Se trata de ‘Footballer Workload Footprint’ (FWF), o ‘Huella del futbolista’, como la llaman los firmantes del estudio.

Es una representación matemática y computacional de las cargas externas de entrenamiento y competición, obtenidas mediante GPS.

Gracias a técnicas inspiradas en el procesado de señales y en en el cálculo diferencial e integral, los investigadores han conseguido transformar la información en variables aptas para su análisis por medio de modelos de aprendizaje automático (inteligencia artificial).

A partir de esta aplicación se ha llevado a cabo un estudio, cuyos resultados se publicaron en la revista científica 'Plos One'.

Estos proponen una mejora sustancial de los métodos tradicionales de control de carga física como el ‘Acute Chronic Workload Ratio', muy utilizado hoy día en todos los clubes de fútbol de primer nivel.

Este tipo de herramientas ofrecen a los clubes una ventaja estratégica, permitiendo anticiparse a los riesgos y tomar decisiones más inteligentes sobre el entrenamiento de la plantilla.

“Dentro del cuerpo técnico, esta solución es útil para preparadores físicos, readaptadores y servicios médicos, puesto que identifica perfiles de riesgo y ajusta las cargas de los futbolistas en tiempo real, con base empírica y trazabilidad”, declaró Antonio M. Mora, profesor titular del Departamento de Teoría de la Señal, Telemática y Comunicaciones en la UGR.