Feit of fabel: sporthorloge kan coach vervangen

Rusthartslag, ‘body battery’, VO₂max en aantal uren diepe slaap: onze horloges weten steeds meer van ons. Ook veel topsporters omarmen de slimme horloges en polsbanden die de hele dag door data verzamelen. Maar wat kunnen we nu eigenlijk met deze data? Waar zijn de huidige ‘wearables’ wel en niet goed voor? En kan de technologie op den duur beslissingen van een coach overnemen? Volgens Belgische onderzoekers is dit nog veel te vroeg: in de sport kunnen data hooguit gebruikt worden om dingen die in het lichaam gebeuren te beschrijven. Volledig datagedreven beslissingen zijn nog toekomstmuziek.

Volgens een artikel in de Volkskrant raadde atletiektrainer Bram Peters aan zijn pupil Femke Bol aan om de Whoop te gebruiken^[1]. Deze armband meet de hele dag door de hartslagfrequentie en de hartslagvariabiliteit (HRV): de duur van de intervallen tussen de hartslagen. Hier koppelt de Whoop een waarde voor belasting (‘strain’) en voor herstel (‘recovery’) aan.

Peters legt uit dat hij die informatie gebruikt om te bepalen of een atleet die dag een zware training aankan of beter gas terug kan nemen. De meeste andere sporthorloges hebben ook een dergelijke maat voor ‘readiness’. Als zo’n maat daadwerkelijk bepaalt of een sporter voluit kan gaan, door een groen of rood licht te geven voor de komende training, zou dit een punt kunnen zijn waarop een horloge een taak van een coach overneemt.

Algoritme

Wetenschappers onderzoeken regelmatig of sporthorloges meten wat de fabrikanten zeggen dat ze meten. Wat kunnen deze gadgets wel en niet nauwkeurig bepalen?

Onderzoek toont aan dat de Whoop inderdaad redelijk nauwkeurig de hartslagfrequentie en de HRV in rust registreert^[2]. Voor de Polar Vantage V2 geldt hetzelfde^[3]. Maar het is vooralsnog onduidelijk wat de bruikbaarheid van een ‘recovery’-score of een percentage ‘body battery’ is, zoals Garmin dat noemt. De horloges berekenen zo’n score aan de hand van een algoritme, dat alleen bij de fabrikant bekend is. Wetenschappers kunnen moeilijk onderzoeken of zo’n waarde hout snijdt, aangezien er geen gouden standaard is om de waarden aan te staven. Anekdotisch bewijs is er wel: sporters geven aan dat ze al voordat ze ziek op bed komen te liggen op hun horloge kunnen zien dat er iets mis is.

VO₂max

De scores van sporthorloges voor markers van fitheid worden wel wetenschappelijk getoetst. Onderzoekers kunnen deze namelijk vergelijken met de maximale zuurstofopname (VO₂max) die ze tijdens een inspanningstest in een lab meten. De VO₂max scores van sporthorloges blijken niet erg nauwkeurig^[4]. De horloges die de VO₂max berekenen aan de hand van een submaximale inspanning, zoals de Garmin horloges, geven een nauwkeuriger waarde dan horloges die de VO₂max op basis van rusthartslagfrequentie berekenen. Dat laatste geldt voor de Polar horloges. Toch zijn geen van de tot nu toe geteste horloges geschikt om op individueel niveau een goede inschatting van de VO₂max te geven. Dat de gemiddelde waarden van een groep redelijk overeenkomen tussen horloge en lab zegt namelijk niet dat de individuele waarden ook precies kloppen.

Een kanttekening bij het wetenschappelijk onderzoek naar sporthorloges is dat de fabrikanten sneller nieuwe modellen uitbrengen dan de onderzoekers kunnen testen. Het kan dus best zijn dat de nieuwe modellen beter presteren dan in de meest recente wetenschappelijke artikelen te lezen is.

Beschrijvend niveau

Ondanks dat de technologie zich snel ontwikkelt, zijn data in de sportwetenschap nog niet geschikt om de beslissingen voor een coach te nemen, zo schrijven Belgische onderzoekers in het International Journal of Sports Physiology and Performance^[5]. De Belgen ontwikkelden een kader om het gebruik van data in de sport te omschrijven. Ze baseren dit op methodes uit de bedrijfskunde. Volgens deze onderzoekers zijn er vier niveaus, of stappen, waarop data in de sport gebruikt kunnen worden. Ze concluderen dat data-analyse in de sport zich nog op het eerste – beschrijvende – niveau bevindt. Voordat we data kunnen gebruiken om trainingen voor te schrijven, moeten er nog meer stappen doorlopen worden; elke nieuwe stap volgt uit de voorgaande stap.

Vier stappen

Laten we het kader van de Belgische onderzoekers doorlopen aan de hand van een voorbeeld: een hardloper die traint voor de tien kilometer en daarbij data uit een sporthorloge wil gebruiken om beter te presteren. De eerste stap in het kader is beschrijven wat er gebeurt. Sporthorloges worden daar steeds beter in. Op basis van hartslagfrequentiedata en GPS-gegevens kun je redelijk goed beschrijven wat de hardloper tijdens een looptraining heeft gedaan en of dit overeen komt met het trainingsplan. Op deze manier kan de loper haar sporthorloge dus prima gebruiken. We zien echter dat er bij de volgende stappen problemen ontstaan.

De tweede stap is diagnostiek. In deze stap kun je met behulp van data beschrijven waaróm iets gebeurt. Je zou bijvoorbeeld een relatie kunnen leggen tussen het aantal kilometers dat onze loper maandelijks aflegt en de daaropvolgende tienkilometertijd. Veel sporthorloges kunnen beide variabelen meten. Maar sporthorloges kunnen lang niet álle factoren meten die invloed hebben op een tienkilometerprestatie. Laat staan dat ze nauwkeurige verbanden kunnen leggen tussen al deze variabelen. Een horloge kan dus niet nauwkeurig zeggen waaróm de sporter een bepaalde tijd neerzet op de tien kilometer: kwam dat door het aantal gelopen kilometers in de afgelopen maand of door iets heel anders?

De derde stap in het schema van de Belgen is voorspellen. Een sporthorloge zou in deze stap moeten kunnen voorspellen wat de tienkilometerprestatie zal worden aan de hand van de verzamelde data. Ook hier gooit de complexiteit van de situatie roet in het eten: het aantal variabelen dat de prestatie beïnvloedt is te groot en te complex om te meten. Pas in de vierde stap – voorschrijven – kunnen data gebruikt worden om beslissingen voor ons te nemen. De Belgen noemen dit datagedreven beslissingen. In deze laatste stap wordt de optimale weg naar een bepaald doel bepaald. Een horloge zou dan een trainingsschema kunnen voorschrijven dat tot een snellere tien kilometer leidt.

Datagedreven beslissingen

Volgens de Belgische onderzoekers duurt het nog wel even voordat de technologie de rol van de expert – de coach – kan overnemen. Voorlopig is het dus een fabel dat een polshorloge het beter weet dan een coach. Data, bijvoorbeeld uit sporthorloges, worden tot nu toe vooral gebruikt om menselijke beslissingen te ondersteunen. Hierin schuilt wel een gevaar, namelijk dat de coach alleen díe gegevens eruit pikt die zijn of haar vermoedens bevestigen. ‘Confirmation bias’ heet dat. Naarmate de stappen in het hierboven beschreven schema worden doorlopen neemt de kans op vooroordelen af. Misschien is het dus wel wenselijk dat de technologie in de toekomst (een deel van) de rol van de coach overneemt. Zoals de onderzoekers schrijven: ‘onderzoek, zowel binnen als buiten de sport, wijst uit dat datagedreven beslissingen superieur zijn aan menselijke beslissingen’.

Dit artikel verscheen eerder in het magazine NLCoach (jaargang 17, nummer 1).