Voor coaches en trainers in de topsport is het een uitdaging om volleyballers zo te belasten, dat zij zich optimaal ontwikkelen. Wanneer leidt hard trainen tot overbelasting bij sporters? Volleybalfederatie Nevobo en wetenschappers Arie-Willem de Leeuw, Arno Knobbe en  Stephan van der Zwaard ontwikkelden een machine learning-benadering. Hiermee kunnen ze de signalen van overbelasting vroegtijdig signaleren het professionele volleybal. Ook onderzochten ze de ontwikkeling van blessures door overbelasting.

Methode

De onderzoekers verzamelden data van 14 topspelers tijdens het wedstrijdseizoen in 2018. Deze periode duurde 24 weken. De fysieke belasting werd gemeten door de fysieke activiteiten actief te registreren. De sprongbelasting werd vastgelegd met behulp van een tracker op de rug van iedere volleyballer. De atleten vulden verder dagelijks gegevens in over welzijn (o.a. slaap, vermoeidheid en gemoedstoestand) en over blessures via de Oslo Sports Trauma Research Center (OSTRC) vragenlijst.

Sprongbelasting is een belangrijke voorspeller van blessures door overbelasting in het volleybal. Voor elke volleyballer hebben de onderzoekers vastgesteld wanneer zij een verhoogd risico lopen op blessures met behulp van de machine learning-techniek Subgroup Discovery. Met deze techniek konden de onderzoekers een gepersonaliseerde analyse verrichten. Voor de meeste spelers hebben ze een betekenisvol en op-het-individu-afgestemd verband gevonden tussen de trainingsbelasting en blessures. Dit geeft handvatten voor spelers om extra focus te leggen op bepaalde aspecten van de trainingen.

Meerwaarde

Het onderzoek laat zien dat er meer inzicht komt in hoe blessures door overbelasting ontstaan, indien de trainers dagelijks monitoren. Met name wanneer ze rekening houden met de wisselwerking tussen trainingsbelasting, welzijn en blessures. Daarbij helpt het om een gepersonaliseerde aanpak toe te passen. Dit project is dan ook waardevol omdat het bijdraagt aan blessurepreventie in de sport.

8 maart, 2021

Meer nieuws