Es un hecho claramente contrastado que la práctica deportiva presenta importantes beneficios en la salud de las personas que la realizan. Por ejemplo, la práctica deportiva reduce el riesgo de muerte prematura en general; y de enfermedad coronaria, hipertensión, cáncer de colon, obesidad y diabetes mellitus en particular (Li & Siegrist, 2012).

x000D

Sin embargo, toda práctica deportiva lleva inherente un incremento significativo del riesgo de sufrir una lesión (Verhagen & van Mechelen, 2010). Este riesgo es especialmente elevado durante la infancia y adolescencia, atribuido principalmente al incremento del número de fuerzas tensionales a soportar por un sistema músculo esquelético inmaduro derivado del aumento de la carga de entrenamiento y competición, así como a los desajustes en el control motor propios del periodo puberal en el que se encuentran los deportistas a esa edad (Hewett et al., 2002). Así, las lesiones pueden contrarrestar los efectos beneficiosos sobre la salud de la práctica deportiva si una persona es incapaz de continuar adherida a la misma como resultado del las secuelas producidas por una lesión.

x000D

A pesar del sustantivo esfuerzo llevado a cabo por la comunidad científica en los últimos años para implementar medidas que ayuden a reducir el número e impacto de las lesiones en el deporte adolescente, la prevalencia de éstas no se ha reducido (Fridman et al., 2013). Una de las razones que podría explicar la ineficacia de las medidas preventivas implementadas es la ausencia de pruebas de evaluación y modelos de predicción que permitan identificar con éxito a deportistas en situación de alto riesgo de lesión (Bahr, 2016).

x000D

La aplicación de enfoques estadísticos contemporáneos (algoritmos de aprendizaje supervisado) procedentes del ámbito del aprendizaje mecánico y de la minería de datos y que han sido diseñados para afrontar problemas con bases de datos altamente desbalanceadas (como en la lesión deportiva, en donde el número de deportistas lesionados [clase minoritaria] durante un año competitivo es siempre menor que el de deportistas no lesionados [clase mayoritaria]) y que pueden manejar un amplio número de variables (similar a lo que ocurre en la lesión deportiva, donde un importante número de factores podrían influir en su aparición [fenómeno multifactorial]) con el propósito de desarrollar modelos de predicción (validados a través de técnicas de sobremuestreo [ej.: validación cruzada]), podría arrojar luz en esta problemática que subyace en la medicina y ciencias del deporte.

x000D

Por tanto, el objetivo principal de este proyecto es analizar y comparar la habilidad predictiva de numerosos algoritmos de aprendizaje con el propósito de seleccionar el mejor modelo basado en factores de riesgo para identificar deportistas jóvenes en situación de alto riesgo de lesión.

Para ello se llevará a cabo un estudio prospectivo de cohorte donde un total de 150 deportistas jóvenes serán sometidos a una sesión de evaluación pre-participación que incluirá un número importante de características personales, constructos psicológicos y parámetros neuromusculares relacionados con el rendimiento motor. Asimismo, todas las lesiones acontecidas en la extremidad inferior y durante los 7 meses posteriores a la sesión de evaluación serán registradas. Del mismo modo, se efectuará un seguimiento detallado e individualizado de cada participante en relación a sus horas de exposición al entrenamiento y competición durante dicho periodo de tiempo.