Recuerdo hace unos años cuando leí el artículo de Chan y colaboradores sobre el potencial del gait retraining en la reducción de lesiones en corredores amateurs. Francamente me impactó, conseguir una disminución del 62% en la incidencia de lesiones en carrera a partir de una intervención, es a lo que cualquier profesional aspira por el bien de sus deportistas!
Posteriormente, Agresta y Brown publicaron un revisión sistemática muy interesante sobre la readaptación de carrera mediante gait retraining, concluyendo que debería ser una de las intervenciones a considerar dentro del tratamiento de corredores lesionados. A partir de ahí, han ido apareciendo muchas publicaciones sobre los efectos sobre los cuales se conseguía esa importante reducción de lesiones.

En 2012, Chumanov y colaboradores demostraron que el incremento de cadencia entre un 5-10% producía un incremento en la actividad SEMG de glúteo mayor durante la fase de vuelo, indicando la importancia de investigar sobre el papel del glúteo medio y su función estabilizadora sobre la pelvis.
En 2018, Bramah y colaboradores identificaron los patrones cinemáticos que podrían ayudar en el diagnóstico de lesiones durante la carrera, concluyendo que la caída de la pelvis podría tener una estrecha relación con las lesiones por sobre uso en extremidades inferiores.

En ese mismo año, tomé un café con amigo Juan Pardo para contarle la idea sobre la investigación que quería llevar adelante con el grupo de Tecnificación de la Federación de Triatlón de la CV . Juan es la persona que se encarga en el grupo de investigación del tratamiento estadístico de los datos y me habló de la inteligencia artificial y como esta puede ser utilizada como predictora de posibles lesiones, enfermedaes o sucesos. La idea era la de evidenciar el efecto del un programa de readaptación de carrera basado en el gait retraining en el que fueramos capaces de identificar aquellas variables biomecánicas implicadas en lesión, así como conocer el por qué de esa disminución tan significativa de lesiones que indicaba Chan en su artículo con una n=320 corredores.


Los resultados de esta idea han sido publicados hoy 9 de noviembre de 2020 en la prestigiosa revista Sensors. Desde este enlace puedes descargar nuestro trabajo titulado A Random Forest Machine Learning Framework to Reduce Running Injuries in Young Triathletes Esperamos que disfrutes de su lectura y sobre todo ayude a los jóvenes triatletas y profesionales que trabajan con ellos.
¿Quieres formarte en Gait Retraining? En este enlace encontrarás toda la información del curso: Eficienciay readaptación de carrera a partir de la biomecánica
