riesgo de lesión

Control de cargas para reducir riesgo de lesión

Lolo García

  • Publicado el día

Control de cargas para reducir riesgo de lesión

Lolo García

  • Publicado el día
Desde hace algunos años se han venido publicando ciertos artículos que han mostrado una fuerte relación entre la carga de entrenamiento y la probabilidad de lesión. Es por ello que, a fin de realizar progresiones o regresiones en el momento oportuno y reducir la incidencia de lesiones, cada vez  son más las personas que monitorizan las cargas de entrenamiento. En este artículo se intenta responder a diversas cuestiones relacionadas a este asunto, entre las que destacan: relación entre las cargas y el riesgo de lesión, factores que pueden modular esta asociación, así como qué tipo de cargas pueden monitorizarse y cómo debería hacerse.

¿Por qué es importante controlar la carga de entrenamiento?

Un extenso conjunto de estudios nos arrojan datos acerca de la importancia del control de la carga de entrenamiento. A modo de ejemplo, podemos ver cómo, en diferentes artículos dirigidos por Tim Gabbett (Gabbett & Jenkins, 2011; Gabbett & Ullah, 2012), tras registrar la carga de entrenamiento —tanto interna como externa— y la incidencia lesiva durante diferentes temporadas de jugadores de rugby, se muestra que existe una relación positiva entre ambas variables. Es decir, las probabilidades de lesión aumentaban significativamente a medida que aumenta la carga de entrenamiento (figura 1). A su vez, años atrás este mismo investigador ya había comprobado que una reducción en la carga de entrenamiento durante la pretemporada podía disminuir el número de lesiones (Gabbett T., 2004).

Figura 1. Relación entre carga de entrenamiento, fase de temporada y probabilidades de lesión en deportistas élite (Gabbett T., 2016).
A la vista de estos resultados, podría pensarse que, con el objetivo de reducir lesiones, las cargas de entrenamiento deben ser pequeñas. Sin embargo, ya se conoce que para poder rendir a un nivel adecuado y poder soportar el estrés que supone la realización de ejercicio físico a determinadas intensidades o volúmenes, se deben haber realizado entrenamientos con cierto grado de esfuerzo.  De esta manera, cargas altas de entrenamiento podrían servir como “vacuna” que nos hace más fuertes y resistentes a la lesión. Esto es lo que el propio Tim Gabbett considera “una paradoja de la prevención de lesiones”; cargas altas de entrenamiento pueden tanto aumentar como disminuir el riesgo de lesión. Así, lo que deben evitarse son cargas inadecuadas, entre las que se incluyen cargas excesivas pero también cargas demasiado bajas, debido a que estas últimas no preparan de manera adecuada al organismo para hacer frente a según que tipo de estímulos. Esto hace que el rendimiento empeore y aumente el riesgo de lesión (Gabbet T., 2016).
Figura 2. Relación entre capacidades físicas, carga de entrenamiento y riesgo de lesión (Gabbett T., 2016).
En la búsqueda de la carga adecuada y de acuerdo a los resultados obtenidos en diferentes estudios, parece que lo interesante, más que controlar la carga en términos absolutos —que nos daría poca información—, es controlar la relación entre la carga con la que se viene entrenando y la carga con la que se entrena. A este respecto, ya se ha demostrado que una diferencia considerable—aumento o reducción— con respecto a la carga de las últimas semanas parece que podría aumentar las probabilidades de sufrir una lesión (Gabbett T., 2016; Maupin et al., 2020; Griffin et al., 2020; ;Andrade et al., 2020; Jiang et al., 2022).
 
«No es la carga en sí lo que te lesiona, es la carga para la que no estás preparado» 
 
Tim Gabbett.

¿Cómo podemos controlar que la carga de entrenamiento sea adecuada?

En relación con lo comentado anteriormente, para evitar adaptaciones negativas es necesario que monitoricemos continuamente la carga de entrenamiento y vayamos manipulándola de manera que la persona se enfrente siempre a cargas apropiadas. Es decir, cargas para las que está preparada.

Para conocer si las modificaciones en la carga son acertadas existen dos métodos de control de la misma.

-Cambio semanal de la carga: diferentes investigaciones han mostrado que cambios excesivos en la carga de entrenamiento de una semana a otra aumenta de manera significativa las probabilidades de sufrir una lesión. Se ha demostrado que cuando la carga se reduce ligeramente, no se aumenta o se aumenta en menos de un 10%, el riesgo de lesión es inferior al 10%, pero que cuando este aumento es mayor al 15% el riesgo de lesión empieza a aumentar considerablemente (figura 3). Por ello, es necesario prestarles una atención especial a estas modificaciones y que tratemos que la carga se mantenga mas o menos constante de una semana a otra. Esto es, aproximadamente entre -5 y +10% (Gabbet T., 2016).

Figura 3. Las probabilidades de lesión aumentan a medida que aumentan los cambios de carga entre semanas (Gabbett T., 2016).
Es necesario entender que “limitar los aumentos de la carga de entrenamiento al 10 % por semana es, en el mejor de los casos, una ‘guía’ en lugar de un ‘código’” (Gabbet et al., 2020). Como dice el propio autor, hay 2 ejemplos en los que esto se ve claro. Pequeños aumentos semanales en la carga de entrenamiento (≤10 %) en un atleta con una carga de entrenamiento crónica baja retrasarán considerablemente el regreso de ese atleta a su plena capacidad, mientras que un atleta con una carga de entrenamiento crónica alta probablemente tolerará aumentos de entrenamiento mucho menores. carga de semana a semana (Gabbet et al., 2020).
 
-Ratio agudo:crónico (ACWR): se obtiene mediante la comparación de la carga de la semana en la que nos encontramos (carga aguda) y la de las últimas semanas (carga crónica). La distribución de cargas más utilizada en las investigaciones científicas es 7:28 días, pero hay quien utilizó otro tipo de ratios (ej. 7:14). Lo más habitual es que la la carga aguda represente a la semana actual y que la crónica se vea representada por las últimas  4 semanas (3-6 semanas). 
 
Este ratio es un marcador bastante válido para conocer si, en función de lo que viene haciendo, la persona está preparada para afrontar una carga determinada. Si en una semana introducimos un pico en la carga de entrenamiento (carga aguda) que sea mayor a la carga media de las últimas 3-4 semanas (carga crónica), el ratio será superior a 1. Si por el contrario la carga se mantiene estable o se reduce, el ratio agudo:crónico será 1 o inferior a 1, respectivamente. 
 
Para evitar que las probabilidades de lesión aumenten sobremanera, se recomienda que los valores del ratio agudo:crónico estén dentro de un rango entre 0.8 y 1.3 (Gabbet T. 2016; Gabbet T., 2020) (figura 4).
Figura 4. Ratio agudo:crónic y probabilidades de lesión. El riesgo es menor en el “sweet spot” (ratio 0.8-1.3) (Gabbett T., 2016).
Esto es una recomendación muy general, ya que hay estudios que han mostrado menor riesgo de lesión cuando la carga se movía en otros rangos de (ej. 0.6-0.97; < 2) (Jiang et al., 2022). Es difícil determinar una horquilla concreta. Por último, me gustaría comentar que estoy al tanto de que hay autores que han mostrado datos que no apoyan el uso de este ratio (Impellizzeri et al., 2020); no obstante, más allá de todo lo comentado anteriormente (estudios que avalan su empleo), creo que registrar las cargas agudas y crónicas y conocer su relación nos puede aportar información muy valiosa de cara a tomar decisiones en un programa de entrenamiento. 

¿Cómo calcular el ratio agudo:crónico?

Existen dos formas de calcular este ratio. Por un lado, puede calcularse de forma “acoplada”, en la que la semana actual (carga aguda) se incluye, se acopla, dentro del cálculo de la carga crónica. Por otro lado, puede calcularse de manera “desacoplada”, es decir, sin incluir la semana actual y teniendo en cuenta la carga de las últimas 3 semanas (figura 5). En el caso de utilizar este último método los ratios recomendados de 0.8-1.3 pasarían a ser ligeramente diferentes: 0.75-1.45 (Windt & Gabbett, 2018). Lo que debe quedar claro es que, ya usemos el método acoplado o desacoplado, mayor ratio de cargas se asocia a mayor riesgo de lesión (Gabbet et al., 2019).

et Figura 5. Ratio medido de forma acoplada y desacoplada (Windt & Gabbett, 2018).

Lo más común es que el ratio agudo:crónico se calcule según el modelo lineal “rolling averages” (RA)—explicado arriba—. Sin embargo este método presenta algunos inconvenientes, a saber: no tiene en cuenta la manera en la que se acumulan las cargas ni los cambios producidos en la condición física y en la fatiga de la persona a lo largo del tiempo. Se propone, por tanto, un modelo denominado “exponentially weighted moving averages” (EWMA) que le da más importancia y pone más énfasis en las últimas sesiones realizadas (Williams et al., 2017), y que se ha demostrado tiene mayor sensibilidad para detectar aumentos en la probabilidad de lesionarse que el modelo tradicional (Murray et al., 2016). En recientes revisiones es el método que se recomienda, aunque ambos métodos son válidos (Maupin et al., 2020; Griffin et al., 2020).

Para calcular  el valor de “EWMA” debemos utilizar la siguiente formula:

EWMAhoy= Cargahoy x  λa + ((1- λa) x EWMAayer)

λa es un valor entre 0 y 1 que representa el grado de decaimiento.  Valores más altos indican que el valor de cargas más antiguas desciende a un ritmo más rápido. El λa se calcula con la siguiente formula:
λa= 2/(N+1).

N es la constante de tiempo seleccionada para obtener la carga de trabajo de 1 semana o “aguda” (N= 7 días) y de 4 semanas o “crónica” (N=28 días).

Para conocer el ratio agudo:crónico debemos calcular primero el valor de EWMA para la carga aguda y para la carga crónica utilizando la formula de arriba. Una vez tengamos estos valores, debemos dividir EWMA aguda entre EWMA crónica.

Aquí puedes descargar una hoja para el registro y control de la carga de entrenamiento (en este caso la carga interna: RPE x minutos) tanto en formato EXCEL como NUMBERS: descargar hoja

En la siguiente figura  pueden observarse las diferencias en los resultados del ratio agudo:crónico de tres personas cuando este se calcula mediante el método “rolling average” o mediante el método “exponentially weighted moving averages”. En el caso del atleta 1, utilizar un método u otro determina que este se encuentre dentro de los valores recomendados (0.8-1.3) o por encima de los mismos.

Figura 6. El ratio agudo:crónico puede diferir en función del modelo empleado para su medición (Williams et al., 2017).

¿Qué tipo de carga evaluamos?

La carga de entrenamiento podemos entenderla como el trabajo realizado por una persona, independientemente de sus características o respuestas individuales a dicho trabajo. En este caso estaríamos hablando de la carga externa de entrenamiento (ej. duración, distancias, repeticiones, kilos….). También podemos entender la carga de entrenamiento en función de las capacidades individuales de cada individuo. En esta ocasión lo que se registra es la carga interna o respuesta de una persona a un trabajo dado (ej. RPE, FC, TRIMP…)(Windt & Gabbett 2016).

En la literatura científica podemos encontrar estudios que analizaron el ratio agudo:crónico a través del control de la carga externa (ej. distancias, distancias a diferentes velocidades, aceleraciones, desaceleraciones, bolas golpeadas…) y/o de la carga interna (RPE). No parece que la variable monitorizadla sea muy relevante; usando una u otra se ha encontrado que el ratio agudo:crónico se asocia de manera significativa son el riesgo de lesión (Maupin et al., 2020; Griffin et al., 2020). Lo más frecuente es monitorizar la carga interna y hacerlo mediante la percepción subjetiva de la sesión (RPE).

Actualmente existen aparatos tecnológicos que podemos usar para cuantificar la carga de entrenamiento (pulsómetros, GPS…), sin embargo, requieren de una inversión económica, conocimiento técnico más o menos avanzado y existe un riesgo de perder datos por errores técnicos. Además, los datos suelen ser complejos y ninguno de ellos aporta un único valor a la carga de la sesión. Una alternativa que nos facilitaría el trabajo y reduce la inversión es calcular la carga mediante el RPE: sensación consciente de lo duro y extenuante que fue una tarea.

El método RPE si que puede aportarnos un único valor de la carga de entrenamiento de una sesión (medido en unidades arbitrarias, “A.U.”), que conseguimos multiplicando RPE (le preguntaremos a la persona cuál fue su percepción subjetiva del esfuerzo durante la sesión del 0 al 10) por la duración del entrenamiento (en minutos). Aunque personalmente me gusta más la opción de tener un valor a superior a 10 (imagen), que permita catalogar sesiones más intensas a otras que anteriormente se definieron como (“10”) y que realmente son “máximas” (ver figura 7). 

Carga (A.U.)= RPE x duración de la sesión (min)
 
Figura 7. Puntuaciones para percepción subjetiva del esfuerzo (RPE).
De esta manera, el método RPE es una forma simple, no invasiva y gratuita de monitorizar una sesión, bloques semanales y períodos anuales, lo que permitirá una periodización apropiada para cada individuo de la carga de entrenamiento y en consecuencia, una reducción en la probabilidad de sobreentrenamiento y lesión.
 
Es cierto que son muchos los factores que influyen en la percepción subjetiva del esfuerzo, entre ellos, factores sociológicos (como la presencia y tipo de las personas presentes en el momento de la toma de datos), características individuales (personalidad, género,edad,nivel de condición física, experiencia), factores ambientales (música, visualización de imágenes o videos, feedback/instrucciones durante el ejercicio, temperatura, altitud, glucemia, cafeína, alcohol, Ramadan, consumo de productos farmacológicos/doping…), características del entrenamiento (la intensidad influye más que la duración). 
 
No obstante, cuenta con numerosos artículos científicos (36 estudios) que avalan su validez y fiabilidad. Se ha observado una correlación con marcadores objetivos durante el entrenamiento como “Impulso de entrenamiento (TRIMP de Bannister, Edwards, Lucia)”, “%FCmáx”, “Vo2”, “%Vo2máx”, “vLT”, “vOBLA”, “nº y frecuencia de impactos en rugby” “nº y nivel dificultad de saltos”… ) (Haddad et al., 2017).
 
¿Qué más debemos saber de este método RPE?
 
-Las personas deben estar familiarizadas con su uso antes de empezar a utilizarla para recopilar datos. Si es posible, puede ser interesante combinar RPE con métodos de monitorización objetiva (ej. FC) para relacionar percepciones con intensidades.
 
-Normalmente, existen diferencias entre los valores que el entrenador considera que se obtendrán y los valores que se obtienen (carga planificada vs carga percibida). Por tanto, a lo largo de todo el período de entrenamiento se deben tener en cuenta las características individuales de cada persona (físicas y psicosociales).
 
-Podemos calcular índice de monotonía dividiendo la media semanal de carga entrenamiento entre la desviación estándar(SD) de la carga de entrenamiento semanal.
 
Monotonía= media semanal carga entrenamiento/SD
 
-La monotonía (baja variabilidad en entrenamiento) parece estar relacionado con inicio de sobreentrenamiento cuando se combina con altas cargas de entrenamiento, por tanto, es interesante calcular el “training strain” que básicamente se obtiene multiplicando la carga de entrenamiento semanal por el índice de monotonía.
 
Training strain*= carga entrenamiento semanal x monotonía
 
* Valores altos están relacionados con mayor incidencia de lesiones y peor rendimiento.
Figura 8. Ejemplo se una semana de entrenamiento en la que se calcula RPE, duración, carga (RPEx min), monotonía y training strain (McLaren et al., 2021).
 
 

“Asociación” no implica “predicción”. Importancia de otros factores.

No debemos confundirnos. No por estar fuera del “sweet spot” (ratio 0,8-1,3) me voy a lesionar. Un ejemplo lo vemos en la gráfica de abajo, que muestra la relación carga aguda:crónica en 38 semanas de entrenamiento en una crossfitera élite. El 50% de las semanas estuvo fuera de la “zona segura” y no se lesionó (Tibana et al., 2019).

Figura 9. Ratio agudo:crónico de crossfiter durante 38 semanas. C= competiciones menores; T= transición; R= competición importante (Tibana et al., 2019).
 
Existen multitud de variables que van a modular nuestras probabilidades de lesionarnos. Ya hablemos de lesión, dolor o éxito deportivo, el resultado que tengamos con programa de entrenamiento deriva de la interacción de múltiples variables que están interrelacionadas. 
Figura 10. La lesión, el dolor y el éxito deportivo deben entender como el resultado de una red de factores contribuyentes interrelacionados. Adaptado de Bittencourt et al. (2016).

En ciertas ocasiones habrá ciertos factores que tengan más relevancia, mientras que en otras el peso de cada factor y la relación entre ellos puede variar. En la siguiente imagen se observa esto muy claro. En ella se muestran factores potencialmente contribuyentes a una lesión de ligamento cruzado anterior en baloncesto y en ballet. Y para un mismo deporte, cada persona tendrá su propio esquema. El contexto determina cómo es esta red de factores.

Figura 11. Red de factores potencialmente contribuyentes a lesión de ligamento cruzado anterior en baloncesto y ballet (Bittencourt et al., 2016).
La carga de entrenamiento y el ritmo de progresiones y regresiones en ella no será más que uno de esos puntos a considerar. No por que tenga un valor determinado ya aparecerá la lesión. El tema es mucho más complejo. Además, como veremos en la siguiente sección, hay factores que modulan la relación entre la carga y el riesgo de lesión. 
 
El tratar con sistemas complejos implica tener siempre presente múltiples factores (y sus relaciones), lo que, con respecto este tema que aquí tratamos, conlleva la evaluación de variables diferentes a la propia carga empleada. Por ejemplo, cómo está respondiendo esas persona a esa carga. ¿Qué relación hay entre la carga externa y la interna? ¿Cuáles son sus sensaciones? ¿Está aceptando la carga de trabajo?¿Está preparado para volver a someterse a una sesión de entrenamiento con cierta intensidad? Este tipo de preguntas forman parte de lo que Tim Gabbet denomina el ciclo de monitorización constante de los deportistas (Gabbet et al., 2017).
Figura 12. Ciclo de monitorización constante propuesto por Gabbett et al., (2017).
 
Cuando hablamos de relación entre carga externa-interna, de “aceptación” o “preparación” debemos pensar más allá de las cargas empleadas. Es necesario prestar atención a cuestiones como los hábitos de vida o estresores ajenos que tiene una persona en su vida. El estado anímico, el nivel de energía, el sueño y el nivel de estrés se asocian con las probabilidades de lesión (Hamlin et al., 2019). Entran aquí en juego el “escuchar a nuestro cuerpo”, las conversaciones diarias con las personas que entrenamos o los cuestionarios de “wellness” (McLean et al., 2010; Saw et al., 2016; Gabbet et al., 2017; Maunder et al., 2019) como el que se muestra a continuación. 
 
Figura 13. Ejemplo de cuestionario tipo “wellness” (McLean et al., 2010).
Otra opción a considerar en algunos casos sería medir la variabilidad de la frecuencia cardiaca (VFC); indicador de equilibrio entre sistema nervioso simpático-parasimpático. Es un marcador muy sensible al estrés de diferente índole (más que FC, aunque lo ideal sería medir ambas). Por ello, las variaciones en la VFC nos pueden ayudar a entender en qué estado se encuentra una persona y cómo está respondiendo a los diferentes eventos estresantes que tiene que enfrentar cada (ej. entrenamiento) (Mosley & Laborde 2022).
 
Williams et al., (2017) mostró que crossfiteros de competición tienen más riesgo de lesión cuando el ratio agudo:crónico es alto y la VFC baja. Sin embargo, cuando la VFC era normal o alta se toleraban bien los aumentos “desproporcionados” de cargas. Vemos aquí parte la complejidad de las lesiones: la clave está en la relación de diversos factores. 
Figura 14. Mayor riesgo de lesión cuando se combina baja VFC y alto ratio agudo:crónico (Williams et al., 2017).

Los expertos proponen, en cuanto monitorización, que se realicen de manera regular test físicos (que sean sencillos y rápidos, como un test de salto o de lanzamiento) y mediciones fisiológicas (actualmente existen test muy válidos, sencillos y no invasivos, como la variabilidad de la frecuencia cardíaca), sin olvidar que es necesario conocer el estado psicoemocional de la persona (para ello podemos usar diferentes cuestionarios o simplemente conversar) (Kellmann et al.,2018). 
 
Evaluar todos estos factores y actuar en consecuencia ayudará a modular las probabilidades de lesión (compraremos menos papeletas), pero es no es eliminar el riesgo por completo. No hay forma de predecir nada. 

Objetivo: atletas robustos

Malone et al., (2018) mostraron que grandes cambios semanales absolutos en la carga (≥1000 AU de RPEx min) aumentan las probabilidades de lesión en comparación con cambios semanales más pequeños en la carga durante las fases de pretemporada y en la temporada en jugadores de hurling. Asimismo, se demostró que un ratio agudo:crónico entre 0.90 y 1.30 ofrecía efectos protectores, con una relación que explicaba el 60% de la varianza asociada con la probabilidad de una lesión posterior. 

Nada nuevo a lo ya comentado. Sin embargo, cuando se consideró la fuerza relativa  independiente de otros factores, los jugadores que tenían una mayor fuerza relativa (3RM en peso muerto) tenían menos riesgo de lesión en comparación con los jugadores con menor fuerza relativa. Y vieron que la fuerza actuaba como moderador en el riesgo de lesión a una carga de trabajo semanal dada (≥ 1750 AU): se observó que los atletas más fuertes fueron más capaces de tolerar la carga de trabajo con un riesgo de lesión menor.

También demostraron que los deportistas más fuertes fueron más capaces de tolerar cambios mayores semana a semana (> 550 UA a 1000 UA) en la carga de trabajo que los atletas más débiles. Además, cuando se consideró la fuerza y un ACWR determinado, se demostró que los atletas más fuertes toleran mejor los picos en la carga de trabajo los atletas más débiles.

Figura 15. Riesgo de lesión en función de fuerza relativa y capacidad de sprint (Gabbett et al., 2020).

Algo similar se encontró al analizar la relación entre la capacidad de sprint y realizar sprints repetidos (RSA) y la tolerancia a la carga. Los atletas más rápidos (5, 10 y 20 m) y con mejor tiempo en RSA (6x35m con 10 s recuperación pasiva) presentaban menor riesgo de lesionarse y toleraban más cambios de carga semanales, así como ACWR fuera del “sweet spot”.

En esta línea, los mismos investigadores publicaron otro artículo (Malone et al., 2018) que mostraba que altas cargas de trabajo crónicas permitían a jugadores de fútbol élite cubrir mayores distancia a alta velocidad (HSR) y a sprint (SR) con un menor riego de lesión. Y que, de nuevo, grandes cambios semanales en HSR y SR y un ratio de trabajo agudo:crónico alto (>1.25 en HSR y >1.35 en SR) se asoció a mayor riesgo de lesión. 

Se observó que aquellos jugadores con peor capacidad aeróbica (medida con 30-15IFT) tuvieron mayor riesgo de lesión que aquellos jugadores con mejor capacidad aeróbica. El riesgo fue mayor ante cargas de trabajo a alta velocidad comparables, ante cambios semanales grandes en distancia a alta velocidad (>300 to 600-m) y cuando el ratio agudo:crónico de carrera a alta velocidad fue superior a 1.25. Se observó una tendencia similar para las distancias a sprint, mostrando que una peor capacidad aeróbica aumenta el riesgo de lesión. 

Figura 16. La relación entre la carga y lesiones está modulada por la condición física de una persona (ej. fuerza relativa, sprint, RSA, capacidad aeróbica) (Gabbett et al., 2020).

A la vista de estudios como estos, Griffin et al., (2020) definen a un(a) atleta robusto como “aquel/aquella que es capaz de tolerar grandes cargas debido a sus cualidades físicas altamente desarrolladas (ej. fuerza, velocidad)”. La falta de estas cualidades hacen que un(a) atleta sea más susceptible a lesionarse. 

 
Figura 17. Resumen de ciclo de monitorización constante y factores moduladores de las respuestas y la relación carga-lesión (Gabbett et al., 2020).

Lolo García

Apasionado del deporte y su ciencia. Siempre intentando conocer más sobre los procesos biomecánicos y fisiológicos que conllevan a la optimización de rendimiento y recuperación. Es docente en el MTC y el IPTC además de en otras formaciones y posgrados.
Ver todos los artículos de este autor

Comparte este artículo

Deja un comentario

Carrito de compra