29/09/2022

Artigo do mês #33 – setembro 2022 | Perfis de corrida de alta intensidade contextualizados pelos níveis qualitativos das equipas na Premier League inglesa

Nota prévia: O artigo científico alvo da presente síntese foi selecionado em função dos seguintes critérios: (1) publicado numa revista científica internacional com revisão de pares; (2) publicado no último trimestre; (3) associado a um tema que considere pertinente no âmbito das Ciências do Desporto.

 

- 33 -

Autores: Ju, W., Hawkins, R., Doran, D., Gómez-Díaz, A., Martín-García, M., Evans, M., Laws, A., & Bradley, P. S.

País: Inglaterra

Data de publicação: 21-julho-2022

Título: Tier-specific contextualised high-intensity running profiles in the English Premier League: more on-ball movement at the top

Referência: Ju, W., Hawkins, R., Doran, D., Gómez-Díaz, A., Martín-García, M., Evans, M., Laws, A., & Bradley, P. S. (2023). Tier-specific contextualised high-intensity running profiles in the English Premier League: more on-ball movement at the top. Biology of Sport, 40(2), 561–573. https://doi.org/10.5114/biolsport.2023.118020

  

Figura 1. Informações editoriais do artigo do mês 33 – setembro de 2022.

 

Apresentação do problema

As exigências energéticas do jogo de futebol podem ser indiretamente quantificadas através da análise espaciotemporal, que, por sua vez, pode fornecer dados valiosos à equipa técnica (Carling et al., 2008). Embora um vasto conjunto de investigações já tenha quantificado as demandas físicas no decurso de jogos de futebol de elite, as evidências acerca da relação entre o sucesso no futebol e a performance física ainda são limitadas (Mohr et al., 2003; Bradley et al., 2013). Esta ambiguidade aparenta resultar da desconsideração dada ao contexto tático em que os dados físicos são recolhidos, uma vez que os cenários táticos que ocorrem durante o jogo modelam os esforços físicos realizados (Schuth et al., 2016). 

De facto, o sucesso no futebol parece estar mais associado a ações de alta intensidade em posse da bola e que promovam a criação de espaços e de ameaças ofensivas, porém, os tipos de ações táticas realizadas durante esforços de alta intensidade ainda não foram revelados (Bradley et al., 2016; Brito Sousa et al., 2020). Desta forma, para aumentar o conhecimento de como o sucesso coletivo é alcançado no futebol, o contexto tático deve ser codificado com as variáveis físicas (figura 2). Até à data, esta relação tem sido negligenciada em grande parte devido às opções metodológicas tomadas pelos investigadores. A análise restrita de performances à escala individual (i.e., jogador), em vez de à escala coletiva (i.e., equipa), limita as evidências que podem ser extraídas dos estudos, visto que os desempenhos físicos e táticos são influenciados não apenas pela atividade dos adversários, mas também pelos esforços realizados pelos companheiros de equipa (Bradley, 2020).

 

Figura 2. Bernardo Silva (Manchester City FC) num esforço de alta intensidade com bola na Premier League (fonte: https://www.manchestereveningnews.co.uk).

 

Ao invés da performance física por si (e.g., distância em corrida de alta intensidade), os desempenhos técnicos parecem ser indicadores mais robustos para predizer o sucesso de uma equipa e para distinguir vários grupos de qualidade ou níveis classificativos em ligas de futebol de elite (Konefał et al., 2019; Rampinini et al., 2007). Os clubes mais bem classificados tendem a realizar mais remates à baliza, toques sobre a bola e passes, apresentando também uma percentagem de passes precisos mais elevada, comparativamente a clubes menos bem classificados (Castellano et al., 2012; Konefał et al., 2019). Contudo, a utilização das métricas técnicas isoladas continua a ser unidimensional e insuficiente para compreender na íntegra como é que as equipas atingem o sucesso ou se diferenciam qualitativamente entre si. 

Presentemente, já foi estabelecida uma abordagem sistemática integrada capaz de contextualizar as variáveis físicas com propósitos táticos chave (Ju et al., 2022); apesar disso, esta abordagem não incluiu o desempenho técnico, que requer um processo laborioso de codificação manual. Não obstante a limitação, esta nova abordagem pode ser uma solução para melhor entender o sucesso de uma equipa através da discriminação de níveis qualitativos baseada na identificação de diferentes padrões físico-táticos coletivos ou individuais. Assim, o presente estudo visou determinar os perfis físico-táticos de equipas e jogadores de futebol de elite em relação à classificação final da liga, de forma a identificar associações entre o sucesso e os dados físico-táticos em conjunto com fatores técnicos.

 

Métodos

Dados individuais e coletivos: os dados físico-táticos dos jogos foram recolhidos da edição 2018/2019 da Premier League inglesa, utilizando uma abordagem integrada e um novo filtro desenvolvido para esta pesquisa. Com o novo filtro, foram isoladas as atividades de alta intensidade que alcançaram velocidades > 19.8 km/h, durante um tempo mínimo de 1 s. O investigador principal analisou 50 partidas oficiais, envolvendo um total de 388 jogadores de campo e 1265 observações individuais de 20 equipas distintas. Para a análise individual, só foram incluídos na amostra jogadores de campo que completaram o jogo na mesma posição (n = 583 observações individuais: defesas centrais, n = 179; defesas laterais, n = 147, médios centro, n = 167; médios ala/extremos, n = 54; avançados centro, n = 36).

Controlo dos jogos e equilíbrio dos dados: os jogos foram aleatoriamente selecionados, sendo controlados fatores contextuais (e.g., fases da época, localização, qualidade da oposição) para aumentar o rigor científico. Os jogos foram excluídos da amostra se o diferencial de golos fosse superior a 3 e/ou houvesse uma ou mais expulsões (Bradley & Noakes, 2013; Carling & Bloomfield, 2010). 

Categorização da classificação da liga em níveis: foram constituídos 4 grupos de qualidade a partir da classificação final das equipas: (A) 1.º–5.º lugar (n = 25 jogos observados), (B) 6.º–10.º lugar (n = 26), (C) 11.º–15.º lugar (n = 26) e (D) 16.º–20.º lugar (n = 23). 

Abordagem integrada para quantificar a performance em jogo: foram utilizadas duas categorias principais – ações táticas e opções adicionais para tornar esta abordagem mais sistemática (tabela 1). As ações isoladas de alta intensidade foram sincronizadas com ângulos abertos das imagens de todos os jogadores no decurso das partidas, a fim de categorizar a intenção tática de cada ação. A codificação foi executada no QuickTime Player (Apple Inc, Cupertino, California, USA), de acordo com os seguintes critérios: as ações de alta intensidade com uma ação tática foram classificadas como ação simples (n = 27054), com duas ações táticas como ação híbrida (n = 4718) e com 3 ou mais ações táticas foram codificadas como “outros” (n = 3398). No caso de esforços de alta intensidade com 70-90% de dominância de uma ação tática primária e 10–30% de uma ação tática secundária, a codificação foi híbrida; porém, caso a ação primária decorresse em 50–60% do esforço e a secundária em 40–50%, foi registada a categoria “outros”. 


Tabela 1. Variáveis físico-táticas e opções adicionais (direção e/ou diferentes opções situacionais). Adaptado de Ju et al. (2020).


Dados técnicos: os dados de rastreamento dos jogos da amostra foram recolhidos de uma empresa especializada (OPTA Sports, London, UK). Os eventos técnicos analisados foram os seguintes: remates, remates à baliza, toques na bola, passes, cruzamentos, dribles, passes longos, passes longos precisos, interceções e eficácia do passe. Os dados individuais por jogo foram somados, de modo a representar a performance global da equipa. 

Análise estatística: os dados foram apresentados como média ± desvio-padrão e a análise realizada no software IBM SPSS Statistics, versão 26 (IBM Corp., Armonk, N.Y., USA). A normalidade dos dados foi verificada através de testes de Shapiro-Wilk e Kolmogorov-Smirnov. A comparação das performances competitivas por cada nível foi executada através de análise de variância (ANOVA) de uma via, com a aplicação de testes post hoc de Tukey para especificar diferenças entre níveis. As dimensões de efeito foram determinadas de acordo com os valores de corte seguintes: trivial (≤ 0.2), pequena (> 0.2–0.6), moderada (> 0.6–1.2), grande (> 1.2–2.0) e muito grande (> 2.0–4.0) e extremamente grande (>4.0) (Batterham & Hopkins, 2006). As análises correlacionais recorreram ao coeficiente de correlação de Pearson, em função dos seguintes intervalos: trivial (r ≤ 0.1), pequena (r > 0.1–0.3), moderada (r > 0.3–0.5), grande (r > 0.5–0.7), muito grande (r > 0.7–0.9) e quase perfeita (r > 0.9) (Hopkins et al., 2009). A variabilidade da performance coletiva de jogo para jogo foi aferida através de coeficientes de variação (Carling et al., 2016). A significância estatística foi definida em p ≤ 0.05.


Principais resultados

 

·      Contextualização da distância em alta intensidade por grupo de qualidade

A equipas do grupo A percorreram: (1) mais 34% de distância em alta intensidade, quando em posse de bola, que as equipas dos grupos C e D; (2) mais 39–51% de distância em alta intensidade nas categorias “movimento para receber/explorar espaço” e “corrida com bola”, comparativamente aos grupos C e D; (3) mais 23–94% de distância nas categorias “over/underlap”, “corrida para o espaço atrás da linha defensiva/penetração” e “entrada na área de penálti”, em relação ao grupo C. A figura 3 mostra as distâncias percorridas em alta intensidade, nas diferentes posições de jogo, para cada grupo de qualidade.

 

Figura 3. Distâncias percorridas em alta intensidade contextualizadas para os diferentes grupos de qualidade, em função de cada posição de jogo. * Maior distância percorrida para “movimento para receber/explorar espaço” que os grupos A, B e C (p < 0.01). # Maior distância percorrida para “esticar o jogo” que o grupo C (p < 0.05). Maior distância percorrida para “over/underlap” que o grupo C (p < 0.05). Maior distância percorrida para “corrida de recuperação” que o grupo B (p < 0.05). Δ Maior distância percorrida para “corrida com bola” que os grupos B e C (p < 0.05). ● Maior distância percorrida para “corrida para o espaço atrás da linha defensiva/penetração” que os grupos B e C (p < 0.01). ○ Maior distância percorrida para “entrada na área de penálti” que o grupo C (p < 0.01). Maior distância percorrida para “cobertura” que o grupo A (p < 0.05). Maior distância percorrida para “cobertura” que os grupos A e B (p < 0.05). Os volumes de “interceção” e “esticar o jogo” foram relativamente pequenos, pelo que não estão visíveis na figura (Ju et al., 2023).

 

·      Opções adicionais pelos diferentes grupos de qualidade

A figura 4 ilustra a comparação das opções adicionais, para as variáveis das fases ofensiva (4a, 4b e 4c) e defensiva (4d e 4e), entre os 4 grupos de qualidade. Em posse de bola, as equipas do grupo A realizaram 88–118% mais ações de alta intensidade nos deslocamentos para trás na zona central, em relação aos outros grupos. O grupo A também executou 54–78% e 25–43% mais ações de alta intensidade para “corrida com bola” e “corrida para o espaço atrás da linha defensiva/penetração” na zona central, respetivamente, que os outros grupos.

 

Figura 4a. Comparação das opções adicionais para as variáveis ofensivas “jogo apoiado” e “movimento para receber/explorar espaço” entre os grupos de qualidade. Símbolos destacam diferenças significativas (p < 0.05). Δ Mais ações realizadas que todos os outros grupos de qualidade. * Mais ações realizadas que o grupo D. # Mais ações realizadas que os grupos C e D. ● Mais ações realizadas que o grupo C. Mais ações realizadas que os grupos B e C (Ju et al., 2023).

 

Figura 4b. Comparação das opções adicionais para as variáveis ofensivas “over/underlap” e “esticar o jogo” entre os grupos de qualidade. Símbolos destacam diferenças significativas (p < 0.05). Δ Mais ações realizadas que todos os outros grupos de qualidade. * Mais ações realizadas que o grupo D. # Mais ações realizadas que os grupos C e D. ● Mais ações realizadas que o grupo C. Mais ações realizadas que os grupos B e C (Ju et al., 2023).

 

Figura 4c. Comparação das opções adicionais para as variáveis ofensivas “corrida com bola”, “corrida para o espaço atrás da linha defensiva/penetração” e “entrada na área de penálti” entre os grupos de qualidade. Símbolos destacam diferenças significativas (p < 0.05). Δ Mais ações realizadas que todos os outros grupos de qualidade. * Mais ações realizadas que o grupo D. # Mais ações realizadas que os grupos C e D. ● Mais ações realizadas que o grupo C. Mais ações realizadas que os grupos B e C (Ju et al., 2023).

 

Figura 4d. Comparação das opções adicionais para as variáveis defensivas “cobertura” e “corrida de recuperação” entre os grupos de qualidade. Símbolos destacam diferenças significativas (p < 0.05). Δ Mais ações realizadas que todos os outros grupos de qualidade. * Mais ações realizadas que o grupo D. # Mais ações realizadas que os grupos C e D. ● Mais ações realizadas que o grupo C. Mais ações realizadas que os grupos B e C (Ju et al., 2023).

 

Figura 4e. Comparação das opções adicionais para as variáveis defensivas “fechar/pressionar” e “interceção” entre os grupos de qualidade. Símbolos destacam diferenças significativas (p < 0.05). Δ Mais ações realizadas que todos os outros grupos de qualidade. * Mais ações realizadas que o grupo D. # Mais ações realizadas que os grupos C e D. ● Mais ações realizadas que o grupo C. Mais ações realizadas que os grupos B e C (Ju et al., 2023).

 

·      Desempenho técnico

As equipas de topo (grupo A) executaram mais 36–57% de remates à baliza, 24–34% de toques na bola e 38–55% de passes relativamente aos outros grupos. No que respeita à eficácia do passe, as equipas do grupo A foram mais eficazes (82 ± 5%) que as equipas do grupo B (78 ± 6%), C (74 ± 5%) e D (73 ± 7%). A figura 5 apresenta as correlações entre as variáveis técnicas e as ações físico-táticas.

 


 Figura 5. Correlações entre as variáveis físico-táticas (eixo x) e técnicas (eixo y). Linhas picotadas indicam os intervalos de confiança a 95% (Ju et al., 2023).

 

·      Variabilidade da performance de jogo para jogo

A percentagem média do coeficiente de variação das distâncias percorridas em alta intensidade pelas equipas foi de 13 ± 4%. Independentemente das variáveis físico-táticas, a percentagem média do coeficiente de variação para as ações contextualizadas foi de 48 ± 31%.

 

Aplicações práticas

Os resultados obtidos aumentam o nosso entendimento acerca dos padrões de jogo no futebol de elite face à classificação final das equipas, permitindo discriminar os fatores que diferenciam grupos de qualidade na mesma competição. As equipas mais fortes (grupo A) realizaram mais ações contextualizadas em alta intensidade (i.e., “movimento para receber/explorar espaço”, “corrida com bola”, “over/underlap”, “corrida para o espaço atrás da linha defensiva/penetração” e “entrada na área de penálti adversária”) e executaram mais ações técnicas ofensivas (e.g., remates à baliza, passes, toques na bola) que as equipas pertencentes aos grupos de qualidade inferior. As evidências explicam o “porquê” de as melhores equipas percorrerem maiores distâncias em alta intensidade na fase ofensiva: procura sistemática de espaços vitais para criar condições espaciotemporais favoráveis para marcar golo. 

Apesar de a distância percorrida em alta intensidade ser equivalente entre os 4 grupos de qualidade, as equipas do topo percorreram, aproximadamente, mais 35% de distância na fase ofensiva, comparativamente às equipas dos grupos C e D. A diferença baixou para os 5% na fase defensiva. Assim, parece que a distância percorrida em alta intensidade quando as equipas têm a posse de bola é um aspeto diferenciador do nível qualitativo em competições como a Premier League inglesa. 

A análise das opções adicionais das variáveis físico-táticas demonstrou que as equipas do grupo A dominaram o corredor central ao realizar mais esforços de alta intensidade para “jogo apoiado”, “movimento para receber a bola/explorar espaço”, “corrida com bola” e “corrida para o espaço atrás da linha defensiva/penetração”. Considerando as etapas do processo ofensivo, as equipas do topo tendem a recorrer a ações de alta intensidade para promover o jogo apoiado e uma progressão calculada da bola nos terços defensivo e médio, para, a partir do terço intermédio, incrementar o número de esforços físico-táticos de “over/underlap” e de ações alta intensidade associadas à rotura da organização defensiva adversária. Por sua vez, as equipas do grupo C executaram mais ações de alta intensidade para cobrir espaço ou aproximar dos oponentes no terço defensivo, o que indica que estas equipas preferem estabilizar defensivamente a equipa atrás da linha da bola, em vez de pressionar em zonas mais adiantadas do campo. 

Inevitavelmente, a execução de algumas variáveis técnicas surgiu relacionada a determinados esforços físico-táticos. A “entrada na área de penálti” e a “corrida para o espaço atrás da linha defensiva/penetração” ocorreram associadas a ações de cruzamento e à eficácia do passe longo. O número de eventos de interceção esteve moderadamente ligado a ações de alta intensidade para “fechar espaço/pressionar”. Na prática, é imprescindível que os treinadores criem contextos que promovam, por um lado, a variabilidade das ações técnicas executadas e, por outro lado, o transfer das ações que são predominantemente solicitadas no treino para o jogo competitivo. Se a técnica nunca surge dissociada da tática, o contexto proporciona uma narrativa para os dados obtidos. A integração dos dados físicos, táticos, técnicos no contexto em que ocorrem é uma mais-valia para qualquer departamento de análise do jogo. 

Por último, convém ter em consideração a natureza complexa do futebol. Há inúmeros fatores contextuais passíveis de influenciar a performance em competição, o que resulta em elevados níveis de variabilidade dos dados inerentes à performance coletiva (e.g., distâncias de alta intensidade e ações contextualizadas: ~13% e ~48%, respetivamente). Os profissionais do treino devem ponderar esta variabilidade na tomada de decisão acerca da aplicabilidade prática dos dados em eventos ou processos futuros.

 

Conclusão

Os dados contextualizados podem ajudar a melhorar o entendimento do estilo de jogos das equipas e podem ser utilizados para melhor discriminar os respetivos níveis qualitativos, tendo em consideração variáveis do foro técnico. Além disso, as ações físico-táticas dos jogadores produzem impacto não apenas nas ações dos seus companheiros de equipa, mas também nas atividades executadas pelos adversários no decurso do jogo competitivo. Para finalizar, deve ser enfatizado que a variabilidade de jogo para jogo da distância percorrida em alta intensidade e das ações contextualizadas é elevada.

 

P.S.:

1-  As ideias que constam neste texto foram originalmente escritas pelos autores do artigo e, presentemente, traduzidas para a língua portuguesa;

2-  Para melhor compreender as ideias acima referidas, recomenda-se a leitura integral do artigo em questão;

3-  As citações efetuadas nesta rúbrica foram utilizadas pelos autores do artigo, podendo o leitor encontrar as devidas referências na versão original publicada na revista Biology of Sport.

Sem comentários: