Monitoreo de la carga de entrenamiento asistido por tecnología y riesgo de lesión en deportes de equipo de nivel élite y profesional: una revisión sistemática
DOI:
https://doi.org/10.47197/retos.v80.118930Palabras clave:
Carga de trabajo, lesiones deportivas, deportes , sistema de posicionamiento global, monitorización, aprendizaje automáticoResumen
Introducción: El monitoreo de la carga de entrenamiento asistido por tecnología se utiliza ampliamente en los deportes de equipo; sin embargo, su asociación con el riesgo de lesión sigue siendo incierta.
Objetivo: Revisar sistemáticamente la evidencia sobre la asociación entre el monitoreo tecnológico de la carga de entrenamiento y el riesgo de lesión en deportistas de equipo de nivel élite y profesional.
Metodología: Esta revisión sistemática siguió las directrices PRISMA 2020 y fue registrada en PROSPERO (CRD420251161886). Las búsquedas se realizaron en PubMed, Scopus, Web of Science y ScienceDirect desde su inicio hasta el 5 de octubre de 2025. Se incluyeron estudios en atletas adultos de deportes de equipo de nivel élite o profesional que utilizaron sistemas tecnológicos para monitorizar la carga de entrenamiento y que reportaron resultados relacionados con lesiones. El riesgo de sesgo se evaluó mediante la escala Newcastle–Ottawa y la herramienta PROBAST. Debido a la heterogeneidad, se realizó una síntesis narrativa.
Resultados: Se incluyeron once estudios longitudinales (ocho cohortes prospectivas y tres estudios de predicción). Una alta exposición a carga aguda y aumentos bruscos de la carga se asociaron consistentemente con un mayor riesgo de lesiones no por contacto y con pérdida de tiempo de participación. En contraste, una mayor exposición a carga crónica, cuando se acumuló de forma progresiva, se asoció con una reducción del riesgo de lesión en algunos contextos. Los modelos de aprendizaje automático mejoraron la predicción de lesiones, aunque presentaron preocupaciones moderadas en cuanto al riesgo de sesgo.
Conclusiones: El monitoreo tecnológico de la carga de trabajo se asocia con el riesgo de lesión en los deportes de equipo de nivel élite. La gestión de picos de carga aguda, junto con el desarrollo progresivo de la capacidad de carga crónica, puede contribuir a reducir el riesgo de lesión; no obstante, se requiere más investigación para validar los modelos predictivos.
Referencias
Ayala, R. E. D., Granados, D. P., Gutiérrez, C. A. G., Ruíz, M. A. O., Espinosa, N. R., & Heredia, E. C. (2024). Novel Study for the Early Identification of Injury Risks in Athletes Using Machine Learning Techniques. Applied Sciences, 14(2), 570. https://doi.org/10.3390/app14020570
Bache-Mathiesen, L. K., Andersen, T. E., Dalen-Lorentsen, T., Tabben, M., Chamari, K., Clarsen, B., & Fagerland, M. W. (2024). A new statistical approach to training load and injury risk:separating the acute from the chronic load. Biology of Sport, 41(1), 119‑134. https://doi.org/10.5114/biolsport.2024.127388
Bowen, L., Gross, A. S., Gimpel, M., Bruce-Low, S., & Li, F.-X. (2020). Spikes in acute:chronic workload ratio (ACWR) associated with a 5–7 times greater injury rate in English Premier League football players : A comprehensive 3-year study. British Journal of Sports Medicine, 54(12), 731‑738. https://doi.org/10.1136/bjsports-2018-099422
Chan, C.-C., Yung, P. S.-H., & Mok, K.-M. (2024). The Relationship between Training Load and Injury Risk in Basketball : A Systematic Review. Healthcare, 12(18), 1829. https://doi.org/10.3390/healthcare12181829
Colby, M. J., Dawson, B., Heasman, J., Rogalski, B., Rosenberg, M., Lester, L., & Peeling, P. (2017). Presea-son Workload Volume and High-Risk Periods for Noncontact Injury Across Multiple Australian Football League Seasons. Journal of Strength and Conditioning Research, 31(7), 1821‑1829. https://doi.org/10.1519/JSC.0000000000001669
Coppalle, S., Rave, G., Ben Abderrahman, A., Ali, A., Salhi, I., Zouita, S., Zouita, A., Brughelli, M., Granacher, U., & Zouhal, H. (2019). Relationship of Pre-season Training Load With In-Season Biochemical Markers, Injuries and Performance in Professional Soccer Players. Frontiers in Physiology, 10, 409. https://doi.org/10.3389/fphys.2019.00409
Cousins, B. E. W., Morris, J. G., Sunderland, C., Bennett, A. M., Shahtahmassebi, G., & Cooper, S. B. (2019). Match and Training Load Exposure and Time-Loss Incidence in Elite Rugby Union Players. Frontiers in Physiology, 10, 1413. https://doi.org/10.3389/fphys.2019.01413
Drew, M. K., & Finch, C. F. (2016). The Relationship Between Training Load and Injury, Illness and Sore-ness : A Systematic and Literature Review. Sports Medicine, 46(6), 861‑883. https://doi.org/10.1007/s40279-015-0459-8
Ekstrand, J., Hägglund, M., & Waldén, M. (2011). Injury incidence and injury patterns in professional football : The UEFA injury study. British Journal of Sports Medicine, 45(7), 553‑558. https://doi.org/10.1136/bjsm.2009.060582
Freitas, D. N., Mostafa, S. S., Caldeira, R., Santos, F., Fermé, E., Gouveia, É. R., & Morgado-Dias, F. (2025). Predicting noncontact injuries of professional football players using machine learning. PLOS ONE, 20(1), e0315481. https://doi.org/10.1371/journal.pone.0315481
Gabbett, T. J. (2016). The training—injury prevention paradox : Should athletes be training smarter and harder? British Journal of Sports Medicine, 50(5), 273‑280. https://doi.org/10.1136/bjsports-2015-095788
Hägglund, M., Waldén, M., Magnusson, H., Kristenson, K., Bengtsson, H., & Ekstrand, J. (2013). Injuries affect team performance negatively in professional football : An 11-year follow-up of the UEFA Champions League injury study. British Journal of Sports Medicine, 47(12), 738‑742. https://doi.org/10.1136/bjsports-2013-092215
Impellizzeri, F. M., Tenan, M. S., Kempton, T., Novak, A., & Coutts, A. J. (2020). Acute:Chronic Workload Ratio : Conceptual Issues and Fundamental Pitfalls. International Journal of Sports Physiology and Performance, 15(6), 907‑913. https://doi.org/10.1123/ijspp.2019-0864
Lyubovsky, A., Liu, Z., Watson, A., Kuehn, S., Korem, E., & Zhou, G. (2022). A pain free nociceptor : Pre-dicting football injuries with machine learning. Smart Health, 24, 100262. https://doi.org/10.1016/j.smhl.2021.100262
Malone, S., Roe, M., Doran, D. A., Gabbett, T. J., & Collins, K. (2017). High chronic training loads and expo-sure to bouts of maximal velocity running reduce injury risk in elite Gaelic football. Journal of Science and Medicine in Sport, 20(3), 250‑254. https://doi.org/10.1016/j.jsams.2016.08.005
Martins, F., Marques, A., França, C., Sarmento, H., Henriques, R., Ihle, A., De Maio Nascimento, M., Saldan-ha, C., Przednowek, K., & Gouveia, É. R. (2023). Weekly External Load Performance Effects on Sports Injuries of Male Professional Football Players. International Journal of Environmental Research and Public Health, 20(2), 1121. https://doi.org/10.3390/ijerph20021121
Michailidis, Y. (2024). A Systematic Review on Utilizing the Acute to Chronic Workload Ratio for Injury Prevention among Professional Soccer Players. Applied Sciences, 14(11), 4449. https://doi.org/10.3390/app14114449
Murray, N. B., Gabbett, T. J., Townshend, A. D., & Blanch, P. (2017). Calculating acute:chronic workload ratios using exponentially weighted moving averages provides a more sensitive indicator of in-jury likelihood than rolling averages. British Journal of Sports Medicine, 51(9), 749‑754. https://doi.org/10.1136/bjsports-2016-097152
Nobari, H., Arslan, E., Martins, A. D., & Oliveira, R. (2022). Are acute:chronic workload ratios of per-ceived exertion and running based variables sensible to detect variations between player posi-tions over the season ? A soccer team study. BMC Sports Science, Medicine and Rehabilitation, 14(1), 51. https://doi.org/10.1186/s13102-022-00445-x
Qin, W., Li, R., & Chen, L. (2025). Acute to chronic workload ratio (ACWR) for predicting sports injury risk : A systematic review and meta-analysis. BMC Sports Science, Medicine & Rehabilitation, 17(1), 285. https://doi.org/10.1186/s13102-025-01332-x
Ren, X., Boisbluche, S., Philippe, K., Demy, M., Hu, X., Ding, S., & Prioux, J. (2024). Assessing pre-season workload variation in professional rugby union players by comparing three acute:Chronic workload ratio models based on playing positions. Heliyon, 10(17), e37176. https://doi.org/10.1016/j.heliyon.2024.e37176
Rommers, N., Rössler, R., Verhagen, E., Vandecasteele, F., Verstockt, S., Vaeyens, R., Lenoir, M., D’Hondt, E., & Witvrouw, E. (2020). A Machine Learning Approach to Assess Injury Risk in Elite Youth Football Players. Medicine & Science in Sports & Exercise, 52(8), 1745‑1751. https://doi.org/10.1249/MSS.0000000000002305
Tsilimigkras, T., Kakkos, I., Matsopoulos, G. K., & Bogdanis, G. C. (2024). Enhancing Sports Injury Risk Assessment in Soccer Through Machine Learning and Training Load Analysis. Journal of Sports Science and Medicine, 537‑547. https://doi.org/10.52082/jssm.2024.537
Van Eetvelde, H., Mendonça, L. D., Ley, C., Seil, R., & Tischer, T. (2021). Machine learning methods in sport injury prediction and prevention : A systematic review. Journal of Experimental Ortho-paedics, 8(1), 27. https://doi.org/10.1186/s40634-021-00346-x
Windt, J., & Gabbett, T. J. (2017). How do training and competition workloads relate to injury? The workload—injury aetiology model. British Journal of Sports Medicine, 51(5), 428‑435. https://doi.org/10.1136/bjsports-2016-096040
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Drif Adnane; Elattabi Chaimaa; Rajaallah Elmostafa
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
- Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación de su obra, el cuál estará simultáneamente sujeto a la licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
Esta revista sigue la "open access policy" de BOAI (1), apoyando los derechos de los usuarios a "leer, descargar, copiar, distribuir, imprimir, buscar o enlazar los textos completos de los artículos".
(1) http://legacy.earlham.edu/~peters/fos/boaifaq.htm#openaccess
