Motricidad (Sep 2010)
MODELO DE ESTUDIO DE LA ESTRUCTURA CONDICIONAL A TRA´VES DE UN ANÁLISIS MULTIVARIANTE ENFOCADO A LA DETECCIÓN DE TALENTOS EN JUGADORES DE BALONMANO
Abstract
<p class="titulo1" align="center"> </p><p class="titulo1" align="center"><strong>RESUMEN </strong><span class="tabulado"><br /></span></p> <p class="tabulado" align="justify">Los objetivos de esta investigación fueron el análisis de las diferencias antropométricas, condición física y las características del entrenamiento de jóvenes jugadores de balonmano de diferentes categorías de edad, desde una perspectiva multidimensional. Las variables que conforman el modelo multivariate corresponden a varios tests, que nos permitirá predecir el nivel de rendimiento en las diferentes categorías de edad (Solanellas y Rodríguez, 1996). En este estudio participaron 105 jugadores de balonmano de edades comprendidads entre los 13 y 18 años, la selección la realizó la Federación Gallega de Balonmano (España), entre los mejores jugadores de cada club. Se agrupados en tres categorías de edad: 13-14 (INF), 15-16 (CAD) y 17-18 (JUV). La valoración multidimensional constó de 1) un cuestionario específico para analizar sus antecedentes deportivos; 2) una valoración cineantropométrica, que se centró en el estudio de la composición corporal, somatotipo, y el grado de maduración sexual; 3) la Batería Eurofit (Council of Europe, 1988) para valorar la condición física general; y 4) una batería de saltos (SJ, CMJ, y Abalakov). Para llevar a cabo estos objetivos se realizó un análisis estadístico multivariante denominado análisis discriminante (inclusión por pasos), entre los jugadores que fueron seleccionados o no seleccionados por un comité de expertos en balonmano, para jugar con el equipo nacional gallego. Los criterios de inclusión fueron la Lambda De Wilks, el estadístico F, la correlación canónica y el porcentaje de jugadores clasificados correctamente. La capacidad predictiva del modelo multivariante del análisis discriminante, alrededor del 95 % o más de los jugadores fueron clasificados correctamente utilizando todas las variables. Las variables que entraron en el modelo predictivo utilizando la primera función discriminante varía para cada categoría de edad, el porcentaje de clasificación decrece a mayor categoría de edad (JUV). Las variables que entran en el modelo de análisis multivariante con mayor poder de predicción fueron predominantemente las de condición física y cineantropométricas. Tan sólo apareció una variable de los antecedentes deportivos en la categoría JUV.Según los resultados, la mejor edad para la detección de talentos basada en este tipo de evaluación multidisciplinar (antecedentes deportivos, cinantropométricos y test de condición física), son los 15-16 años (categoría CAD), cuando, probablemente, factores coordinativos y cognitivos comienzan a adquirir importancia en el rendimiento en balonmano. Estos resultados pueden ser de ayuda para la detección de talentos en jóvenes jugadores.<br />PALABRAS CLAVE: análisis multivariante, selección de talentos y balonmano.</p> <p class="tabulado"> </p> <p class="titulo1" align="center"><strong>ABSTRACT</strong></p> <p class="tabulado">The aim of this investigation was to analyse different anthropometrical, physical fitness and training characteristics of young handball players of different age categories from a multidimensional perspective, in order to obtain statistically developed reference norms for various testing procedures, and to build multivariate models that could predict performance level at different age periods (Solanellas & Rodríguez 1996). 105 handball players aged 13-18 years participated in the study, selected among the best players of the Galician Handball Federation (Spain). They were grouped into three official age categories: 13-14 (INF), 15-16 (CAD) and 17-18 (JUV). The multidimensional evaluation procedures included: 1) a specific questionnaire to analyse their sport participation background and training status; 2) a complete anthropometrical evaluation, including body composition analysis, somatotyping, and sexual maturation rating; 3) the Eurofit test battery (Council of Europe 1988) to measure general physical fitness; and 4) a vertical jump test battery (SJ, CMJ, and Abalakov). Different multivariate models were developed using discriminant analysis techniques (stepwise selection) to discriminate between players who were selected or not selected to play with the Galician national team by a committee of federal coaches. Wilks’ λ, F values, canonical correlation, and percentage of correctly classified players, among other parameters, were calculated. The predictive capacity of multivariate models developed by discriminant analysis reached 95% or more of players correctly classified when all variables were included. Variables entering the predictive model using the first discriminant function varied for each age category group, and correct classification percentage significantly decreased at the oldest age category (JUV). The variables entering the multivariate models with highest predictive value were predominantly those derived from physical fitness and anthropometrical tests. Training level appeared only at the oldest age category group. From the results, we conclude that the best age for talent detection based on this type of multidisciplinary evaluation (sports background and training status questionnaire, anthropometry, and physical fitness comprehensive testing) seems to be 15-16 years of age (CAD category), when coordinative and cognitive factors probably begin to play an increasingly important role in handball performance. These results could be particularly helpful in talent detection and development in younger players.<br />KEY WORDS: multivariate analysis, talent detection y handball.</p>
