es/rimcafd/article/view/rimcafd2020.77.011/11927
Rojas-Inda, S. (2018). Análisis de carga interna y externa de futbolistas
jóvenes en juegos reducidos // Analysis of internal and external load in small
games in young football players. Revista Internacional de Medicina y
Ciencias de La Actividad Física y Del Deporte; Vol. 18(71).
https://doi.org/http://dx.doi.org/10.15366/rimcafd2018.71.004.
Scanlan, A. T., Fox, J. L., Borges, N. R., Ben, J, D., & Vicent J, D.
(2016). Cumulative Training Dose Alters the Interrelationships Between Common
Training Load Models During Basketball Activity. International Journal of
Sports Physiology and Performance, 16(4), 35–54.
Scanlan, A. T., Wen, N., Tucker, P. S., Borges, N. R., & Dalbo, V. J.
(2014). Training mode’s influence on the relationships between training-load
models during basketball conditioning. International Journal of Sports
Physiology and Performance, 9(5), 851–856.
https://doi.org/10.1123/ijspp.2013-0410
Scherr, J., Wolfarth, B., Christle, J. W., Pressler, A., Wagenpfeil, S.,
& Halle, M. (2013). Associations between Borg’s rating of perceived
exertion and physiological measures of exercise intensity. European Journal
of Applied Physiology, 113(1), 147–155.
https://doi.org/10.1007/s00421-012-2421-x
Número
de citas totales / Total references:
31 (100%)
Número de citas propias de la revista / Journal´s own references:
5 (16,1%)
Rev.int.med.cienc.act.fís.deporte - vol.
22 - número 87 - ISSN: 1577-0354