BIHUB PATH

June 28, 2021

Gestión de Lesiones

Análisis de las demandas de competición en futbolistas: ¿Cuál es el método ideal para valorar la carga y diseñar entrenamientos?

APÚNTATE AHORA AL Certificado en Carga de Trabajo y Lesiones en Deportes de Equipo

ÚNETE AHORA

Los futbolistas profesionales están sometidos a unas importantes demandas físicas y fisiológicas durante los partidos. Por ello, en la literatura científica son muchos los estudios que han buscado evaluar cómo responden a distintas variables de carga durante la competición, como pueden ser los niveles de lactato, la frecuencia cardíaca, o el esfuerzo percibido. 

En los últimos años, gracias a los avances tecnológicos y en concreto al desarrollo de los sistemas de posicionamiento global (GPS), el personal técnico de los equipos de futbol es capaz de analizar con gran detalle las demandas físicas (o mecánicas) de los jugadores. Estos sistemas y otros como los acelerómetros nos dan información sobre variables como la distancia recorrida o la cantidad de esfuerzos realizados por encima de una determinada velocidad, que pueden ser indicativos de la “dureza” del partido.

Son muchos los estudios que han tratado de analizar mediante GPS las demandas que suponen los partidos en los futbolistas. Dichos estudios pueden servir, por un lado, para conocer si estas demandas son dependientes del tipo de partido o del tipo de jugador. Pero además, esta información es comúnmente utilizada para el diseño de programas de entrenamiento que simulen las condiciones a las que los futbolistas se van a enfrentar en competición. En este sentido, la mayoría de estudios se centran en analizar lo que en inglés se denomina “worst-case scenario” (peor escenario posible), es decir, las mayores demandas físicas a las que se someten los futbolistas durante un partido. 

Existen numerosos métodos diferentes para determinar el worst-case scenario, pero uno de los más utilizados es registrar las demandas físicas de todo el partido (distancia recorrida, metros realizados a alta velocidad, etc), e ir haciendo una media cada 3-5 minutos hasta encontrar el segmento del partido con mayores demandas. Sin embargo, existe bastante controversia en torno a la validez de estos métodos y en general del concepto de worst-case scenario, ya que éste podría depender según no solo el tipo de jugador (delanteros, defensas, etc), sino también de muchas otras variables como el tiempo de juego, las demandas en otros segmentos del partido no considerados worst-case scenario, o de si el jugador es suplente o no (ya que los suplentes podrían esforzarse más al saber que van a jugar solo una pequeña porción del partido).

Ante esta controversia, un reciente estudio publicado en el Journal of Sports Sciences por reputados investigadores como Andrew Novak, Franco Impellizzeri o Alan McCall ha analizado mediante GPS una media de 33 partidos de 21 jugadores profesionales (jugadores de la Premier League).1 Los autores determinaron el worst-case scenario como el periodo de 3 minutos en el que los futbolistas completaron una mayor distancia en general, una mayor distancia a alta intensidad (a más de 5,5 m/s), o una mayor distancia a sprint (a más de >7.0 m/s). Además, los autores tuvieron en cuenta en sus análisis variables como la posición del jugador, la actividad total del partido excluyendo el segmento considerado worst-case scenario, los minutos de juego hasta que se daba el worst-case scenario, o si el jugador había sido titular o suplente. 

Los análisis de los investigadores mostraron que los worst-case scenarios tenían una gran variación entre los diferentes futbolistas, siendo esta variación del 6% para la distancia total recorrida, del 25% para la distancia recorrida a alta intensidad, y del 46% para la distancia en sprint. Además, los autores vieron que estos worst-case scenarios eran dependientes no solo de la posición del jugador (siendo por ejemplo los centrocampistas los que más metros recorrían), sino también del tiempo de juego y de las demandas del resto del partido. Así, los worst-case scenarios atendiendo a la distancia total recorrida o a la distancia recorrida a alta intensidad solían ocurrir al principio de la primera o de la segunda parte del partido y en jugadores suplentes. Por el contrario, los worst-case scenarios respecto a la distancia recorrida a sprint solían darse al final de cada mitad del partido. 

Estos resultados refuerzan la idea de que los worst-case scenarios observados en un jugador no tienen por qué ser aplicables necesariamente a otros jugadores. De hecho, incluso el worst-case scenario de un mismo jugador atendiendo a la distancia total del partido puede ser diferente a su worst-case scenario atendiendo a la distancia recorrida a sprint. Es por ello que, a la hora de diseñar entrenamientos que repliquen las demandas del partido, no podemos intentar simular dichas demandas con un mismo ejercicio para todos los deportistas. De igual forma, dado que algunos worst-case scenarios se dan al principio del partido y otros al final, si se quiere replicar esa situación será conveniente no solo centrarse en lo que ocurre durante esos 3 minutos considerados worst-case scenario, sino también en todo lo que ocurre antes (por ejemplo, realizando ejercicios de sprint al final de un entrenamiento altamente demandante). Además, no solo se deben tener en cuenta las variables habitualmente medidas mediante GPS como la distancia, sino que otras como el número de colisiones o los aspectos técnico-tácticos pueden influir también en lo demandante que es un worst-case scenario. Por otro lado, son necesarios más estudios que demuestren que entrenar simulando el worst-case scenario sea una estrategia útil para “acostumbrar” al deportista a dichas demandas, ya que en muchas ocasiones dichos entrenamientos podrían ser demasiado ligeros como para provocar adaptaciones. De hecho, si se entrena simulando únicamente el worst-case scenario atendiendo a variables únicas como la distancia recorrida, es probable que los futbolistas no estén preparados para situaciones atípicas con mayor carga y complejidad. En la Figura 1 se muestran algunos ejemplos de variables que pueden afectar a las demandas asociadas al worst-case scenario.

Figura 1. Ejemplos de variables que pueden afectar al worst-case scenario (WCS). Figura adaptada de Novak et al.

Conclusiones

El análisis de los worst-case scenarios ha ganado una gran popularidad en los últimos años gracias a los avances en los sistemas GPS. Muchos entrenadores y preparadores físicos usan estos datos para diseñar entrenamientos que “simulen” las demandas que se pueden encontrar los deportistas en los partidos. Sin embargo, como muestran los resultados del estudio arriba comentado, estos análisis pueden ser en ocasiones demasiado simplistas y no reflejar de forma fidedigna la complejidad y variabilidad de las demandas a las que están sometidos los futbolistas durante un partido. Es por ello que los worst-case scenarios deben ser analizados como un complejo multi-variable e individual que incluya factores como el tipo de jugador, el tiempo de juego, la demanda física de todo el partido y otros factores técnico-tácticos. 

 

Pedro L. Valenzuela

 

Referencias

  1. Novak AR, Impellizzeri FM, Trivedi A, Coutts AJ, McCall A. Analysis of the worst-case scenarios in an elite football team: Towards a better understanding and application. J Sports Sci. 2021;00(00):1-10. doi:10.1080/02640414.2021.1902138

KNOW MORE

¿Quieres saber más?

  • Suscríbete
  • Contáctanos
  • Únete al HUB

Mantente al día con nuestras novedades

¿Tienes preguntas sobre Barça Universitas?

  • Startup
  • Centro de Investigación
  • Corporativo

Por favor, completa los campos:

Por favor, completa los campos:

Por favor, completa los campos:

El Formulario ha sido enviado exitosamente.

Por favor, completa los campos:

Por favor, completa los campos:

Por favor, completa los campos:

El Formulario ha sido enviado exitosamente.

Por favor, completa los campos:

Por favor, completa los campos:

Por favor, completa los campos:

El Formulario ha sido enviado exitosamente.