Medir la fatiga con un test semanal: qué puedes concluir y qué no

La idea es muy atractiva: un test de tres minutos cada lunes, y sabes si tu deportista está recuperado o hecho polvo. Ajustas la sesión en consecuencia. Ciencia aplicada, cero adivinanzas.

Y funciona… en parte. Este artículo va de esa parte, y también de la otra —la que los vendedores de tecnología no cuentan.

📉 Lo primero: la mala noticia

Una revisión con metaanálisis analizó el uso del salto con contramovimiento para monitorizar el estado neuromuscular. El resultado, aplicado al conjunto de variables estudiadas: alrededor de un 78% de las variables no fueron lo bastante sensibles para detectar fatiga o supercompensación^[1].

Léelo otra vez. La mayoría de los números que salen de un test de monitorización no te sirven para detectar fatiga. Y eso en el test más estudiado del mundo para esta finalidad.

Es coherente con lo que concluía una revisión clásica sobre monitorización de la carga de entrenamiento: hay muchos marcadores disponibles, muy pocos tienen evidencia sólida que los respalde, y no existe un marcador único y definitivo^[2].

Así que empecemos por ahí: no vas a encontrar el número mágico. No existe.

🔍 Entonces, ¿por qué medir?

Porque la alternativa —preguntar “¿cómo estás?” y decidir a ojo— es peor. Un test semanal bien montado te da tres cosas que sí valen:

• Una referencia objetiva del cliente consigo mismo. No dependes de si hoy está motivado o si le apetece quejarse.
• Una conversación mejor. El número no decide, pero abre la puerta: “hoy estás un 9% por debajo de tu rango, ¿qué tal has dormido?”.
• Una serie histórica. El valor de un punto aislado es bajo. El valor de 30 puntos a lo largo de seis meses es alto.

Lo que cambia todo es cómo interpretas ese número.

🎯 Cómo montarlo bien: cuatro reglas

Regla 1: la línea de base primero

Necesitas entre 5 y 10 mediciones en condiciones normales antes de poder interpretar nada. Sin línea de base no hay comparación posible, solo un número suelto.

Regla 2: tu umbral, no un umbral genérico

El famoso “si baja un 10% está fatigado” no viene de ningún sitio serio. Tu umbral depende del error de tu test (ver el artículo sobre cambio real vs. ruido). Si tu test tiene un CV del 6%, una caída del 5% es indistinguible del ruido.

Calcula tu error típico y usa dos niveles:

• Zona ámbar: caída mayor que 1 error típico. Merece una pregunta.
• Zona roja: caída mayor que el cambio mínimo detectable (≈2,77 × error típico). Merece una decisión.

Regla 3: elige la variable estable, no la interesante

Aquí hay una tensión real:

• La fuerza pico es la variable más fiable, pero también es bastante resistente a la fatiga: puede mantenerse casi igual aunque el deportista esté cansado.
• La producción rápida de fuerza (RFD) parece más sensible a la fatiga, pero tiene considerablemente más variabilidad entre sesiones^[3].

O sea: la variable estable no ve la fatiga y la variable sensible es ruidosa. No hay solución perfecta. Lo razonable en la práctica es registrar las dos y exigirle a la RFD un umbral bastante más alto antes de actuar.

Regla 4: el número no decide solo

Registra siempre, junto al test: horas de sueño, percepción de esfuerzo de la sesión anterior y qué entrenó ayer. Un dato bajo con sueño malo y una sesión dura ayer cuenta una historia. Un dato bajo sin explicación cuenta otra muy distinta (y es la que debe encender la alarma).

🚦 Un sistema de semáforo honesto

Con todo lo anterior, así queda un semáforo defendible:

Y una columna que suele faltar: 🔵 Azul — dato descartado. Si el test no se hizo con el protocolo exacto, no entra en la serie. Un dato malo es peor que ningún dato.

🗣️ La frase que resume todo esto

Si te llevas una sola idea del artículo, que sea esta, y puedes decírsela literalmente a tus deportistas:

“El test no te dice si estás fatigado. Te dice si hoy has producido menos fuerza que tu rango habitual. La causa la ponemos entre los dos.”

Esa distinción —entre lo que el aparato mide y lo que tú interpretas— es la línea que separa la monitorización seria del teatro tecnológico.

📚 Bibliografía

1. [1]Claudino JG, Cronin J, Mezêncio B, McMaster DT, McGuigan M, Tricoli V, Amadio AC, Serrão JC. The countermovement jump to monitor neuromuscular status: a meta-analysis. Journal of Science and Medicine in Sport. 2017;20(4):397-402. doi:10.1016/j.jsams.2016.08.011
2. [2]Halson SL. Monitoring training load to understand fatigue in athletes. Sports Medicine. 2014;44(Suppl 2):S139-S147. doi:10.1007/s40279-014-0253-z
3. [3]Maffiuletti NA, Aagaard P, Blazevich AJ, Folland J, Tillin N, Duchateau J. Rate of force development: physiological and methodological considerations. European Journal of Applied Physiology. 2016;116(6):1091-1116. doi:10.1007/s00421-016-3346-6