É possível monitorar as respostas do treinamento para se evitar lesões nos atletas?

Os sistemas de monitoramento de atletas são agora ferramentas comuns nos esportes individuais e coletivos, sobretudo no âmbito do alto rendimento.

O objetivo desses sistemas é monitorar como os atletas estão respondendo ao treinamento. As medidas fundamentais que devem ser incorporadas nesses sistemas incluem a quantificação da carga de treinamento e a resposta dos atletas a essa carga. Na prática, essas medidas podem ser usadas para informar aos treinadores e a equipe de ciências do esporte dados objetivos e subjetivos do comportamento do atleta frente ao programa de treinamento, além de proporcionar informações que podem auxiliar na redução do risco de lesões.

A “dosagem” de treinamento aplicada e experimentada pelos atletas, comumente chamada de carga de treinamento pode ser medida usando uma variedade de métodos e pode ser também categorizada como carga de treinamento interna ou externa.

A carga de treinamento externa é a “dose” de treinamento aplicada aos atletas e pode ser medida com dispositivos de microtecnologia (por exemplo, GPS) dentro de sistemas de rastreamento de atletas. A carga de treinamento interna é a carga experimentada pelo atleta e pode ser quantificada usando medidas fisiológicas (por exemplo, frequência cardíaca) e ou ferramentas perceptivas (por exemplo, percepção de esforço).

Devido à natureza das exigências físicas dos esportes coletivos (isto é, requer que os jogadores completem exercícios intermitentes de alta intensidade), distância total percorrida, distâncias percorridas em velocidades de corrida mais altas (por exemplo> 14,5 km / h, esforços de sprint) e o número de acelerações e desacelerações são as métricas mais usadas para quantificar a carga de treinamento externo no futebol, por exemplo.

A carga de treinamento interna é a resposta do jogador à carga externa aplicada e geralmente é medida usando métodos de percepção de esforço (RPE) e medidas da frequência cardíaca.

O método RPE requer que os atletas classifiquem sua intensidade de percepção de uma sessão de treinamento de acordo com uma escala padrão de percepção de esforço (CR-10). A carga de uma sessão é então determinada como o produto da duração da sessão de treinamento e do RPE dos atletas. Por exemplo, uma sessão de 40 minutos classificada como “Forte” por um atleta forneceria uma carga de 200 unidades arbitrárias (ou seja, 5 x 40 min = 200 UA). A escala de Borg (CR-10) está descrita na tabela 1.

As medidas de frequência cardíaca também podem ser usadas para avaliar a carga de treinamento interno durante o treinamento, mas devido às questões técnicas e práticas, como o alto risco de problemas técnicos e perda de dados e um baixo nível de conformidade do atleta na medição, o método RPE da sessão de treinamento é uma abordagem mais amplamente recomendada.

Uma vantagem adicional do método RPE da sessão de treinamento sobre as abordagens derivadas da frequência cardíaca é que as cargas podem ser facilmente obtidas de todos os tipos de treinamento. No entanto, apesar disso, um relatório recente mostrou que a frequência cardíaca foi mais amplamente adotada em clubes de alto nível de futebol do que o método RPE, provavelmente devido às reservas de jogadores e treinadores em fornecer o RPE após a partida.

Muitos atletas medem essas variáveis ​​durante cada sessão de treinamento e usam essas informações para entender as mudanças longitudinais na carga de forma individual. No entanto, o melhor uso desses dados é quando eles são armazenados e os dados históricos são usados ​​para entender as cargas aplicadas aos atleta a curto e longo prazos e essas informações podem ser usadas para identificar os atletas que podem estar em risco de lesão ou identificar a redução de desempenho.

Medir a resposta dos atletas ao treinamento também é um aspecto básico de sistemas de monitoramento. As respostas comuns que são de interesse para os pesquisadores são a fadiga, o sono e a dor, embora outros fatores (por exemplo, humor, estresse, etc.) também sejam comumente avaliados. Esses fatores são frequentemente avaliados por meio de questionários personalizados relativamente simples de administrar aos atletas, geralmente usando aplicativos digitais. Notavelmente, foi recentemente demonstrado que várias medidas psicométricas simples, tais como percepções de fadiga, humor, dor e fadiga têm maior sensibilidade a cargas de treinamento agudas e crônicas do que medidas objetivas comumente usadas.

Marcadores de resposta objetiva (por exemplo, frequência cardíaca e marcadores bioquímicos) também têm sido sugeridos como componentes úteis de sistemas de monitoramento de atletas. Especificamente, marcadores de microlesões musculares, a variabilidade da frequência cardíaca, as medidas hormonais e imunológicas mostraram responder a mudanças na intensidade e carga de treinamento e foram associados ao “overreaching em uma variedade de atletas. No entanto, devido a questões logísticas, como o fato de alguns métodos serem invasivos, tais como a coleta de amostras sanguíneas ou de saliva dos atletas, juntamente com os custos e o tempo de análise, essas medidas não são adequadas para o monitoramento diário.

Pesquisas recentes mostraram que sistemas que consistem em medidas multidimensionais de carga e resposta são os mais apropriados para o monitoramento de atletas. Além disso, esses sistemas de monitoramento devem consistir em medidas válidas e confiáveis, simples de coletar e de baixa invasividade para os atletas. Quando a carga de treinamento e os dados de resposta são interpretados no contexto um do outro e com as metas de treinamento atuais, os profissionais da equipe são capazes de tomar decisões de treinamento no nível individual do atleta que podem informar o desempenho e reduzir o risco de lesões.

Erros comuns de treinamento ou periodização podem ser evitados usando uma abordagem sistemática para monitorar a carga, embora existam também algumas regras de bom senso na prescrição do treinamento, como evitar que atletas completem muito trabalho (aumentando a fadiga), evitar que os atletas completem muito pouco treinamento ou alterem as cargas de trabalho muito rapidamente (resposta ao estresse agudo). Regras de bom senso podem ser consideradas “heurísticas”, que são processos cognitivos empregados em decisões não racionais, sendo definidas como estratégias que ignoram parte da informação com o objetivo de tornar a escolha mais fácil e rápida, e por esta razão podem falhar no seu propósito.

Por meio do monitoramento dos dados de carga, podemos avaliar as alterações agudas de carga durante a semana anterior ou as alterações de longo prazo no último mês (ou seja, carga crônica). De fato, aumentos na carga de treinamento de semana para semana de mais de 15% com relação à semana anterior aumentam o risco de lesões em aproximadamente 50%. Outra verificação simples comumente usada pelos profissionais de desempenho é verificar como a mudança recente na carga de treinamento se compara à carga crônica. Agora comumente referida como a razão entre carga de trabalho aguda e crônica (ACWR), esta medida foi recentemente associada com risco aumentado de lesão quando o ACWR excede 1,50 ou é menor que 0,80. No entanto, é importante ressaltar que os profissionais de desempenho devem estar cientes de que essa medida não pode ser usada para prever lesões, mas usada como uma regra geral ao tomar decisões sobre futuras decisões de treinamento.

Em resumo os sistemas de monitoramento de carga também podem ser usados ​​para auxiliar a garantir que os atletas estejam sendo preparados para as demandas do esporte. Hoje em dia, tomar decisões para intervir no treinamento de um atleta, é geralmente uma decisão coletiva entre o treinador, as ciências do esporte e a equipe médica multidisciplinar, usando dados de sistemas de monitoramento, além da experiência coletiva do grupo.

Os marcadores específicos de risco precisam ser desenvolvidos para cada atleta ou grupo de atletas por esporte específico e podem nos auxiliar na prevenção de lesões.

Referências bibliográficas

1. Coutts AJ, Crowcroft S, Kempton T. Developing athlete monitoring systems: Theoretical basis and practical applications. In: Kellmann M, Beckmann J, eds. Sport, Recovery and Performance: Interdisciplinary Insights. Abingdon: Routledge 2018:19-32.
2. Banister EW, Calvert TW, Savage MV, et al.A systems model of training for athletic performance. Australian Journal of Sports Medicine and Exercise Science 1975;7:57-61.
3. Impellizzeri FM, Rampinini E, Marcora SM. Physiological assessment of aerobic training in soccer J Sports Sci 2005;23(6):583-92.
4. Osgnach C, Poser S, Bernardini R, et al. Energy cost and metabolic power in elite soccer: a new match analysis approach. Med Sci Sports Exerc 2010;42(1):170-8. doi: 10.1249/MSS. 0b013e3181ae5cfd [published Online First: 2009/12/17]
5. Malone JJ, Lovell R, Varley MC, et al. Unpac- king the Black Box: Applications and Considerations for Using GPS Devices in Sport. Int J Sports Physiol Perform 2017;12(Suppl 2):S218-S26.
6. Rampinini E, Alberti G, Fiorenza M, et al. Accuracy of GPS devices for measuring high-intensity running in field-based team sports. Int J Sports Med 2015;36(1):49-53.
7. Buchheit M, Manouvrier C, Cassirame J, et al. Monitoring locomotor load in soccer: Is metabolic power, powerful? Int J Sports Med 2015;36(14):1149- 55.
8. Delaney JA, Cummins CJ, Thornton HR, et al. Importance, reliability and usefulness of acceleration measures in team sports. J Strength Cond Res 2017 doi: 10.1519/ JSC.00000000000- 01849
9. Foster C, Florhaug JA, Franklin J, et al. A new approach to monitoring exercise training. J Strength Cond Res 2001;15(1):109-15.
10. Impellizzeri FM, Rampinini E, Coutts AJ, et al. Use of RPE-based training load in soccer. Med Sci Sports Exerc 2004;36(6):1042-47.
11. Borg G. A category scale with ratio properties for intermodel and interindividual comparisons In: Geiss- ler H-G, ed. Psychophysical judgment and the process of perception Berlin: VEB 1982:25-34.
12. McLaren SJ, Ma- cpherson TW, Coutts AJ, et al. The relationships between internal and external measures of training load and intensity in team sports: A meta-analysis. Sports Med 2018:in press.
13. Akenhead R, Nassis GP. Training load and player monitoring in high-level football: Current practice and perceptions. Int J Sports Physiol Perf 2015 doi: 10.1123/ijspp.2015-0331
14. Saw AE, Main LC, Gastin PB. Monitoring the athlete training response: subjective self-reported measures trump commonly used objective measures: a systematic review. Br J Sports Med 2016;50(5):281-91.
15. Taylor K, Chapman DW, Cronin JB, et al. Fatigue monitoring in high performance sport: A survey of current trends. Journal of Australian Strength and Conditioning 2012;20(1):12-23.
16. Coutts AJ, Reaburn P, Piva TJ, et al. Monitoring for overreaching in rugby league players. Eur J Appl Physiol 2007;99(3):313-24.
17. Halson SL, Jeukendrup AE. Does overtraining exist? : an analysis of overreaching and overtraining research. Sports Med 2004;34(14):967-81.
18. Crowcroft S, McCleave E, Slattery K, et al. Assessing the measurement sensitivity and diagnostic characteristics of athlete-monitoring tools in national swimmers. Int J Sports Physiol Perf 2017;12(Suppl 2):S295-S2100.
19. Gabbett TJ. The training-injury prevention paradox: should athletes be training smarter and harder? Br J Sports Med 2016;50(5):273-80.
20. Hulin BT, Gabbett TJ, Blanch P, et al. Spikes in acute workload are as- sociated with increased injury risk in elite cricket fast bowlers. Br J Sports Med 2014;48(8):708-12.
21. Blanch P, Gabbett TJ. Has the athlete trained enough to return to play safely? The acute:chronic workload ratio permits clinicians to quantify a player’s risk of subsequent injury. Br J Sports Med 2016;50(8):471-5.
22. Malone S, Roe M, Doran DA, et al. High chronic training loads and exposure to bouts of maximal velocity running reduce injury risk in elite Gaelic football. J Sci Med Sport 2017;20(3):250-54.
23. Colby MJ, Dawson B, Peeling P, et al. Repeated exposure to established high risk workload scenarios improves non-contact injury prediction in elite Australian Footballers. Int J Sports Physiol Perf 2018:1-22.
24. Ricard Pruna, Thor Einar Andersen Ben Clarsen, Alan McCall in Muscle Injury Guide: Prevention and Treatment of Muscle Injuries