Trainingsbelasting op het veld

In het project trainingsbelasting op het veld is uitgebreid gekeken naar de wendbaarheidstesten die
uitgevoerd worden door voetballers en revalidanten. Naast de tijd op de test is het wenselijk om de kwaliteit
van bewegen te beoordelen. We verwachten dat hiermee een betere inschatting gemaakt kan worden van
het blessurerisico of de vordering in de revalidatie na een voorste kruiband reconstructie.
Tijdens het project hebben we samen met experts middels focusgroepen vastgesteld welke aspecten van de
kwaliteit van bewegingen het meest interessant zijn. Experts vonden het diep-zitten in de draaimomenten, de
mate van vertragen voor een draaimoment en de impact van de voetlandingen het meest interessant om te
bestuderen.
Een groep voetballers van de FC Twente-Heracles academie heeft de testen uitgevoerd, terwijl 7 IMU's
bevestigd waren aan het onderlichaam. Met de 3D bewegingsdata die tijdens de testen is verzameld is zijn
verschillende uitkomstmaten voor kwaliteit van bewegen berekend die het diep-zitten, de vertraging en de
impact weergeven. In de afwezigheid van een algoritme vanuit de MKB-partner moest met ruwe data
gewerkt worden, wat veel extra werk kostte om tot uitkomstmaten te komen. Daardoor bleef er weinig tijd
over voor de daadwerkelijke analyse.
Statistische analyse resulteerde liet geen correlaties zien tussen kwaliteit van bewegen en de prestatie op de
test. Er waren geen duidelijke verschillen tussen de snelle en langzame spelers. Visuele presentatie van de
data in een prototype interface lijkt veelbelovend voor het beoordelen van de wendbaarheidstesten. Dit kan
meerwaarde geven voor prestatieverbetering en blessurepreventie. De haalbaarheid van het testen met 7
sensoren werd laag ervaren, door de belasting op de spelers en (in de afwezigheid van een
geautomatiseerd algoritme) de tijd die kost om de resultaten te bekijken.
Vervolg zal gericht worden op multi-moment metingen, gebruik van minder sensoren en geautomatiseerde
contextherkenning en datavisualisatie.

Steeds meer data worden verzameld om sporters en revalidanten optimaal te monitoren voor het individualiseren van belasting en belastbaarheid. Dit met als doel om overbelasting te voorkomen en fitheid en prestaties te stimuleren. Hiervoor worden in de voetballerij tot op heden parameters gebruikt die inzicht geven in de fysiologische belasting (hartslag), de mate van beweging (afgelegde afstand, snelheden en versnellingen) en de mentale of subjectieve belasting (ervaren mate van fitheid/herstel). Vanuit de voetbalpraktijk en de revalidatie van sportblessures is behoefte aan het beter inzichtelijk maken van de belasting die een training op het veld op het spierskeletstelsel uitoefent. Hiervoor is meer nodig dan een sensor die de beweging van het lichaam in zijn geheel meet (zoals een stappenteller). De ambulante sensoren van Movella zijn in staat om een uitgebreide bewegingsanalyse van de onderste extremiteit te meten, echter hoe deze vertaald moeten worden naar klinische beslissingen is nog onduidelijk In dit project willen we de haalbaarheid in kaart brengen van het monitoren van de trainingsbelasting op het lichaam tijdens sport specifieke bewegingen, zoals sprinten en behendigheidsoefeningen. Hiervoor moet een algoritme getest worden in de praktijk en moeten resultaten met behulp van kunstmatige intelligentie betekenisvol en in de context van alle andere data van de spelers op een begrijpelijke manier gepresenteerd worden. Tevens zal tijdens dit project gewerkt worden aan een groter vervolgproject, om de bevindingen uit te werken tot een geautomatiseerd en speler-centraal belasting/prestatie/risico profiel.