Herramienta análisis rendimiento grupal e individual AMLFC

Herramienta análisis rendimiento grupal e individual AMLFC

En los últimos años está tomando importancia el análisis estadístico utilizando métodos de estadística progresiva. Sin duda, la gran referencia a nivel mundial es la de William Hopkins a través de su página web (www.sportsci.org) y sus diferentes artículos publicados (ver bibliografía).

En nuestro día a día como preparadores físicos, además de recoger datos, debemos analizarlos, y sobre todo, interpretarlos. En diversos estudios se está comprobando como la utilización de la interpretación de los clásicos errores de Tipo I y II a través de la “p-value” puede dar lugar a una mala interpretación de los datos obtenidos. Es por ello que este autor, entre otros, recomiendan el uso de estadística progresiva utilizando métodos probabilísticos donde, entre otros métodos, se utiliza tanto el error típico del test (ruido del test) como el mínimo cambio apreciable que detecta el test para determinar si un cambio de un valor a otro, tanto de forma individual como colectiva, es realmente un cambio importante y sobre todo, práctico. El aumentar la altura del salto vertical durante un CMJ de 45 a 46 cm podría ser importante o no, en función de cada individuo, de su propia evolución (o de un equipo entendido como conjunto de individuo) y de la variable y el test utilizado (ya no usaremos más la palabra significativo para no crear confusión con método clásicos).

El Prof. Hopkins nos aporta información y aplicaciones en Excel (Excel-APPs) de gran utilidad que utilizan estos métodos de observación de cambios individuales y grupales. En mi última aventura con la Selección Nacional de Letonia he desarrollado un papel importante en el análisis de rendimiento, donde monitorizábamos muchas diversas variables relacionadas con el rendimiento (por ejemplo, GPS y acelerómetros) y con la fatiga (por ejemplo, Variabilidad de la Frecuencia Cardíaca y TMG) que debían ser analizadas tanto en contexto de equipo como de forma individual, pero sobre todo, debían ser interpretadas como relevantes o no. Por ello, creé una serie de herramientas utilizando estos métodos que han derivado en una Excel-APP que me gustaría compartir con todos vosotros.

Se trata de una herramienta, en mi opinión, muy útil y práctica, la cual permitirá en dos versiones diferentes analizar una o dos variables relacionadas y su interpretación tanto de forma colectiva como individual a lo largo de una temporada. Las instrucciones de su utilización las podréis encontrar dentro de la propia APP.

No es necesario ser experto en estadística para utilizarla, aunque convendría echar un vistazo al menos a la teoría de la metodología en www.sportsci.org. Sin embargo, a expensas de saber que sería necesario visitar esta bibliografía para una mejor comprensión de los resultados, intentaré explicar, de forma muy breve, el entorno estadístico que usa la Excel-APP.

 

METODOLOGÍA ESTADÍSTICA

Para poder realizar un análisis del rendimiento es necesario manejar cierto conocimiento de estadística. En esta ocasión, se han seleccionado dos tipos de tratamientos estadísticos en esta herramienta:

 

  • Para observar los cambios grupales probables de un día a otro, a través del cambio en la media de cada una de las variables (http://www.sportsci.org/2007/inbrief.htm#xcl2)
  • Para observar los cambios individuales probables de un día a otro, a través del mínimo cambio apreciable (SWC) y del error típico del test (TE) (http://www.sportsci.org/jour/04/wghtests.htm)

 

Con la inferencia estadística en este caso, Hopkins propone un análisis basado en la observación de los cambios probables, mediante el uso de un umbral mínimo de cambio, el cual podría ser, por ejemplo, el tamaño del efecto, aunque en esta herramienta se ha optado por el SWC de cada variable, como porcentaje mínimo necesario para darse un cambio (SWC as %). A diferencia de la estadística basada en contrastes de hipótesis, donde se utiliza la “p-value” para determinar si una diferencia o cambio es significativamente estadística o no, Hopkins propone diferentes umbrales de cambio, basados en %, donde en primer lugar deben darse una serie de condicionantes para poder considerar ese cambio como verdadero, y luego, determinar la fuerza o probabilidad de ese cambio (Figura 3).

 

Inferencias-Hopkins

 

Figura 3. Observamos cómo se establecen 3 zonas de posibles beneficios del cambio, o lo que es lo mismo, un cambio negativo o que disminuye (harmful) y un cambio positivo o que aumenta (beneficial). Además, se incluye una zona trivial, donde se muestra que no se produce un cambio, es decir, que el valor sigue estable.

 

Mediante la comprobación de una serie de condicionantes para poder aceptar estos cambios como verdaderos, los cuales explicaremos a continuación, Hopkins propone las siguientes zonas de interpretación, donde, principalmente, un cambio probable se considera a partir del 75% de probabilidad:

 

Probabilidades-Hopkins

 

En esta tabla anterior observámos cómo el criterio necesario en este ejemplo para tomar un efecto como, probable, debe cumplir tres condiciones:

 

  • Que el efecto sea casi cierto que no sea perjudicial/negativo o beneficioso/positivo, según se mire, en menos del 0.5%
  • Que el efecto sea, el menos posible en el 25%
  • En los casos en los que la probabilidad de ser beneficioso sea mucho más de 0.5%, se utiliza automáticamente los odds ratio superiores a 66.
  • Además, aunque no se incluye en este ejemplo, es necesario saber la amplitud de los intervalos de confianza, para determinar si se encuentran en zonas diferentes a los valores medios (líneas horizontales en la Figura 3).

 

Todos estos valores son modificables en la columna INFERENCES DATA de la pestaña STATS CONFIG. Sin embargo, no aconsejo su modificación a la ligera si no se tienen conocimientos suficientes para ello. Los cálculos necesarios para llegar al cumplimiento de todos estos criterios se encuentran en la pestaña TEAM ANALYSIS STEP 2, los cuales no voy a entrar a debatir en mayor profundidad porque complicaría en exceso este artículo. Sin embargo, os animo a que pinchéis en cada celda para así poder ver cada formula y entender mejor ésta metodología (las hojas están protegidas por seguridad de no cometer algún error o borrar algo sin querer; aun así, no están protegidas con contraseña).

Una vez explicado lo básico de esta metodología, ya habremos entendido el funcionamiento del análisis en grupo. Sin embargo, queda por explicar una pequeña parte, sobre el análisis de los cambios individuales.

Al no disponer de medias, desviaciones estándar y otros cálculos necesarios para poder aplicar el análisis anterior, el estudio de los cambios individuales utiliza el SWC y el TE para determinar la fuerza del cambio. En este caso, para aceptar si un cambio es probable o no, se deben cumplir los siguientes requisitos:

 

  • Que el cambio producido supere el TE del test. Todo test tiene un ruido, derivado o bien de la propia variabilidad que se produce por la ejecución/toma de datos del test, o bien por la fiabilidad del dispositivo. Cuando el TE o “ruido” del test es muy alto, necesitaremos que el cambio sea muy alto, o de lo contrario, no podemos determinar si ese cambio se ha debido a la propia variabilidad del test o por un cambio real.
  • Que el cambio producido, además, supere el SWC. En este caso, el SWC se calcula multiplicando 0.2 x SD intra-sujeto. Aquí, el 0.2 es el valor del mínimo tamaño del efecto, bajo en este caso, deseado para que se considere el cambio como relativamente importante. Es necesario multiplicar este valor por la SD inter-sujeto debido a que, en este punto, queremos comprobar cómo fluctúa la propia variable. Así, si una variable fluctúa o varía mucho intra-sujeto, necesitaremos un cambio mínimo alto para poder determinar que dicho cambio es real, y no debido a esta variabilidad.

 

Al unificar ambos criterios, nos estamos asegurando de que el cambio producido no se debido ni a la propia variabilidad del test ni a la de la propia variable. A partir de aquí, al igual que ocurría en el análisis en grupo, se realizan una serie de cálculos que siguen la bases explicadas anteriormente. Podéis consultar dichos cálculos en las hojas de cada jugador (P1, P2, P3…). De igual forma, en la pestaña STATS CONFIG podéis aportar los datos necesarios del estudio de fiabilidad de cada variable para poder realizar éstos cálculos. En este enlace (http://www.sportsci.org/2015/ValidRely.htm) Hopkins nos aporta otra fantástica hoja de cálculo para realizar este estudio. Muchas veces, no disponemos de los datos necesarios para poder aportar estos valores, ya que no están publicados en la literatura. Sin embargo, en vuestra práctica diaria podréis seguro hacer con nuestro propio sistema de medición, en vuestro propio grupo y en cada variable en cuestión, vuestro estudio de fiabilidad, lo cual dará mucho más valor a los análisis realizados ya que estarán adaptados a vuestro grupo / muestra.

Por último, comentar, que en los gráficos tanto grupales como individuales, apareceran etiquetas de valores que representan cuándo un cambio cumple, en cada caso, los criterios necesarios y, además, tiene una probabilidad de más del 75% (cambio, el menos, probable).

Si tenéis más dudas en la metodología de esta hoja, os animo a realizar preguntas en este post en la parte de comentarios para que todos podamos beneficiarnos de las conclusiones y consultas.

Si quieres saber más de mí o estás interesado en mis servicios te invito a que visites la sección currículum.

Un saludo!

Alejandro Muñoz.

 

Descarga de la APP

 

Para descargar la aplicación en sus diferentes versiones debéis pinchar en cada enlace. Se agradece compartir el post para ayudar a difundir la herramienta tras la descarga. Iré subiendo más versiones en español e inglés, la que por ahora está disponible es para dos variables, en inglés y español, con datos de ejemplo.

 

AMLFC – PROGRESSIVE PERFORMANCE ANALYSIS V1.0 2 VARIABLES ENGLISH

AMLFC – PROGRESSIVE PERFORMANCE ANALYSIS V1.0 2 VARIABLES ESPAÑOL

 

Imágenes de la APP

 

AMLFC - PROGRESSIVE PERFORMANCE ANALYSIS - MENU

AMLFC – PROGRESSIVE PERFORMANCE ANALYSIS – MENU

AMLFC - PROGRESSIVE PERFORMANCE ANALYSIS - STATS

AMLFC – PROGRESSIVE PERFORMANCE ANALYSIS – STATS

AMLFC - PROGRESSIVE PERFORMANCE ANALYSIS - COMPLEX TEAM ANALYSIS

AMLFC – PROGRESSIVE PERFORMANCE ANALYSIS – COMPLEX TEAM ANALYSIS

AMLFC - PROGRESSIVE PERFORMANCE ANALYSIS - PLAYER STATS

AMLFC – PROGRESSIVE PERFORMANCE ANALYSIS – PLAYER STATS

AMLFC - PROGRESSIVE PERFORMANCE ANALYSIS - PLAYER ANALYSIS

AMLFC – PROGRESSIVE PERFORMANCE ANALYSIS – PLAYER ANALYSIS

AMLFC - PROGRESSIVE PERFORMANCE ANALYSIS - RAW DATA

AMLFC – PROGRESSIVE PERFORMANCE ANALYSIS – RAW DATA

AMLFC - PROGRESSIVE PERFORMANCE ANALYSIS - SIMPLE TEAM ANALYSIS

AMLFC – PROGRESSIVE PERFORMANCE ANALYSIS – SIMPLE TEAM ANALYSIS

Post A Comment