Vol.4 練習でどれくらいのHigh Speed Run & Sprint Volumeをかけるのが傷害予防になる？~Martin Bucheitの論文~
年始に早速、Martin Bucheitが面白い論文をPublish されていたので紹介したいと思います。
Bucheitは、Paul B LaursenとともにHigh Intensity Interval Training (HIIT)の研究で有名だと思うのですが（見たことのない人はぜひ論文読んでみてください論文①、論文②）、他にも現場に寄り添った実践的な研究をたくさんされていて、個人的にはすごく好きな研究者のひとりです。
そのBucheitが、エリートサッカー選手を対象に、練習時のHigh Speed Running(時速20km/h以上）とSprint(時速25km/h以上）のランニングボリュームが試合に対してどれくらいの比率の時に傷害のリスクが高まるか、抑えられるかを機械学習を使いながら、検証しています。
以下、簡単な方法や結果のまとめになります。
Abstract
緒言
この新しい研究は、ヨーロッパのエリートフットボールにおける試合のターンアラウンド（試合間の日数）、High Speed Running（HSR）、Sprintの距離と、それらが試合での負傷に与える影響との関係を深く掘り下げている。
複数のクラブから収集した包括的なデータセットを活用し、革新的な機械学習技術を採用することで、いくつかの説得力のある洞察を明らかにした。
方法（対象者）
–12のヨーロッパのチームとMSL(アメリカ）、734人の選手、44000以上の暴露時間 (7500 試合)
–非接触傷害が172件
– 分析は、2試合連続で60分以上プレーした先発の選手に限定した。
– eXtreme Gradient Boosting (XGBoost) により、6 ～ 8 日間のターンアラウンド中の負傷率と HSR およびスプリント ボリュームの関係を評価する。
※eXtreme Gradient Boosting (XGBoost)とは、機械学習の手法の一つです。
主な調査結果
HSR と Sprint の走行距離は、ターンアラウンドが 6 日以上のパターンの時に、中日でハイボリュームになる。
1週間の HSRとスプリント距離の合計値が試合時の値を満たす(練習と試合の割合が=1.0)か超える（割合が>1.0）のは、より長いターンアラウンドでのみ見られます
HSR とスプリント負荷の配分にはチーム間で大きなばらつきがあります。
HSRの距離は試合負荷の0.6から0.9の範囲、スプリント距離は試合負荷の0.6から1.1の範囲で、怪我の発生率の低下と関連していた
本研究は、ただの傷害の予測ではなく、トレーニングのピリオダイゼーション、特に試合間の中日の日数（ターンアラウンド）（今までの研究では見過ごされてきた重要な側面の一つ）について実用的な洞察を提供する。
最後に、けがは多要素であるので、関連性が因果関係を表すことではないことに注意は必要です。
こちらのホームページに原文等があるので、気になる方はみてみてください！
以下、本文の日本語訳になります（機械学習のところは、私自身も理解できていないため曖昧になってしまっています。そこはご了承ください）。
From High-Speed Running to Hobbling on Crutches: A Machine Learning Perspective on the Relationships Between Training Doses and Match Injury Trends
ハイスピードランニングから松葉杖での歩行（怪我をする）まで：トレーニング量と試合中の負傷の傾向の関係、機械学習の視点から
緒言
エリートサッカー選手にとって、怪我は選手の健康やキャリアの寿命を脅かすだけでなく、チームのパフォーマンスにも大きな影を落とす。
負傷の影響は、国内リーグと欧州リーグの試合を通じて響き渡り、しばしばチームの競争力と結果を損なう。
ピッチの外では、選手の治療費、収入減、選手の市場価値の下落など、クラブが負う経済的負担は計り知れない。
高速ランニング（HSR）は、現代サッカーのトレーニングにおいて中心的な役割を担っており、パフォーマンスの向上と傷害リスクの軽減に極めて重要である(5, 13)
HSRとスプリントの重要性は、その実施だけでなく、技術的な内容や試合スケジュールとの関連において、時間をかけて戦略的に配分することにある(5)-ピリオダイゼーションとして知られる概念である。
Beato(4)やDello Iacono(13)が強調しているように、よく設計されたピリオダイゼーションのガイドラインは不可欠であり、サッカーシーズンのさまざまな局面において、また各週のマイクロサイクルにおいて、HSRとスプリント活動の量、頻度、密度、タイミングを明確にするものである。
このようなピリオダイゼーションによって、プレーヤーは傷害を回避しながら競技の厳しい要求に耐えることができるようになる。
McCall(23)やDello Iacono(13)の調査によると、これらの構成要素の重要性を補強するために、この分野の専門家はHSRとスプリントが傷害予防戦略にとって極めて重要であると考えていることが明らかになっています。
Duhigら(14)は、HSRの距離が選手の2年間の平均値よりも大きく急激に増加すると、ハムストリング損傷のリスクが著しく高まることを発見しています。
逆に、試合までの1週間でHSRの距離を減らすことが、このリスクを減らすのに役立つと彼らは指摘している。
HSRの綿密な計画とその実行の間の相互作用は、維持されなければならない微妙なバランスを物語っている。
HSRが有益であることは間違いないが、HSRの最適な量とは何か、そしてどの時点で有害になるのか、という定量化の問題が提起されている。
Beato(4)のHSRのピリオダイゼーションに関する洞察は、これらの疑問に答えるための枠組みを提供し、HSRの慎重な調節こそが、単に走った距離だけではなく、効果的な傷害予防の鍵を握っている可能性を示唆している。
過去の研究、特に最高速度の露出に焦点を当てた研究は、この「最適量」を突き止めようとしてきた(12, 24, 21)。
しかし、このような試みは、特定の文脈や特定の集団に制約され、サッカーにおける様々なシナリオに適用できる包括的な視点に欠けるという、固有の制約を伴うことが多い。
Gualtieriら(16)は最近、プロの社会人サッカー選手におけるHSRとスプリント距離のプログラミングを最適化するためのトレーニング戦略の策定を対象とした包括的なレビューを行い、この分野における議論を進展させた。
彼らの方法は、トレーニング週（1week）のHSRの距離が試合の距離に対して占める割合を調べるというものであった。
このレビューは、最適なトレーニング量 対 試合のHSR量の比率に関してある程度のばらつきを示している先行研究と一致し、それを発展させている点で特に重要である。
例えば、Baptista(3)は0.6という比率を提唱しており、試合での要求に対してトレーニングでのHSRの量はより保守的であることを示唆している。
Stevensら(28)は、より高い比率として1.1を挙げており、これはトレーニングと試合の両方においてHSRがほぼ同等に重視されていることを示している。
さらに見てみると、Martin Garciaら（22）は1.7という比率を提示し、Clementeら（11）は1.8という、トレーニングが試合よりもさらに高い基準を報告している。
このような比率の多様性は、エリートサッカーにおける研究間で現在進行中の議論や採用されている多様な方法論を反映しており、チーム固有の文脈や選手の反応を考慮した個別的なアプローチの必要性を強調している。
同時に、Silvaの最近の総説は、16の研究に含まれる情報を統合し、HSR距離のマイクロサイクル内分布を明らかにした(27)
しかし、Silvaの研究は先駆的ではあるが、具体的な傷害のデータを欠いており、その結果得られた知見の範囲と適用可能性が制限されている。
目的
本研究は、トレーニング週のHSR量と、マイクロサイクルを終える（その週末の）試合中の非接触型筋損傷との関連を、より新規性持ち、かつ深く考察することを目的とした。
より広い視野を取り入れた本研究では、Max Speed Exposure（8）や休養日（9）に関する先行研究を基に、様々なクラブからのデータを統合している。
この広範なアプローチは、サンプル数を増やすだけでなく、多様な文脈で分析を豊かにする。
これまでの研究とは一線を画し、我々は初めて、サッカーのトレーニングと傷害の相関関係におけるより深いパターンを解明するために、機械学習手法を統合した。
L´opez-Valenciano (19)、Ayala (1)、Haller (18)、Rossi (25)などの過去の研究では、負傷予測のために機械学習モデルが採用されているが、主に以下の2つの要因により、その妥当性は限定的であった。
第一に、これらの研究は、私たちが利用した広範で多様なデータセットをもっていない。
L´opez-Valenciano(19)は、サッカー選手とハンドボール選手を組み合わせているが、これらの選手はトレーニング方法や生理学的特徴が異なるため、誤解を招くような結論を導く可能性がある。
Ayara(1)は4つのプロサッカーチーム、Haller(18)は1つのユースサッカーチーム、Rossi(25)は1つのプロサッカーチームにのみ焦点を当てた。
第二に、これまでの分析は、具体的な行動計画を伴わない予測的洞察をもたらすことが多く、現場の人にとって実用的な成果に欠けていた。
さらに、コーチがどのようにトレーニングのピリオダイゼーションを行うかの重要な側面である、試合に向けてのTurnround（中日の設定）のダイナミクスについては掘り下げていない(7,8,9)。
我々の研究は、トレーニングのピリオダイゼーションと傷害リスクの複雑な動態について、初めて実用的な洞察を提供するものである。
そうすることで、トレーニングプログラムを微調整するための包括的なツールを現場の人に提供し、最終的には試合中の怪我を減らし、選手の安全性とパフォーマンスを高めることを目指す。
私たちの包括的で技術的に洗練されたアプローチは、多様なサッカー環境をよりニュアンス豊かに理解し、このスポーツの複雑さを統一された洞察に満ちた物語でとらえる。
方法
研究デザインと手順
全体的な研究は、この研究に参加したすべてのサッカーチームが共通して使用しているオンラインデータベース (i.e., Kitman Labs platform, Dublin, Ireland) (8,9)を通じて収集した、試合中の負傷発生と選手のトレーニング中のランニング量の両方のレトロスペクティブ（後ろ向き）分析に基づいている。
対象者
データを調査したエリート成人サッカー選手（ゴールキーパーを除く）は、EPL、イタリア・セリエA、フランス・リーグ1、ブンデスリーガ、スコットランド・プレミアシップ、MLS、オランダ・エールディビジに参戦する19の異なるチームに所属していた（2018年1月から2021年12月までの期間で、延長されたコロナ期間（Covidブレイク（2020年3月）から2020年末（次のクリスマスブレイク）まで）は分析から除外）。
この最初のサンプルは、84のチームシーズンに相当する(8, 9)。
その後、さまざまな除外基準がシーズンレベルで適用された：
1.怪我の情報がない、または不十分なもの（怪我の項を参照）。
2.シーズンを通してレギュラーとして出場している選手の数が十分でない（15人が1つのチームを構成できる最低人数であることを考慮）。
3.ピッチトレーニングや試合がチームカレンダーに登録されているにもかかわらず、1日の運動負荷が定義されていない、またはHSRやスプリントの指標が提供されていない。
データ抽出と匿名性
各選手とクラブには、プラットフォーム上でID番号が与えられている。
分析を担当する研究者は、IDに関連するデータのみを取り出し、分析することができる。
その後、データを変換し、負傷の発生状況（試合中かトレーニング中か、前の試合との関連はどうかなど、発生状況を評価するための日付のみ使用）と種類（接触負傷か非接触負傷か、それ以上の詳細はなし）をコード化し、最終的なデータセットを提供する。
各チームのメディカルスタッフは、日々の選手ケアの一環として、ケガの詳細（ケガの日付、ケガの種類と場所、重症度（損失日数）など）をプラットフォームに登録する。
同様に、選手の試合やトレーニングへの参加状況も、チームスタッフの日々のモニタリングの一環として記録される。
さらに、トレーニングや試合での負荷の測定もプラットフォームに追加されている。
すべてのクラブが同じプラットフォームを使用したことで、医療情報から曝露指標（セッション時間やシステムカレンダーに添付されたGPSデータなど）に至るまで、あらゆる種類の入力の標準化と信頼性が確保された。
それでもなお、分析のために保持されるすべてのデータが同じ基準に合致していることを確認するため、徹底的なデータヘルスチェックを実施した。
データの安全性と匿名性の両方を高いレベルで保証する上記のすべてのステップに加え（https://www.kitmanlabs.com/privacy-security-and-compliance/）、この調査研究に参加することをチームから許可されたため、倫理委員会の許可は必要なかった（31）。
ターンアラウンド
n-dターンアラウンドとは、最初の試合と2試合目の間にn日間あるマイクロサイクルと定義された。
最も短いターンアラウンドは3日（3-d）（例：日曜日に試合をし、翌日の水曜日に再び試合をする）であり、最も長いターンアラウンドは8日（8-d）（例：土曜日に試合をし、翌日の日曜日に再び試合をする）であった。
より長く、より一般的でないターンアラウンド（例：9日以上、国際的な休暇や休日を含む可能性が高く、トレーニング日が典型的なシーズン中のターンアラウンドとはまったく異なる）は分析から除外された。
Injuries and turnaround participation.
この研究では、各クラブのメディカルスタッフが、オンラインプラットフォームで提供されているOrchard Sports Injury and Illness Classification System (OSIICS)を用いて登録した、試合中の非接触型傷害に焦点を当てた。
正確な診断方法は、関与するスタッフのばらつきが大きい（すなわち、19チームで合計25～30人以上の施術者がいる可能性が高い）ため、詳しく説明することはできないが、エリートサッカーレベルのチームの大部分（すべてではないにせよ）は、高品質のスキャン（すなわち、エコー検査、磁気共鳴画像法）を利用することができる。
文献では、傷害とは、トレーニング中または試合中に発生し、発生後1日以上トレーニングや試合に参加できないものと定義されることが多い(2)。
対照的に、この研究では、トレーニングや試合への参加に実質的な影響を与える負傷に焦点を当てたいと考えたため、最低3日間のトレーニングやプレーの中断、すなわち3日以上の時間損失を引き起こした試合での負傷のみを考慮した。
実際、軽度の負傷（2日未満の損失）はすべて除外した。このカテゴリーの負傷は、同じターンアラウンド内では、次の試合の可否やトレーニングのダイナミックさに影響を与えない可能性が考えられるからだ
加えて、この選択により、クラブで時々起こりうるような、トレーニング離脱の可能性があるために数日間使用できない可能性のある、重大でない負傷を除外することができた（つまり、これは負荷管理のことであり、選手は負傷していないが、予防のためにトレーニングから離脱している場合、一般的に翌日には完全にトレーニングできる）。
メディカルスタッフがシーズン開始から終了まで負傷を登録していた場合、シーズン全体を通してこの慣習を厳守していたと仮定し、この状況ではこの指標のデータ欠落はないと考えた
全体として、ターンアラウンドの最初の試合で先発出場し、60分以上プレーした選手のデータのみを分析に使用し、それを「player-turnarounds」とみなした
非接触型時間損失（≧3-d）試合による負傷以外の負傷が発生した選手のターンアラウンドは、すべて分析から除外した
トレーニング負荷
上記のデータ抽出に基づき、運動負荷の指標を用いて、傷害と関連する可能性のある主要因を特定した(4, 16)：
・直前のトレーニング週における累積HSR距離（すなわち、時速20km以上）。
・直前のトレーニング週におけるスプリント距離の累積（すなわち、時速25km以上）。
そして、これらの週ごとのトレーニングの合計を各選手の試合データで割り比率として表した(16)
選手の試合の負荷は、あるシーズン中にプレーしたフルマッチの平均負荷として評価した。
フルマッチとは、90分以上出場した試合、または試合時間が不明な場合は9km以上出場した試合と定義した。
ある選手があるシーズン中に1試合もフル出場しなかった場合は、そのシーズン中のポジショングループの平均試合運動負荷を使用した。
ポジショングループがシステムで定義されていない場合は、そのシーズン中のチーム全体の平均負荷を使用した。
重要なことは、トレーニング中と試合中の選手の運動負荷を追跡するために異なるシステム（例えば、トレーニング中はGPS、試合中は半自動ビデオカメラシステム）が使用された可能性がある場合、文献（6、29）とKitmanLabs Research Initiativeデータベース（未発表データ）の両方から入手可能な方程式を使用してデータを統合したことである。
最終的な組み入れ基準
この分析では、先発選手が関与する最も頻繁に発生する状況に焦点を絞った。
この決定は、交代要員の補填のモニタリングが一貫していないことが多いという事実にも影響された、特に、試合後にスタジアムでGPSが装着されているとは限らないからである。
最終的なデータセットには、12チーム（EPL、チャンピオンシップ、ブンデスリーガ、セリエA、リーグ1、エールディビジ、スコティッシュ・プレミアシップ、MLS）、734人のシーズンプレーヤー（1～3シーズン以上／クラブ）が含まれ、合計44000回（7500試合）の露出があった。
172の非接触傷害は、異なるターンアラウンドの2試合目に発生した。
データ分析
記述的分析
記述分析の最初の部分では、1日の運動負荷について調べた。ターンアラウンドの最初の試合で先発出場し、60分以上プレーした選手の1日のHSRとスプリント距離の分布を調べた。
そして、1日の運動負荷は、上記で定義したように、個々の選手の試合要求の比率として表した。
分析の第2部では、試合要求の関数としてのターンアラウンドトレーニングの運動負荷の合計（集計）に焦点を当てた。
第1部と同様に、ターンアラウンドの第1試合で60分以上出場し、ターンアラウンドの第2試合でも60分以上出場した選手、または負傷した選手を対象とした。
モデリング
トレーニング段階での高速走とスプリント走の距離が試合の怪我に及ぼす影響を調べるために、2値分類のためのeXtreme Gradient Boost（XGBoost）と、解釈のためのSHAP（20）を組み合わせた。
我々の探索的分析からのすべての兆候が、傷害と説明変数の間の関係が非線形であることであったので、我々はこのアプローチを取りました。
これら2つの説明変数は、「トレーニングの運動負荷」の項で定義したように、試合要求の比率として表現した
本分析の対象としたチームは、高い水準で露出(Expusure)を記録していることを考慮し、走行距離に関する情報がない日はデータ欠落ではなく、選手が時速20kmまたは25km以上で走らなかった日と仮定した
次に、データセットをトレーニングセットとテストセットに80：20で分割し、チームごとに層別化した。
これに加えて、XGBoost モデル構造は、以下のハイパーパラメータによって定義される：
学習率 0.1
ツリーの最大深度 10
木の本数：100本
我々のモデルがどのように機能するか、つまりどのような決定を下すかを説明するために、我々はSHAP（SHapley Additive exPlanations）値を使用した。
SHAPは、協力ゲーム理論(cooperative game theory)から得られた公正な配分結果を用いて、モデルの出力に対する信用をその入力機能間で配分するものである。
その計算には、各選手（または特徴）のマージナル寄与を、選手（特徴）のすべての可能な順列にわたって平均化することが含まれる。
これは、特徴の可能なすべての組み合わせを評価し、これらの組み合わせに含まれる場合に各特徴がモデルの予測に与える影響を決定することを含む。
すべての可能な特徴配置にわたってこれらの寄与を平均化することで、モデルの予測における各特徴の重要性のバランスのとれた解釈可能な評価を実現する。
SHAP値の基本的な特性の1つは、すべての入力特徴が、説明される予測について、ベースライン（期待される）モデル出力と現在のモデル出力の差に常に合計されるということです。
二値分類の場合、特徴SHAP値の合計は予測対数オッズに等しい。
このように、個々のSHAP値をそれだけで解釈することは困難であるため、特徴依存性の概念を用いました。
部分依存プロットや累積局所効果に代わるものとして、与えられた特徴に焦点を当て、各データインスタンスについて、特徴値（x軸）と対応するSHAP値（y軸）の関係を示す。
これに基づき、SHAP依存性プロット(20)を修正したものを作成した（図7、8）。
1つのドットは、与えられたメトリック（x軸）の実際の観測値に関連するSHAP値（y軸）である。
例えば、この比率は複数回0.5に等しい。(図7）。
これは、これらのポイントがすべて同じSHAP値になることを意味しない。
それぞれのターンアラウンドにおいて、HSR距離=0.5は、他のメトリクスの値によって、期待される結果に異なる影響を与える可能性がある。
2つの事業体間の局所的傾向は、局所線形推定散布図スムージング（LOESS）とその95%予測区間（PI）を用いて示されている。
我々は、試合の負傷リスクに対する特徴の影響を要約するために、4つのゾーンを定義した：
増加：LOESS曲線とPIの両方が0を上回っている。
増加する可能性が高い：LOESS曲線は0より上だが、0がPIに含まれる。
減少する可能性が高い：LOESS曲線は0を下回るが、PIには0が含まれる。
減少している：LOESS曲線とPIの両方が0を下回っている。
最後に、テストセット全体のブリアースコアを用いて、個々の試合の負傷リスクの確率的予測を評価した。
Brierスコアが小さいほど、予測は優れている。
我々は、トレーニングしたモデルを、すべての予測値がトレーニングセットにおける負傷の割合（つまりベースライン）と等しいナイーブモデルと比較した
モデルの性能はテストセットによって変化する可能性があるため、テストセットをブートストラップすることで、Brierスコアの95%信頼区間（CI）を作成しました。
我々は、3日から9日にわたる様々な試合のターンアラウンドのデータを保有しているが、分析の特定のセグメント、特に機械学習モデルを含むセグメントを、戦略的に6日から8日のターンアラウンドに限定した。
この決定には2つの主な要因があった。
第一に、これらの期間は、最も充実したサンプルサイズを有していた。
第二に、いくつかの調査結果（結果のセクションを参照）で強調されているように、短いターンアラウンドでは、高速ランニングやスプリントの距離がごくわずかであったり、まったくなかったりすることが多かった。
このような乏しさは、機械学習モデルを分析に利用することを現実的でないだけでなく、実現不可能なものにしてしまった。
結果
図1は、異なるターンアラウンドの長さごとに、ターンアラウンドの最初の試合で60分以上プレーした選手の1日のHSR走行距離を示したものである。
ターンアラウンド中に移動したHSRの累積距離は、ターンアラウンドの中盤、特に試合と試合の間が少なくとも5日間ある場合（すなわち、6日間のターンアラウンド、図1）に高くなる傾向があった。
ターンアラウンドの長さが6d以上の場合のみ、HSRの累積が少なくとも1倍以上の試合比率と一致する（図2）。
しかし、比率の分布を見ると、チーム間で非常に大きな開きがある（図3）。
スプリント走に関しても同様の傾向が見られ、特に3～5日のターンアラウンドではスプリント走の距離がほとんど見られない（図4）
蓄積されたスプリント距離の分布も、高速ランニング（図2）で説明したものと似ており、試合間隔が6～7日以上のターンアラウンドのみが、少なくとも1倍の試合負荷比率に達している（図5）。
また、各ターンアラウンド内でのスプリント距離の蓄積方法に関しても、チーム間で非常に大きなばらつきがある（図6）。
図7および図8は、6～8日間のターンアラウンドにおける累積トレーニングHSRおよびスプリント走距離に対する傷害リスクのSHAP特徴依存プロットを示したものである。
モデル化分析の主な結論は、ターンアラウンドでのトレーニング日数中に蓄積されたHSRおよびスプリント距離と、試合中の負傷発生との間に関連があるかもしれないということである。
より正確には、試合負荷が0.6～0.9の間のHSR累積距離、および試合負荷が0.6～1.1の間のスプリント累積距離は、傷害リスクが低い傾向にあった。
考察
エリートサッカー選手における負傷の影響は、選手への直接的な身体的負担だけにとどまらない。
冒頭で強調したように、こうした負傷は、国内リーグ戦と欧州リーグ戦の両方において、チームのパフォーマンスに大きな影響を与える可能性がある(17)。
さらに、治療費、収入減、選手の市場価値の下落など、クラブにかかる経済的負担は計り知れない(15)
したがって、特にHSRやスプリントのようなトレーニング負荷を理解することによって、傷害発生率を減少させる方法を見つけることが最も重要になります(23)
本研究では、欧州およびMLSの複数のエリートサッカークラブから得た包括的なデータセットと機械学習技術を活用し、ターンアラウンド（試合までのトレーニング日数）、HSR、スプリント距離、およびそれらの試合中の負傷との関連性の可能性との関係における複雑なパターンを解明した。
我々の研究は、これまでの狭い範囲に焦点を絞った研究とは異なり、複数のクラブから得られた包括的なデータセットを活用することで、サッカーのトレーニングと傷害分析の領域において独自の特徴を示している。
社会人プロサッカーにおける先行研究（1、25）でも、機械学習を用いて傷害予測を行ったが、我々のアプローチは、トレーニングのピリオダイゼーション、特にターンアラウンドの違いにおいて、実用的な洞察を提供する。
このことは、我々の知見の実用性を高めるだけでなく、傷害発生率を低減し、選手の安全性とパフォーマンスを向上させるために不可欠な、ニュアンスに富んだ理解を提供する。
我々の調査から得られた注目すべき知見は、ターンアラウンドの中日に蓄積されたHSRの顕著なピークが設定されていることを浮き彫りにしたことであり、それは特にターンアラウンドが6日以上の状況で顕著であった（図1と4）。
このパターンは、16の研究のデータを集約したSilvaの包括的レビュー(27)で示された観察結果を反映しており、HSR要求のピークは通常、試合の4日前と3日前であることが明らかになった（MD-4とMD-3）。
しかし、Silvaの所見には傷害の状況は含まれていないことに注意する必要がある。
私たちの見解は、Buchheit(7)が実施した調査とも一致している、
そこでは、100人のエリートサッカープラクティショナー（コーチなど）が、HSRを含む激しいセッションを効果的に取り入れるためには、試合と試合の間に最低5日間のトレーニングが必要であることを伝えている。
試合間隔が短くなることで生じる課題は、試合後の回復時間が限られ、さらに次の激しいトレーニングセッションまでの回復期間が短くなることである。
Dello Iaconoが調査した99人の練習生からのフィードバック(13)にも、このような意見があった。
彼らが先発選手に希望するトレーニングスケジュールは、通常、前の試合から少なくとも48時間後（MD＋2）から次の試合の48時間前（MD-2）までであった。
しかし、今回の調査結果をより深く掘り下げてみると、特に古典的な7日間のターンアラウンドを考慮すると、HSRとスプリントへの要求が最も高いのはMD-3ではなくMD-4であることがわかる。
これまでは、MD-4はStrengthフォーカスのセッション（スモールサイドゲームなど加速減速にフォーカスした日）のために確保され、より小さいサイズのゲームによって特徴づけられるのに対し、MD-3は一般に、より大きなスペースを利用したEnduranceトレーニングのため（大きいサイズのコートをつかったラージサイドゲームなど）に確保される。
この乖離は興味深い。
正確な理由はまだつかめていないが、個々のチーム独自のピリオダイゼーションの文脈に根ざしており、ターンアラウンド中に指定された休養日などの要因に影響されていることが考えられる。
私たちの研究は、より狭い範囲の先行研究と比較した場合、スターティングメンバーのHSRとスプリント量のチーム間における顕著なばらつきと、それらが試合の怪我とどのように関連する可能性があるかに重点を置いている。
このばらつきは、特定の日に観察される変動（図1および4）によって示されるように、毎日のプログラムレベルで識別可能であり、また異なるターンアラウンド間でのばらつき（図2、3、5、6）によっても示されるように、ゲームデータとの比率の文脈でも識別可能である。
これらの違いは、普遍的に適用可能な戦略がまだ見つかっていないことを強調するものであり、Gualtieri (16)も同じことを述べている。
今回のデータセットでは、0に近い値や2を超える極端な値もあったが、大半のチームが0.5から1の間のトレーニング対試合HSR要求比率を示した（図3）。
これは、以前に報告された値の範囲と同様である（例えば、Baptista (3): 0.6; Stevens (28): 1.1; Martin Garcia (22): 1.7 and Clemente (11): 1.8)
私たちは、この多様性とその意味するところを明らかにするために、HSRの要求量とトレーニングの比率の違いが、どのように傷害リスクのレベルの違いと相関するのかを理解することを目的としたのである。
McCall (23)、Dello Iacono (13) による調査、および Duhig らによる研究 (14) と比較すると、HSR とスプリントは選手のトレーニングとパフォーマンスの重要な要素である一方で、その投与量とプログラミングには慎重な考慮が必要であることは明らかです。 (5)
私たちの調査結果は、0.6 ～ 0.9 の試合負荷での HSR 距離の累積 (図 7)、および 0.6 ～ 1.1 の試合負荷でのスプリント距離 (図 8) が、怪我の発生の減少と関連している可能性があることを初めて示唆しました。
これは、プレーヤーが怪我のリスクを軽減しながらパフォーマンス向上の恩恵を受けることができる最適な範囲が存在する可能性があることを示唆しています。
ただし、これらの結果には慎重な楽観主義を持って取り組むことが重要です私たちの機械学習モデルは従来の方法よりも深い洞察を提供しますが、相関関係は因果関係と同等ではないことを覚えておく必要があります (30)。
モデルのパフォーマンスは単純なアプローチのパフォーマンスと比較できるため、影響を分離するにはさらに多くの作業が必要です。
しかし、私たちのデータの包括的な性質と採用されている高度な手法を考慮すると、私たちの発見はにとっプラクティショナーにとって極めて重要なものになる可能性があると考えています。
さらに、私たちの研究はトレーニングと試合の要求の比率の変化が試合の怪我に及ぼす影響についての洞察を提供しますが（図7および8）、将来の研究ではさらに深く掘り下げる必要があります。
ここで示した結果は、エリートスポーツにおいて可能な限り制御された環境での、より厳密な実験設定が有益であることを示しており、私たちはこの分野でのあらゆる提案を強く推奨します。
マイクロサイクル全体の運動負荷の分布 (図 1 および 4) がこれらの損傷結果にどのような影響を与えるかを調査することで、さまざまなトレーニングダイナミクスの状況における損傷予防をより包括的に理解できるようになります。
たとえば、HSR とスプリント距離の 1 試合の負荷を 1 日でプログラムするのと、2 日または 3 日に分けてプログラムするのが良いかどうかはまだ不明であり、調査対象のプラクティショナーとの間でコンセンサスには達していません (7, 13)
結論
ヨーロッパのエリートフットボールの包括的なデータセットを使用した先駆的な研究では、試合のターンアラウンド時間、高速ランニング（HSR）と短距離走での走行距離、および試合時の負傷との関連性の間の複雑な関係を詳しく調査しました。
この革新的な分析は、これほど膨大な数のチームからのデータを統合した初めてのものであり、機械学習モデルを採用し、HSR とスプリント負荷を怪我のリスクと結び付ける新しいアプローチを示しました。
私たちのモデルは、スタータープレーヤーの特定の範囲を特定しました。HSR 距離は試合負荷 0.6 ～ 0.9、スプリント距離は試合負荷 0.6 ～ 1.1 で、これは怪我の発生の減少との相関関係を示しました。
毎週の合計に加えて、さらなる研究では、小周期全体にわたる運動負荷の分布が現在の結果に及ぼす影響も調べる必要があります。
以上です！
この記事が気に入ったらサポートをしてみませんか？