CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’allenamento sportivo e la figura del Data Scientist Carlo CASTAGNA PhD Università di Roma Tor Vergata, Settore Tecnico FIGC, Laboratorio di Metodologia e Biomeccanica Applicata al Calcio, Coverciano (Firenze) Sommario L’Allenamento Sportivo Controllo Regolazione Analisi dei Dati Conclusioni Discussione CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento Dose vs Response LOAD PERFORMANCE OVERSHOOT Optimal Scarce Excessive FATIGUE RECOVERY CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma DOSE Page | 4 L’Allenamento Dose Risposta CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento Banister et al. 1975 CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento: Moderno High-Intensity Tracking-Systems RECOVERY neuroSCIENCES Instant Feedback Big-Data Machine Learning CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma sEqUeNcInG DoSe–rEsPOnse L’Allenamento METODI di Allenamento Mezzi di Allenamento Controllo REGOLAZIONE PRESTAZIONE Esperienza come Atleta Educazione Metodologica Evidenza Pratica – Scientifica CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento & Scienza Strumento per facilitare decisioni Algoritmo vs Decisione Allenatore Qualità informazioni Consapevolezza Data Analyst Esperienza–Sperimentazione–Conoscenza CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento & Scienza Validità Ripetibilità Consequenzialità Grandi Numeri Clinica–Case Studies CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’analitica nello Sport CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Analitica & Sport CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Analitica & Sport CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Analitica & Sport CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Analitica & Sport CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Analitica & Sport We look at total odometer, high intensity yards, accelerations, decelerations, contact load, and PlayerLoad..[it shows] the lack of any true speed in our game. It really just shows our game is truly acceleration and deceleration… CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Analitica & Sport GPS data can be used to monitor movements and speed across the field. Activity monitors and accelerometers can measure steps, sleep patterns, and other biometric indicators. CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Analitica & Sport CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Analitica & Sport: Injury Prevention Gabbett et al 2015 BJSM N=25!?!? Acute/Chronic Load Ratio= S-RPE 1 week 3-6 weeks S-RPE Sweet Spot ACLR =0.8ο1.3 CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento Late-Season 1.0 Gabbett et al 2015 BJSM Pre-Season 0.8 Early-Season 0.6 0.4 0.2 0.0 0 4000 6000 8000 2000 Training Load per Week AU Acute/Chronic Load Ratio= S-RPE 1 week 3-6 weeks S-RPE Sweet Spot ACLR =0.8ο1.3 CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento Peter Blanch, and Tim J Gabbett Br J Sports Med 2016;50:471-475 Acute/Chronic Load Ratio= S-RPE 1 week 3-6 weeks S-RPE Sweet Spot ACLR =0.8ο1.3 CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento & Analitici CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data analysis and athlete monitoring - State-of-the-art - Collection and analysis of athlete monitoring data now critical to facilitate and inform decision making processes - Plethora of variables to be considered (e.g., GPS and self-reported measures) - what to prioritise? - Different range of free sources that can be adopted by the data analyst (e.g., R Studio, Power BI) - Misunderstanding of what represents a smallest detectable change versus a practically relevant difference in training load and/or physical performance - Adoption of potentially invalid analysis methods as data discretisation or the acute-to-chronic workload ratio calculation - Conflation between tracking an individual longitudinally versus group-level experimental inferences CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma The acute-to-chronic workload ratio (ACWR) - an example of inconsistent data science Recommended approach in the currently available guideline on athlete monitoring: the determination of the ACWR (page S2-168) π΄πΆππ = π¨ π1 + π2 + π3 + π¨ CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma The acute-to-chronic workload ratio (ACWR) - a statistically inconsistent index - inverse within-subject association between ACWR and chronic load r = −0.50 (95%CI, −0.71 to −0.18) indicating the index biased a person’s status of acute load as too low when prior chronic loads were high and vice versa (Curran-Everett, 2013) - Additional analyses confirmed the ACWR calculation as unnecessary - Timely future research to establish the optimal analytical approach for athlete monitoring and injury prediction in everyday practice 7:28 day uncoupled calculation CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma The acute-to-chronic workload ratio (ACWR) - a statistically inconsistent index Similar scenario with simulated measures of rating of perceived exertion (RPE) 7:21 day uncoupled calculation CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Longitudinal training monitoring of the athlete - alternative yet simpler approaches Statistical process control: - the “two standard deviation band method” - to what extent a player’s load is atypical ? Linear mixed-effects models: - suitable to quantify between- and within-subject effects - the random component (i.e., slope and intercept) enables to determine how much the individual athlete deviate from the group CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento & Infortuni Devo attendere infortuni Allenamento non Efficace X Altre Metriche? CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma One-Size Fits All !?! L’Allenamento: Dati? Metriche Specifiche per la Seduta Carico Interno Ricerca Proprietaria Data Sport-Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento & Infortuni CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento & Infortuni CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento & Infortuni CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento & Infortuni CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento & Infortuni CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist Thornton HR, Delaney JA, Duthie GM, Dascombe BJ. Developing Athlete Monitoring Systems in TeamSports: Data Analysis and Visualization. Int J Sports Physiol Perform. 2019:1-26. CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento: Analisi & Risultati Thorton et al 2019 CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento: Analisi & Risultati STEN= 2Z+5.5 Very-High High Optimal Low Very-Low CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist: Gli Strumenti CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist: Machine Learning CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Analisi Dati: Machine Learning A priori Expert Variables Selection Time-Consuming Require knowledge of aetiology 27 variables vs Thousands available CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist: Machine Learning CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Analisi Dati: Machine Learning Non Completa Automatizzazione Difficile Interpretazione Modello Finale CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Selection Data Scientist: Chi Dovrebbe Essere Esperto in Scienza dello Sport Buona Conoscenza Statistica Avanzata Eccellente Conoscenza Metodologia Allenamento Buone Conoscenze Fisiologia CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist vs Analyst CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’allenamento sportivo e la figura del Data Scientist Carlo CASTAGNA PhD Università di Roma Tor Vergata, Settore Tecnico FIGC, Laboratorio di Metodologia e Biomeccanica Applicata al Calcio, Coverciano (Firenze) Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma Data Scientist CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma L’Allenamento: Oggi High-Intensity Tracking-Systems Functional Training Injury Prevention Internet of things Instant Feedback Big-Data Machine Learning CONI SDS: Data Analyst & Data Scientist – 20 Febbraio 2019 Roma V E L O C I T A’