Verletzungen haben einen großen Einfluss auf den Profifußball, da sie die Teamleistung erheblich beeinträchtigen und die beträchtlichen Kosten für die Rehabilitation der Spieler verursachen. Bestehende Studien in der Literatur bieten nur ein vorläufiges Verständnis dafür, welche Faktoren das Verletzungsrisiko am meisten beeinflussen, während eine Bewertung des Potenzials statistischer Modelle zur Prognose von Verletzungen noch fehlt. In diesem Papier schlagen wir einen multidimensionalen Ansatz zur Verletzungsprognose im Profifußball vor, der auf GPS-Messungen und maschinellem Lernen basiert. Durch den Einsatz von GPS-Tracking-Technologie sammeln wir Daten, die die Trainingsbelastung der Spieler in einem Profifußballverein über eine Saison beschreiben. Anschließend konstruieren wir einen Verletzungsprognoserechner und zeigen, dass er sowohl genau als auch interpretierbar ist, indem wir eine Reihe von Fallstudien vorstellen, die für Fußballpraktiker von Interesse sind. Unser Ansatz eröffnet eine neue Perspektive auf die Verletzungsprävention und bietet eine Reihe von einfachen und praktischen Regeln zur Bewertung und Interpretation der komplexen Beziehungen zwischen Verletzungsrisiko und Trainingsleistung im Profifußball.
Rossi et al. (Wed,) haben diese Frage untersucht.