Efectividad de la inteligencia artificial en la predicción de lesiones en corredores
| dc.contributor | Carpio, Belén | |
| dc.creator | Frizzera, Federico Augusto | |
| dc.date | 2026-04-24 | |
| dc.date.accessioned | 2026-10-28T19:51:37Z | |
| dc.description | Introducción: El running es una de las actividades deportivas más practicadas a nivel mundial debido a su accesibilidad y beneficios para la salud. Sin embargo, presenta una alta incidencia de lesiones que afectan la continuidad del entrenamiento y el rendimiento deportivo. En los últimos años, la inteligencia artificial ha comenzado a incorporarse en el ámbito deportivo y de la salud con el objetivo de analizar datos biomecánicos y detectar patrones asociados al riesgo de lesión en corredores. Hipótesis: En el running la inteligencia artificial es una herramienta eficaz para la predicción de lesiones. Objetivos: Confirmar la efectividad de la inteligencia artificial en la predicción de lesiones en corredores mediante una revisión bibliográfica, comparar los resultados obtenidos por distintos algoritmos e identificar los modelos y variables biomecánicas más utilizadas como predictores de lesión. Metodología: Se realizó un estudio no experimental con enfoque mixto, de carácter descriptivo, basado en el análisis documental de estudios científicos. La búsqueda bibliográfica se llevó a cabo en bases de datos como PubMed, SciELO, PEDro y ScienceDirect, aplicando criterios de inclusión y exclusión para la selección de los artículos analizados. Resultados: Los estudios analizados evidencian una predominancia del uso de algoritmos de machine learning en la predicción de lesiones deportivas. En general, los modelos presentaron niveles de efectividad moderados, aunque algunos enfoques, especialmente aquellos que combinan diferentes arquitecturas de inteligencia artificial, mostraron resultados de efectividad alta. Conclusión: La inteligencia artificial presenta un potencial importante para la predicción de lesiones en corredores. Sin embargo, su efectividad depende de diversos factores; metodológicos, de heterogeneidad de datos, arquitecturas/algoritmos utilizados, interpretabilidad, diversidad de variables, entre otros. | |
| dc.description | Fil: Frizzera, Federico Augusto. Instituto Universitario de Ciencias de la Salud. Fundación Barceló; Argentina. | |
| dc.format | application/pdf | |
| dc.identifier.uri | https://repositorio.barcelo.edu.ar/handle/123456789/1290 | |
| dc.language | spa | |
| dc.publisher | Instituto Universitario de Ciencias de la Salud – Fundación Barceló | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | KINESIOLOGIA | |
| dc.subject | INTELIGENCIA ARTIFICIAL | |
| dc.subject | LESIONES | |
| dc.subject | BIOMECANICA | |
| dc.subject | RUNNING | |
| dc.subject | LESIONES EN DEPORTES | |
| dc.title | Efectividad de la inteligencia artificial en la predicción de lesiones en corredores | |
| dc.type | info:eu-repo/semantics/bachelorThesis | |
| dc.type | info:ar-repo/semantics/tesis de grado | |
| dc.type | info:eu-repo/semantics/publishedVersion |