Riassunto dei fondamentali
Il numero di studi che esaminano la relazione tra carico di allenamento e infortuni negli atleti è cresciuto esponenzialmente negli ultimi anni e attualmente ci sono oltre 100 studi sull’argomento. Per trovare un’associazione tra carico di allenamento e infortuni sono state create varie misurazioni sull’allenamento. La metrica più popolare, comunemente usata come “modello” di riferimento standard per diverse linee guida internazionali, è il rapporto di carico di lavoro auto: cronico (ACWR). Questo rapporto si ottiene dividendo la componente “fatica” per la componente “fitness”. La componente “fatica” è rappresentata dal carico di lavoro acuto (LA), comunemente calcolata utilizzando il carico di lavoro della settimana precedente all’infortunio, mentre la componente “fitness” è rappresentata dal carico di lavoro cronico (LC), che è il carico di lavoro medio delle quattro settimane precedenti all’infortunio. Il LA comparato con il LC usando questo rapporto è ampiamente considerato per riflettere il rischio d’infortunio negli atleti. L’ACWR ha recentemente preso d’assalto la scienza e la medicina dello sport. È stato costantemente affermato che l’ACWR è associato al rischio d’infortunio, rendendolo così una metrica utile per ridurre o prevenire il rischio lesivo. Questa metrica è stata resa popolare da numerosi editoriali e consensi in riviste scientifiche e mediche sportive ad alto fattore d’impatto. Parlando della loro influenza questi articoli sono tra i più citati nel settore. L’aumento dell’attenzione ricevuta dalla “gestione del carico” nella pratica professionale è stato alimentato anche da questi studi. L’influenza di ACWR è persino penetrata nel circuito internazionale, infatti è utilizzato nelle linee guida di sviluppo e nelle dichiarazioni di consenso internazionali da organizzazioni leader come il CIO (Comitato Olimpico Internazionale). L’ACWR è onnipresente ed è incluso nei sistemi nazionali di gestione degli atleti e nei software disponibili in commercio, supponendo che possa aiutare a ridurre gli infortuni.
Gli adattamenti di ACWR sono stati proposti utilizzando diversi modi per calcolare LA e LC, come la media mobile ponderata esponenzialmente (EWMA), accoppiandoli o meno (LA incluso o meno nel calcolo CL) e finestre temporali diverse. Indipendentemente dal metodo tutti è stato suggerito che funzionassero (ossia associati a infortuni); tuttavia, tutti hanno conservato una caratteristica comune: sono tutti rapporti. I ricercatori hanno avvertito circa l’uso dell’ACWR per via della mancata normalizzazione di un rapporto numeratore per denominatore e per il rischio di artefatti (ossia aggiungere disturbo non necessario). Tuttavia non solo questi avvertimenti non hanno ottenuto una spinta, ma sono stati in gran parte ignorati e nel farlo hanno ignorato le questioni che sono state evidenziate dagli statistici per decenni. Lo scopo dello studio è quello di spiegare gli effetti del rapporto dell’ACWR. Utilizzando una serie di dati precedentemente pubblicato da giocatori di calcio professionisti, dove originariamente era stata segnalata una relazione tra ACWR e infortunio, gli autori hanno dimostrato gli artefatti introdotti attraverso l’uso di una relazione.
I dati descrittivi delle variabili esplicative utilizzate in questo studio sono presentati nella Tabella 1, inclusi i quartili utilizzati per la categorizzazione. Le rappresentazioni degli infortuni come funzione di LA, LC e ACWR sono presentate nella Figura 1.
Tabella 1: dati descrittivi delle variabili
Figura 1: distribuzioni di carichi e rapporti di carico per punti dato in cui si sono verificati e non si sono verificati infortuni. (A) Mostra la distribuzione dei carichi acuti (in alto) e cronici (in basso) per tutti i punti dato inclusi. (B) Illustra le distribuzioni dei rapporti di carico di lavoro da acuto a cronico per periodi di tempo diversi. Il giallo indica i punti datio in cui non si sono verificati infortuni, mentre il viola scuro indica i punti dato in cui si sono verificati infortuni. Si noti che i punti dato danneggiati sono dispersi in modo relativamente uniforme, indicando che né i carichi grezzi, né i rapporti di carico saranno predittivi del rischio d’infortuni.
I risultati della GEE (equazione generale stimata) utilizzando i dati originali, ma senza utilizzare l’ACWR sono presentati nella Tabella 2.
Tabella 2: parametri dei vari modelli stimati dal dato originale
È importante sottolineare che i risultati del modello originale (ACWR 4 settimane) indicano che ACWR come predittore non conferisce alcun vantaggio predittivo a un modello di sola intercettazione, anche all’interno del campione di allenamento (punteggio di Brier= 0,035 vs. 0,035; statistica c= 0,574 vs. 0,5 in ACWR e modelli di sola intercettazione, rispettivamente; LA da solo era identico a ACWR). Nonostante ciò, gli autori hanno studiato e quantificato il ruolo dei diversi carichi di lavoro in altri modelli: alcune associazioni sono classicamente considerate “statisticamente significative” (p<0,05). Tuttavia i rapporti di probabilità (odds ratio – OR) erano trascurabili oppure i punteggi di Brier e le statistiche-c erano comparabili a un modello di sola intercettazione. Questi risultati sono simili a quelli della pubblicazione originale e seguono direttamente dalle distribuzioni dei dati grezzi, che indicano che gli infortuni sono dispersi in modo relativamente uniforme tra LA, LC e ACWR (Figura 1). I risultati usando l’ACWR originale, l’ACWR creato usando valori fissi di LC e dicotomizzando i dati dei giocatori in LC in alto e in basso sono presentati nella Tabella 3.
Tabella 3: parametri di vari modelli stimati utilizzando il rapporto carico di lavoro acuto:cronico (ACWR da 2 a 4 settimane) e ACWR creati utilizzando valori fissi per il carico di lavoro cronico, per l’intero campione e i dati dei giocatori dicotomizzati in due gruppi in base al valore medio del carico cronico
Tutti gli OR dell’associazione tra i valori d’infortunio e quelli dell’ACWR andavano nella direzione dell’aumento del rischio d’infortunio, con l’esclusione dell’analisi della parte alta del gruppo LC. Le stime della media dei punti (OR) ottenute generando LC casuale per il calcolo degli ACWR sono presentate nella Figura 2 e nell’Appendice 1
Appendice 1: coefficiente, valore p, rapporti di probabilità, con il 95% degli intervalli di confidenza per la stima dei rapporti di probabilità usando come variabile esplicativa ACWR calcolata dividendo il carico di lavoro acuto di ciascun giocatore per valori di carico di lavoro cronico generati casualmente, aventi la stessa deviazione standard rispetto al carico di lavoro cronico originale
La direzione dell’associazione era generalmente coerente tra i modelli casuali, ma la grandezza era una funzione del LC medio e del coefficiente di variazione del LC. In tutti i casi, i modelli avevano scarse prestazioni predittive, proprio come il modello originale. Gli OR ottenuti da GEE utilizzando ACWR calcolati da LC casuale con la stessa SD (282 UA) variavano da 1,16 a 2,07. Usando metà della SD originale (141 UA) gli OR variavano da 1,41 a 2,70. Aumentando la SD a 423 UA, gli OR andavano da 0,89 a 1,31. I dettagli (valori p e IC) di questa analisi sono presentati nell’Appendice 1.
Nella Tabella 4 gli autori hanno presentato il confronto tra i dati dei giocatori infortunati e non infortunati per LA, LA diviso per un valore fisso corrispondente al LC originale medio (1510 UA) , ACWR da 4 a 2 settimane e LC o ACWR per i due gruppi classificati in base ai valori medi del LC . Le differenze tra i gruppi sono presentate con il corrispondente IC al 95%.
Tabella 4: differenze tra giocatori infortunati e non infortunati
I campi incrociati che mostrano la classificazione del punto dati dei giocatori in base a quattro categorie di LA e quattro categorie di ACWR sono presentati nella Tabella 5. I campi incrociati sono per i due gruppi in base al LC medio separatamente. Viene inoltre presentato il numero di infortuni per ciascuna categoria ACWR (per il gruppo con basso LC abbiamo anche indicato la categoria LA originale). Le categorie sono state create come quartili (valori presentati nella Tabella 1).
Tabella 5: tabulazione incrociata per mostrare la classificazione del dato di ciascun giocatore
La relazione del giocatore tra LA e LC è presentata nell’Appendice 2.
Appendice 2: relazione tra LA e LC
Gli autori sono fiduciosi che la maggior parte di questi errori che sono stati commessi in studi precedenti erano involontari ed è anche ragionevole che gli autori credano che la relazione riportata tra allenamento e infortunio fosse autentica e che la teoria eziologica creata per supportare l’ACWR e i suoi componenti fosse razionale. Tuttavia poiché il modello ACWR si adattava così bene alle credenze popolari è poi diventata una profezia che si è auto avverata ed ha abbassato la volontà degli scienziati di valutare criticamente il costrutto. In questo studio gli autori hanno dimostrato, utilizzando dati e simulazioni pubblicati, che:
- la teoria circa la ricerca della causa, sviluppata per spiegare la relazione trovata in alcuni studi tra ACWR e rischio d’infortuni non è supportata;
- il rapporto è una procedura per formare una nuova scala di valori, che ingrandisce esponenzialmente l’effetto del LA;
- un rapporto che utilizza le medie del numeratore come denominatore avrà una deviazione standard inferiore, in tale modo un aumento di un’unità nella nuova variabile esplicativa corrisponde a un OR più elevato;
- il rapporto causa anche riclassificazioni artificiali e non fisiologicamente giustificate, influenzando ulteriormente i risultati;
- né ACWR né LA contengono informazioni utili per prevedere la lesione;
- i risultati basati su ACWR riportati in letteratura sono quindi tutti influenzati da artefatti che, a seconda delle caratteristiche dei dati, ha provocato associazioni negative, positive o assenti (in questo insieme di dati associazioni positive).
L’ACWR e i suoi componenti devono essere destituiti. Con il tempo ci si dovrebbe focalizzare sulla selezione e sulla identificazione delle appropriate misure e sullo sviluppo d’ipotesi causali ragionevoli. È necessario evitare la creazione di nuove metriche senza modelli concettuali di riferimento e basandosi sul significato statistico, in particolare per la previsione. I risultati di studi precedenti dovrebbero essere riconsiderati e autori ed editori dovrebbero sforzarsi di correggere i messaggi errati che sono stati diffusi e i loro quadri teorici associati dovrebbero essere rivisti. Infine, le organizzazioni internazionali e nazionali e i sistemi di gestione degli atleti che basano le loro raccomandazioni sui risultati di questi studi dovrebbero rivedere le loro raccomandazioni, riconoscendo questi artefatti e la mancanza di prevedibilità.
Tratto da: Impellizzeri F., Woodcock S., Coutts A.J., Fanchini M., McCall A., Vigotsky A. (2020). Acute to random workload ratio is ‘as’ associated with injury as acute to actual chronic workload ratio: time to dismiss ACWR and its components. SportRχiv. – https://doi.org/10.31236/osf.io/e8kt4