L’obiettivo che deve prefissarsi un preparatore atletico deve essere quello di saper gestire una frequenza, un volume e un’intensità di allenamento appropriata al fine di sommministrare i giusti stimoli, sia fisiologici che psicologici, per migliorare le performance di squadra. La combinazione di queste variabili è comunemente chiamata “carico di allenamento”. Questo può essere suddiviso in due sottoinsiemi chiamati rispettivamente carico interno (CI o ITL (internal training load)) e carico esterno (CE o ETL (external training load)) [1, 2, 3].

E’ possibile individuare i micro-cicli di allenamento, i carichi di lavoro e la periodizzazione
settimanale in una squadra di calcio da dati ottenuti tramite sistema GPS?

Indubbiamente, la gestione del carico è considerato dai club, dagli sport scientist e dai preparatori fisici uno dei problemi più importanti nel calcio d’elite moderno [4].
Il mondo scientifico negli ultimi anni ha affrontato questo problema in maniera differente rispetto alla visione che vuole dare questa tesi. Autori come Chelly, Iaia, Vacz, Alves e Christos solo per citarne alcuni, hanno voluto migliorare la performance non focalizzandosi sulle possibili variabili presenti nei micro-cicli settimali, ma bensì portando avanti dei protocolli di allenamento a breve termine (settimane/mesi) con il fine di allenare solo alcune capacità, come ad esempio la forza esplosiva o la capacità aerobica. I risultati hanno portato al miglioramento delle capacità prese in esame ma non sono riusciti a descrivere come questi protocolli si potessero integrare e quale
importanza potessero avere nei carichi di lavoro settimanali [5, 6, 7, 8, 9].

Finora per quantificare i carichisono state utilizzate diverse variabili e metodiche. La maggior parte degli articoli che vedremo analizzati successivamente hanno preso in considerazione le variabili di frequenza cardiaca (FC o HR (heart rate)) e di valutazione dello sforzo percepito (RPE) come variabili del carico interno, entrambe non riescono però a quantificare il carico esterno. Per colmare questa lacuna sono state individuate altre variabili come la distanza totale percorsa, la corsa a varie velocità (es. >16 km/h, >18 km/h ecc…), il numero di sprint, le accelerazioni, le decelerazioni e il dispendio energetico.

Da dove si è partiti? RPE, S-RPE e FC?

Dall’inizio degli anni 2000 fino ad oggi però lo sviluppo di accelerometri e monitoraggi, come il sistema multi camera semi-automatico e di posizionamento globale (GPS), hanno permesso un’analisi più approfondita e affidabile. 

Alcuni ricercatori come Little, Impellizeri e Gaudino nei loro lavori hanno mostrato che il monitoraggio sia del carico esterno (EL) che del carico interno (IL), è fondamentale per migliorare le performance degli atleti e che l’RPE-TL (rating of perceived exertion training load) si è dimostrato essere significativamente correlato al carico interno in allenamenti del calcio d’elite [10, 11, 12]. Per fornire però una valutazione globale del carico di allenamento Kelly consiglia di monitorate anche tutte le sessioni di forza, tecnica, condizionamento e tattica [13].

Jeong nel 2011, Malone nel 2014 e Owen nel 2017 si sono concentrati nell’analisi pre-season dei carichi di allenamento stagionali in calciatori professionisti. I risultati sono stati contrastanti. Malone e Owen hanno rilevato che il TL (training load) è rimasto simile in tutti i giorni con l’eccezione del giorno prima del match (MD-1) dove il carico si è ridotto.

Sia la FC che l’RPE analizzate sono state superiori rispetto a quella riportata da Jeong. Per quanto riguarda la distanza totale, i risultati mostrano che è maggiore all’inizio della stagione, questo può esser spiegato dalla maggior attenzione e risalto dato sia alle esercitazioni tecnico-tattiche che a quelle fisiche.

L’utilizzo del GPS infine ha mostrato ulteriori prove della propria efficacia per valutare appieno i modelli di allenamento durante una stagione competitiva [15, 3 ,4]. Castellano ha voluto utilizzare queste metodiche in esercitazioni quali gli SSG (small sided games). Gli indicatori del carico interno come l’HR hanno avuto molte correlazioni con la TD [16, 14].

L’RPE, invece, è stato fortemente correlato con la %HR media, ma non ha mostrato nessun’altra correlazione significativa con gli indicatori associati al carico esterno, come la distanza totale percorsa, le distanze coperte ad alta velocità >18 km/h e quelle percorse in sprint con velocità >21 km/h [16]. Viceversa Mc-Laren nella sua meta-analisi e Al Haddad nel suo lavoro hanno mostrato che l’intensità delle relazioni con le misure di TL esterno (TD e TD a varie velocità di percorrenza) è più forte con la sRPE-TL (sessionRPEtrainingload) [17, 18].

E ora, a che punto siamo con la ricerca?

Negli ultimi anni sono stati fatti dei passi avanti apportando delle modifiche e incrementando le variabili all’analisi: una di queste come già detto in precedenza è
l’accelerazione. Sempre con la tecnologia GPS sono state misurate le seguenti variabili: tempo di allenamento; distanza totale (TD); distanza di corsa ad alta velocità (HSR [> 5.8 m/s]); distanza percorsa in sprint (SPR [> 6.7 m/s]); variabili di accelerazione. I risultati hanno dimostrato numerose differenze tra i giorni in diverse variabili (P <0,05). Solo la distanza totale, l’accelerazione e la distanza di decelerazione sono stati in grado di distinguere i ruoli dei giocatori in campo. Le variabili relative al tempo di allenamento e alla TD (total distance), invece, hanno ridotto le differenze tra i giorni e cambiato l’ordine delle sessioni all’interno del micro-ciclo. Questo è stato dimostrato mettendo in evidenza il secondo giorno di allenamento settimanale in cui si sono registrati i valori più alti in tutte le variabili rispetto al giorno prima della partita [1, 19].

Jasper et al del 2016 hanno pubblicato una systematic review. Sono stati esaminati 11 articoli e i risultati sono stati che:
– è presente una relazione inversa tra carico muscolare percepito e i cambiamenti individuali del
fitness aerobico;
– maggiore è il tempo trascorso a frequenze cardiache elevate maggiore sarà il rischio di infortuni;
– maggiore è il tempo acccumulato in allenamenti e partite durante la pre-season e la prima
settimana di campionato minori saranno le prestazioni di sprint e CMJ (countermovement jump) [2].

Infine Barlett sempre nel 2016 ha provato a risolvere questo problema in modo differente. Lo scopo del suo studio è stato quello di quantificate e prevedere le relazioni tra RPE e le variabili di carico di allenamento ricavate dai dati GPS utilizzando il metodo statistico dei machine learning in giocatori professionisti di football Australiano. I risultati hanno mostrano che i metodi reputato la distanza percorsa durante la sessione come la variabile più importante nel determinare l’RPE. E’ stato specificato, però, che quest’ultima è influenzata dal ruolo ricoperto in campo e dall’esperienza del giocatore. Questo approccio è risultato essere un’ulteriore possibilità di individuazione del carico con una possibile valutazione più accurata dell’allenamento [20].

Tuttavia, un aspetto fondamentale che si può dedurre dall’analisi della letteratura appena fatta è che l’applicazione di un programma di periodizzazione e di carichi di allenamento in squadre professionistiche è molto complesso a causa delle differenze tra i giocatori, dalla varietà degli obiettivi giornalieri e dal periodo molto lungo di competizione.Una programmazione accurata se ben mantenuta durante l’anno potrebbe prevenire una diminuzione degli infortuni. Tale analisi è stata confermata da Pigott nel 2008, Gabbett nel 2010 e Jasper nel 2017, i quali rispettivamente hanno esaminato il rapporto tra i carichi d’allenamento e l’incidenza di infortuni in giocatori professionisti di Rugby, Football Australiano e calcio.

Gli studi hanno indagato questo rapporto nel corso di diverse stagioni competitive dimostrando un rapporto significativo tra carico di allenamento, distanza totale e incidenza di infortuni. Il monitoraggio accurato del carico e della programmazione, quindi, può aiutare a prevedere dove e quando potrebbero verificarsi lesioni o infortuni [21, 22, 2]. 

Riassumendo, la grande diversità di questi articoli presi in considerazione limita la possibilità di paragonarli nel migliore dei modi. Le variabili prese in considerazione per monitorare gli allenamenti sono sempre state solo HR, RPE, accelerazioni, distanza totale percorsa, corsa a varie velocità spesso analizzate attraverso tecnologia GPS e accelerometri. Tuttavia, la validità delle misure dell’HR per monitorare la quantità di lavoro nel calcio è stato dimostrato non essere una misura adeguata del carico a causa del diverso profilo di attività che ha il calcio, e cioè quello di essere caratterizzato da moltissime attività intermittenti [1, 23].

Tutti gli studi invece sono concordi nel dire che l’uso dell’ RPE come misura globale del carico è diventata una valutazione comune negli sport di squadra a causa della facilità di esecuzione e della possibile comparazione con una vasta gamma di parametri di allenamento. E’ stato percisato, però, che le variabili prima citate, potrebbero non essere sufficienti per comprendere la complessità della performance [1].

Il continuo monitoragggio di tutte le sessioni di allenamento e delle partite con un aumento delle variabili analizzate tramite tecnologia GPS, potrebbe essere una raccomandazione per le future ricerche al fine di fornire un visione più ampia e comprensibile del carico di lavoro eseguito. 

Bibliografia

[1] Akenhead, R., Harley, J. A., & Tweddle, S. P. (2016). Examining the external training load of an English Premier League football team with special reference to acceleration. The Journal of Strength & Conditioning Research, 30(9), 2424-2432.
[2] Jaspers, A., Brink, M. S., Probst, S. G., Frencken, W. G., & Helsen, W. F. (2017). Relationships between training load indicators and training outcomes in professional soccer. Sports Medicine, 47(3), 533-544.
[3] Malone, J. J., Di Michele, R., Morgans, R., Burgess, D., Morton, J. P., & Drust, B. (2015). Seasonal training-load quantification in elite English premier league soccer players. International journal of sports physiology and performance,  10(4), 489-497.
[4] Owen, A. L., Lago-Peñas, C., Gómez, M. Á., Mendes, B., & Dellal, A. (2017). Analysis of a training mesocycle and positional quantification in elite European soccer players. International Journal of Sports Science & Coaching, 12(5), 665-676.
[5] Chelly, M. S., Ghenem, M. A., Abid, K., Hermassi, S., Tabka, Z., & Shephard, R. J. (2010). Effects of in-season short term plyometric training program on leg power, jump-and sprint performance of soccer players. The Journal of Strength & Conditioning Research, 24(10), 2670-2676.
[6] Iaia, F. M., Ermanno, R., & Bangsbo, J. (2009). High-intensity training in football. International journal of sports physiology and performance, 4(3), 291-306.
[7] Váczi, M., Tollár, J., Meszler, B., Juhász, I., & Karsai, I. (2013). Short-term high intensity plyometric training program improves strength, power and agility in male soccer players. Journal of human kinetics, 36(1), 17-26. 63
[8] Alves, J. M. V. M., Rebelo, A. N., Abrantes, C., & Sampaio, J. (2010). Short-term effects of complex and contrast training in soccer players’ vertical jump, sprint, and agility abilities. The Journal of Strength & Conditioning Research, 24(4), 936-941.
[9] Kotzamanidis, C., Chatzopoulos, D., Michailidis, C., Papaiakovou, G., & Patikas, D. (2005). The effect of a combined high-intensity strength and speed training program on the running and jumping ability of soccer players. Journal of strength and conditioning research, 19(2), 369.
[10] Little, T., & Williams, A. G. (2007). Measures of exercise intensity during soccer training drills with professional soccer players. Journal of Strength and Conditioning Research, 21(2), 367.
[11] Gaudino, P., Iaia, F. M., Strudwick, A. J., Hawkins, R. D., Alberti, G., Atkinson, G., & Gregson, W. (2015). Factors influencing perception of effort (session rating of perceived exertion) during elite soccer training. International journal of sports physiology and performance, 10(7), 860-864.
[12] Impellizzeri, F. M., Rampinini, E., Coutts, A. J., Sassi, A. L. D. O., & Marcora, S. M. (2004). Use of RPE-based training load in soccer. Medicine & Science in sports & exercise, 36(6), 1042-1047.
[13] Kelly, V. G., & Coutts, A. J. (2007). Planning and monitoring training loads during the competition phase in team sports. Strength and Conditioning Journal, 29(4), 32.
[14] Scott, B. R., Lockie, R. G., Knight, T. J., Clark, A. C., & Janse de Jonge, X. A. (2013). A comparison of methods to quantify the in-season training load of professional soccer players. International Journal of Sports Physiology and Performance, 8(2), 195-202.
[15] Jeong, T. S., Reilly, T., Morton, J., Bae, S. W., & Drust, B. (2011). Quantification of the physiological loading of one week of “pre-season” and one week of “in-season” training in professional soccer players. Journal of sports sciences, 29(11), 1161-1166.64
[16] Casamichana, D., & Castellano, J. (2015). The relationship between intensity indicators in smallsided soccer games. Journal of human kinetics, 46(1), 119-128.
[17] McLaren, S. J., Macpherson, T. W., Coutts, A. J., Hurst, C., Spears, I. R., & Weston, M. (2017). The relationships between internal and external measures of training load and intensity in team sports: A meta-analysis. Sports Medicine, 1-18.
[18] Al, H. H., Méndez-Villanueva, A., Torreño, N., Munguía-Izquierdo, D., & Suárez-Arrones, L. (2017). Variability of GPS-derived running performance during official matches in elite professional soccer players. The Journal of sports medicine and physical fitness.
[19] Rossi, A., Perri, E., Trecroci, A., Savino, M., Alberti, G., & Iaia, M. F. (2016, December). Characterization of in-season elite football trainings by GPS features: The Identity Card of a Short- Term Football Training Cycle. In Data Mining Workshops (ICDMW), 2016 IEEE 16th International Conference on (pp. 160-166). IEEE.
[20] Bartlett, J. D., O’Connor, F., Pitchford, N., Torres-Ronda, L., & Robertson, S. J. (2017). Relationships between internal and external training load in team-sport athletes: evidence for an individualized approach. International journal of sports physiology and performance, 12(2), 230-234.
[21] Gabbett, T. J., & Jenkins, D. G. (2011). Relationship between training load and injury in professional rugby league players. Journal of Science and Medicine in Sport, 14(3), 204-209.
[22] Piggott, B. (2008). The relationship between training load and incidence of injury and illness over a pre-season at an Australian Football League club.
[23] Jaspers, A., Beéck, T. O. D., Brink, M. S., Frencken, W. G., Staes, F., Davis, J. J., & Helsen, W. F. (2017). -Relationships Between the External and Internal Training Load in Professional Soccer: What Can We Learn From Machine Learning?. International journal of sports physiology and performance, 1-18.).

 

Nato a Sassari il 25 aprile 1993, laureando magistrale in Scienze e Tecniche Avanzate dello Sport, si occupa di studiare, analizzare e approfondire la performance sportiva. Attualmente sta svolgendo uno stage in una squadra giovanile professionista occupandosi di analisi del Training Load mediante GPS e cardiofrequenzimetri. Durante il suo percorso universitario ha svolto diversi stage in squadra professionisti di Serie A, come Torino e Sampdoria dove si è occupato di approfondire il carico di lavoro in una squadra di alto livello.