Análisis de las demandas fisiológicas, neuromusculares y psicológicas agudas de tres protocolos de Entrenamiento Funcional de Alta Intensidad comparando dos creados mediante Inteligencia Artificial y uno elaborado por expertos

Abstract

La inactividad física es considerada uno de los principales problemas para la salud, siendo la falta de tiempo una de sus barreras más importantes. Ante esta situación, el Entrenamiento Interválico (EI) resulta una herramienta viable, ya que permite obtener beneficios para la salud cardiometabólica con un menor tiempo total de entrenamiento. Por otro lado, los programas de ejercicio basados en Inteligencia Artificial (IA) han ganado relevancia dado que pueden ayudar a los entrenadores a programar sesiones atractivas. En este estudio se compararon las respuestas fisiológicas, neuromusculares y psicológicas agudas a una modalidad de EI: Entrenamiento Funcional de Alta Intensidad (HIFT) aplicando 3 sesiones diferentes. Dieciséis adultos jóvenes, 7 mujeres y 9 hombres [edad = 26 ± 5,4 años, índice de masa corporal (IMC) = 25,3 ± 3,9 kg·m⁻², Consumo máximo de oxígeno (VO2máx) = 43,9 ± 6,5 ml·kg⁻¹·min⁻¹]. Inicialmente se midió el VO2máx y la composición corporal de los sujetos, los cuales participaron a través de un diseño transversal cruzado aleatorizado, el cual consistió en tres sesiones de HIFT equiparadas en tiempo total (32 esfuerzos máximos de 5s: descanso pasivo de 10s; ~8 min): HIFT-McRae; HIFT-ChatGPT; y HIFT-Gemini. Se realizó un seguimiento de la frecuencia cardíaca (FC) de los sujetos pre- y post-sesión. Las respuestas neuromusculares se evaluaron mediante el Salto Contramovimiento (CMJ) pre- y post-sesión. Se utilizaron las escalas de Percepción Subjetiva del Esfuerzo (CR-10 RPE), Valencia Afectiva, Percepción de Disfrute (PACES), variables de Bienestar mediante Índice Hooper (HI), y escalas de Intención, Autoeficacia, y de Preferencia. Los datos fueron analizados utilizando ANOVA de medidas repetidas y pruebas post hoc con corrección de Bonferroni según correspondiera, utilizando un valor de significancia de 0,05. Los resultados obtenidos en la comparación entre condiciones fueron los siguientes: 1) respuestas fisiológicas: para los valores de FCmín, FCmedia, FCmáx, FCfinal y %FCmáx, no se encontraron diferencias significativas entre condiciones (p>0,05). Además, el tiempo empleado en distintas zonas de entrenamiento no fue significativamente distinto entre protocolos, sin mostrar un efecto significativo de la condición (p=1,000) o la interacción condición × tiempo (p=0,216). 2) respuestas psicológicas: no se encontraron diferencias significativas para la Escala de Sentimiento (FS), Autoeficacia, Intención, PACES y el Bienestar entre las condiciones (p>0,05), No obstante, se hallaron diferencias significativas para CR-10 RPE entre condiciones, observándose que HIFT-Gemini presenta valores significativamente inferiores que las otras dos condiciones (p<0,05). En lo que respecta a la preferencia, HIFT-Gemini fue elegido con mayor frecuencia (56,25%) respecto a HIFT-McRae (25%) y HIFT-ChatGPT (18,75%) (p<0,05). 3) respuestas neuromusculares: se observó una disminución de CMJrel_pwr, en su comparativa pre y post sesión de HIFT-ChatGPT (p<0,05). Estos resultados muestran que la IA puede ser una alternativa plausible para prescribir protocolos de entrenamiento al igual que los expertos, siempre que se sigan las recomendaciones adecuadas para la creación de prompts y el asesoramiento humano en su ejecución.