Análise de big data de sensores vestíveis revela padrões espaço-temporais de lesões em tenistas profissionais

Por que monitorar lesões no tênis importa

O tênis profissional parece elegante na televisão, mas por trás de cada saque e corrida há uma forte sobrecarga no corpo. Este estudo usa sensores vestíveis e análise de dados moderna para fazer uma pergunta simples com grandes consequências para jogadores e treinadores: quando, onde e como as lesões realmente acontecem ao longo de uma temporada, e é possível identificar sinais de alerta cedo o suficiente para preveni-las?

Transformando jogadores em dados em movimento

Para enfrentar essa questão, os pesquisadores equiparam 45 jogadores profissionais com uma rede de sensores leves presos ao corpo durante um ano inteiro de treinos e partidas. Pequenas unidades nos punhos, ombro, região lombar e nos calçados registraram movimento e forças de impacto, enquanto outros sensores monitoraram batimentos cardíacos e posição na quadra. Juntos, capturaram milhares de horas de movimento, desde saques explosivos até longas trocas de bola no fundo, criando um retrato detalhado de como o corpo é carregado em ambientes reais de tênis.

Quando as lesões ocorrem ao longo do ano

Ao acompanhar esses atletas durante pré-temporada, meses de torneio e período fora de temporada, a equipe constatou que as lesões não ocorrem ao acaso. Em vez disso, elas aumentam e diminuem em um ritmo sazonal. Os problemas atingiram pico durante blocos intensos de treinamento e períodos competitivos ocupados, especialmente quando a carga total aumentou rapidamente. Lesões por uso excessivo, que se desenvolvem gradualmente, foram mais comuns na pré-temporada e em semanas de treinamento de alta intensidade, enquanto lesões agudas e súbitas estiveram mais frequentemente associadas à competição e situações semelhantes a partidas. Esses padrões sugerem que a maneira como o treinamento é programado ao longo das semanas e meses desempenha um papel crucial no risco de lesão.

Onde o corpo mais se desgasta

Os dados dos sensores também revelaram pontos quentes claros no corpo. Quase metade de todas as lesões concentrou-se em torno do ombro e do cotovelo, articulações-chave para o saque e os golpes de forehand, enquanto cerca de um terço afetou a região lombar e os quadris, que impulsionam a rotação do tronco e a cobertura da quadra. Ao mapear lesões em um sistema de coordenadas corporais simples, o estudo mostrou aglomerados densos nessas regiões, com bem menos problemas nos joelhos e tornozelos. A análise relacionou esses pontos quentes a traços de movimento específicos, como velocidades de rotação muito altas durante o saque e carregamento assimétrico entre as duas pernas em movimentos laterais.

Deixando algoritmos procurar sinais de alerta

Como os fluxos de dados dos sensores são massivos e complexos, os pesquisadores usaram ferramentas modernas de aprendizado de máquina para vasculhá-los. Treinaram modelos avançados, incluindo uma rede Transformer semelhante às usadas em tecnologia de linguagem, para conectar padrões de movimento, carga de trabalho e sinais cardíacos com eventos de lesão posteriores. Ao combinar informações sobre quando, na temporada, os dados foram registrados com onde no corpo os problemas apareceram, o melhor modelo sinalizou corretamente períodos de alto risco em cerca de nove em cada dez casos e capturou a maioria das mudanças sutis e de desenvolvimento lento no risco que métodos mais simples deixaram passar.

O que isso significa para jogadores e treinadores

Para um público não especializado, a mensagem principal é que as lesões no tênis profissional seguem padrões reconhecíveis no tempo e no espaço, em vez de serem pura má sorte. A maioria dos problemas se concentra no braço que saca e na região lombar-quadril, e tende a se agravar durante períodos intensos de treino e competição quando o estresse total não é bem equilibrado com a recuperação. Ao usar sensores vestíveis e algoritmos inteligentes, treinadores e equipes médicas podem passar de reagir às lesões após sua ocorrência para receber alertas precoces quando a qualidade do movimento, a carga de trabalho ou sinais do corpo sugerem que um jogador está se aproximando de uma zona de risco.

Citação: Han, G., Zhang, Y. & Sun, B. Wearable sensor big data analysis reveals spatiotemporal injury patterns in professional tennis players. Sci Rep 16, 14804 (2026). https://doi.org/10.1038/s41598-026-44199-9

Palavras-chave: lesões no tênis, sensores vestíveis, dados esportivos, previsão de lesões, aprendizado de máquina