¿Por qué hablar de entrenamiento basado en evidencia?

Introducción

La expresión práctica basada en evidencia ha sido utilizada durante mucho tiempo, principalmente, en medicina. La medicina basada en la evidencia (MBE), cuyos orígenes filosóficos se remontan al París de mediados del siglo XIX, y antes, es el uso consciente, explícito y juicioso de la mejor evidencia actual para tomar decisiones sobre la atención de pacientes individuales (1). La práctica de la MBE implica integrar la experiencia clínica individual con la mejor evidencia clínica externa disponible de la investigación sistemática. Por experiencia clínica individual nos referimos a la competencia y el juicio que los médicos individuales adquieren a través de la experiencia y la práctica clínicas.


Posiblemente, el concepto de práctica basada en evidencia (PBE) nació cerca del año 1628, de la mano de William Harvey, que introdujo la revolucionaria idea de que la sangre no era consumida por el cuerpo (como se creía). Basado en mediciones del volumen de sangre y observaciones anatómicas, propuso que la sangre era bombeada por el corazón y circulaba a través del cuerpo, regresando nuevamente al corazón. Harvey, junto con Galileo, Descartes y otros, revolucionaron el mundo del siglo XVII al defender la evidencia y la razón -en lugar de la sabiduría y la fe tradicionales- como base para el conocimiento y las decisiones (2).


Desarrollo

Worral J. mencionó, casi dos décadas atrás, que la reacción habitual de los observadores externos cuando se les decía que había un movimiento (relativamente) nuevo llamado “Medicina basada en evidencias” era “¿En qué diablos se basaba la medicina antes?” (3). Pues, lo mismo debería suceder si quisiéramos hablar de un movimiento llamado entrenamiento basado en evidencia (EBE), más aún en 2021. A pesar de ello, en la realidad, nos encontramos con un escenario que en nuestro campo (el del entrenamiento deportivo) se adapta lentamente y ofrece resistencia.

Los profesionales de la investigación académica y los profesionales del aprendizaje de la fuerza laboral constituyen dos comunidades de práctica bastante separadas; Hay poca superposición en sus publicaciones y conferencias (2). Es decir, hay una brecha importante entre aquellos que trabajan en el campo de la investigación y aquellos que se encuentran trabajando en campo.


Naturalmente, la investigación continúa evolucionando. El viaje de la evidencia a la aplicación de la evidencia es a menudo lento y el aprendizaje de la fuerza laboral no es una excepción (2).


La PBE es el método que permite incorporar la mejor evidencia disponible para apoyar una intervención (ejercicio, nutricional, equipamiento, etc). En el campo del entrenamiento debe ser del mismo modo. O al menos, eso esperan los deportistas que tanto tiempo, esfuerzo e inversión confían en nosotros como entrenadores.

Actualmente, la tarea del entrenador de campo es cada vez más compleja o, dicho de otro modo, requiere de un nivel de formación y actualización diario que se adapte a la “velocidad” de las circunstancias actuales. Nos encontramos en un escenario que desborda de información, ya sea que hablemos de literatura científica (escapa al fin de este artículo, pero puedes comenzar ese camino aquí) que respalde nuestras decisiones y/o que nos ayude a interpretar la inmensidad de datos que podemos obtener diariamente gracias a la tecnología. La cual los deportistas utilizan y renuevan con una frecuencia que crece exponencialmente.

Esta enorme cantidad de datos que proviene, principalmente, de los dispositivos tecnológicos que utilizamos, necesita ser computada, analizada e interpretada para poder ser parte del proceso de toma de decisiones por parte del entrenador.

Sin la ayuda de software este procesamiento y análisis, resulta inviable en nuestros días. Herramientas como Endurance Tool nos permiten integrar información objetiva como los datos de variables tanto de carga interna (ej. frecuencia cardíaca) como externa (ej. ritmo, potencia), con información subjetiva que brinda el deportista día a día, sesión a sesión (ej. feedback, esfuerzo percibido) (Figuras 1 A y B).

Figura 1A: Representación esquemática de las 3 principales “fuentes” de información a integrar en el análisis.

 

Figura 1B: Representación esquemática de ejemplos de variables o información de cada una de las 3 principales “fuentes” de información a integrar en el análisis.

La integración de toda la información en un único software facilita el ciclo de mejora continua (figura 2) que debemos buscar en el entrenamiento y, seguramente, en cualquier proceso de desarrollo.

Figura 2: ciclo de mejora continua en el proceso de entrenamiento (simplificado).

El solo hecho de poder computar, de manera automática, todos los datos que ingresamos en un programa de entrenamiento y compararlos con los datos que registran los dispositivos que utilizan los deportistas es una ventaja abismal frente a las posibilidades con las que contábamos hace algunos años.

Poder dar feedback a nuestros deportistas, de cada sesión de entrenamiento, con un análisis detallado de los “datos duros” del entrenamiento programado (por el entrenador) compararlo con el entrenamiento realizado (información que viene de dispositivos como GARMIN) (figuras 3A y B), sensaciones del deportista, datos históricos, entre otros factores, es una ventaja enorme con la que contamos actualmente.

Figura 3A: Comparación de los datos de una sesión. Entrenamiento programado (entrenador) entrenamiento realizado (dispositivo del atleta).

Figura 3B: Comparación de los datos de una sesión. Entrenamiento programado (entrenador) entrenamiento realizado (dispositivo del atleta).

El seguimiento de un proceso de entrenamiento es una tarea extremadamente compleja cuando nuestra intención es trabajar con bases sólidas en cada decisión que tomamos. Pero esta tarea se ve facilitada por las herramientas que nos brinda el uso de un software como Endurance Tool. Podemos realizar análisis de procesos completos o cualquier lapso dentro de un proceso (figura 4 A y B) a fin de tomar decisiones en función de la respuesta individual de cada deportista al entrenamiento, en lugar de hacerlo al azar o utilizando recetas que, sin lugar a duda, no sirven para cualquier deportista.

Figura 4 A y B: Valores medios máximos de ritmo de un corredor aficionado en el primero y último mes de su programa de entrenamiento de cuatro meses.

 

Figura 4 C: Valores medios máximos de ritmo de seis corredores aficionados de nivel de rendimiento similar, en el mismo lapso.

Finalmente, la practicidad para el deportista de recibir su plan de entrenamiento con lujo de detalles y poder cargar su feedback y vincular sus dispositivos, todo integrado en una sola aplicación en su smartphone, es algo grandioso. Enviar un entrenamiento en un e-mail, PDF, Word, Excel, es literalmente, el pasado.

Conclusión

Cuando hablamos de EBE, debemos contemplar un enfoque sistémico que busque integrar toda la información disponible y a nuestro alcance. Desde la literatura científica que nos ayudará, no solo a introducir las mejores prácticas disponibles en la actualidad, adaptar y mejorar nuestros métodos, sino también a interpretar la enorme cantidad de datos e información que recibimos diariamente de nuestros deportistas.

Como decía el Dr. Iñigo Mujika, en sus clases en la Universidad Finis Terrae, el entrenamiento siempre será en cierta medida ciencia y en cierta medida arte (¡seguramente con otras palabras, pues ya ha pasado una década!).

El desarrollo de la ciencia es inevitable, por fortuna, y el cúmulo de información a la cual tenemos acceso durante el proceso de entrenamiento de un deportista es, prácticamente, inmensurable. Es en la actualidad que, como entrenadores, encontramos en la tecnología el vehículo para dar lugar al arte.

Federico Fader

CEO de Endurance Tool

 

 

Referencias:

  1. Sackett DL. Evidence-Based Medicine. 1997;21(1):3–5.
  2. Colvin Clark R. Evidence-Based Training Methods. A Guide for Training Professionals. Third Edit. ASTD DBA the Association for Talent Development (ATD); 2020.
  3. Worrall J. What Evidence in Evidence‐Based Medicine? . Philos Sci. 2002;69(S3):S316–30.
Facebook Comments


%d bloggers like this: