Modelo de Machine Learning basado en factores biomecánicos para la predicción de lesiones de rodilla y zona isquiotibial en futbolistas profesionales

Símbala Requejo, Manuel Martin; Tapia Coila, Waldo Kenyi; Thompson Fonseca, Fidel Joseph

Modelo de Machine Learning basado en factores biomecánicos para la predicción de lesiones de rodilla y zona isquiotibial en futbolistas profesionales

dc.contributor.advisor	Fabian Arteaga, Junior John
dc.contributor.author	Símbala Requejo, Manuel Martin
dc.contributor.author	Tapia Coila, Waldo Kenyi
dc.contributor.author	Thompson Fonseca, Fidel Joseph
dc.coverage.spatial	Perú
dc.date.accessioned	2026-02-07T23:02:08Z
dc.date.issued	2025
dc.description.abstract	El fútbol profesional presenta un alto riesgo de lesiones, especialmente en la rodilla y los músculos isquiotibiales. Este estudio desarrolló y validó un modelo de predicción de lesiones mediante técnicas de Machine Learning, con el propósito de fortalecer la prevención y la toma de decisiones clínicas y deportivas. Se empleó un conjunto de datos de 5,000 futbolistas profesionales peruanos, con variables biomecánicas, clínicas y de carga validadas por un fisioterapeuta deportivo. El análisis exploratorio evidenció datos completos, clases balanceadas y correlaciones significativas entre peso corporal, índice de masa corporal (BMI), intensidad de entrenamiento y valgo de rodilla. Se entrenaron cuatro algoritmos: Random Forest, K-Nearest Neighbors (KNN), Regresión Logística y Support Vector Machines (SVM). Este último obtuvo el mejor desempeño (accuracy = 90%; F1 = 89%; AUC = 96%), demostrando alta capacidad predictiva para identificar riesgo de lesión. A partir de los resultados, se propuso una estrategia preventiva en cuatro niveles: básico, regular, alto y riguroso. En conclusión, el modelo desarrollado evidenció que el uso del aprendizaje automático permite anticipar el riesgo de lesiones y optimizar la prevención en el fútbol profesional, contribuyendo a una gestión deportiva más precisa y basada en evidencia.
dc.format	application/pdf
dc.identifier.uri	https://hdl.handle.net/20.500.12640/4890
dc.language	Español
dc.language.iso	spa
dc.publisher	Universidad ESAN
dc.publisher.country	PE
dc.rights	https://purl.org/coar/access_right/c_abf2
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 International	en
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Gestión de riesgos
dc.subject	Aprendizaje automático
dc.subject	Predicción de lesiones
dc.subject	Fútbol profesional
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#2.11.04
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#5.02.04
dc.title	Modelo de Machine Learning basado en factores biomecánicos para la predicción de lesiones de rodilla y zona isquiotibial en futbolistas profesionales
dc.type	https://purl.org/coar/resource_type/c_7a1f
dc.type.other	Trabajo de suficiencia profesional
local.acceso.esan	Acceso abierto
renati.advisor.dni	44749148
renati.advisor.orcid	https://orcid.org/0000-0001-9804-7795
renati.author.dni	76819496
renati.author.dni	70857585
renati.author.dni	09952860
renati.discipline	722008076
renati.discipline	612000936
renati.juror	Vasquez Bresani, Eduardo Luis
renati.juror	Sotelo Celestino, Judith
renati.level	https://purl.org/pe-repo/renati/level#tituloProfesional
thesis.degree.discipline	Ingeniería Industrial Comercial
thesis.degree.discipline	Ingeniería de Sistemas
thesis.degree.grantor	Universidad ESAN. Facultad de Ingeniería
thesis.degree.name	Ingeniero(a) Industrial y Comercial
thesis.degree.name	Ingeniero(a) de Sistemas