Estratégias para a redução de lesões em jogadoras de futebol

Ao reduzir a dimensionalidade dos dados e agrupar os resultados, técnicas podem facilitar o reconhecimento de padrões e a identificação de jogadoras com perfis de risco semelhantes

 28/07/2023 - Publicado há 11 meses

Logo da Rádio USP

Na coluna desta semana, o professor Bruno Bedo explica que as sessões de treinamento de pré-temporada são cruciais para preparar as atletas para as demandas musculoesqueléticas da próxima temporada competitiva e ajudar a reduzir o risco de lesões durante a atual temporada. “No entanto, a prescrição de treinamento baseada em avaliações de pré-temporada apresenta um desafio significativo. Muitas vezes, a quantidade de dados gerados por uma variedade de avaliações biomecânicas e funcionais pode levar a interpretações múltiplas e divergentes, dificultando a tomada de decisões”, ressalta.

Para o professor, a redução de dimensionalidade refere-se ao processo de reduzir o número de variáveis ou características em um conjunto de dados. Ele explica que frequentemente os conjuntos de dados possuem muitas variáveis, o que pode dificultar a análise e a visualização dos dados. “A redução de dimensionalidade pode ajudar a simplificar a análise, eliminar variáveis redundantes e melhorar a eficiência dos algoritmos de aprendizado de máquina.”

Por outro lado, argumenta Bedo, o agrupamento, também conhecido como clustering, é um método usado para dividir um conjunto de dados em grupos ou clusters, onde os dados dentro de cada grupo são mais semelhantes entre si do que com os dados de outros grupos. “O agrupamento pode ser útil para explorar padrões, descobrir categorias ou segmentar dados sem a necessidade de rótulos prévios. Ele é amplamente utilizado em diversas áreas, como análise de mercado, segmentação de clientes, processamento de imagens e detecção de anomalias.”

Em resumo, a redução de dimensionalidade visa a simplificar os dados, enquanto o agrupamento busca encontrar estruturas e padrões nos dados, dividindo-os em grupos semelhantes. Ambas as técnicas desempenham papéis importantes na análise de dados e aprendizado de máquina, permitindo uma compreensão mais fácil e eficiente dos conjuntos de dados complexos.

Artigo citado: De la Fuente C, Silvestre R, Yañez R, Roby M, Soldán M, Ferrada W, Carpes FP. Preseason multiple biomechanics testing and dimension reduction for injury risk surveillance in elite female soccer athletes: short-communication. Science and medicine in football. 2023 Apr 3;7(2):183-8.

Clique aqui para ler o artigo completo: https://www.tandfonline.com/doi/abs/10.1080/24733938.2022.2075558


Ciência e Esporte
A coluna Ciência e Esporte, com o professor Bruno Bedo, vai ao ar toda sexta-feira às 10h00, na Rádio USP (São Paulo 93,7 FM; Ribeirão Preto 107,9 FM) e também no Youtube, com produção do Jornal da USP e TV USP.

.


Política de uso 
A reprodução de matérias e fotografias é livre mediante a citação do Jornal da USP e do autor. No caso dos arquivos de áudio, deverão constar dos créditos a Rádio USP e, em sendo explicitados, os autores. Para uso de arquivos de vídeo, esses créditos deverão mencionar a TV USP e, caso estejam explicitados, os autores. Fotos devem ser creditadas como USP Imagens e o nome do fotógrafo.