Detección automática de cambios en el hockey sobre hielo: una forma más clara de comparar las cargas de trabajo en el hockey sobre hielo
Patrick Love, especialista sénior en éxito del cliente (rendimiento y salud) en Catapult Sports
Puntos clave:
- La detección automática de turnos ofrece al personal un margen de tiempo más claro para comprender la carga de trabajo.
- Al identificar automáticamente los turnos activos, reduce la carga que supone el etiquetado manual y crea una base más coherente para comparar las exigencias de los entrenamientos y los partidos.
- Para los entrenadores, el equipo de vídeo y el equipo técnico, esto proporciona a todos un punto de referencia común sobre lo que hicieron los jugadores, lo exigente que fue y el contexto en el que se produjo.
Los entrenadores de hockey sobre hielo lo saben por experiencia: dos sesiones de entrenamiento pueden parecer similares sobre el papel, pero resultar completamente diferentes en la práctica. Una puede incluir series largas y pausas para dar instrucciones. La otra puede consistir en repetidas series cortas e intensas con poco tiempo de recuperación. Si ambas se resumen en una sola cifra, la diferencia importante queda oculta.
Player Load total Player Load PL) indica al cuerpo técnico la cantidad de trabajo que ha acumulado un jugador. No muestra cómo se ha acumulado ese trabajo ni cuál ha sido el nivel de exigencia de los segmentos activos. Esa distinción es importante porque la PL por minuto (PL/min) no siempre ha significado lo mismo en el hockey sobre hielo.
Nightingale et al. (2026) señalan este aspecto en su marco para la selección de métricas de carga externa en el hockey sobre hielo. Señalan que los estudios publicados sobre hockey han utilizado tanto la duración total del partido como el tiempo sobre el hielo como denominador en el PL/min. Los estudios que utilizaron la duración total del partido, entre ellos los de Douglas et al. (2022) y Neeld et al. (2021), arrojaron valores de entre 2,1 y 2,3 PL/min; los estudios que utilizaron el tiempo sobre el hielo, entre ellos los de Byrkjedal et al. (2022) y Pérez et al. (2022), arrojaron valores en torno a los 6,3 PL/min.
Diferentes versiones de Windows, diferentes cargas de trabajo
Aquí es donde resulta complicado comparar los entrenamientos y los partidos. En los partidos, los analistas de vídeo suelen etiquetar las jugadas completas de los jugadores. En los entrenamientos, aunque se graben las sesiones, es poco habitual etiquetar cada repetición de un jugador, y mucho menos las de toda la plantilla. Etiquetar las jugadas de los partidos ya supone mucho trabajo. Etiquetar las repeticiones de los entrenamientos es casi imposible.
Pero si queremos comparar las exigencias de los entrenamientos con las de los partidos, esos intervalos de tiempo específicos de cada jugador son importantes. Sin ellos, el denominador sigue siendo inconsistente. Un jugador puede acumular una cantidad similar de PL, pero la densidad depende de si la calculamos a lo largo de toda la sesión, del ejercicio, de todo el turno o solo de los momentos de actividad.
Pasar de un cronómetro a nivel de sesión a uno de «active-shift» elimina el tiempo en el banquillo y el patinaje entre silbidos. El PL total descendió porque parte de ese movimiento se estaba contabilizando. El PL/min suele aumentar porque el denominador se reduce más rápido que la carga que se está midiendo. El mismo ejercicio, el mismo jugador y el mismo archivo de datos pueden arrojar cifras de volumen y densidad muy diferentes dependiendo del cronómetro que utilice el cuerpo técnico. Por eso es importante la elección de la ventana, y por eso la ventana de turno activo es la más precisa de las cuatro. Solo cuenta los momentos en los que el jugador participaba realmente. La cifra de volumen refleja el trabajo que realizó el jugador. La cifra de densidad refleja la intensidad de ese trabajo mientras se realizaba. Esa es la ventana temporal en la que se pueden comparar los entrenamientos y los partidos.
Por desgracia, hemos vuelto al punto de partida. ¿Cómo resolvemos, en la práctica, el problema de etiquetar manualmente a los representantes?
Detección automática de cambios: un intervalo de tiempo más constante
La función «Ice Hockey Auto Shift Detection» de Catapult resuelve este problema identificando los turnos activos directamente a partir de los dispositivos portátiles. Los equipos obtienen automáticamente los intervalos de turnos activos específicos de cada jugador. Esto proporciona al cuerpo técnico una visión coherente del tiempo que cada jugador ha estado participando activamente en la sesión. Además, ha dado lugar a algunos resultados inesperados.
En un análisis inédito de Catapult Sports de 2026, un entrenamiento de la AHL equivalía aproximadamente al 58 % del volumen de un partido a nivel de sesión. Esa cifra se reducía hasta cerca del 51 % cuando se calculaba a partir de los turnos activos. El mismo entrenamiento parecía más intenso que el partido a nivel de sesión, con alrededor del 130 % de la intensidad del partido en términos de PL/min. Una vez analizados ambos desde la perspectiva de los turnos activos, ese mismo entrenamiento descendió hasta situarse en torno al 73 % de la intensidad de los turnos activos del partido.
Los datos de «Active-shift» pueden poner de manifiesto una diferencia que los resúmenes de sesiones completas suelen ocultar. La mayoría de los profesionales reconocen que el entrenamiento tiene dificultades para igualar el volumen total de un partido. Muchos han dado por sentado que el entrenamiento supera la intensidad del partido porque las sesiones son más cortas, más estructuradas y más controladas.
Estos resultados ponen en duda esa suposición. Cuando analizamos únicamente los periodos en los que los deportistas están realmente activos, el entrenamiento puede resultar insuficiente tanto en volumen como en intensidad.
Esto es importante para la periodización, el diseño de los ejercicios y la reincorporación al juego. Los equipos deben saber si el entrenamiento ha sometido a los jugadores al volumen y la densidad de los cambios propios de un partido real. También deben comprender cómo se ha acumulado ese volumen. Los bloques de trabajo más largos y constantes son diferentes de las series repetidas de alta densidad que reflejan el ritmo del partido.
Conectando las métricas con el momento: integración de vídeo y dispositivos wearables
Una mayor cantidad de datos no implica automáticamente una mayor claridad. Los informes útiles deben adaptar la métrica a la pregunta, reducir la redundancia y ayudar a los equipos a tomar mejores decisiones (Nightingale et al., 2026).
La función «Auto Shift Detection» respalda este enfoque al proporcionar un mejor contexto a las métricas seleccionadas. Cuando los cambios activos se importan a Focus de Catapult, los equipos pueden pasar de la métrica al momento en el que se generó. Para los entrenadores, revisar los cambios tras un partido no es nada nuevo. Sin embargo, ver las repeticiones de entrenamiento específicas de cada jugador nunca había sido factible. Ahora que los cambios activos, incluidas las repeticiones de entrenamiento, pueden identificarse automáticamente, los entrenadores disponen de una forma de revisar el trabajo de entrenamiento específico de cada jugador sin tener que pedir al equipo de vídeo que etiquete manualmente cada repetición.
Esto cambia el flujo de trabajo de todo el personal. El preparador físico encargado del vídeo puede encontrar más rápidamente las repeticiones relevantes de los jugadores. El personal de rendimiento puede explicar por qué se produjo un pico en la carga de trabajo. Los entrenadores pueden analizar los esfuerzos de alta intensidad en un contexto táctico. Todos trabajan a partir de la misma fuente: las mismas métricas, el mismo intervalo de tiempo y el mismo vídeo, todo en un solo lugar.
Conclusión práctica
La detección automática de turnos ofrece al personal un margen de tiempo más claro para comprender la carga de trabajo.
Al identificar automáticamente los turnos activos, reduce la carga que supone el etiquetado manual y crea una base más coherente para comparar las exigencias de los entrenamientos y los partidos.
Para los entrenadores, el equipo de vídeo y el equipo técnico, esto proporciona a todos un punto de referencia común sobre lo que hicieron los jugadores, lo exigente que fue y el contexto en el que se produjo.
Referencias
- Byrkjedal, P. T., Luteberget, L. S., Bjørnsen, T., Ivarsson, A. y Spencer, M. (2022). El diseño de un partido simulado de hockey sobre hielo basado en un juego (scrimmage) genera una mayor intensidad en los parámetros de carga externa en comparación con los partidos oficiales. Frontiers in Sports and Active Living, 4, 822127. https://doi.org/10.3389/fspor.2022.822127
- Catapult Sports. (2026). Comparación entre la carga de trabajo por «Active-shift» y por «period-level» en el hockey sobre hielo de élite [Análisis interno no publicado].
- Douglas, A. S., Rotondi, M. A., Baker, J., Jamnik, V. K. y Macpherson, A. K. (2022). Comparación de las medidas de carga externa sobre hielo entre jugadoras de hockey sobre hielo de nivel subélite y de élite. Journal of Strength and Conditioning Research, 36(7), 1978–1983. https://doi.org/10.1519/JSC.0000000000003771
- Neeld, K. L., Peterson, B. J., Dietz, C. C., Cappaert, T. A. y Alvar, B. A. (2021). «Impacto de la carga de trabajo previa en el rendimiento de los equipos de hockey sobre hielo masculino universitario». Journal of Strength and Conditioning Research, 35(8), 2272–2278. https://doi.org/10.1519/JSC.0000000000004076
- Nightingale, S., Hughes, J., De Ste Croix, M. y Pfeifer, C. (2026). Guía marco para la selección de métricas de carga externa en el hockey sobre hielo. International Journal of Strength and Conditioning. https://doi.org/10.47206/ijsc.v6i1.526
- Pérez, J., Brocherie, F., Couturier, A. y Guilhem, G. (2022). «Los partidos internacionales generan una carga de trabajo mecánica estable en el hockey sobre hielo femenino de alto nivel». *Biology of Sport*, 39(4), 857–864. https://doi.org/10.5114/biolsport.2022.109455
Preguntas y respuestas
Un turno completo abarca el intervalo de tiempo total desde que un jugador pisa el hielo hasta que regresa al banquillo. Este intervalo suele incluir tiempos muertos, como interrupciones por silbato, preparativos para el saque neutral o pausas publicitarias.
Un turno activo limita estrictamente el cálculo a los momentos específicos en los que el jugador participa activamente y se mueve. Al eliminar ese tiempo muerto, los turnos activos ofrecen una visión mucho más clara del rendimiento físico real. Las cifras de volumen reflejan el trabajo real realizado, y las cifras de densidad (como Player Load minuto) muestran con precisión la intensidad de ese trabajo en tiempo real.
Todo depende del denominador (el reloj) que se utilice. Los estudios tradicionales sobre el hockey han calculado el PL/min utilizando dos marcos temporales muy diferentes: la duración total del partido y el tiempo sobre el hielo.
Cuando se utiliza la duración total del partido, el denominador es grande porque incluye todo el tiempo que se pasa sentado en el banquillo, lo que da lugar a puntuaciones de densidad más bajas (normalmente en torno a 2,1-2,3 PL/min). Cuando se pasa al tiempo real que un jugador pasa sobre el hielo, el denominador se reduce drásticamente, lo que hace que las cifras de densidad se disparen hasta acercarse a los 6,3 PL/min. Esta variación no es un error en los datos, sino que refleja el intervalo de tiempo que se elija para la medición.
Históricamente, comparar los datos de los entrenamientos con los de los partidos resultaba increíblemente difícil, ya que el etiquetado manual de los turnos en toda la plantilla es prácticamente imposible durante un entrenamiento.
La función «Auto Shift Detection» de Catapult resuelve este problema identificando automáticamente los intervalos de turnos activos directamente a partir de los dispositivos wearables. Esto pone en tela de juicio las suposiciones habituales sobre el entrenamiento. Por ejemplo, los datos internos revelaron que, aunque un entrenamiento pudiera parecer que alcanzaba el 130 % de la densidad de un partido al analizar los promedios generales de la sesión, en realidad se reducía a solo el 73 % de dicha densidad una vez que ambos se analizaban desde la perspectiva precisa de los turnos activos. Esta información automatizada ayuda a los entrenadores a diseñar ejercicios que imitan fielmente el ritmo y el volumen de alta densidad de los turnos de un partido real.