Een hardloper die stagneert op zijn tijd voor de 10 km ondanks weken van 60 kilometer. Een rugbyspeler die bij elke seizoensstart verstuikingen oploopt. Deze concrete situaties drijven steeds meer sporters om antwoorden te zoeken in de sportwetenschap, waar intuïtie en trainingsvolume niet meer voldoende zijn.
Betrouwbaarheid van draagbare sensoren: de valkuil van slecht vergeleken gegevens
We zijn uitgerust met een GPS-horloge, een vermogenssensor of een versnellingsmeter die op de halter is bevestigd. De gegevens stapelen zich op, de dashboards vullen zich. Het probleem begint wanneer we deze gegevens van de ene sessie naar de andere, of van het ene apparaat naar het andere willen vergelijken.
Een systematische review gepubliceerd in 2025 door Nina Claassen in Sports Medicine – Open heeft specifiek gekeken naar de betrouwbaarheid, de overeenstemming tussen apparaten en de validiteit van de belasting-snelheid profielen. De conclusie is duidelijk: twee verschillende sensoren kunnen uiteenlopende schattingen geven voor dezelfde belasting. Van merk of model veranderen tijdens een trainingscyclus verstoort de interpretatie van de voortgang.
In de praktijk betekent dit dat het voordelig is om hetzelfde apparaat gedurende een werkblok te behouden. Het nauwkeurig documenteren van de meetomstandigheden (plaatsing van de sensor, opwarmprotocol, type beweging) is net zo belangrijk als de ruwe data zelf. Voor meer informatie over de verbanden tussen wetenschappelijk onderzoek en de sportpraktijk zijn er gespecialiseerde bronnen te vinden op https://www.scienceosport.fr/ die deze bruggen gedetailleerd beschrijven.
Kunstmatige intelligentie en trainingsmonitoring: huidige beloftes en beperkingen
De apps die “adaptieve” trainingsplannen aanbieden dankzij AI vermenigvuldigen zich. Ze analyseren de hartslag, de variabiliteit van het ritme, de mechanische belastingen en passen de sessies in real-time aan. Op papier is het aantrekkelijk.
In de praktijk is de realiteit genuanceerder. De klinische validatie van AI toegepast op sport is nog onvoldoende. De gebruikte gegevens zijn heterogeen, de interpreteerbaarheid roept vragen op, en longitudinale studies die aantonen dat algoritmische aanbevelingen daadwerkelijk de sportresultaten verbeteren, ontbreken nog.
Dat betekent niet dat deze tools nutteloos zijn. Ze zijn uitstekend in het detecteren van trends (progressieve overbelasting, daling van de hartvariabiliteit die vermoeidheid aankondigt). De uiteindelijke beslissing blijft echter menselijk: de coach of de fysieke trainer die de context van de atleet kent (professionele stress, slaapkwaliteit, blessuregeschiedenis) heeft een voordeel dat het algoritme nog niet kan reproduceren.
Wat de praktijk concreet verandert
De echte bijdrage van AI vandaag de dag ligt in de detectie van anomalieën. Een asymmetrische piek in de belasting die op drie opeenvolgende sessies wordt opgemerkt, kan het medische team waarschuwen voordat een blessure zich aandient. De uitdaging is niet langer het verzamelen van gegevens, maar het koppelen ervan aan een trainings- of medische beslissing. Een dashboard dat 40 metrics zonder hiërarchie weergeeft, helpt niemand vooruit.
Blessurepreventie: van reactief naar predictief
Het onderzoek naar de preventie van sportblessures is aanzienlijk geëvolueerd. We zijn overgestapt van een logica van behandeling achteraf naar een holistische benadering die monitoring, revalidatie en risicobeheer integreert. Gestructureerde preventieprogramma’s tonen tastbare resultaten wanneer ze regelmatig worden toegepast.
Een preventieprogramma heeft alleen waarde als het daadwerkelijk wordt gevolgd, wat het zwakke punt blijft. De betrokkenheid van sporters daalt zodra preventieve oefeningen (excentrische training, proprioceptie, versterking van de rotatoren) als tijdverspilling worden gezien. De uitdaging voor een fysieke trainer is om deze routines in de opwarming of de fasen van actieve recuperatie te integreren, en ze niet als extra toe te voegen.
- Gerichte excentrische training op de hamstrings vermindert het risico op spierblessures wanneer het ten minste twee keer per week gedurende meerdere maanden wordt uitgevoerd.
- Proprioceptieve oefeningen op een onstabiele ondergrond verbeteren de gewrichtsstabiliteit, met name voor de enkels en knieën die blootstaan aan terugkerende verstuikingen.
- Het volgen van de trainingsbelasting (acute belasting/chronic load ratio) helpt om de intensiteit aan te passen tijdens de herstelfasen na een pauze.
Veldtests en sportevaluatie: de juiste indicatoren kiezen
Het vermenigvuldigen van tests garandeert geen betere evaluatie. Een relevante test beantwoordt een specifieke vraag: hoe staat het met de aërobe capaciteit van deze atleet in vergelijking met zijn laatste evaluatie? Is zijn maximale kracht toegenomen in de doelbeweging? Elke test moet leiden tot een concrete actie, anders dient het alleen om een Excel-bestand te vullen.
We besparen tijd door twee of drie specifieke tests voor de beoefende sport te selecteren in plaats van een algemene batterij. Voor een middellangeafstandsloper biedt een VMA-test in combinatie met een analyse van de pas directe verbeterpunten. Voor een teamsport biedt een agility-test met richtingsveranderingen en een kracht-snelheid profiel een betere voorbereiding dan een tiental metingen die losstaan van de sportbeweging.
Wanneer evaluaties herhalen
De meningen hierover verschillen per discipline, maar een frequentie van twee tot drie evaluaties per seizoen (begin van de voorbereiding, einde van een intensieve blok, pre-competitie) biedt een goede balans tussen monitoring en vermoeidheid door de tests zelf. Te vaak testen gaat ten koste van de productieve trainingstijd.
De sportwetenschap vervangt noch de praktijkervaring, noch de individuele kennis van elke atleet. Ze biedt meetinstrumenten en analysekaders die, goed gebruikt, intuïties omzetten in onderbouwde beslissingen. De meest nuttige data is diegene die daadwerkelijk de sessie van de volgende dag verandert.
