Bagaimana AI merevolusi pemulihan dan kinerja atletik

Data individual menunjukkan bahwa meskipun tidur dan nyeri penting, kunci pemulihan berbeda untuk setiap atlet.

Para peneliti di Sports Performance Research Institute, Universitas Auckland, Selandia Baru, telah menggunakan pembelajaran mesin untuk mempelajari pemulihan atletik. Mereka melacak 43 atlet ketahanan, mengumpulkan data ekstensif tentang tidur, pola makan, variabilitas denyut jantung, dan rutinitas latihan. Studi tersebut mengungkapkan bahwa meskipun faktor-faktor tertentu seperti kualitas tidur dan nyeri otot secara luas memengaruhi pemulihan, prediktor yang paling efektif bervariasi dari orang ke orang.

Misalnya, data tidur mungkin menjadi indikator yang kuat bagi seorang atlet, sementara bagi atlet lain, asupan protein dan nyeri otot mungkin lebih relevan. Model yang lebih sederhana dengan hanya menggunakan beberapa variabel berkinerja hampir sama baiknya dengan model yang lebih kompleks, yang menekankan bahwa tidak semua faktor sama pentingnya bagi setiap atlet. Namun, efektivitas prediksi meningkat secara signifikan ketika disesuaikan dengan data individu.

Studi ini juga meneliti variabilitas denyut jantung (HRV), tetapi menemukan bahwa memprediksi perubahan HRV berdasarkan faktor yang dapat dikontrol, seperti beban latihan dan pola makan, terbukti sulit. Meskipun HRV sering digunakan sebagai pengukur kesiapan untuk berlatih, para peneliti menyimpulkan bahwa nilai prediktifnya mungkin terbatas.