Introducción
El fútbol gaélico (GF) es un deporte de equipo basado en el campo de invasión intermitente que involucra períodos de actividad de alta velocidad intercalados con actividad de velocidad moderada a baja. Los turnos de actividad de alta velocidad son en gran parte impredecibles e impuestos por el patrón de juego (Kelly et al. 2021). El GF se juega entre dos equipos de 15 jugadores, en dos periodos de 35 min en una superficie de juego de césped rectangular de aproximadamente 140 × 90 m (Cullen et al. 2017; Gamble et al. 2019). La Liga Nacional de Fútbol Americano (NFL), que se disputa entre enero y abril, y el Campeonato de Irlanda (AIC), que se disputa entre mayo y septiembre, son las dos principales competiciones que se juegan anualmente (Gamble et al. 2019). Los juegos son oficiados por un árbitro con la asistencia de dos oficiales de línea lateral y cuatro árbitros de línea de gol. Las decisiones del árbitro son de considerable importancia ya que tienen el potencial de influir en el resultado del juego. Para garantizar una posición óptima para la toma de decisiones, los árbitros GF (GFR) deben seguir el ritmo del juego en todo momento. En este sentido, arbitrar a nivel de élite en GF representa un desafío físico considerable.
Los avances en dispositivos de microtecnología que incorporan tecnología de sistema de posicionamiento global (GPS) han facilitado la evaluación rutinaria de los perfiles de actividad de los jugadores durante el entrenamiento y la competencia (Malone et al. 2016; Gamble et al. 2019). Durante los juegos de la NFL y AIC, los jugadores de élite cubren ~116 m·min−1 con ~25 m·min−1 a alta velocidad (≥4,72 m·s−1) y alcanzar velocidades máximas de carrera de ~8 m·s−1 (Malone et al. 2016). Un examen de las variaciones estacionales en el perfil de actividad de los jugadores GF de élite encontró aumentos significativos en la distancia total y de carrera de alta velocidad (HSR) durante las últimas etapas de la AIC en comparación con cualquier otra fase de la temporada (Mangan et al. 2019). Hasta la fecha, ningún estudio ha examinado el perfil de actividad de la TFG de élite durante los juegos AIC. Esta falta de información es actualmente una importante limitación en el diseño de programas de formación.
Aunque el análisis completo del partido proporciona una medida global del perfil de actividad de los atletas y árbitros de deportes de equipo de campo de invasión, no examinar los cambios temporales en el perfil de actividad puede enmascarar las disminuciones en el rendimiento de la carrera entre las mitades y los cuartos del partido. Por ejemplo, se ha encontrado que los árbitros de fútbol de élite están a una mayor distancia de las decisiones en las áreas de ataque del campo durante las últimas etapas de los juegos (Krustrup et al. 2009), y cometer más errores en la segunda parte (Mallo et al. 2012).
Los cambios temporales en el perfil de actividad de los árbitros de fútbol y rugby han sido examinados con resultados mixtos (D’Ottavio y Castagna 2001; Weston et al. 2007; O´Hara et al. 2013). La distancia total recorrida por los árbitros de fútbol de élite de la Premier League disminuyó en la segunda mitad mientras que no hubo diferencia en HSR (>5,5 m·s−1) entre mitades (Weston et al. 2007). Por el contrario, la distancia recorrida mientras trotaba (2,0–4,0 m·s−1), correr (4,0–5,5 m·s−1) y funcionando a alta velocidad (5,5–7,0 m·s−1) fue menor entre los árbitros de fútbol de élite durante la segunda mitad del partido (Di Salvo et al. 2011). Aunque no se encontraron diferencias en la distancia total recorrida entre mitades entre los árbitros de élite de la liga de rugby, hubo un menor número de esfuerzos de alta intensidad en la segunda mitad (O’Hara et al. 2013).
A diferencia de la liga de rugby y los árbitros de fútbol, los GFR son aficionados y deben cubrir un área de juego relativa de ~425 m2 por jugador que es mucho mayor que en el fútbol (~320 m2) y rugby (~233 m2). Si bien no está claro hasta qué punto la aparición de la fatiga, las estrategias de ritmo o el ritmo del partido contribuyen a los cambios temporales en el perfil de actividad del árbitro, una reducción en el rendimiento de carrera de la GFR de élite durante las últimas etapas de los juegos puede indicar un deterioro. capacidad para mantenerse al día con el juego y puede aumentar la probabilidad de tomar decisiones incorrectas (Krustrup y Bangsbo 2001).
El objetivo de este estudio fue examinar el perfil de actividad de la GFR de élite durante los juegos AIC y examinar los cambios temporales en el perfil de actividad entre la primera y la segunda mitad y desde el primer hasta el cuarto cuarto de los partidos. Se planteó la hipótesis de que habría una disminución en la distancia total, la distancia recorrida a alta velocidad y la velocidad máxima de carrera entre la primera y la segunda mitad y en el último cuarto en comparación con cualquier otro cuarto del partido.
Metodología
Diseño experimental
Se utilizó un diseño de estudio observacional longitudinal para evaluar el perfil de actividad de la TFG de élite durante partidos competitivos. Los participantes fueron reclutados del panel de campeonato senior de la Gaelic Athletic Association (GAA) que se selecciona antes del inicio del AIC cada año. Los datos de actividad de los partidos se recopilaron en ~80% de los juegos de AIC durante cuatro temporadas competitivas utilizando tecnología GPS. El conjunto de datos comprende juegos de todas las fases de la competencia, incluidos cuartos de final, semifinales y finales. Los datos de actividad derivados del dispositivo GPS se utilizaron para cuantificar las distancias y las velocidades de carrera alcanzadas durante los juegos AIC. Los datos de actividad de los partidos se separaron en mitades y cuartos para examinar los cambios temporales en el perfil de actividad.
Participantes
Veintitrés GFR de élite entre condados [mean ± standard deviation (SD); age, 39.5 ± 4.7 yr; range, 30–49 yr; experience at national level, 8.7 ± 4.3 yr; range 3–20 yr] dio su consentimiento informado por escrito para participar después de explicaciones escritas y verbales de los procedimientos del estudio. Se obtuvo la aprobación ética del Comité de Ética de Investigación de la Universidad de la Ciudad de Dublín (DCUREC/2018/041) de acuerdo con la declaración de Helsinki. Se recopilaron un total de 202 conjuntos de datos de juegos completos entre 2016 y 2019. Los sujetos formaron parte del panel de árbitros de élite del campeonato senior de la GAA durante el período de recopilación de datos.
Procedimientos
Durante cada juego, los árbitros usaron dispositivos GPS de 10 Hz (STATSports, Newry, Irlanda), a medio camino entre las escápulas en una prenda interior hecha a la medida. Para establecer un bloqueo de satélite GPS, los dispositivos se activaron un mínimo de 15 minutos antes del comienzo de cada juego (Scott et al. 2016). La validez y confiabilidad de los dispositivos GPS ha sido previamente reportada (Beato et al., 2018a; Beato et al. 2018b). Los dispositivos GPS que funcionan a 10 Hz brindan una validez y confiabilidad superiores en comparación con dispositivos con tasas de muestreo más bajas (Scott et al. 2016). Los datos de los dispositivos GPS se descargaron al software del fabricante y se separaron en la primera y la segunda mitad, incluido el tiempo adicional al final de cada mitad y excluyendo el período de calentamiento y de medio tiempo. Luego, los datos sin procesar se exportaron y analizaron más utilizando el lenguaje de programación Python (v.3.7) (Python Software Foundation, Wilmington, DE, EE. UU.).
Los puntos de datos se excluyeron del análisis si la velocidad instantánea era >10 m·s−1la aceleración instantánea fue >6 m·s−2 o la desaceleración instantánea fue >6 m·s−2 (Park et al. 2019; Brady et al. 2021). La dilución horizontal de precisión (HDOP) y la cantidad de satélites bloqueados en el dispositivo estaban disponibles para todos los conjuntos de datos recopilados durante 2018 y 2019 (n = 110). Los puntos de datos de estos archivos se excluyeron del análisis si el HDOP era >2.0 o si el número de satélites bloqueados en el dispositivo era <8 (Malone et al. 2017; Parque et al. 2019). Los archivos de partidos en los que los datos excluidos representaban >3 % del tiempo de juego se eliminaron del análisis (n = 1). Esto resultó en un conjunto de datos final de 201 conjuntos de datos de juegos completos, con una mediana de 9 conjuntos de datos de juegos completos por árbitro (µ = 8.7 juegos; rango: 2–19 juegos).
Las variables de movimiento analizadas fueron distancia total, movimiento a muy baja velocidad (VLSM) (<0,70 m·s−1), caminar (≥0,70–1,65 m·s−1), carrera a baja velocidad (LSR) (≥1,66–3,27 m·s−1), carrera a velocidad moderada (MSR) (≥3,28–4,86 m·s−1), HSR (≥4,87–6,48 m·s−1), carrera a muy alta velocidad (VHSR) (≥6,49 m·s−1) y la velocidad máxima de funcionamiento. Las categorías de movimiento y los correspondientes umbrales de velocidad aplicados se desarrollaron específicamente para el análisis de la TFG de élite (Brady et al. 2021). La distancia total y la distancia recorrida en cada categoría de movimiento se informó en términos relativos, expresados en metros y distancia por unidad de tiempo (m·min−1). Para examinar los cambios temporales en el perfil de actividad, los datos completos del juego se separaron en la primera y segunda mitad y en cuatro cuartos que representaban los primeros y últimos quince minutos de cada mitad.
análisis estadístico
El análisis estadístico se completó utilizando el Paquete Estadístico para las Ciencias Sociales (v.25) (IBM, Chicago, IL, EE. UU.). Los datos se presentan como media ± SD, a menos que se indique lo contrario. Los cambios temporales en las variables de movimiento se examinaron utilizando una serie de modelos mixtos lineales (LMM). El período de partido se trató como una medida repetida con la fase de competición y la temporada de juego incluidas como efectos fijos. Árbitro y un árbitro, la interacción del período de partido se trató como efectos aleatorios. La estructura de covarianza para cada modelo se determinó de acuerdo con el Criterio de Información de Akaike. Para la distancia relativa y la distancia en cada categoría de movimiento se ajustó una estructura heterogénea de simetría compuesta. Se ajustó una estructura de covarianza no estructurada para la velocidad máxima de carrera. Después de la determinación de la estructura de covarianza apropiada, se examinaron los supuestos de normalidad de los residuos utilizando gráficos de los residuos del modelo y los valores pronosticados. Cuando se violaron los supuestos, la variable dependiente se transformó logarítmicamente. Los efectos e interacciones principales significativos se probaron utilizando contrastes ajustados de Bonferroni. Las estimaciones del tamaño del efecto (ES) se determinaron de acuerdo con Westfall et al. (2014) que proporciona una estimación análoga a la de Cohen d. Este enfoque se recomienda para diseños LMM (Brysbaert y Stevens 2018). El nivel de significación se fijó en α ≤ 0,05 para todas las pruebas.
Resultados
La duración media del partido fue de 78,0 ± 2,3 min durante los cuales los árbitros recorrieron una distancia relativa de 122,6 ± 8,4 m·min−1. Durante el…
0 Comments