Ratio agudo crónico: cálculo, interpretación y límites

Qué es el ratio de carga aguda crónica

El ACWR, sigla de acute:chronic workload ratio, divide una medida de carga reciente entre una referencia de carga acumulada durante un período más largo. Su significado depende de la variable registrada, las ventanas elegidas y el procedimiento de promedio. Por eso, dos sistemas pueden mostrar cifras diferentes sobre la misma actividad sin que haya cambiado el entrenamiento.

La palabra «aguda» identifica aquí un intervalo de registro, por ejemplo la semana actual. «Crónica» identifica otro intervalo, como varias semanas que se utilizan para construir una referencia. Ninguna de las dos palabras describe por sí misma una enfermedad, una lesión o un estado fisiológico. Si el numerador contiene distancia recorrida, la razón compara distancia. Si contiene duración multiplicada por esfuerzo percibido, compara ese índice. No calcula directamente la tensión que recibió un tendón ni la capacidad que adquirió un músculo.

El capítulo de Johann Windt y Tim Gabbett en NSCA’s Essentials of Sport Science presenta distintas formas de cuantificar esta progresión, incluidos ratios, diferencias absolutas y cambios porcentuales. También reconoce problemas matemáticos y límites de interpretación. Es una distinción útil: la evolución del entrenamiento puede describirse de varias maneras, y elegir una no convierte su resultado en una explicación completa de lo que sucede al deportista. [1, pp. 290–292]

Supongamos, en un ejemplo hipotético, que una corredora completa 28 kilómetros esta semana y que su referencia semanal es de 20 kilómetros. El cociente es 1,4. La lectura estrictamente aritmética dice que el registro reciente equivale al 140 % de esa referencia. Para valorar el entrenamiento faltaría saber cómo se distribuyeron esos kilómetros, qué intensidad tuvieron, qué ocurrió antes y qué propósito tiene la semana. La razón ofrece una comparación; estas preguntas reconstruyen su contexto.

Esto explica por qué resulta insuficiente informar «ACWR: 1,4». Un registro comprensible podría decir «distancia total semanal, suma de siete días, dividida entre la media de cuatro semanas que incluye la actual». Esa frase permite repetir el cálculo y reconocer sus supuestos. El entrenador puede entonces relacionar el resultado con la carga externa y la carga interna, sin confundirlas ni sustituir una por la otra.

La variable elegida determina lo que se está comparando

Antes de calcular una razón hay que definir el registro que entrará en ella. Metros, minutos, lanzamientos, repeticiones o unidades de sesión responden a preguntas diferentes. Aunque sus cocientes puedan ser adimensionales, eso no vuelve equivalentes las exposiciones originales ni permite utilizar una sola escala para todas las demandas de un deporte.

En una serie de distancia, deben conservarse el dispositivo, el procesamiento y los criterios que definen cada intervalo. Si se estudian metros por encima de un umbral de velocidad, cambiar ese umbral durante el seguimiento modifica la variable. El crecimiento aparente podría reflejar la nueva definición y no una mayor exposición. La tecnología produce información utilizable cuando su significado permanece documentado, una exigencia coherente con la selección de medidas que plantea el manual de la NSCA. [1, pp. 295–296]

Con la sesión-RPE ocurre algo semejante. El índice combina duración y esfuerzo percibido según un procedimiento establecido. Una puntuación de 300 unidades puede proceder, hipotéticamente, de 60 minutos valorados con 5 o de 30 minutos valorados con 10. La igualdad del producto no vuelve idénticas las sesiones. En el primer caso hay mayor tiempo de actividad; en el segundo, una valoración más elevada. Para entenderlas hace falta conservar ambos componentes además del producto.

La cancelación de unidades se muestra mediante una operación sencilla:

A y C representan magnitudes comparables expresadas en metros. El resultado no lleva unidad, pero sigue refiriéndose a esa distancia. No se transforma en «riesgo», «fatiga» o «preparación». Si una variable se expresa en kilómetros y otra en metros, la conversión debe preceder a la división. Si proceden de conceptos diferentes, convertir unidades no resuelve el problema: comparar metros con unidades de sesión no produce el mismo ACWR.

Un caso hipotético de baloncesto ayuda a separar registros. El equipo mantiene la distancia semanal, pero sustituye parte del juego continuo por tareas de salto, frenada y lucha por posición. Un ratio de distancia cercano a uno informa que la distancia reciente se parece a su referencia. No demuestra que las acciones restantes hayan permanecido constantes. Registrar el contenido de la sesión permite advertir ese cambio sin exigir que una sola métrica represente todas las dimensiones del entrenamiento.

Schoenfeld analiza cómo gestionar la proximidad al fallo en fuerza. Un agregado semanal de tonelaje no conserva ese aspecto de las series: dos totales semejantes pueden proceder de tareas diferentes. Schoenfeld (2021, pp. 129–131).

Qué cambia al elegir siete días, cuatro semanas u otra ventana

Una ventana temporal decide qué observaciones entran en el cálculo y cuáles quedan fuera. Puede seguir semanas de calendario o desplazarse diariamente. Esta elección organiza la comparación, pero también cambia su sensibilidad a los partidos, los descansos y las interrupciones. La ventana debe corresponder a una pregunta previamente definida y mantenerse visible en el informe.

La semana de lunes a domingo resulta comprensible para planificar, pero introduce un corte administrativo. Dos partidos separados por un domingo pueden aparecer en semanas diferentes. Una ventana móvil de siete días, en cambio, conserva ambos mientras entren en ese intervalo. Ninguna opción descubre por sí sola una frontera biológica. Son formas de ordenar datos que deben interpretarse según el calendario real.

En un ejemplo hipotético, un jugador acumula 500 unidades el lunes, 400 el miércoles y 800 el sábado. Su semana suma 1700. Si la semana siguiente empieza con un partido de 900 unidades el domingo y no hay otras sesiones, la suma por semanas puede presentar 900 frente a 1700. Sin embargo, un intervalo de siete días que abarque ambos partidos incluye 1700 unidades solo de esas dos participaciones. El registro responde de manera distinta porque cambió el intervalo, no porque el jugador haya realizado dos historias diferentes.

También hay que distinguir una suma semanal de una media diaria. Si se utilizan siete días en el numerador y veintiocho en el denominador, dividir directamente ambas sumas produce una comparación entre períodos de distinta duración. Para comparar niveles diarios se normalizan las sumas por los días correspondientes. Alternativamente, puede compararse la suma de una semana con la media de varias sumas semanales. La unidad temporal de referencia debe coincidir en ambos términos.

Las ventanas cortas y largas no equivalen automáticamente a fatiga y condición física. Windt y Gabbett explican las variantes del cálculo y la posibilidad de utilizar distintos períodos; sus ejemplos no autorizan a identificar una media con una medición directa de adaptación. [1, pp. 290–292] Para estudiar una capacidad hace falta una evaluación pertinente. Para describir cuánto se hizo, hace falta una serie de exposición. Mantener estas funciones separadas evita exigir al promedio temporal una información que no contiene.

Una práctica didáctica útil consiste en dibujar el calendario antes de calcular. Se señalan las sesiones, la competencia, las ausencias y los cambios de equipo. Después se delimita cada ventana con su fecha inicial y final. El lector puede así localizar qué evento mueve el resultado y decidir si esa variación corresponde a su pregunta de seguimiento.

Los componentes de preparación y fatiga cambian en escalas distintas dentro del modelo discutido por Zatsiorsky et al. Una ventana estadística elegida para promediar carga no equivale, por ello, a un tiempo biológico de recuperación demostrado. Zatsiorsky et al. (2021, pp. 9–11).

Cómo calcular el ACWR acoplado paso a paso

La versión acoplada incluye la carga reciente tanto en el numerador como en la referencia del denominador. Si se comparan cuatro sumas semanales, la actual ocupa uno de los cuatro lugares del promedio. Este detalle modifica la operación y resulta esencial para entender por qué no coincide con una comparación que excluye la semana actual.

Sea W_t la suma de la semana actual; W_t−1, W_t−2 y W_t−3 son las tres anteriores. La media de las cuatro semanas es C_t. Para esta definición concreta:

La c indica «acoplado». La notación sirve para hacer explícita una decisión: el término W_t aparece en las dos partes. El manual de la NSCA distingue este procedimiento de su alternativa desacoplada. [1, pp. 290–292] No hay que copiar una hoja de cálculo hasta comprobar qué definición usa; varias aplicaciones pueden llamar ACWR a operaciones que no son idénticas.

En el siguiente ejemplo hipotético se registran sumas de 1000, 1100, 900 y 1600 unidades de sesión, ordenadas desde la más antigua hasta la actual. El total de las cuatro es 4600. Dividirlo entre cuatro da una referencia de 1150. El ratio de la última semana es 1600 dividido entre 1150, aproximadamente 1,391. La semana reciente equivale al 139,1 % de la referencia elegida, no al 139,1 % de una capacidad fisiológica.

Si se redondea demasiado pronto, se introduce una discrepancia evitable. Conviene calcular con los valores completos y redondear el resultado mostrado. La hoja puede conservar 1,391304 mientras el informe presenta 1,39. Tampoco se añaden unidades arbitrarias al cociente: las unidades pertenecen a sus componentes y se cancelan en la división.

El ratio por sí solo no muestra cuándo ocurrieron las sesiones. Por eso, junto al resultado se conservan la suma reciente y la referencia, con sus fechas. Una captura que únicamente enseña 1,39 impide reconstruir la operación; un informe que incluye 1600 y 1150 permite reconocer tanto el cambio relativo como la escala absoluta que lo produjo.

El ACWR desacoplado cambia la referencia histórica

La versión desacoplada excluye la carga reciente de la referencia utilizada en el denominador. Esta separación evita que una misma semana intervenga directamente en ambas partes de la razón. Sin embargo, no define por sí sola cuántas semanas anteriores se emplean. El período histórico debe declararse además de indicar que el cálculo es desacoplado.

Una comparación frecuente utiliza la semana actual frente a la media de las tres anteriores. En esa definición:

La u identifica el procedimiento desacoplado. En el ejemplo anterior, las semanas históricas suman 3000 y su media es 1000. La actual contiene 1600; el cociente es 1,6. Se obtiene una cifra mayor que 1,391 porque el incremento reciente ya no eleva su propia referencia. Es una consecuencia de la operación y no el resultado de una nueva valoración del deportista.

Otra hoja podría comparar la semana actual con las cuatro anteriores. Para eso se necesita una quinta observación. Si una aplicación elimina la actual de un promedio de cuatro semanas y otra añade una semana histórica adicional, sus denominadores contienen distinta información. Llamarlas a ambas «desacopladas» no basta para hacer equivalentes sus resultados. El capítulo de la NSCA presenta la variante de tres semanas previas; conviene conservar esa precisión al citar su procedimiento. [1, pp. 290–291]

La relación entre las dos primeras versiones puede deducirse sin datos de laboratorio. Si las tres semanas previas tienen una media B y la actual vale A, el ratio desacoplado es u=A/B. El acoplado utiliza (A+3B)/4. Entonces:

Esta identidad corresponde únicamente a una semana actual y tres históricas, con cargas no negativas y B mayor que cero. Si u=1, ambas razones valen uno. Si u=1,6, la acoplada vale aproximadamente 1,391. Si u=3, vale dos. La transformación comprime incrementos grandes porque A también crece dentro del denominador. Mostrar ambas fórmulas ayuda a entender la diferencia sin atribuirla a «mejor» o «peor» recuperación.

Una decisión de seguimiento necesita elegir una definición consistente, no cambiar de versión para obtener un color más conveniente. Si se modifica el cálculo, se registra la fecha y se recalculan los datos históricos comparables cuando sea posible. De otro modo, la serie mezcla operaciones y el cambio aparente puede ser puramente metodológico.

Qué significa el acoplamiento matemático

El acoplamiento matemático aparece cuando variables que se comparan comparten componentes de su cálculo. En el ACWR tradicional, la carga reciente participa en la razón y en la referencia histórica. Este vínculo puede generar relaciones estadísticas dependientes de la construcción de la métrica, por lo que deben distinguirse de relaciones biológicas descubiertas mediante observación independiente.

El fenómeno puede verse con los datos hipotéticos anteriores. Mantengamos en 3000 la suma de las tres semanas históricas y variemos solo A, la semana actual. El ratio acoplado pasa a ser 4A/(A+3000). Para A=1000, vale uno; para A=2000, vale 1,6; para A=3000, vale dos. El cambio del numerador eleva también el denominador. La asociación entre las dos partes ha sido introducida parcialmente por la operación.

Esta definición tiene además un límite algebraico. Con cargas históricas no negativas y un numerador positivo, el promedio de cuatro semanas no puede ser menor que A/4. Por tanto, el ratio acoplado no puede superar cuatro. Si las tres semanas anteriores suman una cantidad positiva, queda por debajo de cuatro; se aproxima a ese límite al aumentar A. Una planilla que supera cuatro usando exactamente esta fórmula necesita revisión: podría contener números negativos, otro período o una operación distinta.

El límite no es un umbral corporal. No dice que cuatro sea una exposición tolerable ni que los tejidos puedan manejar un incremento hasta ese punto. Describe únicamente una propiedad del cociente. La versión desacoplada no posee ese mismo techo algebraico cuando el denominador histórico permanece fijo y positivo. Comparar los rangos de ambas series sin atender a esta diferencia puede producir interpretaciones engañosas.

Impellizzeri y colaboradores examinaron en 2020 las dificultades conceptuales del ACWR: ambigüedad, problemas de normalización y ausencia de una relación causal demostrada que justificara manipular la razón para reducir lesiones. Su análisis incluye razones para no convertir un índice construido en una recomendación preventiva. Aquí interesa una consecuencia concreta: separar los términos compartidos puede resolver una parte de la estructura matemática, pero no demuestra la utilidad causal del resultado. [2]

En docencia, resulta esclarecedor pedir dos gráficos diferentes: uno de carga reciente frente a referencia y otro de carga reciente frente a ratio. El alumnado observa qué transformaciones creó la división. Después puede comparar dos pares que produzcan la misma razón y comprobar qué información desaparece. La matemática ayuda así a delimitar la pregunta científica, en lugar de servir como apariencia de precisión para una afirmación que los datos no sostienen.

Dos cargas distintas pueden producir el mismo ratio

Una razón resume una relación proporcional y descarta parte de la escala original. Dos pares muy diferentes pueden compartir el mismo cociente. Esta propiedad no constituye un error de cálculo, pero sí un límite de representación. Para comprender el entrenamiento deben mantenerse disponibles el numerador, el denominador y la distribución temporal, además de la razón presentada.

Consideremos dos ejemplos hipotéticos desacoplados. El primer registro contiene 800 unidades recientes y una referencia de 500. El segundo contiene 3200 y una referencia de 2000. Ambos ratios valen 1,6. El aumento absoluto es de 300 unidades en el primer caso y de 1200 en el segundo. La igualdad del cociente conserva la proporción y oculta la diferencia de escala.

Puede expresarse de forma general: si A y C se multiplican por el mismo número k, mayor que cero, la razón no cambia. La identidad es:

En cambio, la diferencia absoluta pasa de A−C a k(A−C). Por eso, un entrenador que solo conserva el ratio no sabe si está viendo una semana breve respecto a una historia breve o una semana extensa respecto a una historia extensa. Tampoco conoce la distribución de intensidades. Las preguntas sobre experiencia y contenido se pierden antes de que aparezca cualquier discusión sobre lesiones.

Otro ejemplo hipotético muestra el problema dentro de una sola persona. En un mes se registran 20 kilómetros recientes frente a una media de 20; en otro, 50 frente a 50. El ratio es uno en ambos casos. El segundo período contiene más distancia. Eso no permite declarar automáticamente que sea mejor, peor o más peligroso: habría que comparar las tareas, la progresión y el contexto. Sí permite afirmar que uno no equivale a «misma carga absoluta».

La descomposición ofrece una lectura más completa: A informa lo reciente; C informa la referencia construida; A−C informa la diferencia en la unidad original; A/C informa la proporción. Estas expresiones son matemáticamente relacionadas, pero presentan aspectos distintos. En un informe breve puede mostrarse A y C junto al ratio y conservar el calendario detrás. Se evita así que la simplificación inicial cierre prematuramente las preguntas relevantes.

El manual de la NSCA admite diferentes maneras de describir progresiones, incluidas diferencias absolutas y relativas. [1, p. 290] La elección depende de lo que se desea reconocer. Si la pregunta es cuánto volumen adicional se realizó, la diferencia absoluta responde directamente. Si la pregunta es cuánto representa respecto a una referencia, la proporción resulta pertinente. Confundir esas preguntas no añade profundidad al seguimiento.

Qué añade una media móvil exponencial

Una media móvil exponencial asigna más peso a los registros recientes y menos a los anteriores, según un parámetro elegido. Puede utilizarse para construir referencias de carga con distinta rapidez de actualización. Este procedimiento modifica la forma de resumir el tiempo; no convierte el promedio en una medida directa de adaptación ni valida un umbral de lesión.

La operación puede escribirse como:

L_t es el registro del día; E_t−1 es la estimación anterior. Lambda indica cuánto influye el dato nuevo. Un valor alto actualiza con rapidez; uno bajo conserva más influencia de la historia. El primer valor de E también debe definirse. No basta con activar una opción llamada EWMA, sigla de exponentially weighted moving average, sin conocer estas decisiones.

En un ejemplo didáctico original, fijemos E₀=100 y lambda=0,25. La serie de tres días 100, 200 y 0 produce medias exponenciales de 100, 125 y 93,75. Si se cambia el orden a 0, 200 y 100, los resultados son 75, 106,25 y 104,6875. Ambas series suman 300 y tienen media aritmética 100. La estimación exponencial final difiere porque conserva información sobre el orden y el peso temporal.

Estos números no describen deportistas. Sirven para comprobar la operación y entender por qué un mismo volumen agregado puede generar una referencia distinta. Una media semanal convencional no distingue esos dos órdenes; una recursión exponencial sí. La elección entre ambas exige pensar qué variación se desea representar y qué grado de suavizado es útil para esa pregunta.

Para obtener un ACWR exponencial se construyen dos estimaciones con parámetros diferentes y después se divide la de actualización más rápida entre la más lenta. La elección de parámetros y la inicialización afectan el cociente. El capítulo de la NSCA advierte sobre esos aspectos, incluido el problema del valor inicial. [1, p. 292] Debe evitarse describir ambas referencias como si midieran dos compartimentos fisiológicos independientes.

Una hoja reproducible conserva el parámetro, el dato inicial y la serie diaria. Si la primera semana comienza con registros incompletos, no se oculta el problema mediante un valor por defecto sin documentarlo. Antes de interpretar una variación se distingue si cambió la exposición, el procedimiento o la información disponible. Esta comprobación resulta especialmente necesaria cuando dos programas comerciales ofrecen curvas distintas a partir de un archivo similar.

Carga cero, datos ausentes y denominadores pequeños

Un día sin actividad y un día sin registro no son la misma observación. El primero puede representar una exposición realmente nula; el segundo indica información desconocida. Si ambos se guardan como cero, cambia la historia utilizada en el denominador y se produce un ratio aparentemente preciso sobre una base que contiene decisiones ocultas.

La diferencia se aprecia en un ejemplo hipotético. Tres semanas históricas tienen 1000, 1000 y un valor desconocido. Si se sustituye el dato ausente por cero, la referencia se convierte en 666,67. Una semana actual de 1200 produce una razón de 1,8. Si la semana desconocida hubiera sido realmente de 1000, la referencia correcta sería 1000 y la razón 1,2. La sustitución arbitraria crea un incremento aparente que no puede atribuirse al entrenamiento.

Omitir el dato ausente tampoco es una solución automática. Promediar solo las dos semanas conocidas modifica el período representado. Puede ser una estimación útil para una pregunta limitada, pero debe describirse como tal. La ausencia puede obedecer a una sesión no contestada, un dispositivo descargado o actividad realizada con otro equipo. Esas posibilidades se investigan antes de completar la casilla.

Si el denominador es cero, la división queda indefinida. Una semana actual de 400 unidades después de tres semanas de exposición nula no genera un ACWR finito. Es preferible informar «sin referencia positiva para calcular esta razón» y mostrar la serie. Añadir uno al denominador o un valor mínimo inventado permite obtener una cifra, pero cambia la métrica; no representa un cálculo equivalente.

Con una referencia positiva muy pequeña, el ratio puede resultar muy elevado. Supongamos 60 unidades recientes frente a una referencia de 10: la razón es seis, aunque la diferencia absoluta sea 50. Esto no demuestra una exposición extensa. Describe una proporción respecto a una base reducida. Al comenzar un período de entrenamiento o volver de una interrupción, conservar los valores originales resulta más informativo que comparar automáticamente esa razón con la de alguien que acumula otra historia.

Windt y Gabbett señalan que el seguimiento longitudinal necesita registrar la participación y abordar los datos ausentes cuando no pueden medirse ciertas actividades. [1, p. 295] En una planilla docente pueden diferenciarse «0: no hubo actividad», «NA: dato no disponible» y «estimado: método documentado». La misma distinción se conserva al exportar. Un formato limpio no convierte lo desconocido en una observación real.

El orden temporal cambia la pregunta sobre lesiones

Relacionar cargas con lesiones requiere situar cada evento en el tiempo. Una suma semanal puede incluir entrenamiento realizado antes y después de una lesión. Si esta reduce la participación, la carga final también cambia. Sin reconstruir esa secuencia, es posible interpretar como causa un registro que contiene parte de las consecuencias del propio evento.

En un caso hipotético, una jugadora tenía previstas cinco sesiones de 200 unidades. Completa dos, aparece un problema que interrumpe su participación y las otras tres no se realizan. La suma observada es 400, no 1000. Si se compara ese total con el de compañeras que completaron toda la semana, el grupo con el problema parece haber entrenado menos. No se puede deducir que la menor suma lo produjo: parte de la reducción ocurrió después.

El problema puede persistir aunque la hoja conserve fechas semanales. Es necesario saber si la ventana termina antes del evento, si incluye el día del evento o si utiliza datos posteriores. Una razón calculada al finalizar el domingo responde a una pregunta diferente de una razón disponible antes de la sesión del martes. Solo la segunda habría estado disponible para una decisión tomada ese martes.

Por eso, una propuesta de predicción tiene que definir qué se sabe en el momento de hacerla. Utilizar retrospectivamente datos posteriores como si estuvieran disponibles antes del desenlace introduce información futura. Una buena clasificación del archivo histórico no demuestra que el sistema pueda anticipar un evento en tiempo real. La distinción entre asociación y predicción forma parte del capítulo de la NSCA, que también subraya el carácter longitudinal y repetido de los datos. [1, pp. 295–296]

La exposición presenta otra dificultad. Quien participa durante más tiempo tiene más oportunidades de experimentar determinados eventos deportivos. Comparar números de lesiones sin conservar participación puede mezclar exposición y susceptibilidad. Un equipo que juega dos encuentros no equivale a otro que juega uno, aunque cada semana ocupe una sola fila. La definición del resultado y de la población expuesta debe acompañar cualquier análisis.

En una actividad académica, puede pedirse que el alumnado reconstruya una línea temporal con el plan, la actividad realizada y el evento observado. Después se marca qué información habría estado disponible en cada fecha. Esta tarea no diagnostica ni prescribre entrenamiento; enseña a formular una pregunta investigable. La secuencia revela errores que una correlación presentada con varios decimales puede ocultar.

Asociación, predicción y prevención son afirmaciones diferentes

La asociación describe cómo aparecen relacionados ciertos datos; la predicción estima un resultado futuro bajo condiciones definidas; la prevención exige demostrar que una intervención modifica ese resultado. Estas funciones necesitan evidencia distinta. Un índice puede formar parte de una descripción útil sin haber sido validado para anticipar lesiones ni para evitarlas mediante su manipulación.

La diferencia se entiende mediante un ejemplo hipotético ajeno a una prescripción deportiva. Un archivo muestra más incidentes durante jornadas con mayor participación. Eso establece una relación dentro del archivo si el análisis es adecuado. Para predecir, habría que comprobar qué ocurre en jornadas nuevas y cuánto se equivoca el sistema. Para atribuir un efecto preventivo a reducir la participación, habría que evaluar esa intervención y considerar sus consecuencias y factores concurrentes.

En el entrenamiento, un ratio puede coincidir con un período de calendario congestionado, un cambio de tareas o el regreso de una ausencia. El número no permite identificar por sí solo cuál de estos procesos explica el desenlace. Tampoco distingue una relación dentro de la misma persona de una diferencia entre personas con trayectorias diferentes. La NSCA advierte que las mediciones repetidas están agrupadas por deportista y que la elección analítica debe atender a esa estructura. [1, p. 296]

Una predicción individual necesita informar, además, errores. Si un panel clasifica muchos días como problemáticos y casi ninguno termina en lesión, produce numerosos avisos que no corresponden al desenlace. Si casi todos los días se clasifican como normales, una elevada proporción global de aciertos puede coexistir con una detección escasa de lesiones. El porcentaje de acierto no basta para valorar el servicio que el modelo ofrece.

La calibración plantea otra pregunta: entre situaciones a las que el modelo asigna una probabilidad, ¿con qué frecuencia aparece realmente el resultado? La discriminación pregunta si ordena adecuadamente casos con y sin desenlace. Son preguntas estadísticas diferentes de comprobar que una razón aumentó. Aquí se mencionan como criterios de lectura, no como propiedades ya demostradas de una planilla ACWR concreta.

Una descripción cuidadosa utiliza verbos adecuados. «El registro reciente superó su referencia» puede sostenerse mediante el cálculo. «La razón se asoció con lesiones en esta muestra» requiere un estudio pertinente. «Este jugador se lesionará» exigiría una certeza que el índice no ofrece. «Mantenerlo en esta banda reduce lesiones» requiere evidencia de intervención. Cambiar el verbo sin cambiar la evidencia es justamente el salto que debe evitarse al comunicar resultados.

Kiely cuestiona resultados de adaptación proporcionalmente previsibles a partir de cargas similares. Ese argumento contextual no valida ni invalida una fórmula concreta; recuerda que la respuesta individual requiere investigación y no se deriva del cociente por definición. Kiely (2022), en Joyce y Lewindon.

Qué encontró un ensayo sobre gestión de carga mediante ACWR

Evaluar una intervención es distinto de reconstruir una asociación histórica. Un ensayo por equipos permite comparar una estrategia de gestión con la práctica habitual, aunque la ejecución y el seguimiento introduzcan limitaciones. El resultado debe atribuirse a la población, al procedimiento y al período investigados, sin presentarlo como una respuesta definitiva para cualquier deporte.

Dalen-Lorentsen y colaboradores estudiaron una temporada de fútbol juvenil noruego. Aleatorizaron 34 equipos; tras las retiradas y la ausencia de datos de resultado, analizaron 394 jugadores. La intervención ayudaba a planificar con un ACWR acoplado de siete frente a veintiocho días y una banda de 0,8–1,5. No redujo la prevalencia de problemas de salud respecto al control: la diferencia fue 1,8 puntos porcentuales, con intervalo de −4,1 a 7,7. [3, métodos y resultados]

El ensayo examinó problemas de salud, no solamente una lesión tisular concreta. Hubo abandonos y respuestas incompletas; estas limitaciones importan para leerlo. Su resultado no respalda anunciar eficacia preventiva de aquella intervención, pero tampoco equivale a demostrar que toda organización de la carga sea inútil. El contexto y la implementación forman parte de lo que se evaluó. [3, discusión]

Investigar carga reciente e historia sin reducirlas a una razón

La razón no es la única forma de conservar carga reciente e historia dentro de una investigación. Pueden analizarse como variables separadas, con sus unidades y relaciones temporales. Esta alternativa permite formular preguntas que el cociente comprime, aunque exige datos suficientes, decisiones estadísticas justificadas y una interpretación que no confunda un modelo ajustado con una intervención eficaz.

Un ejemplo matemático original muestra la diferencia. Los pares (800, 500) y (3200, 2000) ocupan posiciones diferentes en un plano de carga reciente e histórica. La división los coloca en el mismo valor, 1,6. Un análisis con ambas variables conserva esa distancia entre posiciones; uno basado solo en la razón la descarta. Conservar información no garantiza que un modelo sea válido, pero permite examinar preguntas que el resumen unidimensional ya no puede responder.

Bache-Mathiesen y colaboradores propusieron en 2024 modelar por separado ambas cargas. Utilizaron registros del fútbol de Catar y de una cohorte noruega sub-19, y examinaron relaciones no lineales y efectos de actividades pasadas. El trabajo plantea una metodología de investigación, no una regla de dosificación. Además, identifica dificultades de estimación en ciertos modelos y señala que la reducción de actividad por lesión puede influir en las relaciones observadas. [4, métodos, resultados y discusión]

La propuesta permite diferenciar dos ideas: una misma carga reciente puede aparecer sobre historias distintas, y una misma historia puede acompañar cargas recientes distintas. Para representarlas didácticamente no hacen falta probabilidades inventadas. Basta dibujar el plano, localizar pares hipotéticos y preguntar qué observaciones comparten y cuáles difieren. Las curvas de probabilidad solo deben mostrarse cuando proceden de un modelo real identificado o de una simulación explícitamente delimitada.

También se puede separar la actividad actual de la historia diaria sin resumir toda esta última mediante una media. Esto abre preguntas sobre el tiempo transcurrido desde determinadas exposiciones. Sin embargo, un método más complejo incorpora supuestos y demanda información suficiente. Elegir un algoritmo por su sofisticación no resuelve los errores de registro, la ausencia de variables relevantes o un desenlace mal definido. La NSCA insiste en alinear teoría, datos y análisis antes de informar resultados. [1, pp. 287, 295–296]

En la práctica docente, estas comparaciones pueden enseñarse con conjuntos pequeños que no simulen estudios clínicos. El objetivo es reconocer qué se conserva al cambiar de representación. Después se puede leer un artículo preguntando cómo define sus ventanas, qué variable mide, cómo sitúa las lesiones y qué límites admite. La lectura crítica se apoya así en operaciones comprendidas, no en una aceptación automática de la fórmula más reciente.

Un caso hipotético para interpretar el calendario de un equipo

Un caso de seguimiento gana claridad cuando conserva la actividad prevista y la efectivamente realizada. La razón puede incorporarse como una descripción secundaria, junto con sus componentes y las condiciones del registro. El siguiente ejercicio es hipotético: sus números no proceden de deportistas reales y no constituyen un programa preventivo ni una prescripción de carga.

Un equipo organiza cuatro semanas con un mismo procedimiento de sesión-RPE. La historia de una jugadora contiene 1200, 1400 y 1000 unidades. La semana actual registra 1800. Su referencia desacoplada de tres semanas es 1200 y la razón vale 1,5. En el cálculo acoplado, la referencia de cuatro semanas es 1350 y la razón aproximadamente 1,333. La misma actividad recibe dos números porque se usan dos denominadores.

La planificación preveía 1500 unidades actuales, pero se añadió un partido. El informe conserva esa explicación: «Se realizó una participación competitiva adicional respecto al plan». No la traduce automáticamente a fatiga, lesión o capacidad. La decisión deportiva necesita revisar qué sesiones y tareas componen la suma, cómo se percibieron y qué cambios se observaron en los registros que el equipo utiliza.

Otra jugadora tiene una historia de 400, 600 y 500 unidades y una semana actual de 750. Su media histórica también produce una razón de 1,5. Compararla con la primera solo por el cociente oculta las diferencias de exposición. Puede haber menos participación competitiva, una función diferente o una historia incompleta. El ejemplo no decide cuál tolerará mejor una actividad; muestra por qué debe conservarse la información anterior a la división.

El grupo de trabajo puede organizar su conversación alrededor de cuatro documentos: el calendario realizado, la definición del índice, las respuestas registradas y el objetivo de la próxima sesión. La matemática permite verificar el cociente; el calendario permite localizar el cambio; las respuestas aportan observaciones de otra dimensión; el objetivo orienta la planificación. No se exige que el ratio decida por sí solo.

La utilidad docente está en pedir una justificación escrita. Una respuesta como «reduzco todo porque está rojo» no identifica la operación ni la actividad que cambió. Una explicación que distingue el partido adicional, el cálculo elegido y los datos disponibles puede ser discutida y revisada. Si aparece un problema de salud, la revisión del entrenamiento acompaña la evaluación profesional correspondiente; la cifra no la sustituye.

El ejercicio puede ampliarse modificando una sola condición: retirar una semana de referencia, añadir una ausencia conocida o cambiar el día de cierre. El alumnado recalcula y explica por qué se movió la cifra. Esta comparación enseña a interpretar la dependencia metodológica del indicador sin fabricar desenlaces médicos para hacer más llamativo el caso.

Cómo organizar un registro reproducible y comprensible

Un registro útil permite volver desde el resultado hasta las observaciones que lo generaron. Para ello necesita fechas, variables definidas, participación, calidad del dato y reglas de cálculo. El informe puede ser breve, pero la historia debe conservarse. Esta trazabilidad facilita revisar discrepancias y comunicar decisiones sin convertir cada cambio del panel en una explicación fisiológica.

La primera capa contiene observaciones: fecha, actividad, duración o magnitud externa, percepción cuando corresponda, y estado del registro. La segunda agrega según un período definido. La tercera construye la referencia y calcula el ratio cuando el denominador lo permite. La cuarta comunica sus límites junto a la pregunta que motivó el seguimiento. Separar estas capas permite corregir un dato sin perder el procedimiento que transforma la serie.

Una columna puede guardar la suma reciente, otra la referencia y otra la razón. Junto a ellas, una definición breve identifica «acoplado, cuatro semanas» o «desacoplado, tres anteriores». El archivo conserva el dato original incluso si la presentación muestra un decimal. Si un resultado no puede calcularse, el motivo debe diferenciar denominador cero, historia insuficiente y datos ausentes.

Las actividades realizadas fuera del equipo merecen una regla explícita. Si la pregunta trata de toda la exposición deportiva, ignorar partidos escolares o sesiones con otra organización recorta la historia. Si la pregunta se limita a la carga registrada dentro del club, el informe debe decirlo. Ambas decisiones pueden ser comprensibles dentro de un propósito, pero no representan el mismo conjunto de actividad.

La selección de indicadores también debe respetar la viabilidad. La NSCA señala que cada medida añade tareas de recogida, limpieza, análisis y comunicación. [1, p. 295] Una hoja con menos variables bien definidas puede responder mejor a una pregunta concreta que un panel extenso de registros discontinuos. La calidad no depende de la cantidad de colores o cifras disponibles.

En una clase de Educación Física, el propósito puede ser que los estudiantes aprendan a describir actividad y percibir esfuerzo, sin clasificarlos por riesgo individual. El seguimiento se adapta a la edad, a la comprensión del registro y al contexto. La referencia de un deportista profesional no se traslada al alumnado mediante una banda de colores. Un ejercicio matemático sobre ratios puede realizarse con datos ficticios y seguir siendo científicamente formativo.

El resultado de este proceso es una pregunta mejor delimitada: cuánto se hizo, respecto a qué historia y con qué grado de información disponible. Si se desea estudiar adaptación, rendimiento o salud, se requieren observaciones apropiadas para esos resultados. El cálculo queda en su lugar: una forma de resumir exposición, cuya claridad depende de poder reconstruir lo que resume.

Bompa y Buzzichelli relacionan la resistencia con el propósito de cada fase. Registrar esos cambios aporta contexto al ACWR, cuyo cociente no identifica el objetivo del trabajo que resume. Bompa y Buzzichelli (2022, p. 73).

Preguntas frecuentes sobre el ACWR

Las preguntas habituales mezclan el significado de la operación con expectativas sobre rendimiento y salud. Responderlas requiere separar lo que puede comprobarse en una hoja de cálculo de lo que necesita evidencia científica adicional. Las siguientes respuestas sintetizan los criterios del texto y mantienen visibles sus definiciones, sin atribuir a una cifra funciones que no contiene.

¿Qué es la carga aguda en el ACWR?

Es el registro reciente elegido para el numerador, como la suma de una semana. «Aguda» describe esa ventana temporal. Hay que indicar qué variable contiene, sus fechas y si procede de actividad completa o parcial. No equivale automáticamente a una medida de fatiga ni a un problema de salud.

¿En qué se diferencian el cálculo acoplado y el desacoplado?

El acoplado incluye la carga reciente dentro de la referencia del denominador; el desacoplado la excluye. También hay que especificar cuántos períodos históricos se utilizan. Con tres semanas previas de media 1000 y una actual de 1600, el desacoplado vale 1,6 y el acoplado de cuatro semanas aproximadamente 1,391.

¿Un ACWR de uno significa que la carga es adecuada?

Significa que el numerador coincide con la referencia elegida. No determina por sí solo la adecuación del entrenamiento. Dos historias de distinta magnitud pueden dar uno; además, la razón no conserva todas las tareas, intensidades y respuestas. Su interpretación debe relacionarse con el propósito y con los datos originales.

¿Qué ocurre si la carga crónica es cero?

La división no está definida. Debe mostrarse la historia y explicar que no hay una referencia positiva para esa razón. Añadir un número artificial al denominador cambia la operación. Un dato ausente tampoco debe confundirse con un cero observado: primero se identifica por qué falta y qué información puede recuperarse.

¿El ratio agudo crónico permite prevenir lesiones?

No hay fundamento para prometer prevención individual a partir del cociente. Calcular exposición, observar una asociación y demostrar que una intervención reduce lesiones son tareas diferentes. El ensayo de gestión mediante una modalidad concreta de ACWR descrito en el texto no mostró una reducción de problemas de salud frente a la práctica habitual.

Referencias

1. French, D. N., & Torres Ronda, L. (Eds.). (2022). NSCA’s essentials of sport science. Human Kinetics. Capítulo 19, «Injury risk model», de Johann Windt y Tim Gabbett, pp. 287, 290–292, 295–296. Ficha editorial.
2. Impellizzeri, F. M., Tenan, M. S., Kempton, T., Novak, A., & Coutts, A. J. (2020). Acute:Chronic workload ratio: Conceptual issues and fundamental pitfalls. International Journal of Sports Physiology and Performance, 15(6), 907–913. https://doi.org/10.1123/ijspp.2019-0864. Resumen original y metadatos del editor.
3. Dalen-Lorentsen, T., Bjørneboe, J., Clarsen, B., Vagle, M., Fagerland, M. W., & Andersen, T. E. (2021). Does load management using the acute:chronic workload ratio prevent health problems? A cluster randomised trial of 482 elite youth footballers of both sexes. British Journal of Sports Medicine, 55(2), 108–114. https://doi.org/10.1136/bjsports-2020-103003. Publicación anticipada en 2020; número de revista de 2021.
4. Bache-Mathiesen, L. K., Andersen, T. E., Dalen-Lorentsen, T., Tabben, M., Chamari, K., Clarsen, B., & Fagerland, M. W. (2024). A new statistical approach to training load and injury risk: Separating the acute from the chronic load. Biology of Sport, 41(1), 119–134. https://doi.org/10.5114/biolsport.2024.127388.
5. Joyce, D., & Lewindon, D. (Eds.). (2022). High-performance training for sports (2nd ed.). Human Kinetics. Consulta de extractos editoriales de los capítulos de John Kiely y Duncan N. French: Managing mental and physical stressors; How to translate athletic qualities into sport performance.
6. Schoenfeld, B. J. (2021). Science and development of muscle hypertrophy (2nd ed.). Human Kinetics. Ficha editorial.
7. Zatsiorsky, V. M., Kraemer, W. J., & Fry, A. C. (2021). Science and practice of strength training (3rd ed.). Human Kinetics. Ficha editorial.
8. Bompa, T. O., & Buzzichelli, C. A. (2022). Periodization of strength training for sports (4th ed.). Human Kinetics. Ficha editorial.