Nace en Murcia en 1983. En 2004 obtiene la diplomatura de Maestro, especialidad de Educación Física, por la Universidad de Murcia. En 2006 completa los estudios de licenciado en Ciencias de la Actividad Física y del Deporte por la Universidad Católica San Antonio de Murcia (UCAM). A continuación, cursa el máster oficial en Educación Física y Salud en la UCAM, obteniendo el título de máster en el año 2007. En 2008 finaliza el máster en Ejercicio Preventivo y Terapéutico en el Deporte en la Universidad Europea de Madrid. Entre 2007 y 2011 desarrolló su proyecto de tesis doctoral en el departamento de Ciencias de la Actividad Física y del Deporte de la UCAM, bajo la dirección de los doctores Pilar Sainz de Baranda Andújar, Fernando Santonja Medina y Mark De Ste Croix, obteniendo el grado de doctor con mención internacional en 2012 por esta universidad. Su proyecto de tesis doctoral fue merecedor de una beca-contrato de formación del personal investigador (programa FPI) de la Fundación Séneca con una duración de cuatro años (2007-2011). Mientras desarrollaba la tesis doctoral realizó tres estancias investigadoras en la Universidad de Gloucestershire (Reino Unido) con una duración de cinco meses cada una, bajo la supervisión del Dr. Mark De Ste Croix. En 2016, y ya como doctor, realizó una estancia investigadora de seis meses en el Cincinnati Children's Medical Center (Estados Unidos de América) financiada por el Ministerio de Educación y Formación Profesional a través del programa para estancias de movilidad en el extranjero “José Castillejo” para jóvenes doctores. En el año 2018 obtuvo una beca de la Fundación Séneca para realizar una estancia posdoctoral investigado acerca de la identificación de deportistas jóvenes en situación de alto riesgo de lesión a través de técnicas de Inteligencia Artificial en la Escuela de Deporte y Ejercicio de la Universidad de Gloucestershire con el Dr. Mark De Ste Croix, donde participa también en actividades docentes en los años 2018-2020. Posee comunicaciones en congresos nacionales e internacionales, así como publicaciones científicas en revistas de carácter nacional e internacional. Domina la lengua inglesa y tiene conocimientos de la lengua portuguesa.
La práctica deportiva regular durante la infancia y adolescencia presenta importantes beneficios sobre la salud. Sin embargo, toda práctica deportiva lleva inherente un incremento significativo del riesgo de lesión. Este riesgo es especialmente elevado durante la adolescencia, atribuido a las altas demandas físicas de muchos deportes, los desajustes en el control motor propios de estas edades y la especialización temprana. Así, las lesiones pueden contrarrestar los efectos beneficiosos de la práctica deportiva sobre la salud si una persona es incapaz de continuar adherida a la misma como resultado de las secuelas producidas por una lesión.
A pesar del enorme esfuerzo llevado a cabo por la comunidad científica para reducir el número y el impacto que las lesiones poseen en los deportistas más jóvenes, la incidencia de éstas sigue siendo muy alta. Una de las principales razones que justifican esta circunstancia esta basada en la construcción de modelos de predicción de lesiones con escasa sensibilidad a partir de un número muy limitado de factores de riesgo y a través de técnicas estadísticas que no han sido específicamente diseñadas para tratar fenómenos complejos y dinámicos como lo es el de la lesión deportiva. Por lo tanto, el principal objetivo de esta investigación fue el de desarrollar modelos matemáticos (a través de técnicas de Inteligencia Artificial) y aplicaciones para Smartphone y Tablet que permitan identificar y entender qué factores y procesos son los responsables de colocar a un deportista joven en una situación de alto riesgo de lesión.
Para ello, 355 jugadores de fútbol jóvenes fueron evaluados de un número elevado de factores de riesgo de lesión al final de la pre-temporada. La incidencia de lesiones fue prospectivamente monitorizada a lo largo de una temporada. La habilidad predictiva de numerosos modelos construidos a través de la combinación de un amplio rango de algoritmos de aprendizaje fue comparada, seleccionando finalmente el mejor de ellos.
Un total de 99 jugadores de fútbol jóvenes sufrieron una lesión por no contacto en la extremidad inferior durante la temporada competitiva. El 80% de las lesiones registradas fueron clasificadas como moderadas o severas. Hubo una alta proporción de lesiones musculares (35%), seguida por las lesiones ligamentosas (17%) y de crecimiento o sobreuso (14%).
El modelo construido a partir de la técnica de ensamblaje bagging con un algoritmo con estructura de árbol de decisión J48como clasificador de base y una matriz de coste 1:1 fue finalmente elegido al ser el que mejor rendimiento mostró para predecir lesiones. En particular, la validación cruzada del modelo reveló un área bajo la curva ROC de 0,633, con un porcentaje de instancias correctamente clasificadas del 74,2% para los jugadores no lesionados (especificidad) y del 55,6% para los jugadores lesionados (sensibilidad).
El modelo seleccionado sugiere además interacciones entre las variables asimetría, valgo dinámico de rodilla, edad y masa corporal que podrían ser importantes a la hora de colocar a un jugador de fútbol joven en una situación de alto riego de lesión.
Este modelo matemático podrá ayudar a entrenadores, educadores físicos y demás profesionales del deporte y la salud a identificar jugadores de fútbol jóvenes en situación de alto riesgo de lesión y a orientar, en caso de ser necesario, el diseño de medidas especificas destinadas a reducir o minimizar la probabilidad de sufrir una lesión, potenciando así una práctica deportiva segura y saludable durante la infancia y adolescencia.
Ubicación
