대학축구선수의 상대적 외적훈련부하와 스포츠 손상의 연관성

The Relationship Between Relative External Training Load and Sports Injury in Collegiate Football Players

Article information

Exerc Sci. 2022;31(2):264-270
Publication date (electronic) : 2022 May 31
doi : https://doi.org/10.15857/ksep.2022.00185
1Major of Marine-Sports, Division of Smart Healthcare, Pukyong National University, Busan, Korea
2Department of Sport Science, Korea Institute of Sport Science, Seoul, Korea
김태규1orcid_icon, 최호경,2orcid_icon
1부경대학교 스마트헬스케어학부 해양스포츠전공
2한국스포츠정책과학원 스포츠과학연구실
Corresponding author: Hokyung Choi Tel +82-2-970-9572 Fax +82-2-970-9502 E-mail ghruddl82@gmail.com

∗이 논문은 2019년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구임 (NRF-2019S1A5B5A01037439).

Received 2022 May 06; 2022 May 20; Accepted 2022 May 30.

Trans Abstract

PURPOSE

This study aimed to investigate the relationship between relative training load and non-contact injuries in collegiate football players.

METHODS

Eleven players were enrolled in this study. During sports competitions, data were collected using global positioning system (GPS) units (10 Hz), and information on sport-related injuries of the lower extremities was recorded. The acute-to-chronic workload ratio (ACWR) of total distance covered, high-intensity distance (≥18 km/hours), sprint distance (≥21 km/hours) and bouts, work-to-rest ratio, and acceleration-deceleration bouts were calculated. Data were evenly split into quartiles, with the lowest ACWR range used as a reference group. Odds ratios were calculated to determine the injury risk at a given ACWR of each GPS variable, using a logistic regression analysis.

RESULTS

Six players experienced nine injuries, yielding an incidence of 132.93 injuries per 1,000 athlete exposures. Based on ACWR values, the highest risk of injury was most associated with total distance covered, followed by high-intensity distance, and sprint bouts. The lowest risk of injury was associated with sprint distance, which yielded a lower injury risk than that in the reference group.

CONCLUSIONS

Our study shows the need for continued monitoring of in-game athlete performance in preventing non-contact sport-related injuries in football players.

서 론

훈련량, 강도 및 빈도로 구성되는 훈련부하(training load)는 운동선수들의 생리학적 반응을 유도하기 위해 조작되는 변수로[1], 훈련을 통한 신체적 적응을 위해서는 중등도(moderate)에서 높은(high) 훈련부하가 요구되나 과도한 훈련부하는 과훈련 증후군(overtraining syndrome), 손상(injury), 질병(illness) 등 부정적인 반응의 발생률을 높이게 된다[2]. 이러한 이유로 스포츠 현장에서는 선수 개개인의 훈련부하를 정량화하고 이를 적절하게 관리하는 것에 대한 중요성이 강조되고 있고, 운동선수의 적정훈련부하 설정에 대한 과학적 근거의 필요성이 지속적으로 제기되고 있다[2,3].

훈련부하는 훈련 또는 시합 동안 수행된 신체적 활동인 외적(external) 훈련부하와 신체적 활동과 관련된 생리학적(physiological) 및 생역학적(biomechanical) 스트레스 반응인 내적(internal) 훈련부하로 분류할 수 있는데[2,3], 외적 훈련부하는 스트로크 횟수나 총 뛴 거리 또는 가속/감속 횟수 등을 사용하여 산출하는 반면[4] 내적 훈련부하는 일반적으로 운동자각도(ratings of perceived exertion, RPE)와 같이 자가기입(self-report) 방법이나 심박수(heart)를 사용하여 산출된다[1]. 최근 축구와 같은 팀 스포츠에서는 global positioning system (GPS) 장비를 사용하여 훈련이나 시합에서의 포지션별 또는 개인별 러닝 관련 변인(running-related variables)에 대한 자료를 수집하여 외적 훈련부하를 산출하는데[5], 메타분석을 실시한 선행연구에 따르면, GPS 장비를 활용하여 산출된 외적 훈련부하는 심박수(heart rate)나 운동자각도(RPE)를 통해 산출된 내적 훈련부하와 강한 정적 상관관계(r=0.65-0.82)가 있다고 보고하였다[2].

스포츠 손상(sports-related injury)은 팀의 운동수행능력에 영향을 미칠 뿐 아니라 선수 개개인의 안녕(well-being)과 행복에도 부정적인 영향을 미치게 되는데, 이러한 이유로 운동선수들의 스포츠 손상 발생을 최소화하는 방법을 탐색하는 연구가 많이 진행되고 있다[6]. 부상과 관련된 위험요인 중 하나인 훈련부하는 부상 예방의 목적으로 최근 많은 연구자의 관심을 받고 있는 변인으로, 훈련부하와 부상발생률, 특히 비접촉성 부상발생률의 연관성을 확인하는 다양한 연구를 통해 선수 개개인의 적정 훈련부하를 설정하기 위한 과학적 기반을 마련하고 있다[68]. 훈련부하는 일정기간 누적훈련량으로 산출하는 절대적(absolute) 훈련부하와 훈련부하의 변화량을 산출하는 상대적(relative) 훈련부하로 구분되는데, 상대적 훈련부하 산출방법이 스포츠 손상 발생을 예측하는 데에 더 정확한 정보를 제공하는 것으로 보고되었다[9]. 상대적 훈련부하를 산출하는 방법 중 하나인 만성 훈련부하에 대한 급성 훈련부하 비율(acute: chronic workload ratio, ACWR)은 선수의 체력(fitness)으로 간주되는 4주간 평균 훈련부하(chronic workload)에 대해 훈련에 대한 피로(fatigue)로 간주되는 1주간 누적 훈련부하(acute workload)의 비율을 의미하는데[10], 유소년 축구선수의 경우 높은 속도로 뛴 거리에 대한 ACWR이 1.4-1.9일 때 부상발생의 상대적 위험도(relative risk)가 2.6인 것으로 확인되었고[11], 영국 프리미어 리그에 참여하는 축구선수의 경우에는 총 뛴 거리와 낮은 속도로 뛴 거리 및 가속 ∙감속 횟수에 대한 ACWR이 2.0 이상일 때 부상발생 위험도가 5-7배 높아지는 것으로 나타났을 뿐만 아니라[12], 유럽 리그에 출전하는 선수들의 경우에는 운동자각도(RPE)에 대한 ACWR 이 0.85 이하일 때에도 상대적 위험도(relative risk=1.31)가 높아지는 것으로 확인되었다[13]. 이렇듯 ACWR과 부상 위험도는 ‘ U’자 또는 ‘ J’자 모양의 관계를 갖는다고 설명되며[14], 부상위험도가 가장 낮은 범위인 ACWR=0.8-1.3을 스윗 스팟(sweet spot)이라고 설명하였다[15]. 그러나, 일부 연구에서는 훈련부하와 부상 위험도의 연관성이 적다고 보고되기도 하며[16] 오히려 엘리트 남자축구선수가 경험한 부상의 53%가 스윗 스팟에 포함되어 있을 때 발생하였다고 보고[17]되는 등 상충되는 결과는 보이고 있어 훈련부하와 스포츠 손상 발생의 관계는 여전히 불확실하다[16].

따라서 본 연구에서는 대표적인 팀스포츠인 축구종목 엘리트 선수를 대상으로 GPS장비를 통해 수집된 변인을 기반으로 상대적 훈련부하량을 산출하고 상대적 훈려부하량에 따른 비접촉성 스포츠 손상의 위험도를 확인함으로써, 비접촉성 연부조직 손상과 관련된 GPS 변인 탐색과 부상예방을 위한 적정 훈련량을 설정하는 데에 정보를 제공하고자 한다.

연구 방법

1. 연구 대상

P대학 축구팀 소속 선수 중 골키퍼를 제외한 15명의 선수를 대상으로 2019년 7월부터 2020년 1월까지 시행된 전국추계대학축구연맹전(3개 시합)과 대학축구 U리그(14개 시합)의 17개 시합에 대해 자료를 수집하였다. 자료수집 시작 3개월 전부터 허리 통증 및 하지 손상으로 인해 시합 참여가 어려운 선수 1명과 사람 및 사물과의 접촉으로 인해 손상을 경험한 선수 2명 및 4주차 자료수집 이전에 부상을 경험한 선수 1명 등 4명의 자료를 제외하여 총 11명의 선수에 대해 143개의 자료만을 분석에 사용하였다. 자료수집 동안 총 6명의 선수가 부상을 경험하였고 인구통계학적 특성은 Table 1과 같다. 본 연구에 참여한 모든 선수는 연구의 목적과 절차에 대해 자세한 설명을 들은 후 자발적인 참여에 대해 동의를 하였다.

Subject characteristics

2. GPS 자료 수집 및 정리

시합 참여 30분 전, 모든 연구대상자는 전용조끼를 착용한 후 GPS 장비(PlayerTek, Catapult Innovations, sampling frequency=10 Hz, Melbourne, Australia)가 2번째에서 6번째 등뼈(thoracic)에 위치하도록 부착하였다. 매 시합 종료 후 GPS 장비에 기록된 자료는 전용 소프트웨어(PlayerTek software, Melbourne, Australia)에 업로드하여, 총 뛴 거리(total distance covered), 높은 속도(≥18 km/hours, high-intensity distance)로 뛴 거리, 스프린트(≥21 km/hours, sprint distance)로 뛴 거리 및 빈도(sprint bouts), 일/휴식 비율(work to rest ratio, 4 km/hour 이상의 속도로 움직인 거리에 대한 3.9 km/hour 이하의 속도로 움직인 거리의 비율), 가속(≥2.78 m/s2, acceleration bouts) 및 감속(≤-2.78 m/s2, deceleration bouts) 횟수 등으로 각각 수치화하였다[1821]. 시합에 80분 이상 참여한 경우의 자료만을 사용하였고, 준비운동과 하프타임에 발생한 움직임에 대한 정보는 제외하였다.

모든 자료 수집이 종료된 후, 주(week) 단위로 구분하여 각 GPS변인에 대한 누적량을 계산하였다[9,14,15]. 4주의 평균은 선수 개개인의 체력(fitness)으로 간주하였고 1주의 누적량은 피로(fatigue)로 간주하여 4주차 자료수집부터 체력에 대한 피로 비율(ratio of acute to chronic work load, ACWR)을 산출하여 분석에 활용하였고[9,14,15], ACWR이 산출되는 시기에 비접촉성 연부조직 손상을 경험한 선수(injured athletes)와 그렇지 않은 선수(non-injured athletes)로 분류하였으며, 부상을 경험한 선수의 자료는 부상 시점 이후에는 분석에서 제외하였다.

3. 비접촉성 손상

본 연구에서 스포츠 손상은 모든 형태의 근골격계 통증 및 불편함으로 정의하였고, 국제올림픽위원회(International Olympic Commit-tee)에서 사용하는 보고서(daily report)를 바탕으로 손상부위, 손상원인, 손상 후 대처 등을 매일 기록하였으며[22], 수집된 모든 정보에 대해서 철저히 보안을 유지하였다. 이렇게 수집된 스포츠 손상 관련 자료 중 선정된 GPS 변인과 관련이 있을 것으로 판단되는 엉덩관절(hip joint), 넓적다리(thigh), 무릎관절(knee joint), 종아리(crura), 발목관절(ankle joint) 및 발(foot) 등의 하지와 허리에서 발생하는 비접촉성 연부조직 손상만을 분석에 활용하였다.

4. 자료 분석

수집된 스포츠 손상에 대한 정보를 활용하여 1,000회 시합 참여 횟수(athlete exposures, AEs)에 대해 손상 발생 건수(건/1,000 AEs)로 손상발생률(incidence rate)을 산출하였고, 95% 신뢰 구간(confidence in-tervals, CI)을 제시하였다. 각 GPS 변인에 대해 사분위수(quartiles)를 기준으로 4개의 범주로 구분을 하였고 가장 낮은 훈련 부하 범주를 참조범주로 설정하여 로지스틱 회귀분석(logistic regression analysis)을 실시하였으며, 참조범주의 부하에 대한 나머지 범주의 승산비(odds ratio)를 확인하였다[23]. 모든 유의수준은 α=.05로 설정하였다.

연구 결과

1. 부상발생률

본 연구의 자료수집 동안 총 6명의 선수가 9건을 손상을 경험하였는데, 3명의 선수가 2건의 손상을 동시에 경험하였다. 총 부상 중 6건이 발목관절에서 발생하였으며 무릎관절에서 1건과 허벅지에서 2건의 부상이 발생하였다. 총 부상발생률은 132.93건/1,000 AEs인 것으로 확인되었으며 95% 신뢰구간(CI)은 120.82건/1,000 AEs-144.17건/1,000 AEs 이었다.

2. 상대적 훈련부하량에 따른 비접촉성 연부조직 손상 위험도

Table 2는 총 뛴 거리와 높은 속도로 뛴 거리의 상대적 훈련부하량인 ACWR에 대한 비접촉성 연부조직 손상 위험도를 확인한 결과이다. 총 뛴 거리의 경우, ACWR이 0.997 이하를 기준으로 0.998-1.019 범주의 승산비는 0.13으로 확인되었으나 통계적으로 유의하지 않았고(p = .09), 1.060-1.254 범주의 승산비는 8.80으로 확인되었다(p =.02). 높은 속도로 뛴 거리의 ACWR는 0.989를 기준으로 1.023-1.141 범주의 승산비는 5.06이었지만 통계적으로 유의하지 않았고(p =.05), 1.142-1.496 범주의 승산비는 7.50으로 확인되었다(p =.02).

Odds risk of ACWR in Total distance covered and High-intensity distance compared to a reference group

Table 3은 스프린트 뛴 거리와 횟수의 상대적 훈련부하량인 ACWR 에 대한 비접촉성 연부조직 손상 위험도를 확인한 결과이다. 스프린트 뛴 거리의 경우, ACWR이 0.841 이하를 기준으로 0.842-1.011 범주의 승산비는 0.10으로 확인할 수 있었던 반면(p =.01), 스프린트 횟수의 ACWR 은 0.978를 기준으로 1.226-1.636 범주의 승산비는 7.50으로 확인되었다(p =.02).

Odds risk of ACWR in Sprint distance and bouts compared to a reference group

Table 4는 일/휴식 비율과 가속 및 감속횟수의 상대적 훈련부하량인 ACWR에 대한 비접촉성 연부조직 손상 위험도를 확인한 결과로, 세 변인 모두 ACWR과 비접촉성 손상 위험도와의 연관성은 확인되지 않았다.

Odds risk of ACWR in Work to rest ratio and Acceleration/Deceleration bouts compared to a reference group

논 의

본 연구에서는 축구종목 엘리트 선수를 대상으로 GPS 장비를 통해 수집된 변인을 기반으로 상대적 훈련부하량을 산출하고 상대적 훈련부하량에 따른 비접촉성 스포츠 손상의 위험도를 확인하고자 하였다. 그 결과, 총 11명의 선수 중 6명의 선수가 9건의 부상을 경험하였고, 부상발생률은 132.93건/1,000 AEs (95% 신뢰구간: 120.82건/1,000 AEs-144.17건/1,000 AEs)으로 확인되었다. 총 뛴 거리와 높은 속도로 뛴 거리는 가장 낮은 ACWR 범주에 비해 가장 높은 범주(각각 1.060-1.254와 1.142-1.496)의 스포츠 손상 위험도는 각각 8.80배와 7.50배 높아지는 것을 확인하였고, 스프린트 횟수 또한 가장 낮은 ACWR 범주에 비해 가장 높은 범주(1.226-1.636)의 손상 위험도가 약 7.50배 높아지는 것을 확인할 수 있었으나, 스프린트 뛴 거리는 가장 낮은 ACWR 범주보다 2번째로 낮은 범주(0.842-1.011)에서 손상 위험도(승산비: 0.10)가 1보다 낮은 것을 확인하였다.

팀 스포츠 종목 중 하나인 축구는 과거보다 더 공격적으로 진행되고 더 높은 수준의 체력이 요구되는데, 이러한 체력적인 요구들을 충족하기 위해 축구선수는 훈련부하의 균형이 고려된 체계적이고 적절한 훈련체계에 노출되어야 한다[24]. 그러나 불충분하거나 과도한 훈련부하는 부상(injuries), 과훈련(overtraining) 등과 같은 문제를 유발하는데, 실제 프로축구선수는 1,000시간 훈련 또는 시합 참여 시 2.5-9.4건의 부상이 발생하는 것으로 보고되었고, 대학 축구선수는 1,000회 훈련 또는 시합 참여 시 4.01건의 부상이 발생하는 것으로 보고되었다[25]. 본 연구에서는 1,000회 시합 노출 시 약 133건의 부상이 발생하는 것으로 확인되어 선행연구의 결과에 비해 상당히 높은 부상발생률을 보였는데, 이러한 결과는 자료수집 기간과 관련이 있을 것으로 생각된다. 다시 말해, Kerr et al. [25]의 연구는 2004-2005년 시즌부터 2013-2014년 시즌까지 축구선수의 부상 데이터를 수집하여 결과를 분석한 반면, 본 연구에서는 7개월이라는 비교적 짧은 기간의 데이터를 수집하였을 뿐 아니라 훈련 참여를 제외한 시합 참여 데이터만을 활용하여 부상발생률을 산출하였으므로 이러한 차이가 발생한 것으로 판단된다. 추후 연구에서는 시합뿐 아니라 훈련 참여 시간 또는 횟수 등을 고려하여 부상발생률을 산출한다면 더 정확한 정보를 제공할 수 있을 것으로 판단된다.

축구경기에서는 총 뛴 거리, 특히 높은 속도 또는 스프린트로 뛴 거리나 횟수가 증가하고 있고, 높은 속도나 스프린트로 뛰는 능력은 팀의 퍼포먼스에 중요한 요인으로 강조되고 있는데, 이는 축구선수들이 반복적으로 높은 속도 또는 스프린트로 뛰는 훈련 또는 시합환경에 노출되어 있다고 해석할 수 있다[23]. 실제, 프로 축구선수를 대상으로 높은 강도의 훈련부하와 스포츠 손상 발생의 연관성을 확인한 결과, 최대심박수 85% 이상의 강도로 훈련한 시간이 긴 선수일수록 연이은 시합 또는 훈련참여에서 부상이 발생할 확률이 높아지는 것으로 보고되었다[26]. 또한, 2015/2016 시즌 동안 유럽피언 리그에 참가하는 축구선수를 대상으로 높은 속도와 스프린트로 뛴 거리와 스포츠 손상의 연관성을 확인한 연구에서는 주(week)당 변화량(높은 속도로 뛴 거리: 351-455 m, 스프린트 거리: 75-105 m)이 큰 선수일수록 부상위험도 또한 높아진다고 설명하였다[23]. 본 연구에서도 총 뛴 거리(1.060-1.254)와 높은 속도로 뛴 거리(1.142-1.496)의 상대적 훈련부하량이 가장 높을 때의 부상위험도가 훈련부하량이 가장 낮을 때(각각 0.997 이하와 0.898 이하)의 위험도에 비해 각각 5.06배와 7.50배 높아지는 것을 확인할 수 있었고, 스프린트 뛴 횟수의 상대적 훈련부하량(1.226-1.636) 또한 가장 높을 때의 부상위험도가 가장 낮을 때(0.978 이하)보다 7.50배 높아지는 것을 확인할 수 있었다. 따라서, 하지의 비접촉성 부상과 관련이 있는 것으로 확인된 총 뛴 거리와 높은 속도로 뛴 거리 및 스프린트 횟수 등의 변인에 대해 상대적 훈련부하량을 꾸준히 모니터링 하는 것이 필드하키 선수들의 부상예방을 위한 하나의 전략이 될 수 있을 것으로 생각된다.

앞서 언급한 바와 같이, 상대적 훈련부하량과 부상 위험도는 ‘ U’자 또는 ‘ J’자 모양의 관계를 갖고 있는데[14], 유럽피언 리그에 참가하는 축구선수를 대상으로 시행한 연구에서 높은 속도(14.4 km/hour 이상)로 뛴 거리와 스프린트(19.8 km/hour 이상) 거리가 각각 701-750 m와 201-350 m의 중등도 범주일 때 부상위험도는 가장 낮은 범주인 674 m 이하와 165 m 이하의 부상위험도보다 낮은 결과를 보였고[23], 본 연구에서도 스프린트 거리의 상대적 부하량이 2번째로 낮을 때(0.842-1.011)의 부상위험도가 상대적 부하량이 가장 낮을 때(0.841 이하)보다 0.1배로 감소하여 선행연구와 유사한 결과를 보였다. 이러한 결과 또한 스프린트 거리의 상대적 부하량을 지속적으로 모니터링하여 적정 범주에 유지하도록 하는 것이 하지의 비접촉성 부상을 예방하는 전략이 될 수 있을 것으로 생각되나, 상대적 훈련부하량의 적정 범주 설정을 위해서는 부상발생 기전을 고려하여 GPS 변인을 탐색하고 신뢰도 높은 데이터를 장기간 동안 수집하여 확인한다면[3], 보다 현장성 높은 정보를 제공할 수 있을 것으로 생각된다.

다양한 스포츠 종목에서 선수뿐 아니라 팀의 운동수행능력 향상을 방해하는 스포츠 손상, 특히 과사용 손상(overuse injuries)은 예방이 가능하다고 주장되었고[15], 지난 10년 동안 많은 연구자들은 과사용 스포츠 손상을 예방하기 위해 부상 위험도와 훈련부하의 연관성을 확인하기 위해 많은 노력을 하였으며[8], 본 연구에서도 축구선수를 대상으로 비접촉성 하지 부상 위험도와 GPS 변인별 훈련부하량의 연관성을 확인함으로써 적정 훈련량을 설정하는 데에 정보를 제공하고자 하였다. 그러나, 한 선행연구에서는 부상예방을 목적으로 훈련부하를 적정 수준으로 유지해야 한다는 주장을 뒷받침할 수 있는 과학적 근거는 부족한 실정이라고 언급하기도 하였는데[27], 이는 데이터 수집 방법에 따라 특정 기간의 훈련 또는 시합 동안 발생하는 내적 또는 외적 훈련부하만을 수집하여 선수가 경험하는 모든 훈련부하를 반영하지 못하였고, 부상위험도와 관련성이 높은 부상이력(history)을 고려하지 못한 것과 관련이 있을 것으로 생각된다. 따라서, 추후 연구에서 선수의 부상이력을 고려하고 내적훈련부하와 외적훈련부하를 모두 반영하여 모든 훈련과 시합에서 선수가 경험한 훈련부하량을 연속적으로 수집∙ 산출하는 방법을 제안한다면 과사용 스포츠 손상과 훈련부하량의 연관성을 더 명확하게 검증할 수 있을 것으로 생각되고 이는 스포츠 손상 예방에 대해 효과적인 전략을 마련하는 과학적 근거가 될 수 있을 것으로 생각된다.

결 론

엘리트 축구선수를 대상으로 시합을 뛰는 동안 수집된 GPS 데이터를 기반으로 GPS 변인별 상대적 훈련부하량을 산출하고 상대적 훈련부하량에 따른 비접촉성 스포츠 손상의 위험도를 확인한 결과, 총 11명의 선수 중 6명의 선수가 9건의 부상(부상발생률은 132.93건/1,000 AEs)을 경험하였고, 총 뛴 거리와 높은 속도로 뛴 거리 및 스프린트 횟수는 가장 낮은 상대적 훈련부하량의 범주에 비해 가장 높은 범주의 스포츠 손상 위험도는 7.50-8.80배까지 높아지는 것을 확인하였으나, 스프린트 뛴 거리는 가장 낮은 상대적 훈련부하량의 범주보다 2번째로 낮은 범주에서 손상 위험도가 오히려 감소하는 것을 확인하였다. 이러한 결과를 통해 축구선수의 비접촉성 스포츠 손상을 예방하기 위해서 총 뛴 거리와 높은 속도로 뛴 거리, 스프린트 거리 및 횟수를 지속적으로 모니터링할 필요가 있을 것으로 생각된다.

Notes

이 논문 작성에 있어서 어떠한 조직으로부터 재정을 포함한 일체의 지원을 받지 않았으며, 논문에 영향을 미칠 수 있는 어떠한 관계도 없음을 밝힌다.

AUTHOR CONTRIBUTION

Conceptualization: T Kim, H Choi; Data curation: H Choi; Formal analysis: T Kim, H Choi; Funding acquisition: H Choi; Methodology: H Choi; Project administration: T Kim; Visualization: H Choi; Writing-original draft: T Kim, H Choi; Writing-review & editing: T Kim, H Choi.

References

1. . Impellizzeri FM, Marcora SM, Coutts AJ. Internal and external training load: 15 years on. Int J Sports Physiol Perform 2019;14:270–3.
2. . McLaren SJ, Macpherson TW, Coutts AJ, Hurst C, Spears IR, et al. The relationships between internal and external measures of training load and intensity in team sports: a meta-analysis. Sports Med 2018;48:641–58.
3. . Kalkhoven JT, Watsford ML, Coutts AJ, Edwards WB, Impellizzeri FM. Training load and injury: causal pathways and future directions. Sports Med 2021;51:1137–50.
4. . Foster C, Rodriguez-Marroyo JA, De Koning JJ. Monitoring training loads: the past, the present, and the future. Int J Sports Physiol Perform 2017;12(S2):2–S2-8.
5. . Martin-Garcia A, Gomez Diaz A, Bradley PS, Morera F, Casamichana D. Quantification of a professional football team's external load using a microcycle structure. J Strength Cond Res 2018;32:3511–8.
6. . Griffin A, Kenny IC, Comyns TM, Purtill H, Tiernan C, et al. Training load monitoring in team sports: a practical approach to addressing missing data. J Sports Sci 2021;39:2161–71.
7. . Kim T, Park JC, Park JM, Choi H. Optimal relative workload for man-aging low-injury risk in lower extremities of female field hockey players: a retrospective observational study. Medicine (Baltimore) 2021;100:e27643.
8. . Theron GF. The use of data mining for predicting injuries in professional football playersz. University of Oslo (Master's thesis) 2020.
9. . Hulin BT, Gabbett TJ, Lawson DW, Caputi P, Sampson JA. The acute:chronic workload ratio predicts injury: high chronic workload may decrease injury risk in elite rugby league players. Br J Sports Med 2016;50:231–6.
10. . Banister EW, Calvert T, Savage M, Bach T. A systems model of training for athletic performance. Aust J Sports Med 1975;7:57–61.
11. . Bowen L, Gross AS, Gimpel M, Li FX. Accumulated workloads and the acute:chronic workload ratio relate to injury risk in elite youth football players. Br J Sports Med 2017;51:452–9.
12. . Bowen L, Gross AS, Gimpel M, Bruce-Low S, Li FX. Spikes in acute: chronic workload ratio (ACWR) associated with a 5-7 times greater injury rate in english premier league football players: a comprehensive 3-year study. Br J Sports Med 2019;54(12):731–8.
13. . Delecroix B, McCall A, Dawson B, Berthoin S, Dupont G. Workload and non-contact injury incidence in elite football players competing in European leagues. Eur J Sport Sci 2018;18:1280–7.
14. . Hulin BT, Gabbett TJ, Blanch P, Chapman P, Bailey D, et al. Spikes in acute workload are associated with increased injury risk in elite cricket fast bowlers. Br J Sports Med 2014;48:708–12.
15. . Gabbett TJ. The training-injury prevention paradox: should athletes be training smarter and harder? Br J Sports Med 2016;50:273–80.
16. . Bache-Mathiesen LK, Andersen TE, Dalen-Lorentsen T, Clarsen B, Fagerland MW. Not straightforward: modelling non-linearity in training load and injury research. BMJ Open Sport Exerc Med 2021;7:e001119.
17. . Enright K, Green M, Hay G, Malone JJ. Workload and injury in professional soccer players: role of injury tissue type and injury severity. Int J Sports Med 2020;41:89–97.
18. . Aughey RJ. Applications of GPS technologies to field sports. Int J Sports Physiol Perform 2011;6:295–310.
19. . Casamichana D, Castellano J, Calleja-Gonzalez J, San Roman J, Cast-agna C. Relationship between indicators of training load in soccer players. J Strength Cond Res 2013;27:369–74.
20. . Dwyer DB, Gabbett TJ. Global positioning system data analysis: veloc-ity ranges and a new definition of sprinting for field sport athletes. J Strength Cond Res 2012;26:818–24.
21. . Gabbett TJ, Ullah S. Relationship between running loads and soft-tis-sue injury in elite team sport athletes. J Strength Cond Res 2012;26:953–60.
22. . Steffen K, Soligard T, Mountjoy M, Dallo I, Gessara AM, et al. How do the new olympic sports compare with the traditional olympic sports? injury and illness at the 2018 youth olympic summer games in Buenos Aires, Argentina. Br J Sports Med 2020;54:168–75.
23. . Malone S, Owen A, Mendes B, Hughes B, Collins K, et al. High-speed running and sprinting as an injury risk factor in soccer: can well-de-veloped physical qualities reduce the risk? J Sci Med Sport 2018;21:257–62.
24. . Verstappen S, van Rijn RM, Cost R, Stubbe JH. The association between training load and injury risk in elite youth soccer players: a sys-tematic review and best evidence synthesis. Sports Med-Open 2021;7:1–14.
25. . Kerr ZY, Comstock RD, Dompier TP, Marshall SW. The first decade of web-based sports injury surveillance (2004-2005 through 2013-2014): methods of the national collegiate athletic association injury surveillance program and high school reporting information online. J Athl Train 2018;53:729–37.
26. . Owen AL, Forsyth JJ, Wong del P, Dellal A, Connelly SP, et al. Heart rate-based training intensity and its impact on injury incidence among elite-level professional soccer players. J Strength Cond Res 2015;29:1705–12.
27. . Impellizzeri FM, Menaspà P, Coutts AJ, Kalkhoven J, Menaspa MJ. Training load and its role in injury prevention, part I: back to the future. J Athl Train 2020;55:885–92.

Article information Continued

Table 1.

Subject characteristics

Variables Age (yr) Height (cm) Weight (kg) Career (yr) Position (n, %)
FW MF DF
Injured players (n=6) 22.00±1.67 178.16±6.85 71.00±7.87 9.66±2.58 1 (16.67) 1 (16.67) 4 (66.66)
Non-injured players (n=5) 22.4±1.14 181.4±5.02 73.00±6.16 10.8±1.92 2 (40.0) 3 (60.0) -

Values are presented as mean±standard deviation or frequency (percentage).

FW, forward; MF, midfielder; DF, defender.

Table 2.

Odds risk of ACWR in Total distance covered and High-intensity distance compared to a reference group

Variable Odds ratio (OR) 90% confidence interval p-value
Lower Upper
Total distance covered
  ≤0.997 1.00
  0.998-1.019 0.13 0.01 1.36 .09
  1.020-1.059 1.87 0.39 8.89 .43
  1.060-1.254 8.8 1.35 57.42 .02
High-intensity distance
  ≤0.989 1.00
  0.990-1.022 0.19 0.02 1.98 .16
  1.023-1.141 5.06 0.96 26.77 .05
  1.142-1.496 7.5 1.31 43.03 .02

Table 3.

Odds risk of ACWR in Sprint distance and bouts compared to a reference group

Variable Odds ratio (OR) 90% confidence interval p-value
Lower Upper
Sprint distance
  ≤0.841 1.00
  0.842-1.011 0.10 0.01 0.65 .01
  1.012-1.129 0.47 0.10 2.23 .34
  1.130-1.541 0.77 0.16 3.79 .75
Sprint bouts
  ≤0.978 1.00
  0.979-1.056 1.48 0.25 8.49 .65
  1.057-1.225 5.33 0.96 29.39 .05
  1.226-1.636 7.50 1.30 43.02 .02

Table 4.

Odds risk of ACWR in Work to rest ratio and Acceleration/Deceleration bouts compared to a reference group

Variable Odds ratio (OR) 90% confidence interval p-value
Lower Upper
Work to rest ratio
  ≤0.977 1.00
  0.978-1.022 0.30 0.04 1.99 .21
  1.023-1.137 1.30 0.25 6.52 .75
  1.138-1.481 1.00 0.14 7.09 .99
Acceleration bouts
  ≤0.687 1.00
  0.688-1.076 1.75 0.32 9.29 .51
  1.077-1.500 1.28 0.24 6.83 .76
  1.501-3.000 1.16 0.23 5.80 .85
Deceleration bouts
  ≤0.873 1.00
  0.874-1.058 2.28 0.41 12.73 .34
  1.059-1.333 2.66 0.49 14.46 .25
  1.334-1.882 3.55 0.65 19.41 .14