monitoramento de mudanÇas no desempenho … · ciências da saúde, universidade norte do paraná,...

Londrina - Paraná 2015

CENTRO DE PESQUISA EM CIÊNCIAS DA SAÚDE

MESTRADO PROFISIONAL EM EXERCÍCIO FÍSICO NA PROMOÇÃO DA SAÚDE

FRANCISCO CUSCO Y FLORENCIO

MONITORAMENTO DE MUDANÇAS NO DESEMPENHO FÍSICO:

GUIA PRÁTICO AOS PROFISSIONAIS DO ESPORTE E DA SAÚDE


Cidade ano

AUTOR

Londrina - Paraná

2015



Relatório Técnico apresentado ao Centro de Pesquisa em Ciências da Saúde, Universidade Norte do Paraná, Unidade Piza, como requisito para a obtenção do título de Mestre Profissional em Exercício Físico na Promoção da Saúde. Orientador: Prof. Dr. Cosme Franklim Buzzachera

AUTORIZO A REPRODUÇÃO TOTAL OU PARCIAL DESTE TRABALHO,

POR QUALQUER MEIO CONVENCIONAL OU ELETRÔNICO,

PARA FINS DE ESTUDO OU PESQUISA, DESDE QUE CITADA A FONTE.

Dados Internacionais de Catalogação na Publicação

Universidade Norte do Paraná

Biblioteca Central

Setor de Tratamento da Informação

F654s Florencio, Francisco Cusco y

Monitoramento de mudanças no desempenho físico: guia prático aos

profissionais do esporte e da saúde / Francisco Cusco y Florencio.

Londrina [s/n], 2015.

68f.

Relatório Técnico (Mestrado profissional em Exercício Físico na

Promoção da Saúde). Universidade Norte do Paraná.

Orientador: Prof. Dr. Cosme Franklim Buzzachera

1 – Exercício Físico – relatório técnico - UNOPAR 2 – Guia Prático 3

– Desempenho Esportivo 4 – Saúde do Atleta

I – Buzzachera, Cosme Franklim, orient. II – Universidade Norte do

Paraná




Relatório Técnico apresentado ao Centro de Pesquisa em Ciências da Saúde,

Universidade Norte do Paraná, referente ao Curso de Mestrado Profissional em

Exercício Físico na Promoção da Saúde, Área e Concentração Prescrição do

Exercício Físico em Idades Jovens, como requisito parcial para a obtenção do título

de Mestre Profissional, conferido pela Banca Examinadora:

_________________________________________ Prof. Dr. Cosme Franklim Buzzachera

Universidade Norte do Paraná (Orientador)

_________________________________________ Prof. Dr. Andreo Fernando Aguiar

Universidade Norte do Paraná (Membro Interno)

_________________________________________ Prof. Dr. Leandro Ricardo Altimari

Universidade Estadual de Londrina (Membro Externo)

_________________________________________ Prof. Dr. Dartagnan Pinto Guedes

Universidade Norte do Paraná Coordenador do Curso

Londrina, ____ de __________ de 20___.

i

Dedicatória

Aos familiares irmãos, sobrinhos, Pais e minha namorada Natalia Serra

Lovato que compreendem os vários momentos de ausência, e por vocês terem

sido determinantes em minha formação pessoal e de valores.

ii

Agradecimentos

Ao meu orientador, e amigo Prof. Dr. Cosme Franklim Buzzachera, pelo seu exemplo de dedicação,

comprometimento, sendo que foi determinante nesse trabalho, e pelos muitos que virão, assim como

companheiro nas aventuras e desafios diários no Esporte de Alto Rendimento. Ao Juliano Gabardo na

colaboração neste trabalho.

Aos novos amigos e professores do programa que com suas contribuições de conhecimento e

experiências compartilhadas provocaram inspiração ao longo do Mestrado.

A Confederação Brasileira de Ciclismo representada pelo Presidente Jose Luiz Vasconcellos e demais

colegas, membros da Comissão Técnica do Ciclismo de Pista e atletas que compõem a velocidade por equipe

da Seleção Brasileira.

iii

“Os que se encantam com a prática sem a ciência são como os

timoneiros que entram no navio sem timão nem bússola, nunca

tendo certeza do seu destino”

(Leonardo da Vinci)

iv

FLORENCIO, Francisco Cusco y. Monitoramento de Mudanças no Desempenho Físico: Um Guia Prático

aos Profissionais do Esporte e da Saúde. 60f. Relatório Técnico. Mestrado Profissional em Exercício Físico

na Promoção da Saúde. Centro de Pesquisa em Ciências da Saúde. Universidade Norte do Paraná, Londrina,

2015.

RESUMO

O propósito do presente relatório técnico foi elaborar um Guia Prático sobre o monitoramento de mudanças no

desempenho físico de atletas, direcionado aos profissionais da área do esporte e da saúde que prestam serviços

de avaliação física, prescrição nutricional e/ou do treinamento físico, e gestão esportiva. Em termos gerais, o

presente material pode auxiliar profissionais do setor administrativo e/ou técnico esportivo na medida em que

assegura decisões baseadas em evidências e procedimentos estatísticos atuais. O presente material pode ainda,

devido as suas características acadêmicas, contribuir na formação de recursos humanos na área da saúde. Para

suportar tais propósitos, este relatório técnico inclui ainda um manuscrito científico, intitulado ‘Variability &

predictability of finals times of elite team sprint cyclists’, a ser submetido ao International Journal of Sports

Performance & Physiology. Especificamente em relação ao Guia Prático, dividiu-se a sua elaboração em três

etapas principais: revisão sistemática do conteúdo de interesse, definição dos tópicos abordados no material, e

processo de criação, diagramação e arte final realizado por um profissional de design gráfico. Após aprovação

pela banca examinadora, a versão final do Guia Prático elaborado neste relatório técnico será submetida ao

processo de avaliação editorial, essencial para o pedido do International Standard Book Number (ISBN), com

a posterior divulgação do material. Logo, o presente relatório técnico, com a elaboração do Guia Prático e

produção do manuscrito científico, busca atender as premissas e características peculiares do curso de

Mestrado Profissional em Exercício Físico na Promoção da Saúde da Universidade Norte do Paraná.

Palavras-chave: Guia Prático, Desempenho Esportivo, Saúde do Atleta.

v

FLORENCIO, Francisco Cusco y. Monitoring of Changes in Athletic Performance: A Practical Guide to

Sport & Health Professionals. 60f. Technical Report. Professional Master´s in Exercise in Health Promotion.

Research Center on Health Sciences. North University of Paraná, Londrina, 2015.

ABSTRACT

The primary aim of this technical report was to develop a practical guide on monitoring changes in athletic

performance, created to help sport and health professionals who are responsible for fitness testing, nutritional

and/or training prescriptions, and sport management. This technical report can stimulate more evidence-based

decisions and the use of up-to-date statistical procedures by these professionals. This technical report can also

provide simple and practical, but not empirical, information to future sport and health professionals on how to

monitor changes in fitness and competitive performance in athletes. A research paper, entitled ‘variability and

predictability of finals times of elite team sprint cyclists’, to be submitted to the International Journal of Sports

Performance & Physiology, was inserted to reinforce the more scientific approach of this report. With respect

to practical guide, their development occurred in three parts: systematic review of the content, definition of

the topics of interest, and final creation by an art designer. After the approval by the examination committee,

the final version of the practical guide developed by this technical report will be submitted to approval for an

editorial committee, crucial for the solicitation of the International Standard Book Number (ISBN). This

technical report, which includes development of a practical guide and production of a scientific manuscript, is

in agreement with the assumptions and rules proposed by the course of Professional Master´s in Exercise in

Health Promotion.

Keywords: Practical Guide, Sport Performance, Competition, Athlete.

vi

LISTA DE FIGURAS

Figura 1 Escala de magnitude de três níveis ....................................................................... 21

Figura 2 Na foto, quatro velocistas cruzando a linha de chegada nos 100-m rasos nos

Jogos Olímpicos de Barcelona 1992 ....................................................................

23

vii

LISTA DE TABELAS

Figura 1 Estimativas de variação individual na performance entre competições e

mínima diferença detectável em diversas modalidades esportivas ......................

23

viii

SUMÁRIO

DEDICATÓRIA ............................................................................................................... i

AGRADECIMENTOS ..................................................................................................... ii

EPÍGRAFE ....................................................................................................................... iii

RESUMO .......................................................................................................................... iv

ABSTRACT ..................................................................................................................... v

LISTA DE FIGURAS ...................................................................................................... vi

LISTA DE TABELAS ...................................................................................................... vii

1. INTRODUÇÃO .............................................................................................................. 12

2. OBJETIVOS ................................................................................................................... 14

3. FUNDAMENTAÇÃO TEÓRICA ................................................................................. 15

3.1 SOBRE A REPRODUTIBILIDADE ............................................................................... 16

3.1.1 MUDANÇAS NA MÉDIA ...................................................................................... 17

3.1.2 VARIABILIDADE INTRA-INDIVIDUAL ............................................................ 18

3.2 SOBRE A ESTATISTICA INFERENCIAL .................................................................... 19

3.2.1 TESTANDO A HIPÓTESE NULA ......................................................................... 19

3.2.2 INTERVALO DE CONFIANÇA ............................................................................. 20

3.2.3 INFERÊNCIA BASEADA EM MAGNITUDE ...................................................... 21

3.3 MUDANÇAS NO DESEMPENHO COMPETITIVO? ................................................... 21

3.3.1 MÍNIMA MUDANÇA DETECTÁVEL .................................................................. 21

3.3.2 VARIABILIDADE COMPETITIVA INTER-INDIVIDUAL ................................. 24

3.3.3 PREVISIBILIDADE COMPETITIVA .................................................................... 28

4. DESENVOLVIMENTO ................................................................................................. 29

4.1 DEFINIÇÃO DE TÓPICOS ............................................................................................. 29

4.2 ARTE FINAL E SOLICITAÇÃO DO ISBN ................................................................... 30

5. REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................... 31

6. APÊNDICE A: Guia Prático ......................................................................................... 35

7. APÊNDICE B: Manuscrito Científico .......................................................................... 56

8. APÊNDICE C: Resumo Científico ................................................................................ 65

12

1 INTRODUÇÃO

O monitoramento de mudanças no desempenho físico de um atleta ao longo de uma temporada

tornou-se fundamental para os profissionais do esporte e da saúde (Pyne, 2013). Dados oriundos

de avaliações físicas ou de competições sucessivas são usados na formulação de prescrições de

treinamento físico e/ou estratégias nutricionais, orientações atuais baseadas em evidências, e na

tomada de decisões por gestores esportivos (Hopkins, 2000). Porém, a relevância e credibilidade

destas informações dependem da maneira como os dados são coletados, tratados, analisados, e

reportados.

Em geral, profissionais do esporte e da saúde preferem analisar dados brutos e representações

gráficas que descrevem mudanças no desempenho físico de seus atletas, negligenciando assim a

existência de erros de medida associados ao atleta ou ao teste realizado (Atkinson, 2010). Logo

corre-se o risco de afirmar que uma mudança no desempenho físico ocorreu, quando na verdade

não ocorreu (erro do tipo I), ou mesmo que uma mudança não ocorreu, quando na verdade

ocorreu (erro do tipo II) (Batterham e Hopkins, 2006). Em ambos os casos, uma interpretação e

julgamento errôneo poderia reduzir as chances de sucesso competitivo de um atleta. Portanto,

considerar o conceito de erro de medida, descrito como a diferença entre a medida real e a

medida observada (Weir, 2005), é fundamental. Um erro de medida pode ser categorizado como

sistêmico ou aleatório e derivar de fontes biológicas e tecnológicas (Pyne, 2013). A variação

natural da fisiologia humana refere-se ao erro biológico, enquanto a variação relacionada com

fatores tecnológicos ou metodológicos de um equipamento ou teste refere-se ao erro tecnológico

(ou rumor). Todo teste usado para monitorar mudanças no desempenho físico de um atleta têm

o seu próprio erro de medida. Cabe ao profissional estar ciente do erro de medida inerente ao

teste.

13

Para que o monitoramento de mudanças no desempenho físico possa ser detectado controlando

a presença de um erro de medida, alguns conceitos estatísticos devem ser compreendidos. Por

exemplo, Hopkins et al introduziram o conceito de variabilidade no desempenho esportivo (do

termo inglês within athlete variability) entre competições buscando estimar a mínima mudança

detectável e substancial (do inglês smallest worthwhile change) na performance capaz de

melhorar o prospecto de um atleta rumo a vitória (Hopkins, 2000). A informação dessa

variabilidade individual é crucial no monitoramento da evolução de atletas rumo ao sucesso

esportivo e na análise de estudos que examinam fatores ligados com a performance. Hoje,

diversas modalidades esportivas já mostram estimativas de variabilidade individual e mínima

mudança detectável disponíveis na literatura (Malcata e Hopkins, 2014).

Definindo mínima mudança substancial como a mudança na performance que resulta em uma

medalha ‘extra’ em cada dez competições realizadas, uma variação de 0.3 do coeficiente de

variação (CV), derivada da variabilidade individual entre competições, para atletas já

medalhistas em competições precedentes, Malcata e Hopkins (2014) sugeriram que o

estabelecimento de tal estimativa dentro de uma modalidade tem implicações práticas para

profissionais do esporte e da saúde. No âmbito prático, determina a probabilidade (ou não) de

um atleta vir a tornar-se medalhista em uma competição. Em uma perspectiva clínica, auxilia

gestores na tomada de decisões relativas ao monitoramento, seleção, e cuidado com a saúde de

atletas, identificando intervenções efetivas e seguras capazes de melhorar o desempenho

esportivo de modo substancial para o sucesso competitivo.

14

2 OBJETIVOS

O presente relatório técnico buscou elaborar um Guia Prático aos profissionais do esporte e da

saúde com recomendações para o monitoramento de mudanças no desempenho físico de atletas.

Tal instrumento será direcionado para profissionais que prestam serviços de avaliação física

e/ou prescrição de exercício físico ou estratégias nutricionais, possibilitando uma informação

atualizada e baseada em evidências.

15

3 FUNDAMENTAÇÃO TEÓRICA

Citius. Altius. Fortius. Seja em sociedades antigas ou hodiernas, o famoso lema olímpico parece

direcionar os limites do desempenho humano. Isso torna-se evidente na medida em que novos

recordes no desempenho humano são estabelecidos após somente um breve período de ‘platô’.

Esse fenômeno, multifatorial e complexo, poderia estar associado com avanços tecnológicos em

equipamentos esportivos, melhoria na infraestrutura de treinamento e competição, aumento nos

incentivos financeiros e sociais, monitoramento da tríade treinamento-alimentação-recuperação,

entre outros (Smith, 2001). Contudo, tornou-se consenso entre os profissionais do esporte e da

saúde que o monitoramento de mudanças (ou progresso) no desempenho físico e competitivo de

um atleta ao longo de sua carreira é fator determinante para o sucesso competitivo na busca de

limites do desempenho humano (Pyne, 2013). De fato, em um estudo recente Green e Oakley

(2001) identificaram dez fatores cruciais para o sucesso competitivo em um programa esportivo

de alto rendimento, destacando a importância do monitoramento regular do desempenho físico e

competitivo de um atleta. De acordo com os autores, dados oriundos de avaliações físicas ou de

competições sucessivas podem ser usados na formulação de prescrições de treinamento físico

e/ou estratégias nutricionais e fisioterápicas baseadas em evidências e na otimização de tomada

de decisões por gestores esportivos (Green e Oakley, 2001). Contudo, até o presente momento,

poucos estudos científicos foram conduzidos para examinar progresso no desempenho físico de

atletas ao longo da carreira e sua relação com o sucesso competitivo (Alam et al., 2008; Bullock

& Hopkins, 2009; Guillaume et al., 2011; Berthelot et al., 2012).

Apesar da supracitada lacuna literária, Baliy (2001) introduziu um modelo composto por cinco

estágios para explicar o desenvolvimento de um atleta ao longo de sua carreira competitiva. Em

termos gerais, o modelo chamado LTDA (do inglês, Long Term Development of an Athlete) foi

composto por um estágio inicial de desenvolvimento de habilidades fundamentais até os 10 anos

de idade (‘fundamental skills’) seguido por um período de treinamento onde os atletas aprendem

16

as habilidades básicas do esporte em questão (‘train to train’). Subsequentemente, atletas com

idades em torno de 14 anos desenvolvem as suas habilidades competitivas (‘train to compete’) e

atingem o seu melhor desempenho competitivo na sequência (‘train to win’), finalizando a sua

carreira pela aposentadoria no esporte em questão (‘retirement’). De modo importante, o autor

afirma que a relevância e credibilidade das informações de monitoramento de mudanças (ou

progresso) no desempenho físico e competitivo de um atleta ao longo de sua carreira dependem

da maneira como os dados foram coletados, tratados, analisados, e reportados (Balyi, 2001). Tal

afirmação corrobora o pensamento de outros autores na literatura científica (Hopkins, 2000;

Smith, 2001; Atkinson, 2010; Pyne, 2013). Por exemplo, Atkinson (2010) afirma que em geral,

profissionais do esporte e da saúde preferem analisar dados brutos e representações gráficas que

descrevem mudanças no desempenho físico ou competitivo de seus atletas negligenciando assim

a existência de erros de medida associados ao atleta ou ao teste realizado. Logo corre-se o risco

de afirmar que uma mudança no desempenho ocorreu, quando na verdade não ocorreu (erro do

tipo I), ou mesmo que uma mudança não ocorreu, quando na verdade ocorreu (erro do tipo II)

(Batterham e Hopkins, 2006). Em ambos os casos, uma interpretação e julgamento errôneo

poderia reduzir as chances de sucesso competitivo de um atleta. Portanto, considerar o conceito

de erro de medida é fundamental.

3.1 SOBRE A REPRODUTIBILIDADE

Erro de medida pode ser definido como a diferença entre a medida real e a medida observada

(Weir, 2005). E um dos principais conceitos associados com o erro de medida diz respeito a

reprodutibilidade teste reteste, definida como réplicas da medida observada quando a avaliação

é repetida (Hopkins, 2000). Uma boa reprodutibilidade implica na melhor precisão de uma

medida e em um melhor monitoramento de mudanças no âmbito prático e da pesquisa. Logo, o

17

presente tópico abordará, de modo sucinto, duas das principais medidas de reprodutibilidade

existentes: mudança em médias e variação intraindividual.

3.1.1 Mudanças na Média

Reconhecida como a mais simples medida de reprodutibilidade, a mudança na média refere-se a

mudança no valor médio entre duas avaliações (trials) de um mesmo teste. A mudança consiste

basicamente de dois componentes: uma mudança randômica ou aleatória e uma mudança

sistemática (também conhecida como viés sistemático) (Cohen 1988).

A mudança randômica ou aleatória da média refere-se ao chamado erro de amostragem. Tal tipo

de mudança deriva puramente do erro de medida randômico, a qual inevitavelmente faz a média

de cada sessão diferente entre si. Logicamente, a mudança randômica torna-se menor na medida

em que o tamanho da amostra torna-se maior, pois os erros randômicos de cada medida tendem

a serem distribuídos quando mais sessões são adicionadas ao cálculo da média. Por outro lado, a

mudança sistemática da média, chamada de viés sistemático, é uma mudança não randômica no

valor entre duas sessões, sendo aplicada a todos os avaliados. Talvez o exemplo mais clássico

seja o efeito induzido pela aprendizagem ou treinamento físico. Especificamente, o desempenho

físico dos participantes tende a melhorar na segunda sessão de avaliação em relação à primeira,

pois os avaliados beneficiam-se da experiência da primeira sessão. Ainda, em seres humanos,

efeitos da motivação e fadiga muscular não podem ser negligenciados, melhorando ou piorando

a reprodutibilidade de um teste (Pyne, 2013). Logo, uma seleção adequada de testes que possam

minimizar os efeitos de aprendizagem, associada com um processo anterior de familiarização,

dentro de um desenho experimental capaz de motivar e recuperar fisicamente os participantes,

torna-se prioridade em contextos profissionais onde mudanças em médias são averiguadas.

18

3.1.2 Variabilidade Intraindividual

A variação intraindividual é a medida de reprodutibilidade mais importante para pesquisadores,

pois afeta a precisão das estimativas de mudança na variável de um estudo experimental. Talvez

seja também o tipo de reprodutibilidade mais importante para treinadores, médicos, cientistas, e

profissionais que usam testes para monitorar o desempenho físico e a saúde de seus clientes. Em

tais situações, quanto menor a variação intraindividual, mais fácil será mensurar uma mudança

na performance ou na saúde (Weir 2005).

De acordo com Hopkins (2000), um modo simples de compreender o significado de variação

intraindividual refere-se a variação randômica de uma medida que ocorre quando uma pessoa é

testada diversas vezes. Suponhamos que os valores para muitas sessões (trials) de testes de uma

certa pessoa são 71, 76, 74, 79, 79, e 76. Pode-se examinar a primeira vista a presença de uma

variação randômica de pouco unidades entre as sessões. A estatística que captura esta noção de

variabilidade randômica de valores singulares de uma pessoa em réplicas sucessivas de um teste

é o desvio padrão dos valores individuais. Este desvio padrão intraindividual é chamado de erro

padrão da média (Glantz, 2012). Em linguagem simples, denomina-se erro típico de medida

(Pyne, 2013). Um erro típico de medida pode ser originado de fontes biológicas e tecnológicas

(Atkinson e Nevill, 2000). A fonte biológica está associada com variações típicas da fisiologia

humana. Por outro lado, fontes técnicas e tecnológicas estão associadas com equipamentos,

avaliadores, entro outros.

Em muitas situações, o erro típico da medida torna-se maior na medida em que o valor absoluto

da medida torna-se maior. Por exemplo, suponhamos que um atleta tenha feito muitas sessões

em um ergômetro, gerando uma potência pico de 378 ± 4.4W, enquanto um outro atleta mais

forte realizou as mesmas sessões gerando uma potência pico de 453 ± 6.1W. Embora os valores

19

absolutos de erro típico são diferentes, quando expressos em termos percentuais são similares:

1.2% e 1.3%. O erro típico da medida, em termos percentuais, chama-se coeficiente de variação

(CV). Como uma variável adimensional, o CV serve para fazer comparação entre ergômetros,

testes, e atletas (Hopkins, 2000).

3.2 SOBRE A ESTATÍSTICA INFERENCIAL

3.2.1 Testando a Hipótese Nula

No ambiente científico, sabe-se que o processo de seleção amostral é crucial no começo de um

estudo (Thomas et al., 2005). Sabe-se também que caso o estudo fosse replicado diversas vezes

usando amostras diferentes, os dados estatísticos seriam diferentes. Talvez pior, nenhum dos

dados encontrados seria capaz de refletir o valor verdadeiro da totalidade da população estudada

sendo somente uma estimativa deste valor (Glantz, 2012). Por esta razão, pesquisadores buscam

generalizar seus achados realizando uma inferência sobre valor verdadeiro da totalidade de uma

população. Tradicionalmente, a abordagem estatística inferencial mais difundida e usada é o

teste da hipótese nula, onde o pesquisador utiliza um pacote estatístico para encontrar um valor

de P de uma variável, definido como a probabilidade de obter-se um valor mais amplo do que o

efeito observado caso a hipótese nula seja verdadeira (Fisher, 1950). Uma vez que P < 0.05, a

hipótese nula é rejeitada e o achado é dito ‘estatisticamente significante’. Porém até o momento,

muitos pesquisadores equivocam-se ao compreender o valor de P como uma probabilidade que

a hipótese nula é verdadeira.

Independentemente de como o valor de P seja interpretado, testar hipótese parece ser ilógica na

medida que a hipótese nula de nenhuma correlação ou nenhuma diferença é sempre falsa, pois

não existem efeitos nulos, ou efeitos ‘zero’, na natureza (Rozeboom, 1997). Ainda, no momento

em que pesquisadores determinam os seus problemas de estudo, eles não questionam-se sobre a

20

existência ou não de um efeito, mas sim qual será a magnitude deste efeito. Infelizmente o valor

de P não é capaz de fornecer qualquer informação sobre direção ou magnitude do efeito. Talvez

mais preocupante é fato que, dependendo do tamanho da amostra e sua variabilidade, um valor

de P < 0.05 pode representar um efeito que é irrelevante sob uma perspectiva clínica ou prática.

Por outro lado, um resultado insignificante (P > 0.05) não indica que nenhum efeito substancial

houve, pois a combinação de uma pequena amostra com uma larga variabilidade pode mascarar

efeitos importantes. Portanto, uma dependência extrema sobre valores de P poderia levar a erros

de interpretação poucos éticos (Rozeboom, 1997).

3.2.2 Intervalo de Confiança

Buscando resolver as limitações dos testes de hipótese nula, pesquisadores começaram a usar

intervalos de confiança. Por definição, intervalo de confiança é a variação na qual o provável

valor verdadeiro da totalidade da população seria encontrado caso o estudo fosse repetido com

uma amostra muito ampla. Por exemplo, considere uma comparação da média de dois grupos,

onde uma diferença média de 20 unidades foi encontrada, com um 95% intervalo de confiança

(95%IC), de 6 a 14 unidades (ou limites de confiança inferior e superior para 6 e 14 unidades,

respectivamente). De modo simples podemos afirmar que a diferença verdadeira entre os grupos

estaria entre 6 e 14 unidades (Pyne, 2013).

Talvez seja importante ressaltar que um intervalo de confiança por si só ou em combinação com

um valor de P ainda não resolve os problemas associados com implicações práticas e clínicas.

Entretanto, usando o intervalo de confiança pode-se criar uma escala simples de magnitude com

dois níveis: positivo e negativo. Aplicando esta escala de magnitude, três inferências podem ser

realizadas: estatisticamente significativa positiva, estatisticamente significativa negativa, e não

significativa (Batterham e Hopkins, 2006). Nesta perspectiva percebe-se uma equivalência entre

intervalo de confiança e significância estatística, com nenhum avanço metodológico no teste de

hipótese nula, caso seja interpretado em relação a valores positivos, negativos, e nulos ou zero.

21

3.2.3 Inferência Baseada em Magnitude

Talvez um problema relevante da escala de magnitude de dois níveis é que valores positivos e

negativos podem ser triviais para serem importantes sob uma perspectiva clínica ou prática. De

acordo com Pyne (2013), uma solução simples para o problema é usar uma escala de magnitude

com três níveis: substancialmente positivo, trivial, e substancialmente negativo, definido pelos

valores inferiores e superiores da mínima mudança detectável ou substancial. A Figura 1 mostra

quatro diferentes inferências que podem ser feitos com uma escala de magnitude de três níveis.

Figura 1. Escala de magnitude de três níveis (Batterham e Hopkins, 2006).

3.3 MUDANÇAS NO DESEMPENHO COMPETITIVO?

3.3.1 Mínima Mudança Detectável

Nos últimos anos, profissionais do esporte tem buscado identificar qual deveria ser a mínima

melhoria no desempenho competitivo capaz de causar um aumento substancial na probabilidade

22

de um atleta vencer uma prova. Para determinar tal ‘mínima mudança detectável ou substancial

(do termo inglês, smallest worthwhile change) capaz de afetar o desempenho esportivo, dois

fatores devem ser considerados: variação na performance de um atleta entre diferentes

competições (do termo inglês, within athlete variability), e variação na performance entre atletas

em uma mesma competição (do termo inglês, between athlete variability).

A importância da variabilidade individual de um atleta é demonstrada na Figura 2, a qual

apresenta muitos atletas com uma performance similar disputando o primeiro lugar nos 100-m

rasos nos Jogos Olímpicos de Barcelona 1992. Na parte superior da Figura 2, observa-se que

mesmo uma melhoria minúscula no desempenho competitivo de um desses atletas poderia ser

substancial para o resultado final da prova, pois o colocaria a frente de seus oponentes. Porém, a

variabilidade individual dos atletas deveria ser levada em consideração. Logo, se a prova de

100-m rasos fosse repetida, os quatro atletas mostrados na foto pouco provavelmente cruzariam

a linha de chegada juntos novamente, pois a variabilidade individual dos atletas produziria um

resultado diferente em cada prova disputada, como mostrado na simulação da Figura 2B. A

variabilidade individual típica dos atletas, denotada pelo desvio padrão e representada por setas,

é apresentada na Figura 2C. Hopkins (2005) notou que na prova de 100-m rasos nos eventos

Grand Prix promovidos pela International Amateur Athletic Federation (IAAF) em 1997, a

variabilidade individual típica ou variabilidade entre competições foi de cerca de ± 1.4m, em

outras palavras, 0.14 segs. Caso expresso como um percentual da performance média dos

atletas, o desvio padrão individual torna-se conhecido como CV. No caso acima, o CV seria de

cerca de 0.9%.

Para atletas com um desempenho esportivo similar, uma melhora na performance muito inferior

ao reportado pelo CV teria nenhum efeito substancial na perspectiva de vitória do atleta no

evento. Inversamente, uma melhoria na performance muito superior ao reportado pelo CV

poderia assegurar ao atleta uma vitória no evento. A melhora no desempenho físico capaz de

23

proporcionar uma diferença substancial na probabilidade do atleta vencer um evento ou uma

medalha encontra-se entre esses dois extremos, sendo chamada de ‘mínima mudança detectável

ou substancial (Hopkins et al, 2009).

Figure 2. Na foto, quatro velocistas cruzando

a linha de chegada nos 100-m rasos nos Jogos

Olímpicos de Barcelona 1992. (1A) Imagem

real da prova; (1B) Imagem manipulada para

simular um novo resultado caso a mesma

prova fosse repetida; (1C) Imagem com setas

denotando a variabilidade individual na

posição de chegada de cada atleta caso a

prova fosse repetida (Adaptado de Hopkins et

al, 1999).

Em um estudo realizado por Hopkins et al. (1999), simulações para avaliar o impacto de

melhorias na performance sobre o prospecto de vencer uma medalha em uma final Olímpica

foram realizadas. Definindo mínima mudança substancial como a mudança na performance que

resulta em uma medalha ‘extra’ em cada dez competições realizadas, uma variação de 0.3 do

CV derivada da variação típica individual entre competições foi encontrada, para atletas já

medalhistas em competições precedentes. Porém, em outro estudo mais recente, Hopkins et al

24

(2009) criaram limiares para a mínima mudança substancial, onde mudanças na performance

entre competições aumentavam a probabilidade do atleta vencer uma medalha extra em cada

dez provas. Especificamente, mudanças de magnitude moderada, larga, muito larga, e

extremamente larga na performance representariam três, cinco, sete, e nove medalhas extras em

cada dez competições, respectivamente, sendo correspondentes à 0.9, 1.6, 2.5, e 4.0 do CV.

3.3.2 Variabilidade Competitiva Intraindividual

O desempenho de um atleta em uma prova individual comumente apresenta uma variação

randômica de uma competição para outra. Porém, uma melhoria (ou piora) na performance afeta

a probabilidade de um atleta medalhar no evento somente caso a mudança seja maior do que a

metade (na verdade, 0.3; Hopkins et al, 1999) da magnitude da variação randômica (ou

variabilidade competitiva individual). Logo, informação sobre esta variação na performance de

um atleta entre competições torna-se útil na medida em que revela o impacto de fatores capazes

de afetar o desempenho rumo a vitória (Paton e Hopkins, 2006). Além disso, essa variação

randômica ou variabilidade individual na performance de uma competição para outra pode

servir como uma referência para a avaliação do erro de medida em testes laboratoriais e de

campo usados para monitorar atletas ou investigar estratégias que afetam a performance (Paton

e Hopkins, 2001). Portanto, diversas modalidades esportivas já apresentam suas estimativas de

variabilidade individual, e consequentemente, mínima mudança substancial e detectável na

literatura científica (Malcata e Hopkins, 2014).

A presente seção buscou identificar, de modo sistemático, estimativas de variabilidade

individual e mínima mudança detectável em diversas modalidades esportivas individuais.

Usando as principais bases de dados nas ciências da saúde (US National Library of Medicine

PubMed, Scientific Eletronic Library Online Scielo, e Ebsco), com a inserção dos descritores

verbais within athlete variability, smallest worthwhile change, ou smallest important change,

25

foram identificados 14 artigos científicos originais no período entre 2000 e 2014. CV para as

diversas modalidades esportivas foram reportadas como estimativas da variabilidade individual

no desempenho esportivo de uma competição para outra (Hopkins et al, 1999).

A Tabela 1 apresenta estimativas de variação individual no desempenho esportivo entre

competições. Em geral, os estudos selecionados sugerem uma enorme variabilidade do CV entre

si. Modalidades onde escores subjetivos são usados como critério de desempenho, como o surf,

tem uma enorme variabilidade individual entre competições. Similarmente, modalidades com

um grau de habilidade técnica substancial, como levantamento de peso, também demonstram

uma elevada variabilidade individual. Porém dentro de uma mesma modalidade esportiva,

variações substanciais podem ocorrer no CV. Por exemplo, no atletismo, provas de campo

demonstram uma variabilidade individual maior que provas realizadas na pista, seja ela com

características de Sprint ou endurance (Tabela 1)

Tabela 1. Estimativas de variação competitiva individual na performance entre provas

e mínima diferença detectável em diversas modalidades esportivas.

Estudo (Ano) Esporte (Competição) Variação Individual Mínima Diferença Detectável

Stewart & Hopkins

(2000)

Natação

(1999 NZ Open Junior)

1.4% Geral

1.1% Faster

1.5% Slower

0.5*CV ~0.5%

Pyne et al

(2004)

Natação

(1999 Pan Pacific)

0.8% Geral

0.6% Livre

0.8% Peito

1.0% Borboleta

0.6% Costas

0.7% Medley

0.5*CV ~0.4%

Trewin et al

(2004)

Natação

(2000 JO Sydney)

0.8% Geral Não informado

McGuigan et al

(2004)

Halterofilismo

(1998/2000 Int Open)

2.5% Geral

1.7% Homens

3.3% Mulheres

0.5*CV ~1.2%

26


Paton et al

(2005a)

Triátlon

(1997/8 Int Open)

1.1% Geral

1.2% Natação

1.3% Ciclismo

2.5% Corrida

0.5*CV ~0.5%

Paton et al

(2005b)

Ciclismo Estrada

(2000 WC 2000 Tour)

0.4% World Cup

0.7% Tour France

Não informado

Ciclismo Estrada ITT

(2000 WC JO Sydney Tour)

Mountain Bike

(2000 WC)

1.3% World Cup JO

1.7% Tour France

2.4% Homens

2.5 Mulheres

0.5*CV ~0.6%

0.5*CV ~1.2%

Hopkins

(2005)

Atletismo

(1997 GP series)

Homens

0.8% Corrida < 3km

1.1% Corrida 3-10km

3.1% Salto Triplo

1.7% Dardo

Mulheres

1.0% Corrida < 3km

1.1% Corrida 3-10km

1.8% Salto Triplo

3.4% Dardo

0.5*CV ~0.3-0.5% Geral

0.5*CV ~0.9-1.5% Geral

Bullock et al

(2009)

Skeleton

(2000-2006 WC Series)

0.4% Homens

0.4% Mulheres

0.5*CV ~1.2%

Bonetti et al

(2010)

Canoagem Sprint

(2003/7 WC Series)

0.9% C1 200m

1.1% C1 500m

0.7% C1 1000m

1.1% K1 200m

0.3*CV ~0.3-0.6%

Mendez et al

(2010)

Surfing

(2002 WC Tour)

39.0% 0.5*CV ~19.0%

Muehlbauer et al

(2010)

Speed Skating

(2007/8 WC Series)

0.1% Homens

0.3% Mulheres

Nibali et al

(2011)

Canoagem Slalom

(2000/7 WC JO Atenas)

Penalizados Por Tempo

1.2% C1

1.7% C2

1.0% K1

1.5% K1 Mulheres

1.6% C1

2.1% C2

1.2% K1

1.9% K1 Mulheres

0.3*CV ~0.4-0.6%

27


Smith & Hopkins

(2011)

Remo Masculino

(1999/2009 WC Mundial JO)

Remo Feminino


1.2% Single Scull

0.7% Lightweight 2

1.0% Double Scull

0.9% Pair

1.1% Quadruple

Scull

0.8% Eight

1.0% Single Scull

1.0% Lightweight 2

0.9% Double Scull

0.9% Pair

0.9% Quadruple

Scull

0.8% Eight

0.3*CV ~0.3%

Spencer et al

(2004)

Cross Country Sky Masculino


Cross Country Sky Masculino


1.2% 15 Km Clássica

1.1% 15 Km Livre

1.2% Sprint Clássica

1.2% Sprint Livre

1.2% 15 Km Clássica

1.1% 15 Km Livre

1.2% Sprint Clássica

1.2% Sprint Livre

0.3*CV ~0.3%

Os procedimentos estatísticos usados nos estudos acima foram de acordo com a análise proposta

por Hopkins et al (1999). De modo específico, os autores sugerem usar uma abordagem

correlacional, via regressão linear mista, com fatores fixos e randômicos usados para explicar o

desempenho esportivo. Fatores fixos seriam usados para controlar aspectos capazes de afetar o

desempenho ‘médio’, como distância da prova, condições ambientais, entro outros. Esses

fatores são comumente representados por um efeito simples indicando a ‘identidade da prova’.

Fatores randômicos, por sua vez, seriam usados para estimar variabilidade individual e

variabilidade entre atletas. A ‘identidade do atleta’ pode estimar diferenças entre os atletas;

‘identidade do atleta’ plus ano estimam, por exemplo, a variabilidade individual dos atletas ao

longo de várias temporadas; por fim, o resíduo da análise é a estimativa da variabilidade

28

individual de uma competição para outra. Informações do CV seriam por fim obtidos via

transformações log lineares naturais dos dados (Malcata e Hopkins, 2014).

3.3.3 Previsibilidade Competitiva

A variação na performance entre atletas em uma competição (between athlete variability)

representa a variação verdadeira existente na habilidade entre competidores. Tal variação entre

atletas teria um efeito substancial sobre a probabilidade para se vencer uma competição. De

fato, quanto maior a dispersão ou variação entre atletas, relativa a variação individual, maior

será a melhora necessária para um atleta galgar de sua posição intermediária rumo a vitória. Por

outro lado, a combinação entre a variabilidade entre atletas e variabilidade individual pode

gerar uma estimativa de previsibilidade em uma modalidade esportiva. De fato, quanto menor a

variação individual, relativa a dispersão ou variação entre atletas, mais previsível será uma

modalidade. Tal estimativa de previsibilidade pode ser obtida pelo coeficiente de correlação

intraclasse (ICC), definida como a proporção de diferenças entre atletas que não são

ocasionadas pela variabilidade individual; em outras palavras, as diferenças ‘puras’ entre

atletas. Infelizmente, até o momento, somente três estudos estimaram a previsibilidade de

modalidades esportivas, mostrando correlações que variaram de 0.06 até 0.35 para atletas de

elite de Skeleton (Bullock et al, 2009), de 0.05 até 0.61 para atletas de canoa e caiaque slalom

(Nibali et al 2011), e de 0.08 até 0.66 no remo (Smith e Hopkins, 2011).

29

4 DESENVOLVIMENTO

O Guia Prático (Apêndice A) apresentado no presente relatório técnico foi elaborado em três

etapas: revisão sistemática do conteúdo de interesse, definição dos tópicos a serem abordados no

material, e processo de criação, diagramação e arte final realizada por um profissional de design

gráfico.

4.1 DEFINIÇÃO DE TÓPICOS

Após processo e análise dos manuscritos científicos selecionados para a revisão sistemática do

conteúdo de interesse (ver capitulo 3, Fundamental Teórica), definiu-se os tópicos a serem

inseridos no Guia Prático. Em termos gerais, na primeira parte do material, destacam-se

informações básicas sobre conceitos associados ao monitoramento de mudança no desempenho

físico de atletas no âmbito do esporte e da saúde, conforme segue:

(1) Nossa Proposta

(2) Erro de Medida

(3) Erro Típico de Medida

(4) Mudança no Desempenho Físico: Real ou Imaginaria

(5) Mínima Mudança Substancial

(6) Variabilidade Competitiva Intraindividual

(7) Recomendações aos Profissionais

Na segunda parte do material, buscou-se discutir os conceitos associados com a mudança na

performance competitiva de um atleta, com uma breve introdução ao estudo científico realizado

em nossa Instituição e apresentado como manuscrito científico neste relatório técnico, como

segue:

30

(1) Nosso Estudo

(2) Resultados e Conclusões

(3) Referências Bibliográficas

(4) Sobre os Autores

(5) Anotações

4.2 ARTE FINAL E SOLICITAÇÃO DO ISBN

Após a descrição do conteúdo, um profissional de design gráfico foi contratado para concluir os

processos de criação, diagramação, e arte final do Guia Prático. Utilizou-se programas de edição

de imagens CorelDraw e Photoshop (Versão 7.1), considerando as dimensões do Guia de 21.0 x

29.7 cm (A4).

Por fim, após aprovação pela comissão examinadora o Guia Prático será submetido à avaliação

de mérito na editora da Universidade Norte do Paraná (UNOPAR), visando a solicitação do

número International Standard Book Number (ISBN), com a posterior divulgação do material.

31

5 REFERÊNCIAS BIBLIOGRÁFICAS

Alam M, Carling K, Chen R, Liang Y (2008). How to determine the progression of young

skiers? Chance 21:13-19

Atkinson G, Nevill AM (2000) Statistical methods for addressing measurement error

(reliability) in variables relevant to sports medicine. Sports Med 26:217-238

Atkinson G, Pugh C, Scott MA (2010) Exploring data distribution prior to analysis: benefits and

pitfalls. Int J Sports Med 31:841-842

Balyi I (2001) Sport system building and long-term athlete development in British Columbia.

Canada. SportsMed BC

Batterham AM, Hopkins WG (2006) Making meaningful inferences about magnitudes. Int J

Sports Physiol Perform 1:50-57

Berthelot G, Len S, Hellard P, Tafflet M, Guillaume M, Vollmer JC, et al (2012) Exponential

growth combined with exponential decline explains lifetime performance evolution individual

and human species. Age 34:1001-1009

Bonetti DL, Hopkins WG (2010) Variation in performance times of elite flat-water canoeists

from race to race. Int J Sports Physiol Perform 5:20-217

Bullock N, Hopkins WG (2009) Methods for tracking athletes´ competitive performance in

skeleton. J Sports Sci 27: 937-940

32

Bullock N, Hopkins WG, Martin DT, Marino FE (2009) Characteristics of performance in

skeleton World Cup races. J Sports Sci 27:367-372

Cohen J (1994) The earth is round (p <.05). Am Psychol 49:997-1003

Fisher RA (1950) Statistical methods for research workers. London: Oliver & Boyd

Glantz SA (2012) Primer of Biostatistics. McGraw-Hill

Green M, Oakley B (2001) Elite sport development systems and playing to win uniformity and

diversity in international approaches. Leisure Studies, 20:247-267

Guillaume M, Len S, Tafflet M, Quinquis L, Montalvan B, Schaal K, et al (2011) Success and

decline: top 10 tennis players follow a byphasic course. Med Sci Sports Exerc 43:2148-2154.

Hopkins WG (2000) Measures of reliability in sports medicine and science. Sports Med 30:1-15

Hopkins WG (2005) Competitive performance of elite track-and-field athletes: variability and

smallest worthwhile enhancements. Sportsci 9:17-20

Hopkins WG, Hawley JA, Burke LM (1999) Design and analysis of research on sport

performance enhancement. Med Sci Sports Exerc 31:472-485

Hopkins WG, Marshall SW, Batterham AM, Hanin J (2009) Progressive statistics for studies in

sports medicine and exercise science. Med Sci Sports Exerc 41:3-13

33

Malcata RM, Hopkins WG (2014) Variability of competitive performance of elite athletes: A

systematic review. Sports Med [ahead of print]

McGuigan MR, Kane MK (2004) Reliability of performance of elite Olympic weighlifters. J

Strength Cond Res 18: 650-653

Mendez-Villanueva A, Mujika I, Bishop D (2010) Variability of competitive performance

assessment of elite surfboard riders. J Strength Cond Res 24:135-139

Muehlbauer T, Schindler C, Panzer S (2010) Pacing and sprint performance in speed skating

during a competitive season. Int J Sports Physiol Perform 5:165-176

Nibali ML, Hopkins WG, Drinkwater EJ (2011) Variability and predictability of elite

competitive slalom canoe-kayak performance. Eur J Sports Sci 11:125-130

Paton CD, Hopkins WG (2005a) Competitive performance of elite Olympic-distance triathletes:

reliability and smallest worthwhile enhancement. Sportsci 9:1-5

Paton CD, Hopkins WG (2005b) Variation in performance of elite cyclists from race to race.

Eur J Sports Sci 6:25-31

Pyne DB (2013). Data collection and analysis. In: Australian Institute of Sport. Physiological

testes for elite athletes. Champaign: Human Kinetics Books.

Pyne DB, Trewin CB, Hopkins WG (2004) Progression and variability of competitive

performance of Olympic swimmers. J Sports Sci 22:613-620

34

Rozeboom WW (1997) Good science is abductive, not hypothetico-deductive. In: Harlow LL,

Mulaik SA, Steiger JH. What if there were no significant tests? Mahwah: Lawrence Erlbaum

Smith TB, Hopkins WG (2011) Variability and predictability of finals times of elite rowers.

Med Sci Sports Exerc 43:2155-2160

Smith DJ (2003) A framework for understanding the training process leading to elite

performance. Sports Med 33:1103-1026.

Spencer M, Losnegard T, Hallen J, Hopkins WG (2014) Variability and predictability of

performance times of elite cross-country skiers. Int J Sports Physiol Perform 9:5-11

Stewart AM, Hopkins WG (2000) Consistency of swimming performance within and between

competitions. Med Sci Sports Exerc 32:997-1001

Trewin CB, Hopkins WG, Pyne DB (2004) Relationship between world-ranking and Olympic

performance of swimmers. J Sports Sci 22:339-345

Weir JP (2005). Quantifying test-retest reliability using the intraclass correlation coefficient

using the intraclass correlation coefficient and the SEM. J Strength Cond Res 19:231-240

35

6 APÊNDICE A

Guia Prático

Francisco Cusco y FlorencioCosme Franklim Buzzachera

1º Edição Brasileira

Monitoramento de Mudanças no Desempenho FísicoUm Guia Prático Aos Profissionais do Esporte e da Saúde

Monitoramento de Mudanças no Desempenho FísicoUm Guia Prático Aos Profissionais do Esporte e da Saúde

Primeira Edição Brasileira

Dados Internacionais de Catalogação na Publicação (CIP)(Câmara Brasileira do Livro, São Paulo, Brasil)

Copyright © 2015 by Universidade Norte do ParanáTODOS OS DIREITOS RESERVADOS.Nenhuma parte deste Guia Prático poderá ser reproduzida, por qualquer processo, sem a permissão expressa da Universidade Norte do Paraná

MESTRADO PROFISSIONAL EM EXERCÍCIO FÍSICO NA PROMOÇÃO DA SAÚDE:

SUPERVISÃO:

INFORMAÇÕES E CONTATO:Francisco Cusco y Florencioemail: [email protected]

Cosme Franklim BuzzacheraDocente do Programa de Mestrado Profissional em exercício físico na promoção da saúde

EQUIPE TÉCNICA:

Francisco Cusco y Florencio

Cosme Franklim Buzzachera

PROJETO GRÁFICO E DIAGRAMAÇÃO:

Adilson Koizumi

ENTIDADE PUBLICADORA:

Editora UNOPAR

DIRETOR GERAL:Ruy Fava

REITOR:Cleber Fagundes Ramos

PRÓ-REITOR DE PESQUISA E PÓS-GRADUAÇÃO:

Hélio Hiroshi Suguimoto

Dartagnan Pinto Guedes (Coordenador)

UNIVERSIDADE NORTE DO PARANÁ - UNOPARCentro de Ciências Biológicas e da Saúde

Avenida Paris, 675, Jardim PizaCEP 86041-120 – Londrina/PR

Tel.: (43) 33717700

Sumário

Parte I Mudanças no Desempenho FísicoO monitoramento de mudanças no desempenho físico tornou-se fundamental para a saúde e sucesso competitivo de um atleta de elite. Neste tópico, examinamos métodos clássicos e atuais usados por treinadores e staff técnico na avaliação destas mudanças na performance ocorridas na temporada

07 Nosso Propósito

08 Erro de Medida

09 Erro Típico de Medida

11 Mudança na Performance: Real ou Imaginária?

12 Mínima Mudança Substancial

13 Variabilidade Competitiva Intraindividual

14 Recomendações aos Profissionais

Parte IINosso EstudoUsando como exemplo a prova de ciclismo Velocidade Olímpica, demonstramos como um estudo pode ser feito para determinar a variabilidade competitiva intra- e interindividual. Treinadores e staff técnico usam estes dados para otimizar tomada de decisões no âmbito esportivo e da saúde

16 Nosso Estudo

17 Resultados e Conclusões

18 Referências Bibliográficas

19 Sobre os Autores

Parte IParte IMudanças no Desempenho FísicoMudanças no Desempenho Físico

Parte IMudanças no Desempenho Físico

Nossa Proposta

Em meados de 1999, o pesquisador neozelandês Will Hopkins introduziu o conceito de variabilidade individual no desempenho competitivo de um atleta, buscando estimar a mínima mudança substancial e importante na performance capaz de melhorar o prospecto de um atleta rumo a vitória. Desde então, o conhecimento dos conceitos de e variabilidade individual mínima mudança substancial tornou-se crucial no monitoramento da evolução de um atleta rumo ao sucesso competitivo e na determinação de fatores relevantes para a performance em diversas modalidades esportivas.

O monitoramento de mudanças no desempenho físico de um atleta não é baseado exclusivamente em dados competitivos, mas também através de dados oriundos de avaliações físicas ocorridas ao longo da temporada. Em tais circunstâncias, profissionais do âmbito esportivo e clínico preferem simplesmente analisar dados brutos do desempenho físico de um atleta em um certo teste, negligenciando assim a presença de erros sistemáticos ou randômicos (erros biológicos e tecnológicos) comumente associados ao atleta e ao teste realizado. Portanto, conhecer conceitos e procedimentos estatísticos atuais, como , , reprodutibilidade erro típico de medidacoeficiente de variação intervalo de confiança, , entre outros, tornou-se fundamental aos profissionais do esporte e da saúde, evitando interpretações simplistas e equivocadas sobre possíveis mudanças ocorridas no desempenho físico de um atleta ao longo da temporada.

O objetivo do presente guia prático é apresentar aos profissionais do esporte e da saúde sugestões para o monitoramento de mudanças no desempenho físico de atletas, baseadas em evidências científicas e no uso de procedimentos estatísticos atuais. Esse guia foi elaborado e apresentado na Universidade Norte do Paraná, Centro de Ciências Biológicas e da Saúde, como requisito parcial para a obtenção do título de Mestre no Programa de Mestrado Profissional em Exercício Físico na Promoção da Saúde.

Florencio & Buzzachera (2015) Monitoramento de Mudanças no Desempenho Físico 07


Erro de Medida

Monitorar mudanças no desempenho físico de um atleta ao longo de uma temporada competitiva tornou-se crucial para os profissionais que prestam serviços no âmbito esportivo e clínico. Dados derivados de avaliações físicas ou de competições sucessivas são usados para a formulação de prescrições e orientações baseadas em evidências e na otimização na tomada de decisões por gestores esportivos. Contudo, a relevância e credibilidade destas informações dependem do modo como os dados são coletados, tratados, analisados, e reportados aos atletas, treinadores, e staff técnico (Atkinson 2010).

Geralmente, profissionais do esporte e da saúde preferem analisar dados brutos e representações gráficas que descrevem mudanças no desempenho físico de seus atletas, negligenciando a existência de erros de medida associados ao atleta ou ao teste realizado. Logo, corre-se o risco de afirmar que uma mudança no desempenho físico ocorreu, quando na verdade esta não ocorreu (erro do tipo I), ou mesmo que uma mudança não ocorreu, quando na verdade esta ocorreu (erro do tipo II). Em ambos os casos, um julgamento errôneo poderia reduzir as chances de sucesso competitivo de um atleta.

Em termos práticos, o que seria um erro de medida? Descrito como a diferença entre a medida real e a medida observada, erro de medida pode ser categorizado como sistemático ou randômico e derivar de fontes biológicas e tecnológicas. A variação natural vista na fisiologia humana refere-se ao erro biológico, enquanto a var iação de fa tores metodológicos em instrumentos ou testes refere-se ao erro tecnológico (ou ) (Hopkins 2000). Todo rumorteste usado para monitorar mudanças no desempenho físico de um atleta têm o seu próprio erro de medida. Cabe ao profissional estar ciente do erro de medida ou rumor inerente ao teste.

Erro Típico de Medida

Interpretar uma mudança no desempenho físico de um teste para outro é uma tarefa árdua, pois cabe ao profissional questionar-se:Ÿ O teste usado pode detectar mudanças no

desempenho?Ÿ A mudança observada é real ou um erro de

medida do teste?Ÿ A magnitude da mudança observada (e real) é

relevante?Para responder aos questionamentos acima, devemos retomar um um conceito parcialmente abordado aqui: o erro típico de medida


Como posso calcular o Simples. Suponhamos que a potência pico (em erro típico de medida? watts) de cinco ciclistas foi determinada em dois testes de Wingate (T1 e T2; ). No lado Tabela 1esquerdo da Tabela, encontramos os escores brutos e valores de média, desvio padrão, e mudança absoluta (∆). Para calcular o erro típico da medida em questão, divide-se o desvio padrão da mudança (∆ T2 - T1) pela √2, um valor correspondente a 1.414. Logo, o do erro típico de medida teste é 67W / 1.414 = 47W.

Tabela 1 Cálculo do erro típico de medida, em termos absolutos e relativos (via transformação log natural)


Erro Típico de Medida

Posso comparar o erro típico de medida de um teste A versus o erro típico de medida de um teste B? Sim. Faça uma transformação matemática dos dados; neste caso, uma transformação logarítmica natural. Como? No excel, execute o comando =LN(x)*100, onde x é o número a ser transformado. Por exemplo, o valor 1945W do atleta 1 transformou-se em 757 (ver ). Dividindo o desvio padrão Tabela 1da mudança pela √2, um erro típico de medida de 1.4% é encontrado ( ). Esta forma Tabela 1de erro típico de medida, em termos %, denomina-se , e é coeficiente de variação (CV)usado para comparar a reprodutibilidade entre dois testes (Hopkins 2000).

Agora, podemos responder se o teste poderia detectar mudanças relevantes no desempenho físico. Caso o erro típico de medida seja inferior (rumor < sinal) à mínima mudança substancial, o teste é e capaz de detectar mudanças bomrelevantes no desempenho físico. Contudo, caso o erro típico da medida seja superior (rumor> sinal) à mínima mudança substancial, o teste é ruim e incapaz de capturar mudanças relevantes no desempenho físico. Sugestão? Procure outro tes te ou me lho re a pad ron ização dos procedimentos e protocolo do teste. Por fim, caso o erro típico de medida for igual à (rumor = sinal) mínima mudança substancial, o teste é . aceitávelUse-o com cautela.

Dois aspectos devem ser levados em consideração pelo profissional. Primeiro: A classificação bom aceitável ruim , , e de um teste refere-se a reprodutibilidade ou consistência em réplicas sucessivas, mas não a sua importância e associação com o sucesso competitivo. Por exemplo, um teste de Wingate pode ser categorizado como para estimar mudanças na ruim (rumor > sinal) potência pico de um velocista, mas a sua relevância no âmbito prático é indiscutível. Segundo: Compreenda o conceito de ou . Na página 12, mínima mudança substancial, detectável importanteabordaremos o conceito com detalhes.

Mudança na Performance: Real ou Imaginária?

A mudança no desempenho físico foi real ou um simples erro de medida do teste? Primeiro, devemos considerar o e a erro típico de medida prováve l ‘ rea l idade ’ de uma medida observada. Como? Na , veja que o Tabela 1atleta 1 teve uma potência pico de 1945W ( ) em seu primeiro teste. Se medida observadao atleta repetisse o teste por várias vezes no mesmo dia, após repouso, várias medidas observadas centradas ao redor de uma medida r e a l ( p o r é m d e s c o n h e c i d a ) s e r i a m encontradas. A variação dentre a qual a medida real provavelmente encontra-se pode ser chamada de (Pyne limites de confiança2013)


Profissionais do esporte e da saúde comumente usam como o limites de confiança valor de 95%, ou simplesmente, . Porém 95%ICcomo posso calcular um ? Simples. 95%ICBasta multiplicar o erro típico da medida por ±1.96 (Pyne 2013). Na multiplicou-se Tabela 1±1.96 pelo erro típico de medida do teste (±1.96 × 47W ± 92W). Conclui-se, com 95% de chances, que a potência pico ‘real’ do atleta 1 encontrava-se entre 1853W e 2037W, ou seja, 1945 ± 92W. Em termos gerais, a distância entre o limite de confiança inferior e o limite de confiança superior, chama-se intervalo de confiança (IC).

A mudança no desempenho físico do atleta 1 foi real ou fruto de um erro de medida? Considere duas opções. A primeira opção é comparar a magnitude da mudança observada com o erro típico de medida do teste. Na Tabela 1, a mudança vista no atleta 1 entre T1 e T2 foi 41W, e o erro típico de medida foi 47W. Logo, classificamos essa mudança como ou incerto estável (Instituto Australiano de Esporte, 2000), pois:Ÿ Se , o ∆T2-T1 (valor +) > Erro de Medida

resultado é benéficoŸ Se , o ∆T2-T1 (valor -) > Erro de Medida

resultado é maléficoŸ Se , o ∆T2-T1 (valor – ou +) = Erro de Medida

resultado é incerto


Mínima Mudança Substancial

A magnitude da mudança no desempenho físico é importante? Para responder ao ú l t i m o q u e s t i o n a m e n t o , d e v e m o s compreender o conceito de mínima mudança substancial, definido como a menor mudança detectável na performance capaz de afetar a chance de um atleta vencer uma prova (Hopkins 2000). E como calculá-la? Primeiro, conheça o coeficiente de variação (CV) da modalidade. O CV de uma modalidade mostra a variação individual dos atletas de uma prova para outra (within athlete variation) (Hopkins et al 1999).

Para aumentar o prospecto de vitória de um atleta, sua mudança no desempenho competitivo precisa ser superior a variação individual entre provas, expressa pelo CV. Exemplo? 100-m rasos no atletismo. Nos Jogos Olímpicos de Barcelona, a diferença de tempo entre o vencedor e o quarto colocado foi apenas 00:13s ( ). Caso Tabela 2a prova fosse repetida horas depois, cada atleta teria uma probabilidade similar de vitória, pois a diferença de tempo entre atletas (00:13s) foi inferior à variação individual nos 100-m rasos (00:14s) (Hopkins 2003). Logo, cada atleta teria 25% de chance de vitória caso a prova fosse repetida.

Entretanto caso um dos atletas tivesse uma melhora superior a variação individual entre provas (somente 0.3 × CV), a sua chance de vitória na prova aumentaria substancialmente. Neste caso, 01 vitória ‘extra’ a cada 10 provas disputadas . Este pequeno (chance subiria de 25% para 33%)aumento é chamado de .mínima mudança substancial

Variabilidade Competitiva Intraindividual

Se a mudança no desempenho competitivo for superior à variação individual (0.3 × CV), a chance de um atleta tornar-se vencedor é ainda maior. Usando o exemplo dos 100-m rasos, percebe-se que uma melhora de apenas 00:12s significa três vitórias extras caso a prova fosse repetida (0.9 × CV ou 0.9 × 00:14 = 00:12s). Para o campeão, isso poderia significar um tempo de prova de 09:84. Por outro lado, para o quarto colocado, poderia significar um tempo de prova, no mínimo, de 09:97.


A magnitude da mudança no desempenho físico é importante? Para responder ao último questionamento, reforçamos o conceito de mínima mudança substancial. Na Velocidade Olímpica, por exemplo, a variação individual (CV) é 1.0%, ou seja, um tempo de ~±00:44s. Uma melhora superior a 0.3 × CV (0.3 × 00:44s = 0.10s) significa uma chance substancial de ganhar uma medalha extra, caso o nível dos atletas seja similar. A melhora obtida pelo atleta 5 no teste (3.5%, ), por exemplo, é Tabela 1superior a mínima mudança substancial, indicando uma melhora real na sua chance competitiva.

Ciclismo de Pista (Team Sprint ou Velocidade Olímpica)

Variação Individual CV 1.0% (ou ~±00:44)


Recomendações Aos Profissionais

As informações contidas neste Guia Prático reforçam a necessidade do uso de métodos estatísticos atuais, baseados em evidências científicas, para o monitoramento de mudanças no desempenho físico e competitivo de atletas ao longo de uma temporada. Profissionais do esporte e da saúde, prestadores de serviços de avaliação física, prescrição e/ou orientação física, reabilitativa, e/ou nutricional, devem ser capazes de empregar uma abordagem analítica rigorosa no tratamento dos dados, simplificando-os para a apresentação final aos atletas, treinadores, e staff técnico.

Resumindo...

“Devemos conhecer a da mínima mudança detectável modalidade para uso em testes laboratoriais e estudo de

fatores que afetam a performance” (Hopkins et al 1999)

Determine o erro típico de medida e o coeficiente de variação do teste (Dados descritivos) Compare o erro típico de medida versus mínima mudança substancial da modalidade (O teste usado detecta mudança no desempenho?) Compare o erro típico de medida versus mudança no desempenho (usando 95%IC) (A mudança observada é real ou um erro de medida do teste?)Compare a mudança no desempenho versus mínima mudança substancial da modalidade (A magnitude da mudança observada (e real) é relevante?)

Parte IIParte IINosso EstudoNosso Estudo

Parte IINosso Estudo


Nosso Estudo

Monitorar mudanças no desempenho físico de um atleta ao longo de uma temporada competitiva tornou-se crucial para os profissionais que prestam serviços no âmbito esportivo e clínico. Porém, para que tal monitoramento de mudanças no desempenho físico seja possível, deve-se conhecer a mínima mudança substancial da modalidade em questão (Hopkins 2000). Infelizmente, até o presente momento, nenhum estudo buscou investigar a mínima mudança substancial no ciclismo de pista, incluindo a prova de Velocidade Olímpica, foco de nosso estudo.

A (ou Team Sprint) é uma Velocidade Olímpica prova da modalidade Ciclismo de Pista. Disputada em um velódromo, a prova consiste de três atletas (masculino) que revezam-se durante três voltas na busca do melhor tempo. Contudo, o revezamento somente ocorre após o primeiro atleta, largando de um partidor, completar 250m, e após o segundo atleta completar 500m. O último atleta ‘fecha’ o tempo após 750m. Logo cada atleta é responsável por 250m da prova. O recorde da prova é 42.600s, obtido pela Inglaterra nos Jogos Olímpicos de Londres 2012.

Em nosso estudo, examinamos os resu l tados compet i t i vos da p rova Velocidade Olímpica nos últimos eventos organizados pela União Internacional de Ciclismo (UCI) nos anos de 2013-2015 nas cidades de Minsk (Bielorrússia) Manchester (Inglaterra) Aguascalientes (México) Guadalajara (México) Cali (Colômbia) e Paris (França 2015 Campeonato Mundial). O resultado competitivo de cada time, em cada evento, foi baixado do website oficial da UCI (www.tissot.com) e inserido em uma planilha Excel para análises posteriores.

Resultados

Usando o pacote estatístico SAS, através de um modelo linear misto, determinamos a variação intraindividual (within subject variation) da modalidade em questão, com os valores expressos em CV (90%IC). Logo, determinamos a mínima mudança substancial da moda l idade, fundamenta l para a determinação de fatores que contribuem para o resultado final da prova. De modo importante, examinamos ainda a contribuição relativa de cada atleta na prova, assim como a variação intraindividual.

A da prova variação intraindividual Velocidade Olímpica, expressa pelo CV (± 90%IC), é de ~1.0% (± 0.68). Em termos práticos, isso poderia representar uma variação de tempo (dados do último campeonato mundial realizado na França, em 2015) de apenas 00:448s. Logo, uma mudança no desempenho competitivo de somente 00:141 (mínima mudança detectável, 0.3 × CV ou ~0.3%) poderia aumentar a chance de vitória de um time, caso os times oponentes sejam de similar nível técnico.


Dois aspectos devem ser levados em consideração pelo profissional. Primeiro: A contribuição relativa da prova pauta-se no desempenho do primeiro atleta da equipe, pois o mesmo responsabiliza-se por ~40% do tempo de prova. Segundo: A variação intraindividual do primeiro atleta é somente 1.2%, aumentado para 1.3% e 1.5% para o segundo e terceiro atleta da equipe, respectivamente. Sendo assim, a escolha do primeiro atleta da equipe é fundamental para o sucesso competitivo na prova Velocidade Olímpica


Referências Bibliográficas

Australian Institute of Sport. Physiological testes for elite athletes. Champaign: Human Kinetics Books 2000

Atkinson G, Nevill AM (1998) Statistical methods for addressing measurement error (reliability) in variables relevant to sports medicine. Sports Med 26:217-238

Hopkins WG (2000) Measures of reliability in sports medicine and science. Sports Med 30:1-15

Hopkins WG (2005) Competitive performance of elite track-and-field athletes: variability and smallest worthwhile enhancements. Sportsci 9:17-20

Hopkins WG, Marshall SW, Batterham AM, Hanin J (2009) Progressive statistics for studies in sports medicine and exercise science. Med Sci Sports Exerc 41:3-13

Mendez-Villanueva A, Mujika I, Bishop D (2010) Variability of competitive performance assessment of elite surfboard riders. J Strength Cond Res 24:135-139

McGuigan MR, Kane MK (2004) Reliability of performance of elite Olympic weighlifters. J Strength Cond Res 18: 650-653

Muehlbauer T, Schindler C, Panzer S (2010) Pacing and sprint performance in speed skating during a competitive season. Int J Sports Physiol Perform 5:165-176

Pyne DB (2013). Data collection and analysis. In: Australian Institute of Sport. Physiological testes for elite athletes. Champaign: Human Kinetics Books

Sobre os Autores


Francisco Cusco y Florencio obteve Licenciatura Plena em Educação Física (2000) e Especialização em Treinamento Esportivo (1998) pela Universidade Estadual do Paraná (2000), sendo mestrando em Exercício Físico na Promoção da Saúde pela Universidade Norte do Paraná. Desde 2012, atua como Diretor do Departamento de Alto Rendimento da Confederação Brasileira de Ciclismo. Possui experiência como consultor técnico em diversas modalidades esportivas.

Cosme Franklim Buzzachera obteve Licenciatura Plena em Educação Física (2004), Especialização em Fisiologia do Exercício (2006), e Mestrado em Educação Física pela Universidade Federal do Paraná (2008). Possui Doutorado em Aspectos Biomédicos e Metodológicos da Atividade Física pela Universidade de Roma Foro Italico (Itália 2012). Desde 2012, atua como docente do Programa de Mestrando em Exercício Físico na Promoção da Saúde pela Universidade Norte do Paraná. Atualmente, é responsável pelo setor de fisiologia da Confederação Brasileira de Ciclismo.

56

7 APÊNDICE B

Manuscrito Científico

57

ORIGINAL ARTICLE (SHORT VERSION)

VARIABILITY OF FINALS TIMES OF ELITE TEAM SPRINT CYCLISTS

58

Introduction

The variability of performance of elite athletes from competition to competition has become

topic of interest to sport scientist and practitioners since its relationship to medal winning was

established (Hopkins et al, 1999). In a competition against a handful of closely matched

opponents, the smallest important change in performance that has a substantial effect on the

athlete´s medal prospects is ~ 0.3 of this variability, expressed as a standard deviation (Malcata

and Hopkins, 2014). Thresholds for moderate, large, very large and extremely large changes in

performance between competitions, representing three, five, seven, and nine extra medals in

every ten competitions, were calculated to be 0.9, 1.6, 2.5, and 4.0 of the variability (Hopkins et

al, 1999). Estimates of the variability of performance and the associated smallest important

changes are available for many sports, but track team sprint cycling is not yet one of them

(Malcata and Hopkins, 2014). There are several published studies of variability of performance

in sports similar to track sprint cycling, where athletes develop maximal sustainable power and

overcome air or water resistance, including flat water kayaking (Bonetti et al, 2010) and rowing

(Smith and Hopkins, 2011), swimming (Pyne et al, 2004), and road cycling (Paton et al, 2006).

It is doubtful if variability in track team sprint cycling would be comparable with these sports,

given the technical demands and environmental effects unique to each sport. In the present

investigation, we will address this issue by analyzing performances times for team sprinters in

international competitions from 2013 to 2015, with the aim of quantifying smallest important

changes and indicating factors that affect variability in performance. Clearly, information about

the variability of performance from competition to competition would be helpful to sport

scientists and practitioners who are concerned with factors affecting athletic performance.

The variability of performance of athletes from competition to competition has been expressed

in many studies as a coefficient of variation, a standard deviation expressed as percentage of a

mean. Coefficients of variation from this within athlete variability can be combined with

differences between athletes to derive an estimation of predictability of performance in a sport:

59

the smaller the within-athlete variability relative to the between-athlete differences, the more

predictable the sport. This concept addresses the issue of the stability of the ranking of athletes

and it has started to appear in published studies of performance variability (Bullock et al, 2009;

Nibali et al, 2011; Smith and Hopkins, 2011). The statistic used to quantify predictability is the

intraclass correlation coefficient (ICC), defined as the proportion of the difference between

athletes that are not due to the within athlete variability (Malcata and Hopkins, 2014). The

present study will also investigate the predictability of the track team sprint cyclists’

performance from competition to competition. Estimation of predictability of performance as a

correlation coefficient will be further aspects of the present study often neglected in previous

studies of variability of competitive performance.

Methods

Experimental Design

The purpose of this study was to report analysis of performances times for track team sprint

cyclists in international competitions from 2013 to 2015, with the aim of quantifying smallest

important changes and investigating factors that affect variability in performance. This study

was also carried out to report analysis of predictability of the team sprint cyclists performance

from competition to competition. Performance times of team sprinters in international events in

2013 and 2015 were downloaded from the Union Cyclist International (UCI) website. It would

be hypothesized that, due to some elements inherent to track team sprints cycling competitions,

including the presence of three athletes instead of individual ones, the finals teams would be

highly variable. Consequently, the predictability of the event would be low.

Participants

Competition organizers provided official performance times for the six competitions of the

2013/2015 UCI World Cups, which were held at the cities of Aguascalientes, Guadalajara,

Manchester, Cali, Minsk and Paris (please see Table 1). The UCI is the leading governing body

60

of professional cycling and is responsible for organizing a competitive calendar around the

world. In our study, we analyzed 24 teams who entered three or more such events. All cyclists

were experienced elite level, male professional cyclists. The data are in the public domain, so

we did not seek written consent for their use from individual athletes. The Ethics’ Institutional

Review Board approved all experimental procedures.

Table 1. Competitive calendar of the World Cup Tour during the 2013/2014 season.

Date Location

February 2013 Mink (Byelorussia)

November 2013 Manchester (GBR)

December 2013 Aguascalientes (Mexico)

January 2014 Guadalajara (Mexico)

February 2015 Cali (Colombia)

February 2015 Paris (France)

Statistical Analysis

We examined plots of residuals vs predicted scores for each analysis to check for nonuniformity

of error. Residuals from the raw performance times showed a tendency to increase for athletes

with higher scores. Thus, we have conducted a natural logarithm transformation of the raw data.

Our measure of variability was the typical error of measure (that is, within athlete variation),

expressed as a Cohen effect size (that is, standardized) of log-transformed performance times.

Within-athlete variation represents the typical variation of the athlete’s performance between

events, after any changes in the mean have been taken out of consideration. The Cohen effect

size was calculated by dividing the typical error of measure by the between subject standard

deviation on the natural logarithm of the raw points score obtained for consecutive pairwise

reliabilities of the set of the events. Threshold values for the Cohen effect size statistic are 0.8

61

(large), 0.5 (moderate), and 0.2 (small) (Cohen, 1994). Precision of the estimates of within-

subject Cohen effect sizes are shown as 90%likely limits (confidence limits), which represent

the limits within which the true value is 90% likely to occur (Batterham and Hopkins, 2006).

Results

The magnitude of the changes scores computed from consecutive pairs of events for 2013/2014

UCI World Cups was shown in Tables 2. There was a moderate variability in competitive

performance assessment between events, with effect sizes ranging between 0.68 and 0.72. The

coefficient of variation for team sprint cycling was ~1.0%, and the smallest worthwhile change

was ~0.3%. In addition, the previsibility was 0.68%.

Table 1. Descriptive data of the finals times of cycling track team sprint.

Events Typical Error Effect Size 90%IC

Event 1 ± 1.983 0.68 ± 3.262

Event 2 ± 0.734 0.70 ± 1.207

Event 3 ± 0.383 0.72 ± 1.370

Event 4 ± 0.399 0.72 ± 0.656

Event 5 ± 0.512 0.71 ± 0.842

Event 6 ± 1.004 0.69 ± 1.651

Discussion

We performed this study primarily to investigate the variability of performance in finals of track

team sprinters. The estimates of within athlete variation has provided the smallest worthwhile

effects in performance. Other measures of variability and previsibility in this study have shed

light on the nature of international track cycling competitions.

62

The within athlete variability of track cycling team sprinters is similar to that of elite athletes of

comparable high-intensity sports that are performed against water or air resistance, including

flat water kayaking (Bonetti et al, 2010) and rowing (Smith and Hopkins, 2011), swimming

(Pyne et al, 2004), and road cycling (Paton et al, 2006). Specifically, the coefficient of variation

of cycling track team sprinters was ~1.0%, thus suggesting that the smallest worthwhile change

of ~0.3% could be enough to improve the athlete´s medal prospects. In a practical perspective,

a performance change of 0.3% could means a performance time as low as ~00:10sec and would

lead the team to have one extra chance of win a medal in an event performed against even-

matched competitors. However, it should be assumed that the typical error of measure was

substantially changed between the events, ranging from 0.399 to 1.983. The reasons for this

large variation are unclear, but it could be related to differences in velodrome’ characteristics,

competitive level of participants, seasonal variation, and others. A more striking finding was

that the variability in performance times of the team could be related to the order of athletes

within the team. Specifically, the variability in performance times, expressed as coefficient of

variation, increased from 1.2 to 1.5% from the first athlete to the last athlete (unpublished data).

Because the first athlete is responsible for the major relative contribution (corresponding to

~40% of the performance time) and have the small variation within the team, coaches and

technical staff should be aware about the importance of the selection of this athlete to the

competitive success of the team.

As previously noted, the variability of performance of athletes from race to race has been

expressed in many studies as a coefficient of variation. Coefficients of variation from within

athlete variability can be combined with differences between athletes to derive an estimation of

predictability of performance in a sport: the smaller the within-athlete variability relative to the

between-athlete differences, the more predictable the sport. This concept addresses the issue of

the stability of the ranking of athletes and it has started to appear in published studies of

performance variability (Bullock et al, 2009; Nibali et al, 2011; Smith and Hopkins, 2011). In

63

the present investigation, however, the previsibility of the results was moderate (0.68), although

the small between-athlete difference. These findings, together with the results of small within

athlete variation, reinforce the idea of a stability of ranking in track team cycling and can also

contribute to the literature by adding a novel analysis in a different sport (Malcata and Hopkins,

2014).

Conclusions

In summary, we have demonstrated that the race-to-race variability and smallest worthwhile

effects in track team sprinters are similar to those for elite athletes for comparable sports where

environment and technical demands play a significant role on performance. Specifically, the

within athlete variation was 1.0%, whereas the smallest important change was 0.3%. The

potential for environmental conditions such as wind and order of athletes to have unfair effects

on track team sprint cycling performance warrants further elucidation.

References

Batterham AM, Hopkins WG (2006) Making meaningful inferences about magnitudes. Int J

Sports Physiol Perform 1:50-57





Cohen J (1994) The earth is round (p <.05). Am Psychol 49:997-1003

64








competitive slalom canoe-kayak performance. Eur J Sports Sci 11:125-130

Paton CD, Hopkins WG (2006) Variation in performance of elite cyclists from race to race. Eur

J Sports Sci 6:25-31



65

8 APÊNDICE C

Resumo Científico

66

Resumo Expandido Apresentado no I Encontro Nacional de Esporte & Fitness, realizado

na Universidade Estadual de Londrina, no dia 09 de Novembro de 2014

Conceito de Variabilidade No Desempenho Esportiva: Uma Revisão Sistemática.

Francisco Cusco y Florencio 1

Cosme Franklim Buzzachera 1

1 Mestrado Profissional em Exercício Físico na Promoção da Saúde, UNOPAR

Resumo

Desde 1999, o conceito de variabilidade no desempenho esportivo em atletas de alto rendimento

entre competições tornou-se um tópico de interesse nas ciências do esporte devido a sua relação

com a chance de torna-se um medalhista. Logo a presente revisão sistemática buscou investigar

estimativas da variabilidade (within athlete) do desempenho esportivo em diversas modalidades

esportivas individuais. Usando as principais bases de dados nas ciências da saúde (Medline,

Lilacs, Scielo, e Google Scholar), com a inserção da palavra chave ‘within-athlete variability’,

selecionou- se para o estudo 11 manuscritos científicos publicados no período entre 2000 e

2014. Coeficientes de variação (CV) para diversas modalidades esportivas individuais foram

reportados como estimativas de variabilidade no desempenho esportivo entre competições. Em

suma, a presente revisão reforça a necessidade do conhecimento dos fatores contribuintes

intrínsecos e extrínsecos para a variabilidade no desempenho esportivo, com o escopo de ajudar

atletas na avaliação e identificação de estratégias eficientes para uma melhoria na performance.

67

Introdução

Em 1999, o conceito de variabilidade no desempenho esportivo individual de uma competição

para outra foi introduzido por Hopkins e colaboradores no sentido de estimar a menor mudança

detectável, importante, ou substancial (do inglês, smallest importante change) no desempenho,

uma informação crucial no monitoramento da evolução de atletas e na análise de estudos que

examinam fatores associados a performance. Desde então, o estudo do conceito de variabilidade

no desempenho esportivo individual de uma competição para outra tornou-se um tópico de

interesse nas ciências do esporte devido a sua relação com a chance de um atleta torna-se um

medalhista.

Malcata e Hopkins (2014) definem a menor mudança importante no desempenho como a

mudança na performance que resulta em uma (01) medalha extra em um total de dez (10)

competições para atletas já medalhistas. Para esportes onde o atleta compete individualmente

para um melhor tempo, distancia, ou escore de performance, simulações demonstram que essa

mudança poderia ser 0.3 da variação aleatória típica (typical random variation) que um atleta

demonstra de uma competição para outra (Hopkins et al, 1999). Os limiares ‘moderado, grande,

muito grande, e extremamente grande’ para mudanças no desempenho entre competições

representam três (03), cinco (05), sete (07), e nove (09) medalhas extras em um total de dez (10)

competições, respectivamente. Logo, estimativas da variabilidade de um atleta entre

competições são essenciais para identificar mudanças importantes na performance, seja no

âmbito prático ou clínico. Neste contexto, a presente revisão sistemática buscou investigar, de

modo sistemático, estimativas da variabilidade (within athlete) do desempenho esportivo em

várias modalidades esportivas individuais.

Metodologia

Usando as principais bases de dados nas ciências da saúde (Medline, Lilacs, Scielo, e Google

Scholar), com a inserção da palavra chave ‘within-athlete variability’, selecionou-se para o

68

estudo 12 manuscritos científicos publicados no período entre 2000 e 2014. Coeficientes de

variação (CV) para diversas modalidades esportivas individuais foram reportados como

estimativas de variabilidade no desempenho esportivo entre competições.

Resultados

Após busca inicial, 11 artigos contendo os descritores verbais desejados foram encontrados;

todos os artigos abordaram o escopo principal do estudo visando examinar estimativas da

variabilidade (within athlete) do desempenho esportivo em diversas modalidades esportivas

individuais.

Discussão

Em geral, os resultados dos estudos selecionados demonstraram uma enorme variabilidade do

CV entre si. Por exemplo, esportes onde escores subjetivos são usados, como o surf (Mendez-

Villanueva et al, 2010), apresentam elevados CV e variabilidade de um atleta de uma

competição para outra. Além disso, esportes com um grau de habilidade técnica substancial,

como levantamento de peso (McGuigan et al 2004) e lançamentos/arremessos (Hopkins et al,

2005), também apresentam elevados CV, 2.3 - 2.7% e 0.9 – 1.5%, respectivamente. Entretanto,

dentro de uma mesma modalidade, variações podem ocorrer. Por exemplo, na natação, atletas

de elite sênior apresentam um CV menor (Pyne et al, 2004) em relação a atletas de elite junior

(Stewart e Hopkins, 2000). Tal fato poderia derivar da maior experiência competitiva de atletas

mais velhos. Em geral esportes como skeleton e speed skating apresentam os escores mais

baixos de CV (0.15-0.4%; Bullock et al, 2009). Esportes de endurance, como ciclismo (Paton et

al, 2006; CV, 0.4%), corredores de distância (Hopkins, 2005; CV, 1.0%), e cross-country

(Spencer et al, 2014; CV 1.5%) apresentaram escores moderados de CV. De modo similar,

esportes aquáticos, sob a influência de vento e água, demonstram um CV moderado para

69

canoagem velocidade (Bonetti e Hopkins, 2010; CV, 0.7-1.5%) e remo (Smith e Hopkins, 2011;

CV, 1.0%). Porém, na canoagem slalom, onde fatores externos tem grande influência,

apresentam um elevado CV 3.2%.

Conclusão

Em suma, a presente revisão reforça a necessidade do conhecimento dos fatores contribuintes,

intrínsecos e/ou extrínsecos, para a variabilidade no desempenho esportivo, com o escopo de

ajudar atletas na avaliação e identificação de estratégias eficientes para uma melhoria na

performance.

Referências











70

Mendez-Villanueva A, Mujika I, Bishop D (2010) Variability of competitive performance

assessment of elite surfboard riders. J Strength Cond Res 24:135-139

McGuigan MR, Kane MK (2004) Reliability of performance of elite Olympic weighlifters. J

Strength Cond Res 18: 650-653


competitive slalom canoe-kayak performance. Eur J Sports Sci 11:125-130.

Paton CD, Hopkins WG (2006) Variation in performance of elite cyclists from race to race. Eur

J Sports Sci 6:25-31

Pyne DB, Trewin CB, Hopkins WG (2004) Progression and variability of competitive

performance of Olympic swimmers. J Sports Sci 22:613-620



Spencer M, Losnegard T, Hallen J, Hopkins WG (2014) Variability and predictability of

performance times of elite cross-country skiers. Int J Sports Physiol Perform 9:5-11

Stewart AM, Hopkins WG (2000) Consistency of swimming performance within and between

competitions. Med Sci Sports Exerc 32:997-1001

monitoramento de mudanÇas no desempenho … · ciências da saúde, universidade norte do paraná,...

Documents