Big data technologie voor detectie overbelasting sporters

Er ontstaan in Nederland veel blessures als gevolg van overbelasting in alle lagen van de sport. Hoe kunnen deze blessures worden voorkomen? Insteek van dit project is het gebruik van (sensor)technologie en big data analyse voor het vroegtijdig detecteren van signalen van overbelasting en daarmee het voorkomen van blessures.
Een grote hoeveelheid technologie wordt momenteel al gebruikt voor het meten aan sporters (quantified self). Professionele sportclubs investeren in dure systemen. Diepte-interviews tonen echter aan dat er twee grote problemen zijn: ten eerste de grote hoeveelheid data en ten tweede de kennis voor een juiste interpretatie van de data benodigd voor een omzetting naar een trainingsadvies.
Computermodellen opgebouwd uit systematische data-analyse van de enorme hoeveelheden trainingsdata en aangevuld met domeinkennis kunnen deze problemen oplossen. Er is behoefte aan een systeem waarin informatie uit verschillende bronnen in één systeem wordt opgeslagen en toegankelijk gemaakt om vervolgens geïntegreerd geanalyseerd te kunnen worden. Individuele profielen moeten gebouwd worden uit de data voor een snelle, automatische interpretatie. Hiermee kan grensbewaking voor overbelasting plaatsvinden en kunnen trainingsaanpassingen gedaan worden waar nodig.
Vanuit deze behoefte richt het project zich op de praktijkvraag “Hoe kunnen we een praktisch toepasbaar gereedschap ontwikkelen dat valide de externe en interne trainingsbelasting kan meten, de (para)medische staf en/of fysiek trainer helpt bij het detecteren van (potentiële) overbelasting en daarmee helpt bij het plegen van de juiste interventies voor het voorkomen van blessures?”.
Het principe van een dergelijke ‘belastingmonitor’ is al aangetoond. Voor een volwaardig prototype zal echter zowel het computermodel als de gebruikersapplicatie technisch gezien moeten worden doorontwikkeld, geoptimaliseerd, uitgebreid en vooral getest. Daar richten de onderzoeksvragen van dit project zich op. De focus ligt in eerste instantie op het (betaalde) voetbal, maar kan ook naar andere teamsporten en de breedtesport vertaald worden.

Eindrapportage

Er ontstaan in Nederland veel blessures als gevolg van overbelasting in
alle lagen van de sport. Hoe zouden deze blessures voorkomen kunnen
worden?
Er wordt momenteel veel gemeten aan sporters (quantified self).
Professionele sportclubs investeren in dure systemen en verzamelen
grote hoeveelheid aan data. Hoe kunnen deze data gebruikt worden om
overbelasting (voorbode van blessures) te detecteren en dat om te
zetten in een passend trainingsadvies? Het gebruik van data is nog
beperkt en het succes van een goed trainingsadvies is nog altijd sterk
afhankelijk van onderbuikgevoel van een coach.
Het idee van dit project was om bestaande (sensor)technologie te
gebruikt in combinatie met data-analyse en inzichten vanuit de literatuur
om individuele profielen op te bouwen voor snelle, automatische
interpretatie. Op deze manier kunnen de signalen van overbelasting
vroegtijdig gedetecteerd worden, wat blessures kan voorkomen.
Binnen dit project hebben we een tool (belastingmonitor) ontwikkeld die
de (para)medische staf en/of fysieke trainer helpt om potentiële over- en
onder-belasting van sporters inzichtelijk te maken. Met deze tool kan de
trainer (zelf) een optimaal trainingsprogramma opstellen, rekening
houdend met de belastbaarheid van de speler, waarbij de kans op
blessures wordt geminimaliseerd en de fitheid wordt gemaximaliseerd.
Hierbij wordt gebruik gemaakt van machine learning om
voorspellingsmodellen te maken op basis van de verzamelde data. De
tool maakt het mogelijk om data van verschillende meetsystemen (van
bij het project betrokken clubs) te combineren. De software is zodanig
opgebouwd dat uitbreiding naar andere meetsystemen eenvoudig kan
worden gerealiseerd.
De vervolg stap van dit project is om de tool als opensource beschikbaar
te stellen aan meer prof- en/of amateur voetbalclubs.
Ook werd er een nieuwe 4D-sensor technologie ontwikkeld om
spelerpositie en beweging bij volleybal continue te meten. Dit maakt het
in principe mogelijk om positiespel en spelactie te herkennen en de
kwaliteit van de speleractie te analyseren voor het monitoren van balans
tussen (over)belasting en performance.