© 2024 SURF
Blessures zijn een groot probleem voor duursporters. Niet alleen door het persoonlijk leed dat een blessure oplevert, maar ook omdat ze hierdoor niet kunnen trainen om hun prestatiedoel te bereiken. Daarom is het van groot belang om te bepalen wat de risicofactoren zijn om een blessure te krijgen. Een van de risicofactoren waar sporters en coaches zelf invloed op hebben is de trainingsbelasting. Daarom is in deze studie onderzocht of er patronen te vinden zijn in de trainingsbelasting die voorafgaan aan een blessure. Daarnaast is uitgezocht in hoeverre de blessures te voorspellen zijn op basis van deze patronen.
Hiervoor is de trainingsbelasting en blessures van 23 hardlopers twee jaar lang bijgehouden. Deze gegevens zijn met verschillende datamining technieken verkend om patronen te herkennen. Op basis daarvan is er gekozen om dagelijkse acute trainingsbelasting (over 7 dagen) te delen door dagelijkse chronische trainingsbelasting (over 28 dagen), genaamd acute:chronic ratio. Dit is per hardloper over 720 dagen bepaald. Daarbij is gekozen voor het patroon van verandering in acute:chronic ratio over vier weken voorafgaand aan een blessure.
De resultaten laten zien dat de hardlopers twee weken voorafgaand aan een blessure hun acute:chronic ratio met 11,5% verhoogden ten opzichte van de twee weken daarvoor. Met deze verhoging van 11,5% is het relatieve risico op een blessure significant verhoogd met 9,4. De sensitiviteit en specificiteit van voorspellingen is respectievelijk 0,51 is 0,94.
Dit betekent dat een toename van 11,5% of meer in trainingsbelasting gedurende twee weken een verhoogde kans geeft op blessures bij hardlopers. Ondanks het verhoogde risico is de voorspelling van een blessure nog niet goed mogelijk met alleen trainingsgegevens. Toch kunnen hardlopers het risico op blessures misschien verkleinen door verhogingen in trainingsbelasting onder 11,5 procent te houden of door grotere verhogingen minder dan twee weken aan te houden.
In het RAAK-project, genaamd Groningen MAPS, is er veel data en kennis vergaard van waaruit antwoorden zijn geformuleerd op verschillende vragen rondom belasting en belastbaarheid van (top)sporters. Het onderzoek naar de factoren die invloed hebben op de prestaties en het blessurerisico van sporters heeft opgeleverd dat we nu meer inzicht hebben in de informatie die nodig is om gericht te zoeken naar verbanden tussen belasting en belastbaarheid.
We hebben echter nog niet gekeken naar de data vanuit een datamining perspectief. Datamining is het gericht zoeken naar verbanden in een database met als doel het opstellen van profielen. Deze profielen kunnen nieuwe inzichten geven waardoor sporters van nog betere feedback voorzien kunnen worden.
Het doel van het Top-up project is om kennis te ontwikkelen over het automatiseren van de verwerking en analyse van datastromen. Dit zal leiden tot een datasysteem wat automatisch analyses uitvoert achter de schermen. Met dit datasysteem kan de Groningen MAPS-data verder geanalyseerd worden (door middel van datamining) om nieuw inzicht te verkrijgen op het gebied van patronen in belasting en belastbaarheid van (top)sporters.