Modelo de previsão visa prever risco de lesões em jogadores de futebol

O modelo poderia "potencialmente prevenir lesões no futuro", explicou Hecksteden em uma entrevista, destacando os benefícios do modelo. O objetivo final é "identificar jogadores com alto risco de lesão" e, assim, intervir e neutralizar com "abordagens médicas personalizadas", explicou o médico esportivo, que conduz pesquisas na Universidade Médica de Innsbruck e na Universidade de Innsbruck e traz muitos anos de experiência em esportes de elite como médico de seleções alemãs – por exemplo, seleções nos Jogos Olímpicos da Juventude ou nos Jogos Mundiais –, explicando a abordagem e os objetivos. O benefício é particularmente grande "quando os jogadores retornam de uma lesão anterior", acrescentou Hecksteden. O risco atual e renovado de lesão representa uma "base importante para determinar o momento certo para retornar ao esporte".

De qualquer forma, a "identificação" de jogadores com alto risco de lesão e, portanto, a avaliação de risco são inadequadamente alcançadas com os modelos de previsão, em grande parte baseados em dados, atualmente utilizados no futebol profissional. Eles produzem um verdadeiro "tsunami de dados" difícil de interpretar com precisão. "Isso inclui dados das áreas de carga de trabalho e desempenho dos atletas, dados de GPS, inúmeros vídeos ou até mesmo modelos de esqueleto de IA", ela citou alguns exemplos. Há razões para esse desempenho inadequado: "Simplesmente há muitas variáveis sendo levadas em consideração, o que significa que o foco nos fatores essenciais se perde", disse Hecksteden.

“Percepção subjetiva” fator importante no modelo

O modelo, agora acelerado – apresentado em junho em um comentário na revista "Science and Medicine in Football" – funciona de forma diferente: "Reduzimos deliberadamente a complexidade do modelo a alguns parâmetros". De qualquer forma, o objetivo é "mensurar os aspectos importantes e realmente relevantes para a tomada de decisões" e também incorporar o conhecimento especializado humano.

"Isso é importante, por exemplo, quando se trata da fadiga dos jogadores, que aumenta o risco de lesões", explicou Hecksteden. Um jogador "sente a fadiga" e até mesmo um "treinador experiente a percebe", mas é difícil capturá-la com dados objetivos, explicou o médico esportivo. Nesse sentido, existe "a característica única da percepção humana", e a "percepção subjetiva" é "difícil de modelar", enfatizou o cientista. O "olho do treinador", portanto, apoia processos assistidos por computador, que continuarão a ser usados "para otimizar os modelos".

Outro problema com os modelos e procedimentos atualmente em uso são os tamanhos reduzidos das amostras. "Não estamos falando de marketing online com milhões de conjuntos de dados", disse Hecksteden. "Os tamanhos das amostras no futebol de alto nível são relativamente pequenos porque não temos milhões de jogadores à nossa disposição." Afinal, estamos falando de "uma elite", enfatizou. A criação de modelos altamente complexos e puramente baseados em dados, que depois "também são aplicáveis a novos jogadores", só é possível de forma muito limitada.

“Modelo prático” para o futebol de alto nível como meta

Agora, após o comentário, no qual o novo modelo foi ilustrado com dois exemplos da vida real, é hora de validar o modelo de previsão com casos adicionais e, assim, comprovar sua eficácia. "Precisamos analisar mais detalhadamente os benefícios dos ajustes feitos por especialistas no modelo", explicou Hecksteden. Isso deve resultar em um "modelo tecnicamente plausível e prático, que possa ser aplicado na prática no futebol de elite e, possivelmente, também em outros esportes de elite e coletivos", disse o pesquisador.