UNA LUNGA STORIA
«Ciò che in fondo mi manca è di veder chiaro in me stesso, di sapere ‘ciò ch’io devo fare’ [At 9,6] e non ciò che devo conoscere, se non nella misura in cui la conoscenza ha da precedere sempre l’azione. Si tratta di comprendere il mio destino»[1]
La conoscenza di noi stessi, diceva il filosofo danese Soren Kierkegaard, è il fondamento dell’azione. Svariati secoli prima, Socrate aveva preso in prestito dal frontone del tempio di Apollo in Delfi proprio il motto “conosci te stesso”, come guida della sua ricerca filosofica, che sarebbe diventato un principio fondante della nostra cultura. E’ questo il metodo che consente a ciascuno di sottrarsi dal caos e, attraverso un paziente processo, di plasmarsi, anzi di costruirsi, letteralmente.
Tutto ciò è molto familiare a chi pratica sport a livello agonistico. Vocaboli come “consapevolezza”, “costruzione”, “metodo” sono precisamente le parole chiave attorno a cui gli atleti e i loro staff informano il proprio agire. Se a questo aggiungiamo che “non c’è conoscenza senza sofferenza”, come Eschilo fa dire al coro in “Agamennone”, certamente ci ritroviamo su un terreno ben noto a chi fa dell’impegno e della dedizione il punto focale della propria vita, sport o non sport.
Fa riflettere che princìpi così antichi e radicati siano in realtà tanto attuali e moderni da essere adatti a descrivere, da un punto di vista diciamo così “umanistico”, un universo tipicamente di tipo scientifico e tecnologico, quello legato alla ricerca della prestazione.
E’ invalsa l’insana abitudine di pensare che il mondo della conoscenza si divida in due, quello governato dalle scienze umane e quello delle scienze naturali, ma a guardare bene non si può che concludere che né gli esseri umani né la realtà nel suo complesso funzionano per comportamenti stagni, anzi sono fenomeni che possono essere davvero compresi solo se considerati in modo olistico, globale, complessivo. Il progresso scientifico e la ricerca aumentano considerevolmente la possibilità di controllare il proprio destino, ma la tecnica non è vincente di per sé, non può essere considerata autosufficiente, è semmai il terreno da cui fare scaturire il ragionamento e, perché no, a volte più che risposte giuste il suo compito è quello di spingere le persone a porsi giuste domande.
Questo è ciò che maggiormente ispira il nostro impegno.
DAI DATI ALLA CONOSCENZA
E’ da questa visione e su queste fondamenta che LWT3 ha costruito il proprio metodo di lavoro, basato sulla acquisizione e analisi integrata del sistema “atleta” nel suo complesso, per comprendere limiti e punti di forza metabolici, neuromuscolari e biomeccanici, ma soprattutto come questi interagiscono tra loro.
In questo modo l’atleta e il suo staff escono dal laboratorio con le idee molto chiare circa il tipo di intervento da attuare, concentrandosi sugli aspetti che davvero migliorano la prestazione e riducono il rischio infortuni. Decisioni data driven, prese dal tecnico sulla base della propria esperienza, dei feedback derivanti dall’atleta (e eventuali altri specialisti presenti se necessario, ad esempio di area sanitaria) supportati dalle rilevazioni oggettive, opportunamente elaborate e discusse insieme a noi sia nel debriefing post test “a caldo” sia nella reportistica successiva, che offre una occasione di ulteriore meditazione.
Partire dal dato grezzo, mettersi nelle condizioni di prendere buone e concrete decisioni di “azione” e infine migliorare la prestazione richiede una serie di passaggi (che abbiamo codificato secondo il nostro approccio, come illustrato in figura 1) che devono essere tutti di alta qualità, altrimenti l’efficacia del sistema viene compromessa.
Non tutti i dati nascono uguali, purtroppo, ed è per questo che abbiamo scelto di dotarci solo di strumentazione capace di garantire alta qualità di accuratezza (ovvero quanto siamo capaci di misurare il valore reale del fenomeno) e precisione (ovvero quanto sono vicine tra loro misure indipendenti), ricorrendo alle migliori soluzioni presenti sul mercato (ad esempio per il metabolimetro) e costruendo in-house da zero i sistemi più critici, quali l’Elettromiografia di superficie (sEMG) sia per la parte hardware che software, o di utilizzare il miglior hardware (come le nostre 6 telecamere Optitrack per il tracciamento ottico 3D) associato a software pensato per applicazioni di alta precisione, al di fuori del consueto perimetro “standard” in ambito sportivo.
PIU’ DATI UGUALE MIGLIORE COMPRENSIONE?
Avere a disposizione un maggior numero di dati, ancorché “buoni” non significa necessariamente riuscire a tirarne fuori informazioni più utili. Basti pensare che da un singolo secondo di esercizio rilevato dalla sEMG (ad esempio una contrazione isometrica) otteniamo 1000 righe di dati, per cui da un test incrementale o in steady state da 25-30 minuti ricaviamo tranquillamente 1 milione e mezzo di righe per singolo canale, degli 8 (standard) fino a 16 (in casi particolari), ben oltre le possibilità di gestione da parte di un foglio Excel (che può contenere fino a 1 milione e 48 mila 576 righe). E se già Shakespeare nel “Giulio Cesare” fa dire a Cicerone “gli uomini possono interpretare le cose a modo loro, interamente contrario al significato di esse”, non è difficile comprendere come sia cruciale pulire il segnale per “estrarre” informazione dal rumore di fondo e successivamente presentarlo in modo che sia comprensibile.[2]
ANALISI NEUROMUSCOLARE: PROVA MASSIMALE DA 30”
In figura 3, esempio di acquisizione sEMG, dove dopo un meticoloso lavoro di filtraggio si può apprezzare il livello di attivazione (RMS) e affaticamento (MNF) dei muscoli monitorati. In questo caso il confronto tra i bicipiti sinistro e destro mostra come il primo non abbia recuperato nell’intervallo tra le due ripetute massimali, mentre il bicipite destro sembra recuperare leggermente, comportamento testimoniato da un rialzo della MNF. Anche nella fase finale il bicipite destro sembra recuperare meglio rispetto al bicipite sinistro. Osservando le catene cinetiche nel loro complesso, ad esempio guardando “insieme” muscoli agonisti\antagonisti, otteniamo invece preziose indicazioni circa la partecipazione o meno delle unità motorie all’esecuzione dei gesti. La Figura 4 mostra il segnale elettromiografico filtrato con un classico Butterworth, per eliminare disturbi e artefatti da movimento. Successivamente ad altre operazioni, possiamo visualizzare lo spettrogramma del segnale che ci permette di evidenziare la dinamica delle frequenze di attivazione lungo tutta la durata della prova.
Poiché il rumore cresce in modo più rapido del segnale “utile” in proporzione all’aumento di dati, più la tecnologia è sofisticata e più il lavoro di analisi diventa importante, per evitare soprattutto il classico problema per cui i dati vengono usati per confermare un pregiudizio, o per accontentare l’atleta o il tecnico. Non essere onesti di fronte ai dati non è mai una buona idea, può portare a combinare grossi disastri, e ancora peggio è “farsi portare in giro” dai dati (cosiddetto atteggiamento “fishing for data”), il modo migliore per sprecare tempo, energie e denaro.
Un altro principio cardine a è quello di inserire i dati acquisiti dentro a un contesto capace di dare loro un senso rispetto alla realtà da cui provengono e in cui devono essere utilizzati. Non abbiamo mai la pretesa di pensare che dati perfetti possano portare a previsioni perfette “di per sé” semplicemente perché sappiamo che il dato perfetto, ottenibile magari in laboratorio se si è molto bravi, dovrà poi essere messo alla prova una volta che l’atleta si troverà in strada, in pista, sul campo. Ecco perché ogni volta che costruiamo il modello di funzionamento dell’atleta in laboratorio, in parallelo acquisiamo con strumenti in grado di funzionare nel mondo reale, così da poter utilizzare il patrimonio di informazioni nel contesto in cui servono davvero.
UN PROGETTO INDIVIDUALIZZATO
Per la stessa ragione abbiamo scelto di non proporre una lista di test che è possibile effettuare presso il nostro laboratorio, non esiste un menù predeterminato.
Il primo passo è sempre quello di capire qual è l’esigenza dell’atleta: per alcuni sarà di limare il più possibile la prestazione, per altri scoprire per quale ragione continua a incappare negli infortuni. Qualcuno vorrà individuare il suo principale fattore limitante, qualcun altro avrà il desiderio di sapere che tipo di attrezzatura esalta il suo potenziale.
Per rispondere a queste esigenze costruiamo un programma di lavoro su misura, che parte da un’accurata anamnesi dell’atleta, un colloquio con il suo tecnico, e prosegue con la definizione del protocollo di testing che spesso si traduce in più di una seduta nel corso di settimane\mesi in funzione dei diversi obiettivi. Anche fino alla messa a punto finale pre gara o alla completa risoluzione del problema.
BOX - ANALISI METABOLICA: PROVA INCREMENTALE
In figura 3, esempio di acquisizione sEMG, dove dopo un meticoloso lavoro di filtraggio si può apprezzare il livello di attivazione (RMS) e affaticamento (MNF) dei muscoli monitorati. In questo caso il confronto tra i bicipiti sinistro e destro mostra come il primo non abbia recuperato nell’intervallo tra le due ripetute massimali, mentre il bicipite destro sembra recuperare leggermente, comportamento testimoniato da un rialzo della MNF. Anche nella fase finale il bicipite destro sembra recuperare meglio rispetto al bicipite sinistro. Osservando le catene cinetiche nel loro complesso, ad esempio guardando “insieme” muscoli agonisti\antagonisti, otteniamo invece preziose indicazioni circa la partecipazione o meno delle unità motorie all’esecuzione dei gesti. La Esempio di acquisizione al Metabolimetro con prova VO2max (nel caso specifico di Ciclismo) che permette di trovare nel modo più preciso le soglie (VT1 e VT2) per impostare le zone di allenamento. [3] Lo strumento consente inoltre di quantificare il livello funzionale alle diverse intensità, identificare punti di forza e debolezza (ad esempio se il limiter è di efficienza della resistenza aerobica piuttosto che di tipo aerobico estensivo, intensivo o massimale) per orientare le scelte del tecnico nella direzione più fruttuosa. La successione di test restituisce informazioni preziose circa il livello di risposta a determinati stimoli. I dati ottenuti dal metabolimetro sono particolarmente apprezzati dai nutrizionisti, che possono avere così certezza delle necessità energetiche dell’atleta e quindi programmare al meglio sia il piano nutrizionale complessivo che le strategie di integrazione prima-durante-dopo allenamenti e gare.
ANALISI BIOMECCANICA: PROVA STEADY STATE
L’analisi biomeccanica (figura 6) consente di comprendere gli aspetti cinematici (posizione del corpo nel tempo) e cinetici (che tiene conto anche delle masse e quindi quantifica le forze in gioco) e da sola o in integrazione con la sEMG è un’arma fondamentale per investigare le situazioni di infortunio ricorrenti o per la scelta delle scarpe più adatte a ciascun runner. [4] Per chi vuole lavorare sui dettagli inoltre è lo strumento che permette di cercare quei micro-aggiustamenti necessari a massimizzare l’economia di corsa.
Il tracciamento ottico si dimostra un’arma eccezionale nello studio dell’interazione tra essere umano e attrezzature tecniche. Nella figura 7 vediamo il dettaglio del movimento spalle su Handbike (prospettiva posteriore) da cui emerge il movimento “pulito” della destra mentre a sinistra è presente un “ricciolo” che indica una limitata fluidità del gesto. Correlata a altri aspetti, tra cui la conoscenza dell’atteggiamento posturale globale, questa informazione ha portato a modificare il design del sedile, in modo da fare esprimere pienamente il potenziale dell’atleta.
UNO PIU’ UNO UGUALE TRE
Quando si parla di valutazione funzionale si tende a trattare l’atleta come una macchina che funziona a compartimenti stagni: come lavorano i sistemi energetici? Quali sono gli angoli di movimento? Quali sono i muscoli che si affaticano maggiormente?
Questo approccio cosiddetto riduzionista, teorizzato da Cartesio nel suo De homine (1662), sostiene che gli esseri viventi posso essere spiegati come meccanismi, né più né meno di questo automa “Anatra Digeritrice”, solo un po’ più complessi.
Seguendo questa traiettoria meccanicista-determinista dovremmo sempre essere in grado, a partire da dati completi, accurati e precisi, di poter prevedere esattamente qualsiasi fenomeno, ad esempio potremmo dire che aumentando un po’ la capacità anaerobica dell’atleta, modificando l’angolo di impatto al suolo del piede e riportandolo in una postura statica simmetrica, allora otterremmo un miglioramento del suo tempo in gara di una certa percentuale.
Ma l’atleta, l’essere umano, naturalmente non funziona così. Neppure la natura in generale funziona in questo modo. Possiamo modificare le singole variabili ma non dobbiamo cadere nella trappola per cui ogni pezzo del sistema, ciascuna parte del fenomeno, lavorano in modo indipendente rispetto al tutto. L’atleta non è la somma dei suoi sistemi, metabolici, neuromuscolari, biomeccanici, così come una torta non è la semplice somma di farina, latte, zucchero e uova. La dimostrazione più semplice è che mentre esistono infinite combinazioni di quantità di ingredienti che producono torte differenti, di sicuro nessuno ha mai pensato di fare una torta fatta solo di farina, o latte, o zucchero, o uova.
Allo stesso modo la prestazione è il frutto di una complessità, dell’intrecciarsi delle variabili, l’una sull’altra, da sole e in modo aggregato. In altre parole non possiamo tralasciare le interazioni. Nel nostro caso dunque uno più uno non fa due, ma sicuramente almeno tre. L’atleta è molto più della mera somma delle sue componenti.
Cosa farcene dunque di tutte le informazioni acquisite? Ciò che è più naturale, guardarle tutte insieme. Per farlo utilizziamo la statistica Multi-Variata che grazie a operazioni matematiche di scalatura e centraggio permette di guardare tutto il fenomeno nel suo complesso dalla stessa prospettiva.[5]
In figura 7, ad esempio, possiamo vedere, letteralmente, il comportamento congiunto dei sistemi energetici e dell’attivazione muscolare di un triatleta durante un test ciclismo steady state, che restituisce in modo straordinariamente chiaro il suo profilo funzionale globale.
Ogni punto infatti rappresenta il livello di performance “sintetico” di 16 variabili prese in considerazione (6 metaboliche, 1 di espressione meccanica del costo metabolico, 1 di cinematica e 8 di tipo neuromuscolare). [6] Si riconoscono perfettamente i 4 cluster di intensità (dal blu al rosso intenso, da Z1 a Z4) e si vede in modo molto chiaro il punto di passaggio dalla resistenza aerobica alla potenza aerobica estensiva, così come viene evidenziato che l’esaurimento è di tipo neuromuscolare (affaticamento dei vasti laterali) e non metabolico. Naturalmente per interpretare questi grafici è necessaria un po’ di esperienza e conoscenza del protocollo. In un articolo specifico vedremo come utilizzare questa tecnica per riconoscere i diversi profili funzionali e individuare così punti di debolezza su cui lavorare in allenamento e punti di forza su cui impostare la strategia gara.
BIBLIOGRAFIA
[1] S. Kierkegaard, Diari 1834-1842 I, tr. it di C. Fabro, A. G. Quinzio e G. Garrera, Morcelliana, Brescia, 20104, p. 67.
[2] Surface EMG detection, conditioning and pre-processing: Best practices, R. Merletti , G.L. Cerone, Journal of Electromyography and Kinesiology, Volume 54, October 2020, 102440.
[3] GASKILL, S. E., B. C. RUBY, A. J. WALKER, O. A. SANCHEZ, R. C. SERFASS, and A. S. LEON. Validity and reliability of combining three methods to determine ventilatory threshold. Med. Sci. Sports Exerc., Vol. 33, No. 11, 2001, pp. 1841–1848.
[4] Ventilatory threshold during incremental running can be estimated using EMG shorts, Olli Tikkanen, Min Hu, Toivo Vilavuo, Pekka Tolvanen, Sulin Cheng and Taija Finni, Physiol. Meas. 33 (2012) 603–614
[5] R. Leardi, C. Melzi, G. Polotti, CAT (Chemometric Agile Tool), gratuitamente scaricabile al seguente link http://gruppochemiometria.it/index.php/software
[6] EMG signs of neuromuscular fatigue related to the ventilatory threshold during cycling exercise, Franc¸ois Hug, Marion Faucher, Nathalie Kipson and Yves Jammes, Clin Physiol Funct Imaging (2003) 23, pp208–214
