Introducción

El fútbol es probablemente el deporte más popular del mundo, con millones de jugadores activos a nivel mundial. Como lo explican ^{Jones y Drust (2007}), el rendimiento en el fútbol es el resultado de las capacidades fisiológicas y psicológicas de los jugadores, factores sociales, y las habilidades técnicas y tácticas. Actualmente, este juego demanda altas intensidades, con el fin de ejecutar un rendimiento dinámico y rápido (^{Safania, Alizadeh & Nourshahi, 2011}). Las demandas exigidas en este deporte, conllevan a que los esfuerzos de alta intensidad se entremezclan con periodos de carga de baja intensidad (Romero, 2015), requiriendo entonces que el personal profesional de campo mejore sus metodologías durante el entrenamiento, con el propósito de lograr adaptaciones fisiológicas y de desempeño requeridos para los cambios en la dinámica del juego.

Debido a la gran influencia de esta disciplina, la tecnología se ha convertido en una herramienta esencial para mejorar la calidad y la eficiencia del juego. Avances recientes en los recursos tecnológicos permiten mantener mejores controles en el entrenamiento y obtener planificaciones y prescripciones más rigurosas y precisas en las cargas de entrenamiento (^{Barbero, Vera & Castagna, 2006}; ^{Casamichana & Castellano, 2010}).

Actualmente, la tecnología como monitores de ritmo cardíaco, analizadores de lactato, Sistemas de Posicionamiento Global (GPS), monitores de frecuencia respiratoria, termómetros de monitorización remota, análisis de video, entre otros dispositivos han facilitado las mediciones, evaluaciones y seguimiento de las demandas fisiológicas en deportes como el fútbol (^{Barbero et al. 2006}, ^{Casamichana y Castellano, 2010}, ^{Hill-Haas, Dawson, Impellizzeri & Coutts, 2011}). Estos dispositivos permiten un mejor control en el entrenamiento y la ejecución de los jugadores, ya sea durante la práctica o en los juegos oficiales.

^{Daneshjoo, Halim, Rahnama y Yusof (2013}) y ^{Stolen, Chamari, Castagna y Wisloff (2005}) mencionan que estos avances tecnológicos permiten detectar cambios como variaciones en la intensidad del juego, en el fútbol se combinan varias acciones intermitentes de alta intensidad y de corta duración, y ejercicios de base aeróbica, lo que repercute en las características morfológicas y mecánicas de los miembros inferiores, tales como mayor rigidez y tono muscular (^{Kubo, Kanehisa, Ito & Fukunaga, 2001}).

En el fútbol, los juegos con dimensiones reducidas (SSG) se utilizan como un método para lograr altas intensidades simulando las características de un juego oficial (Aguilar et al.,

2012; ^{Casamichana, Castellano, González, García y García, 2011}; ^{Katis & Kellis, 2009}; ^{Safania, Alizade & Nourshahi, 2011}). Esta actividad de entrenamiento es una adaptación de la situación del juego real aplicada en la práctica, variando las dimensiones del terreno de juego, reduciendo el número de jugadores participantes y modificando las reglas oficiales, como la participación del portero y la duración del trabajo físico (Casamichana & Castilian , 2010; Casamichana y Castellano, 2011; ^{Dellal et al., 2012} ; ^{Hill-Haas, et al., 2011}; ^{Jones y Drust, 2007}; Katis y Kellis, 2009:Safania, Alizadeh y Nourshahi, 2011). Los SSG son un método simple, aunque altamente efectivo y eficiente; los resultados de los estudios sugieren que esta metodología aumenta significativamente la capacidad fisiológica del jugador. Principalmente, busca traducir la complejidad de la situación de juego a las sesiones de entrenamiento, a través de una mejora holística, donde más allá de los avances físicos y técnicos y tácticos, se debe utilizar una toma de decisiones rápida y eficiente (Dellal et al., 2012).

El uso del GPS ha sido incorporado para controlar las sesiones de entrenamiento, para cuantificar las cargas físicas y fisiológicas que un ejercicio físico causa, a través de variables como la frecuencia cardiaca, la velocidad media, los impactos y la distancia total cubierta por un jugador, permitiendo diariamente, semanalmente o por sesión, la cuantificación del volumen de la estación, para grupos e individuos, en tiempo real (^{Gómez, Pallarés, Díaz & Bradley, 2013}).

Debido a la necesidad que poseen los preparadores fìsicos y entrenadores de fútbol de controlar la intensidad del entrenamiento y la competencia, es esencial realizar estudios que se enfoquen en determinar las variaciones de intensidad dependiendo de las dimensiones de terreno. El propósito de este estudio fue comparar las demandas cinemáticas en dos dimensiones de terreno en jugadores de fútbol universitario de Costa Rica.

Metodología

Participantes

Participaron un total de 14 jugadores masculinos (edad 20,9 ± 1,92 años, peso 69,6 ± 7,3 kg, altura 172 cm ± 6,3). Estos jugadores estaban entrenando de 3 a 4 veces por semana y competían regularmente, al menos una vez a la semana. Pertenecen a un equipo de fútbol universitario de Costa Rica, el cual se encontraba en proceso de preparación para la fase eliminatoria entre universidades, en el 2015.

Todos los sujetos fueron informados de los detalles de los procedimientos experimentales, los riesgos asociados y las incomodidades. Cada sujeto dio su consentimiento informado por escrito según los criterios de la Declaración de Helsinki sobre la investigación biomédica en seres humanos (18ª Asamblea Médica, 1964, revisada en Fortaleza en 2013).

Instrumentos

La medición del peso corporal se realizó utilizando una escala digital (sensibilidad ±0,1 kg) (Serie Elite BC554, Tanita-Ironman, Illinois, Estados Unidos) y para conocer la altura de los jugadores se utilizó un estadiómetro de pared.

Para medir las variables cinemáticas como velocidad y distancia, se utilizó un Sistema de Posicionamiento Global (GPS) (SP PRO X II GPSports®, 15Hz, Canberra, Australia). La validez y fiabilidad de los dispositivos GPS de 15 Hz han sido demostradas por ^{BarberoÁlvarez et al. (2009}). Según los autores este equipo tiene una alta correlación en pruebas de velocidad y sprint (r² = 0,87, p <0,001; r² = 0,94, p <0,001). Asimismo, la velocidad máxima acumulada y la máxima alcanzaron un bajo coeficiente de variación (CV = 1,7% y 1,2% respectivamente). A su vez, Johnston et al. (2013) reportan confiabilidad aceptable a través de una prueba temporal (test, re-test, r = .75). Este instrumento se utilizó para cuantificar las variables: promedio de la distancia en metros cubiertos por minuto (m / min), frecuencia cardíaca media (latidos / min) y velocidad media (km / h). Se utilizó el software Team AMS®, V2.5.4 (GPSports, Camberra, Australia) para el análisis de la información.

Para realizar el análisis de la información recogida por GPS, la distancia recorrida (m) se clasificó por intensidad de movimiento según Di Salvo et al. en cuatro categorías: caminando y trotando (0-11 km / h), porcentaje de carrera a baja intensidad (11.1-14 km / h), porcentaje de carrera a moderada intensidad (14.1-19 km / h) y porcentaje de carrera a alta intensidad (19.1- 23 km / h).

Procedimientos

Se realizó una sesión informativa con los participantes y se firmó el consentimiento informado. Además, se midió el peso y la altura en cada participante.

Se midieron en días consecutivos dos condiciones de espacios reducidos, con una diferencia de 24 horas, y se realizaron antes del entrenamiento normal (7:00 am) y con una activación / calentamiento 10 minutos antes de C1 y C2. La condición 1 (C1) posee una dimensión de 20x30 metros (600 m² de área de lanzamiento total - 42.86 m² de área por jugador [APP]) y la condición 2 (C2) posee 30x40 metros (1200 m² de área de lanzamiento total - 85.1 m² APP). Ambas sesiones se realizaron en el mismo terreno (césped natural), con los mismos jugadores (7vs7, dos equipos seleccionados al azar y mantenidos en ambas condiciones), los mismos balones y el mismo tiempo total de juego (2x10 min, con 3 minutos de reposo e hidratación). Las líneas de goles eran de 3 metros de ancho, no había porteros, y había dos balones en cada lado del campo para mantener la dinámica del juego, reduciendo las pausas. Se pidió a los jugadores que no realizaran ejercicio extenuante al menos 24 horas antes de realizar ambas condiciones.

Análisis Estadístico

Los resultados se presentan por medio de promedios ± desviación estándar (DE). Los datos se analizaron para la distribución normal usando la prueba de Shapiro-Wilk. Los datos de la frecuencia cardiaca, la distancia, la velocidad y el porcentaje de distancia recorrida en las intensidades en carrera estática, baja, moderada y alta intensidad se sometieron a un ANOVA de modelo mixto de 2 (condición) x 2 (período) con un alfa previa de p>.05 . Las magnitudes de las diferencias para todas las variables se analizaron usando el cuadrado parcial omega (ω_p ² ) para el análisis de ANOVA, categorización cualitativa como ω_p ² = .15 efecto alto, ω_p ² = .06 efecto moderado y ω_p ² = .01 como efecto pequeño (^{Cohen, 1977}), este análisis se implementó porque ω_p ² no se ve afectado en muestras de tamaño pequeño (^{Moncada, Solera & Salazar, 2002}). El análisis de los datos se realizó utilizando Paquete Estadístico para las Ciencias Sociales (SPSS, IBM, SPSS Statistics, V 22.0 Chicago, IL, EE.UU.).

Resultados

En la Tabla 1 y 2 se presenta la estadística descriptiva de las variables en estudio según periodo y condición.

Tabla 1: Estadística descriptiva de las variables distancia, velocidad y frecuencia cardíaca según período y condición. 

Fuente: elaboración propia.

El ANOVA de modelo mixto 2x2 no mostró interacción estadísticamente significativa (condición vs período) en distancia, F(_{1, 13}): .366, p= .551, ω_p ² = 0 (bajo). Sin embargo, se encontró un efecto principal significativo según la condición F(_{1, 13})= 11.833, p= .002, ω_p ² = 0.27 (alto), siendo C2 mayor que C1 en la distancia; no se encontró diferencia significativa en el análisis principal según el período F(_{1, 13}): .068, p= .796, ω_p ² = 0 (bajo).

El ANOVA no mostró interacción estadísticamente significativa (condición vs período) en velocidad, F(_{1, 13}): .380, p= .543, ω_p ² = 0 (bajo). Sin embargo, se encontró un efecto principal significativo según la condición F(_1,13)= 11.833, p= .002, ω_p ² = 0.27 (alto), siendo C2 mayor que C1 en velocidad; no hubo diferencia significativa en el análisis principal según el período F(_{1, 13}): .026, p= .872, ω_p ² = 0(bajo).

Los resultados no demostraron interacción estadísticamente significativa (condición vs período) en la frecuencia cardíaca, F(_1,13): .009, p= .924, ω_p ² = 0 (bajo). Sin embargo, hubo un efecto principal significativo según la condición F(_1,13)= 6.048, p= .021, ω_p ² = .15 (alto), siendo C1 mayor que C2 en la frecuencia cardíaca; no se encontró diferencia significativa en el análisis principal según el período F(_{1, 13}): .2.418 p= .132, ω_p ² = .04 (bajo).

Tabla 2: Estadística descriptiva de la distancia recorrida (m) según la intensidad en período y la condición. 

Fuente: elaboración propia.

El ANOVA modelo mixto 2x2 para la distancia recorrida en base a la intensidad, no mostró interacción estadística en la categoría caminando y trotando, F(_{1, 26}): .313, p= .581, ω_p ² = 0 (bajo); carrera a Baja intensidad, F(_{1, 26}): .015, p= .904, ω_p ² = 0 (bajo); carrera a Intensidad moderada, F(_{1, 26}): .537, p= .470, ω_p ² = 0 (bajo); carrera a Alta intensidad, F(_1,26): .052, p= .822, ω_p ² = 0 (bajo). El análisis de los efectos principales según la condición de estas variables cinemáticas indicó diferencias significativas en: caminando y trotando, F(_1,26)= 23.639, p= .000, ω_p ² = .45 (alto); carrera a Baja intensidad, F(_1,26)= 7.009, p= .014, ω_p ² = .18 (alto); carrera a Intensidad moderada, F(_{1, 26})= 15.82, p= .000, ω_p ² = .35 (alto); carrera a alta intensidad, F(_1,26)= 13.871, p= .001, ω_p ² = .31 (alto). El análisis de los efectos principales según el período de la distancia recorrida con base a la intensidad indicó que no hay diferencias significativas en: caminando y trotando, F(_1,26)= 1.469, p= .236, ω_p ² = .02 (bajo); carrera a Baja intensidad, F(_1,26)= .387, p= .539, ω_p ² = -.02 (bajo); carrera a Intensidad moderada, F(_1,26)= .09, p= .766, ω_p ² = -.03 (bajo); carrera a alta intensidad, F(_1,26)= 2.888, p= .101, ω_p ² = .06 (moderado).

Discusión

Se sabe que en la actualidad las metodologías de formación han favorecido trabajos de alta intensidad en condiciones que se asemejen a la competencia. Los juegos en dimensiones reducidas han llegado a cumplir con estos requisitos de intensidad (^{Romero & Fernández, 2014}). Debido a que hay múltiples interacciones, el análisis se hace sobre la base del espacio en metros cuadrados que cada jugador tiene que correr en el juego (^{Febré et al., 2015}).

La edad, la talla y el peso de los participantes en este estudio son similares a otros: Castellano, Fernández, Castillo y ^{Casamichana (2010}) con una muestra de jóvenes universitarios (20,1 ± 1,2 años, altura 176,3 ± 9,9 cm y peso 63,5 ± 8,4 kg) y ^{Vargas, Urkiza y Gil (2015}) que estudiaron el comportamiento de diferentes variables en jugadores con datos antropométricos similares (20,9 ± 1,7 años, 1,80 ± 0,05 cm, 73,1 ± 5,3 kg) durante el desempeño de SSG en entrenamiento y partidos.

Los resultados de este estudio demostraron que un aumento de las dimensiones del terreno conduce a condiciones físicas más exigentes, por ejemplo, comparando C1 con C2, este último tiene diferencias significativamente mayores que C1 en la distancia recorrida en el primero y segundo período. Los resultados de los metros recorridos por minuto en C1 y C2 son similares a los obtenidos por otros estudios de SSG en condiciones similares al presente estudio (^{Casamichana et al., 2012}, Casamichana y Castilla, 2010, Casamichana, San Roman-Quintana, Calleja -Gonzales & Castellano, 2014, Hill-Hass et al., 2009, ^{Rampinini et al., 2007}).

En cuanto a la velocidad media, hubo diferencias significativas entre C1 y C2, en el primer período y segundo período, siendo C2 significativamente mayor que C1. Estudios anteriores mencionan que a medida que aumentan las dimensiones del terreno, los requerimientos cinemáticos (velocidad y distancia promedio) aumentan proporcionalmente (^{Casamichana et al., 2012}, ^{Dellal et al., 2012}, ^{Nevado Garrosa y Suarez Arrones, 2015}, Rampini Et al., 2007).

Los resultados de este estudio sugieren diferencias significativas más altas en las categorías de velocidad según la condición, siendo C2 mayor en todas las categorías, excepto en la categoría caminando y trotando. Esto significa que hubo acciones de mayor intensidad en C2. Siendo claro cuando se observan las diferencias significativas entre las condiciones C1 y C2 no sólo en las categorías de carrera a baja intensidad, sino en aquellas que requieren alta intensidad y velocidad, similares a las reportadas previamente por Nevado-Garrosa y

Suarez-Arrones (2015), ^{Casamichana, San Roman-Quintana, Castellano and CallejaGonzalez, (2013}) y ^{Dellal et al., (2012}).

Analizando la efectividad de SSG para simular condiciones reales de juego en jugadores de fútbol costarricenses, se afirma que tanto el C1 como C2 simulan las demandas cinemáticas y las demandas de frecuencia cardiaca de los partidos oficiales reportados previamente en un estudio con una muestra de jugadores brasileños (^{Barros, et 2007}) y los jugadores costarricenses (^{Gutiérrez-Vargas et al., 2015}), y el análisis de los jugadores de la Copa Mundial de Sudáfrica 2010 (Clemente et al., 2013). Por lo tanto, la distribución porcentual de la distancia recorrida por intensidad de velocidad fue similar a los estudios previos realizados en 11 vs 11 (Barros et al., 2007, Gutiérrez-Vargas et al., 2015), lo que indica que el mayor porcentaje de distancia en la dimensión de terreno oficial se ejecuta a la velocidad de detenido-trotando.

En cuanto a los datos fisiológicos, se obtuvieron diferencias significativamente mayores en C1 en comparación con C2, similares a ^{Casamichana, San Roman-Quintana, Calleja-Gonzáles y Castellano (2014}) y Casamichana, Castellano, Gonzales-García y García). Estos resultados están en contraposición con los mencionados por ^{Kelly y Drust (2009}) que indicaron, que la frecuencia cardiaca no varió significativamente al ejecutar SSG en diferentes dimensiones de terreno (600 m², 1200 m² y 2500 m²). Según ^{Allen, Butterfley, Welsh y Wood (1998}) significan que la frecuencia cardiaca en un terreno menor es mayor porque hay una mayor participación de los jugadores en la actividad en comparación con dimensiones de terreno más grandes. ^{Febré et al. (2015}) señalaron que la frecuencia cardíaca era significativamente menor cuando se jugaba en una APP más pequeña (90 m²) que cuando se jugaba en una más grande (150 m² por jugador), contrariamente al presente estudio, donde la APP más pequeña (42,86 m²) arrojó un promedio de la frecuencia cardíaca mayor que la APP más grande (85.71 m²).

Estos resultados, relacionados con el comportamiento de las variables cinemáticas en SSG son relevantes, debido al uso extendido de este tipo de métodos de entrenamiento para equipos de fútbol en Costa Rica y en todo el mundo, proporcionando más información a los entrenadores y al personal de qué tipo de variables cambiar para obtener respuestas más altas o más bajas en velocidad, distancia o ritmo cardíaco.

Este estudio confirma los hallazgos de estudios previos sobre la efectividad de SSG para simular condiciones reales de juego en cortos períodos de tiempo. Los resultados indicaron que C2 tenía mayores intensidades en comparación con el juego C1 con menor demanda fisiológica. Asimismo, el C2 se parece más a partidos en condiciones oficiales del jugador costarricense.