# De tres estudios a una línea de investigación

Sports Rehab Intelligence integra tres perspectivas complementarias de rehabilitación deportiva: movimiento, entrenamiento y consecuencias de las ausencias. Su contribución es hacer explícita la relación entre preguntas, mediciones y desenlaces, conservando las poblaciones originales. El marco conceptual no prueba una secuencia causal entre los tres estudios.

## Movimiento: qué está medido y qué está validado

El descriptor de Ferber y colaboradores documenta 1.798 personas con tareas de marcha y carrera y detalla condiciones de medición que importan al reutilizar biomecánica [1]. El proyecto RIC local identifica 1.402 personas con carrera y extrae 13 variables por lado en un piloto seleccionado de 30 personas. La integridad estructural y los escalares guardados no sustituyen la validación de eventos, ciclos o reconstrucción. Las diferencias de protocolo, velocidad y población impiden tratar valores de distintas fuentes como intercambiables sin revisión. El integrador conserva la versión 1 de Figshare usada en el análisis [2].

## Entrenamiento: el tiempo importa, también la selección

Competitive Runners analiza 74 atletas y 42.766 eventos seleccionados de la representación Day. El diseño original y su documentación corregida deben interpretarse juntos [3–5]. La separación temporal y por atleta ayuda a examinar generalización, pero no elimina la selección de controles que exige aptitud futura. En la evaluación primaria de atletas nuevos y futuro, AP es aproximadamente 0,0200 frente a una fracción positiva de 0,0161 en ese test, y el IC pareado de AP menos azar (0,0020 a 0,0270) excluye el cero. Supera al azar por muy poco; con una AUC de 0,546 no sirve para uso clínico. El resultado pertenece a esa muestra seleccionada. No establece incidencia prospectiva, prevención ni probabilidad clínica individual.

## Consecuencias: frecuencia, severidad y carga responden preguntas distintas

Los 15.603 registros de fútbol permiten describir duración reportada y partidos perdidos. La vista candidata de 14.611 registros evalúa sensibilidad a intervalos repetidos; no adjudica episodios clínicos. El consenso IOC distingue definiciones, exposición y desenlaces [6], y la discusión metodológica sobre burden explica por qué frecuencia y consecuencias requieren lectura conjunta [7]. Esas referencias orientan la interpretación; no validan retrospectivamente la exactitud clínica del dataset de Kaggle [8]. Su duración inclusiva tampoco se convierte automáticamente en tiempo perdido bajo una definición de vigilancia IOC.

## Qué aporta la integración

El catálogo reúne 104 definiciones con fuente, no 104 predictores medidos en una cohorte. La matriz distingue disponibilidad, provisionalidad, constructos diferentes y ausencia de información. Por ejemplo, duración histórica de lesión en RIC no es equivalente a duración de una ausencia en fútbol, y una sesión interrumpida en corredores no aporta por sí sola días de baja. Estas diferencias son resultados de compatibilidad que deben resolverse antes de estudiar asociaciones multimodales.

El producto final de esta primera entrega es un atlas trazable y reproducible. La siguiente contribución empírica requiere una cohorte que mida modalidades y desenlaces en las mismas personas. Esta revisión es narrativa y acotada; no declara exhaustividad, una revisión sistemática ni novedad mundial.

## Referencias

1. Ferber et al. (2024). A Biomechanical Dataset of 1,798 Healthy and Injured Subjects During Treadmill Walking and Running. https://doi.org/10.1038/s41597-024-04011-7
2. Running Injury Clinic Kinematic Dataset v1. https://doi.org/10.25452/figshare.plus.24255795.v1
3. Lövdal et al. Replication data, Dataverse v2.0. https://doi.org/10.34894/UWU9PV
4. Lövdal et al. (2021). Injury Prediction in Competitive Runners With Machine Learning. https://doi.org/10.1123/ijspp.2020-0518
5. Erratum (2024). https://doi.org/10.1123/ijspp.2024-0251
6. Bahr et al. (2020). IOC consensus statement, including STROBE-SIIS. https://doi.org/10.1136/bjsports-2019-101969
7. Bahr, Clarsen & Ekstrand (2018). Why we should focus on the burden of injuries and illnesses, not just their incidence. https://doi.org/10.1136/bjsports-2017-098160
8. Muzaffarov. European Football Injuries, Kaggle v2. https://www.kaggle.com/datasets/sananmuzaffarov/european-football-injuries-2020-2025/versions/2