Modelos estadísticos para la predicción de lesiones mediante datos procedentes de GPS

Abstract

En este trabajo se exponen modelos estadísticos aplicados a la predicción de lesiones en futbolistas, mediante el uso de la tecnología GPS para obtener los datos necesarios. En el primer capítulo se introducen los conocimientos sobre las lesiones y sobre los dispositivos GPS y su utilidad para el registro de datos y la posterior interpretación de los mismos. Los tres capítulos posteriores se centran en tres modelos matemáticos y sus correspondientes aplicaciones prácticas. En el segundo capítulo se lleva a cabo el Análisis de Componentes Principales, con el objetivo de reducir el número de variables a algunos factores significativos que se correlacionan con las lesiones. En el tercer capítulo se presenta el ANOVA de Medidas Repetidas para estudiar el efecto de la mejora del equilibrio en la reducción del número de lesiones. Por útimo, en el capítulo cuatro se trata el modelo de Regresión de Cox para estudiar los factores de riesgo que afectan a lesiones en una parte concreta del cuerpo: el muslo.

In this final project for graduation are developed some statistical models applied to injury prevention in football players. These models use GPS technology in order to obtain the necessary data. The first chapter introduces some knowledges about injuries and GPS devices, which are useful for data recording and subsequent interpretation. The next three chapters focuses on three mathematical models and their corresponding practical applications. In the second chapter the Principal Components Analysis is carried out with the aim of reducing the number of variables to some significant factors that correlate with injuries. The third chapter presents the ANOVA of Repeated Measures with the goal of studying if the effect of equilibrium’s improvement helps to reduce the number of injuries. Finally, chapter four deals with the Cox Regression model to study the risk factors that affect injuries in a specific part of the body: the thigh.