Miles de atletas mostraron sus habilidades para el mundo en PyeongChang, Corea del Sur, en busca del oro olímpico. Pero por cada deslumbrante triple eje o carrera estelar de snowboard, los atletas corren el riesgo de sufrir lesiones que pongan fin a su carrera.
El rendimiento deportivo no es la única víctima de las lesiones deportivas. Estas lesiones suponen una carga económica para los deportistas y sus familias y pueden tener efectos duraderos en la calidad de vida de un deportista. Para ayudar a reducir el riesgo de lesiones, Investigadores de la Universidad de Tennessee Chattanooga han desarrollado un marco que mide el riesgo de lesión de un atleta utilizando la tecnología de Internet de las cosas (IoT).
Publicado en la revista Análisis de riesgo , el estudio, "Mitigar los riesgos de lesiones deportivas mediante Internet de las cosas y enfoques analíticos, "describe cómo se pueden administrar los procedimientos de detección del riesgo de lesiones mediante dispositivos inalámbricos, como teléfonos inteligentes, conectado a un servidor en la nube. Esta conexión entre teléfonos, computadoras y otros dispositivos es lo que los investigadores denominan Internet de las cosas.
Este enfoque para categorizar los riesgos de lesiones combina el historial de lesiones previas del atleta, datos de teléfonos y dispositivos con datos de vigilancia de lesiones. Usar teléfonos inteligentes conectados a la nube y otros dispositivos, Se pueden combinar varias pruebas de detección de diferentes fuentes para crear un "tablero" en tiempo real del estado de un atleta. Estos datos pueden ayudar a identificar a los atletas con mayor riesgo de lesiones, y reducir lo económico, costo emocional y físico de las lesiones deportivas.
El tratamiento de las lesiones deportivas convencionales se basa en gran medida en la evaluación subjetiva, como la descripción verbal del atleta del dolor y la incomodidad. Sin embargo, Es posible que los atletas no siempre evalúen sus propias habilidades y lesiones con precisión. Pueden empezar a competir antes de estar preparados, lo que puede aumentar su riesgo de volver a lesionarse. En la actualidad, El método más utilizado para evaluar el riesgo de lesiones es la pantalla de movimiento funcional, lo que genera una puntuación subjetiva basada en la capacidad observada para completar los movimientos.
A diferencia de, los investigadores Gary B. Wilkerson y Marisa A. Colston utilizaron un teléfono inteligente para recopilar datos de rendimiento de cada individuo en el estudio. Para comprender los factores que influyen en el riesgo de lesión de un atleta, estos datos se integraron con autoinformes de lesiones previas y seguimiento longitudinal de la exposición a las condiciones del juego.
Los investigadores rastrearon a 43 jugadores de un equipo de fútbol de la Subdivisión del Campeonato de Fútbol de la División I de la NCAA (FCS), comenzando un mes antes del inicio de los entrenamientos de pretemporada hasta el final de la temporada. La información sobre sus lesiones previas se recopiló en una encuesta del índice de aptitud física (SFI) de 10 ítems. Antes del inicio de la pretemporada, cada jugador participó en la prueba Unilateral Forefoot Squat (UFS). Esta prueba evaluó su capacidad para sincronizar las respuestas musculares en las piernas mientras se mantiene una posición erguida, un ángulo de rodilla de 135 grados y una ligera elevación del talón durante 10 segundos. Los investigadores midieron las sacudidas del balanceo postural, una evaluación del control postural.
El uso de un teléfono inteligente para cuantificar las sacudidas posturales utilizando la salida del acelerómetro durante la prueba UFS fue una forma económica y eficiente de medir objetivamente la capacidad del atleta para mantener una posición postural a través de movimientos musculares coordinados. Estos datos se transfirieron a la base de datos de los atletas y se integraron con los datos de la encuesta SFI. La documentación de la participación en el juego y las lesiones sufridas durante la temporada se agregaron a la base de datos para desarrollar el modelo de predicción de lesiones del individuo.
En el análisis de los datos, los investigadores encontraron que los atletas que jugaron al menos ocho juegos tenían más de tres veces más probabilidades de ocurrencia de lesiones que aquellos que jugaron menos de ocho juegos. Entre los atletas que exhibieron al menos un factor de riesgo, 42 por ciento sufrió una lesión.
"Asignar a todos los atletas a un solo tipo de programa de entrenamiento, sin tener en cuenta el perfil de riesgo único de una persona, puede no producir una disminución sustancial en la probabilidad de lesiones. Los resultados también proporcionan una estimación útil de las probabilidades de que ocurra una lesión para cada atleta durante la temporada siguiente. "afirma Wilkerson, autor principal y profesor en un programa de entrenamiento atlético para graduados.
Este estudio utilizó solo una prueba para evaluar la capacidad física, pero existen muchos otros tipos de pruebas de detección que se pueden utilizar para evaluar diferentes aspectos de la capacidad de rendimiento de un atleta para crear una imagen más detallada del riesgo de lesión del individuo. Se podrían usar otras pruebas para medir las habilidades neuromecánicas y neurocognitivas y el alcance de las lesiones en la cabeza.
A medida que los teléfonos inteligentes y otros dispositivos de IoT se vuelven más frecuentes, Se pueden combinar varias pruebas de detección de diferentes fuentes para crear un "tablero" en tiempo real de los indicadores del estado de los atletas. Estos datos pueden ayudar a identificar claramente a los atletas con un riesgo elevado de lesiones. apoyando así los esfuerzos para reducir la economía, costo emocional y físico de las lesiones deportivas.
