Artigo lesões

Prévia do material em texto

Análise
Abordagem de sistemas complexos para lesões esportivas: 
movendo-se da identificação do fator de risco fi cátion para 
reconhecimento de padrão de lesão - revisão narrativa
e novo conceito
NFN Bittencourt, 1 WH Meeuwisse, 2 LD Mendonça, 3 A Nettel-Aguirre, 4
JM Ocarino, 5 ST Fonseca 5
1 Departamento de Fisioterapia,
Minas Tenis Clube e Universidade 
Uni-BH, Minas Gerais, Belo Horizonte, 
Brasil
2 Prevenção de lesões esportivas
Centro de Pesquisa, Faculdade de 
Cinesiologia, Universidade de
Calgary, Alberta, Canadá
3 Departamento de Fisioterapia,
Universidade dos Vales do 
Jequitinhonha e Mucuri, Minas Gerais, 
Diamantina, Brasil
4 Departamentos de Pediatria
e Saúde Comunitária
Ciências, Universidade de Calgary, 
Alberta, Canadá
5 Programa de Pós-Graduação em
Ciências da Reabilitação Física
Departamento de Terapia,
Universidade Federal de Minas Gerais, 
Minas Gerais,
Diamantina, brasil
Correspondência para
Dr. ST Fonseca, Programa de 
Pós-Graduação em Reabilitação
Ciência, Fisioterapia
Departamento, Universidade
Federal de Minas Gerais, Minas 
Gerais, Avenida
Presidênte Antônio Carlos,
6627 - Pampulha, Belo
Horizonte - MG 31270-901,
Brasil; sfonseca@ufmg.br
Aceito em 18 de junho de 2016 
Publicado primeiro online
22 de julho de 2016
RESUMO
A previsão de lesões é uma das questões mais desafiadoras nos 
esportes e um componente chave para a prevenção de lesões. As 
investigações da etiologia das lesões esportivas assumiram uma 
visão reducionista em que um fenômeno foi simplificado. fi editado em 
unidades e analisado como a soma de suas partes básicas e a 
causalidade foi vista de forma linear e unidirecional. Essa abordagem 
reducionista depende de análises de correlação e regressão e, 
apesar do grande esforço para prever lesões esportivas, tem sido 
limitada em sua capacidade de identificar fatores preditivos com 
sucesso. A maioria das condições de saúde humana são complexas. 
Nesse sentido, a natureza multifatorial complexa das lesões 
esportivas surge não da interação linear entre fatores isolados e 
preditivos, mas da complexa interação entre uma teia de 
determinantes. Assim, o objetivo deste artigo conceitual foi propor um 
modelo de sistema complexo para lesões esportivas e demonstrar 
como a implementação do pensamento de sistemas complexos pode 
nos permitir abordar melhor a natureza complexa da etiologia das 
lesões esportivas. fi les) que simultaneamente caracterizam e 
restringem o fenômeno e o padrão emergente que surge da complexa 
teia de determinantes. Na prática esportiva, esse padrão emergente 
pode estar relacionado à ocorrência ou adaptação de lesões. Esta 
nova visão de intervenção preventiva depende da identidade fi cação 
de regularidades ou risco pro fi le, passando de fatores de risco para o 
reconhecimento de padrões de risco.
complexo. Nesse sentido, precisamos de uma abordagem mais 
ampla para entender melhor as relações complexas entre fatores / 
preditores de risco e lesões. 2 - 4 6 - 8
Para resolver esse problema, Meeuwisse et al 9 desenvolveram 
um modelo dinâmico e recursivo para risco e causas de lesões 
esportivas, considerando que a lesão tem comportamento não 
linear. Esse modelo trouxe muitos avanços para o entendimento da 
etiologia das lesões esportivas, pois parte do pressuposto de que 
podem ocorrer alterações recorrentes na suscetibilidade a lesões ao 
longo da prática esportiva, e a exposição aos fatores de risco 
primários pode produzir adaptações e alterar continuamente o risco. 
Apesar do reconhecimento das características não lineares e 
recursivas das lesões esportivas, o modelo descrito por Meeuwisse
et al 9 não era suf fi suficiente para lidar com as complexas interações 
entre vários fatores.
A natureza multifatorial e complexa das lesões esportivas surge 
não da combinação linear de fatores isolados e preditivos, mas da 
interação entre o que Philippe e Mansi 8 chamado ' a teia de 
determinantes '. Esses determinantes podem estar ligados entre si 
de forma não linear, no sentido de que pequenas mudanças em 
alguns determinantes podem levar a consequências grandes e, às 
vezes, inesperadas. 6 10 Propomos que, para descobrir 
completamente essa natureza complexa da etiologia das lesões 
esportivas, uma abordagem de sistemas complexos é necessária. 
Essa abordagem se baseia na identificação das interações e no 
esclarecimento de como essas interações contribuem para o 
surgimento de lesões esportivas. 10 11 Além disso, permite buscar 
regularidades (ver explicação nas características de uma seção de 
sistema complexo), por meio de técnicas de reconhecimento de 
padrões, 12 que permitem a identificação fi cação do risco pro fi le para 
um atleta ou grupo. Assim, o objetivo é apresentar um modelo de 
sistema complexo para lesões esportivas e demonstrar como a 
implementação do pensamento de sistema complexo pode nos 
permitir abordar melhor a natureza dinâmica da etiologia das lesões 
esportivas.
Este artigo conceitual foi desenvolvido com base em fl seções na 
diferença fi cultos relacionados à previsão de lesões esportivas e 
como diferentes áreas estão tentando resolver problemas 
semelhantes. Estes re fl Seções e subsequente revisão exaustiva da 
literatura levaram a várias discussões entre os autores que 
resultaram neste trabalho. Para facilitar a compreensão de nossa 
proposição, este artigo está organizado em seis seções: introdução; 
uma mudança de paradigma: do reducionismo à complexidade 
descrevendo os paradigmas reducionista e da complexidade; 
características de
INTRODUÇÃO
A previsão de lesões é uma das questões mais desafiadoras nos 
esportes e um componente chave para a prevenção de lesões, uma 
vez que a identificação bem-sucedida fi cação de preditores de lesão 
constitui a base para medidas preventivas eficazes. 1 Tradicionalmente, 
cienti fi c as investigações assumiram uma visão reducionista na 
tentativa de compreender as lesões esportivas. De acordo com essa 
abordagem, o fenômeno (lesão) foi reduzido em unidades e explicado 
por dedução racional. 2 3 A literatura sobre lesões esportivas tem 
revelado importantes preditores de lesões por meio de ferramentas 
estatísticas típicas, como a regressão logística. No entanto, para 
algumas lesões (por exemplo, distensão dos isquiotibiais e tendinopatia 
patelar (TP)), essas técnicas ainda não produziram identidades 
consistentes fi cação de fatores de risco. 4 5
Infelizmente, essas inconsistências mostram que a maioria 
das condições de saúde humana são
Citar: Bittencourt NFN, 
Meeuwisse WH,
Mendonça LD, et al. Br J Sports 
Med 2016; 50: 1309 -
1314.
Bittencourt NFN, et al. Br J Sports Med 2016; 50: 1309 - 1314. doi: 10.1136 / bjsports-2015-095850 1 de 7
B
r
 
J
 
S
p
o
r
t
s
 
M
e
d
:
 
p
u
b
l
i
c
a
d
o
 
p
e
l
a
 
p
r
i
m
e
i
r
a
 
v
e
z
 
c
o
m
o
 
1
0
.
1
1
3
6
 
/
 
b
j
s
p
o
r
t
s
-
2
0
1
5
-
0
9
5
8
5
0
 
e
m
 
2
1
 
d
e
 
j
u
l
h
o
 
d
e
 
2
0
1
6
.
 
T
r
a
n
s
f
e
r
i
d
o
 
d
e
 
h
t
t
p
:
/
/
b
j
s
m
.
b
m
j
.
c
o
m
/
 
e
m
 
1
8
 
d
e
 
m
a
r
ç
o
 
d
e
 
2
0
2
0
 
p
o
r
 
c
o
n
v
i
d
a
d
o
.
 
P
r
o
t
e
g
i
d
o
 
p
o
r
 
d
i
r
e
i
t
o
s
 
a
u
t
o
r
a
i
s
.
http://crossmark.crossref.org/dialog/?doi=10.1136/bjsports-2015-095850&domain=pdf&date_stamp=2016-07-22
http://bjsm.bmj.com
http://www.basem.co.uk/
http://bjsm.bmj.com/
Análise
um sistema complexo; um modelo complexo para lesão esportiva que assume que a lesão 
esportiva é um fenômeno emergente que surge de interações dentro de uma teia de 
determinantes; implicações metodológicas do uso de uma abordagem de sistemas 
complexos e aplicação de um modelo complexo para lesões esportivas.
UMA MUDANÇA DE PARADIGMA: DA REDUCIONISMO À 
COMPLEXIDADE
O simpli fi cação de problemas complexos em unidades básicas é o método clássico de 
análise da ciência no paradigma do reducionismo. 2 4 8 Essa abordagem tem se 
concentrado na identificação de fatores isolados quesão freqüentemente assumidos 
como causas de lesões ou doenças. 8 12 Em muitos aspectos, esta tem sido uma 
abordagem bem-sucedida, como estabelecer uma forte conexão causal entre tabagismo 
e câncer de pulmão. 13 O reducionismo, portanto, ajudou a identificar algumas relações 
lineares aparentemente existentes. 8 A linearidade assume que o resultado está de 
alguma forma relacionado à soma do sistema ' s unidades e que pode ser previsto 
(embora sujeito a erros aleatórios) procurando essas relações diretas. 7 8 No entanto, essa 
associação linear caracteriza uma circunstância singular de relacionamento: quanto mais 
próxima a exposição estiver do ponto final, maior será seu impacto. 8 Um exemplo típico 
de lesão esportiva é o identi fi cátion valgo dinâmico do joelho (DKV) como fator de risco 
para ruptura do LCA. 14 Foi identi fi editado que atletas do sexo feminino que demonstraram 
joelho valgo durante a aterrissagem, 50 ms após o contato inicial, são fi cinco vezes mais 
propensos a lesionar o LCA do que atletas do sexo masculino (risco relativo (RR) = 5,3, 
p = 0,002). 15 Uma vez que as escalas que usamos medem os fatores desencadeantes 
que são proximais ao resultado final, tais relações lineares podem ser reveladas. 8 A 
preocupação aqui é que essa relação representa apenas um segmento do quadro total. 8
O quadro é diferente quando o evento inicial (exposição) é distante ou quando 
existem vários fatores em vários níveis (biomecânico, comportamental, fisiológico, etc) 
que podem interferir fl influenciar uns aos outros. Por exemplo, restrição no dorso do 
tornozelo fl amplitude de movimento (ADM) e carga de treinamento são considerados 
fatores de risco (embora inconsistentes) para o TP. 5 No entanto, em alguns casos, o 
tornozelo dorsal restrito fl A ROM de exão só será relevante na presença de alta carga 
de treinamento. Este último fator de risco irá em fl uencie o primeiro porque a alta 
frequência de salto vertical aumenta a energia mecânica total que atinge os tecidos, 
que deveria ser dissipada pelo quadril, joelho e tornozelo. Na presença de dorso do 
tornozelo restrito fl exion ROM, esta energia pode não ser dissipada adequadamente no 
tornozelo e pode sobrecarregar o tendão patelar. 16 Além disso, a quantidade de carga 
de treinamento pode ser modulada pelas demandas excessivas de patrocinadores 
externos ou treinadores ' filosofia de treinamento. Essa cadeia de possíveis eventos 
relacionados estabelece uma complexa teia de determinantes de lesões, que requer 
uma abordagem complexa para ser melhor compreendida. 8
Historicamente, o pensamento complexo estava em fl Foi influenciada por 
desenvolvimentos em diversas áreas, como teoria da informação, cibernética e teoria de 
sistemas, e, por sua vez, foi adotada por diversas disciplinas. 6 10 17 - 20 A biologia e a 
medicina reconhecem que os organismos vivos são entendidos como sistemas complexos 
caracterizados por múltiplas interações entre unidades, auto-organização, não linearidade 
e propriedades emergentes. 6 21 Mais recentemente, uma abordagem de sistemas 
complexos tem sido usada em epidemiologia para melhorar o conhecimento sobre as 
causas de vários níveis de saúde e doenças. 12
Previsão de problemas complexos, como fi crises financeiras, 20 doenças, 12 21 atleta 
de alto rendimento 22 e, potencialmente, lesão esportiva deve envolver a identidade fi cação 
da complexa teia de determinantes. No esporte, o foco deve ser a identificação das 
relações estáveis (às vezes complexas) entre os determinantes das lesões que 
apoiam o surgimento das lesões e não na contribuição de fatores isolados. 11 Precisamos 
estar cientes de que quando nós
reduzir um problema complexo em suas unidades, os relacionamentos são negligenciados e 
a previsão pode não ser possível. 11 23 A lesão esportiva será melhor compreendida se 
reconhecermos os padrões frequentes de interação entre os fatores de risco multinível, em 
vez de nos concentrarmos na identificação do fator de risco no nível das unidades. 11 De 
acordo,
Mendiguchia et al, 4 Quatman et al 2 e Hulme e Finch 11 propuseram uma mudança de 
paradigma na pesquisa de lesões esportivas. Esses autores enfatizam que a literatura 
se limita a identificar de forma consistente fatores preditivos, pois os atuais métodos de 
pesquisa baseados em abordagens unidirecionais e analíticas negligenciam as 
condições multifatoriais e complexas para o surgimento de lesões esportivas. 11 A falta de 
abordagens metodológicas adequadas limita nossa capacidade de identificar estratégias 
preventivas eficazes, pois frequentemente deixamos de reconhecer adequadamente a 
teia de determinantes de lesões. Consequentemente, algumas taxas de lesões, como 
distensão dos isquiotibiais, não melhoraram nas últimas três décadas. 24
O paradigma da complexidade contribui para examinar a lesão esportiva em termos de 
relacionamentos e não de fatores. No entanto, o paradigma da complexidade não deve 
substituir completamente o reducionismo. 11 12
É possível argumentar que o paradigma da complexidade é um avanço do 
reducionismo. Embora as abordagens lineares podem facilitar a identificação fi cação de 
fatores desencadeantes próximos ao mecanismo de lesão esportiva, eles deixam de 
reconhecer a não linearidade inerente aos processos biológicos relacionados às lesões 
esportivas. Esta inter-relação explica porque a busca por uma causa - relações de efeito 
sempre serão problemáticas. Dada a complexidade do processo de lesões esportivas, o 
futuro da pesquisa em etiologia deve avançar em direção à visão integrada da 
abordagem de sistemas complexos.
CARACTERÍSTICAS DE UM SISTEMA COMPLEXO
A compreensão sobre as interações é a pedra angular da abordagem de 
sistemas complexos. von Bertalan fl y 25 tem de fi ned um sistema complexo como 
um todo com unidades (partes) que interagem entre si. No entanto, de acordo 
com Rosen, 26 essas interações são complexas no sentido de que as unidades 
participantes são modi fi pelas interações ocorridas ou pelo fato de novas e 
imprevisíveis unidades surgirem durante o processo. Quando as unidades A e B 
interagem, o comportamento de A em interação com B é diferente do 
comportamento de A sozinho. 25 26 Em relação às lesões esportivas, o atleta deve 
ser analisado como um sistema complexo e o foco da pesquisa seria em como as 
relações entre as unidades (isto é, biomecânicas, comportamentais, fisiológicas e 
psicológicas) dão origem ao comportamento coletivo do atleta e como o atleta 
interage e forma relações estáveis (regularidades) com seu ambiente.
Os sistemas complexos são sistemas dinâmicos e abertos com não linearidade 
inerente devido à existência de loops recursivos e interações complexas entre as 
unidades, que se organizam espontaneamente para gerar propriedades emergentes que 
não podem ser deduzidas apenas de suas propriedades originais (auto-organização). 3 10 Tais 
sistemas são colocados com algum nível de incerteza, pois os vários níveis e escalas 
(tamanho e tempo) das unidades de interação são frequentemente desconhecidos ou não 
diretamente observáveis. 17 Essas características são explicadas com mais detalhes a 
seguir.
Sistema aberto
Na física, todos os organismos vivos são sistemas abertos, pois trocam matéria e 
energia com o meio ambiente, sem perder sua identidade. 7 27 Em contraste, um 
sistema é fechado se o fl A influência do ambiente sobre ele pode ser ignorada, pois 
nenhuma matéria ou energia entra ou sai do sistema. 27 Para melhor distinguir 
sistemas fechados e abertos, o conceito de equi fi nalidade deve ser introduzida. 27 Equi
fi nalidade significa que existem muitas maneiras diferentes pelas quais o mesmo 
resultado emergente pode ser gerado. 27
2 de 7 Bittencourt NFN, et al. Br J Sports Med 2016; 50: 1309 - 1314. doi: 10.1136 / bjsports-2015-095850
B
r
 
J
 
S
p
o
r
t
s
 
M
e
d
:
 
p
u
b
l
i
c
a
d
o
 
p
e
l
a
 
p
r
i
m
e
i
r
a
 
v
e
z
 
c
o
m
o
 
10
.
1
1
3
6
 
/
 
b
j
s
p
o
r
t
s
-
2
0
1
5
-
0
9
5
8
5
0
 
e
m
 
2
1
 
d
e
 
j
u
l
h
o
 
d
e
 
2
0
1
6
.
 
T
r
a
n
s
f
e
r
i
d
o
 
d
e
 
h
t
t
p
:
/
/
b
j
s
m
.
b
m
j
.
c
o
m
/
 
e
m
 
1
8
 
d
e
 
m
a
r
ç
o
 
d
e
 
2
0
2
0
 
p
o
r
 
c
o
n
v
i
d
a
d
o
.
 
P
r
o
t
e
g
i
d
o
 
p
o
r
 
d
i
r
e
i
t
o
s
 
a
u
t
o
r
a
i
s
.
http://bjsm.bmj.com/
Análise
Este tipo de comportamento é freqüentemente visto em lesões esportivas, nas quais 
diferentes relações entre os fatores de risco produzem a mesma lesão (resultado emergente; 
ver exemplo na aplicação de modelo complexo para a seção de lesões esportivas). Os 
sistemas abertos interagem totalmente com o ambiente e evoluem com o tempo, produzindo 
vários caminhos para resultados semelhantes. 7
Auto-organização (regularidades e padrões emergentes)
As interações não lineares entre unidades individuais de um sistema resultam no 
surgimento de propriedades que não poderiam ser previstas com base apenas no 
comportamento das unidades individuais. 6 7 19
Essas propriedades emergentes são o resultado de um processo denominado 
auto-organização, que é regido por leis universais. 28 Essas leis universais, ou regras, 
permitem a auto-organização, criando a ocorrência espontânea de ordem dentro do 
sistema. 7 28 Devido à auto-organização, o comportamento geral do sistema não é 
proporcional ao comportamento individual das unidades, pois é através das unidades ' interações 
(cooperação) que o novo padrão é produzido. 7 28 Quando certos valores críticos do 
sistema ' s unidades são alcançadas, speci fi c con fi gurações das unidades interagentes 
produzirão regularidades observáveis. Em lesões esportivas, essas regularidades são 
padrões de ocorrência regular que estão relacionados ao fi resultado emergente final. 
As regularidades observadas podem ser classi fi ed como um risco de lesão ou 
profissional de proteção fi le.
Em sistemas complexos, uma vez que as unidades existentes (fatores de risco) e 
suas interações são frequentemente desconhecidas e sua relação direta com o 
resultado é inexistente (ou fraca), 33 o único meio de inferir a dinâmica do sistema é por 
meio da observação de suas regularidades (risco pro fi le). Assim como acontece com o 
clima, a ocorrência de certas regularidades pode ajudar os cientistas a prever a 
ocorrência de certos eventos. Por exemplo, o fenômeno El Niño de ocorrência irregular 
é um tipo de regularidade (identi fi ed como um especi fi c variação na temperatura da 
superfície do mar) que está relacionada à ocorrência de fl inundações e secas em 
muitas regiões. Nos esportes, a natureza complexa dos mecanismos envolvidos com o 
surgimento de uma determinada lesão pode ser comprimida na relação mais simples 
entre a regularidade observável e o resultado emergente (por exemplo, lesão ou 
adaptação).
Não linearidade inerente
Os sistemas complexos exibem comportamentos não lineares que são relacionados de 
forma incerta à entrada fornecida. 3 7 Um sistema linear é caracterizado pelo princípio de 
superposição. Este princípio implica que o observado fi sistema final ' s comportamento 
global está diretamente relacionado à soma da contribuição de suas partes individuais. 7 
8
No entanto, o princípio da superposição não pode ser aplicado a sistemas não lineares, 
porque as entradas não são proporcionais à saída. 7 19 Normalmente, grandes mudanças 
em uma variável não produzem necessariamente um grande efeito no resultado. Por 
outro lado, pequenas mudanças podem produzir um efeito grande e às vezes 
inesperado no resultado. 19 O processo relacionado a mudanças abruptas no sistema ' s 
con fi guração que é observada em sistemas não lineares é denominada ' emergência '. 6 As 
propriedades emergentes de um sistema complexo são o resultado de interações entre 
unidades e não são equivalentes às próprias unidades. 7 28
A previsão de lesões em esportes é menos direta e frequentemente 
dependente da dose - relações de resposta. Por exemplo: DKV (ângulo alto do 
joelho no plano frontal) foi associado à fraqueza do abdutor do quadril. 29 30 Em 
uma visão linear, pode-se supor que quanto mais fracos os abdutores do quadril, 
maior o DKV. No entanto, as evidências mostraram uma relação não linear entre 
a força muscular do quadril e DKV. 30 Quando os participantes têm alta rigidez de 
rotação interna do quadril (como no caso da retroversão do quadril), mesmo um 
alto nível de força do abdutor do quadril não é capaz de prevenir DKV. 30 Existem 
vários exemplos na literatura esportiva em que uma variável é importante, mas 
não determinante para a ocorrência de lesões. 31 - 33 Portanto, a natureza não linear 
da lesão esportiva nos impede de fi encontrar as relações esperadas entre 
preditores e resultados.
Incerteza
No surgimento de muitos fenômenos, a previsão não pode ser feita por meio da 
identidade fi cação da relação entre causa e efeito. 8 Nesses casos, a previsão 
depende apenas da identidade fi cação da probabilidade de ocorrência de fenômenos 
emergentes. Essa incerteza no comportamento de sistemas complexos é o resultado 
da auto-organização e da existência de relações não lineares dentro do sistema que 
levam a muitos caminhos para a adaptação ambiental. 3 35 Apesar da falta de 
previsibilidade total, algumas abordagens podem ser usadas para reduzir a incerteza, 
como a identificação de padrões recorrentes que consideram o contexto e a história. 3 
7 35 Padrões relativamente simples foram mostrados em sistemas biológicos (como a 
variação batimento a batimento na frequência cardíaca), sistemas sociais (enfermeira '
s staf fi ng padrão em uma enfermaria de hospital) e fi mercados financeiros (taxas de 
câmbio) que estão relacionados com o resultado dos juros. 3 19 20
As características citadas, como sistema aberto, não linearidade, loop 
recursivo, auto-organização e incerteza, apoiam a compreensão da lesão 
esportiva como um fenômeno complexo. Para facilitar esse entendimento, um 
modelo complexo para lesões esportivas é necessário.
Loop recursivo
Outra característica essencial de um sistema complexo é a existência de um 
loop recursivo (feedback), no qual a saída é reprocessada e se torna uma 
nova entrada para o sistema. 7 9
Unidades de interação em um sistema criam padrões gerais e esses padrões 
gerais, por sua vez, fazem com que as unidades de interação mudem ou se 
adaptem. 20 26 Por exemplo, existe uma alça recursiva entre o hipotálamo, a hipófise 
e o ovário. O hipotálamo libera um hormônio liberador de gonadotrofinas, que 
estimula a glândula pituitária a produzir o hormônio folículo-estimulante (FSH) e o 
hormônio luteinizante (LH). O FSH e o LH, por sua vez, estimulam o ovário, 
resultando na produção de hormônios femininos, que controlam ainda mais a 
secreção pelo hipotálamo e pela hipófise. As interações entre o hipotálamo, a 
hipófise e os ovários são tão complexas que qualquer atividade disfuncional em 
qualquer nível da alça recursiva pode resultar em disfunção menstrual. 34 Esta
' global para local ' loop recursivo indica que o padrão global emerge de interações 
entre unidades locais, e este padrão global em fl influencia e restringe as unidades 
locais ' interações (por exemplo, o princípio escravizador descrito por Haken 28 ) Reconhecer 
a existência de loops recursivos deve nos lembrar que, após a ocorrência de uma 
lesão, o sistema pode mudar de forma imprevisível. 7 9 Nesse caso, os estados 
anteriores dos chamados preditores de lesão são alterados para não exibirem 
mais a mesma relação com o resultado ou até mesmo estarem presentes.
UM MODELO COMPLEXO PARA LESÕES ESPORTIVAS
Propomos um modelo alternativo para lesões esportivas que pode servir como uma nova 
perspectiva para a compreensão da etiologia das lesões. Este modelo é representado 
graficamente em fi figura 1 . Unidades em interação de um sistema complexo resultam em uma 
teia de determinantes, na qual as unidades interagem umas com as outras demaneiras 
imprevisíveis e não planejadas (freqüentemente desconhecidas). 7 8 Essas interações 
complexas surgem do sistema ' s própria história e regularidades observáveis de forma (risco 
ou proteção profissional fi le), que por sua vez surge como
Bittencourt NFN, et al. Br J Sports Med 2016; 50: 1309 - 1314. doi: 10.1136 / bjsports-2015-095850 3 de 7
B
r
 
J
 
S
p
o
r
t
s
 
M
e
d
:
 
p
u
b
l
i
c
a
d
o
 
p
e
l
a
 
p
r
i
m
e
i
r
a
 
v
e
z
 
c
o
m
o
 
1
0
.
1
1
3
6
 
/
 
b
j
s
p
o
r
t
s
-
2
0
1
5
-
0
9
5
8
5
0
 
e
m
 
2
1
 
d
e
 
j
u
l
h
o
 
d
e
 
2
0
1
6
.
 
T
r
a
n
s
f
e
r
i
d
o
 
d
e
 
h
t
t
p
:
/
/
b
j
s
m
.
b
m
j
.
c
o
m
/
 
e
m
 
1
8
 
d
e
 
m
a
r
ç
o
 
d
e
 
2
0
2
0
 
p
o
r
 
c
o
n
v
i
d
a
d
o
.
 
P
r
o
t
e
g
i
d
o
 
p
o
r
 
d
i
r
e
i
t
o
s
 
a
u
t
o
r
a
i
s
.
http://bjsm.bmj.com/
Análise
indivíduos e da dinâmica social global para mostrar como diferentes estratégias de negociação 
do mercado de ações podem surgir de regras simples. 20
Da mesma forma, os meteorologistas têm usado técnicas de computação de sistemas complexos 
para melhorar a previsão do tempo. 36
Avanços na previsão de problemas complexos, como fi crises financeiras e 
desempenho esportivo, 20 22 37 foram possíveis usando classi fi métodos de cação na área 
de aprendizagem estatística, como redes neurais (por exemplo, mapas de recursos de 
auto-organização (SOFM)). 38
Pfeiffer e Hohmann 22 descobriram que o resultado do desenvolvimento de talentos 
esportivos foi melhor previsto por meio do método não linear de rede neural (SOFM) do 
que por métodos lineares, como a análise discriminante (DA). As porcentagens do total 
de casos previstos corretamente por SOFM foram 87,9% vs 69% por DA. Os autores 
destacaram que as redes neurais são capazes de reconhecer padrões globais de 
desenvolvimento de diferentes talentos e que os SOFM são ferramentas valiosas na 
análise de processos não lineares de talentos esportivos. 22
Na medicina, a matriz de métodos baseados em particionamento recursivo, como 
classi fi árvores catiônicas e de regressão (CART), florestas aleatórias e boosting, 
que permitem interações não lineares entre preditores, bem como representam e 
fazem uso dessas interações, foram bem-sucedidas na identificação do subconjunto 
de fatores de risco e preditivos para explicar diferentes resultados. 30 39 40
Bittencourt et al 30 usaram o CART para prever o ângulo alto do joelho no plano frontal 
(DKV) durante a aterrissagem de um salto vertical. 30
Eles demonstraram que a contribuição do alinhamento em varo do antepé da canela 
para a ocorrência de ângulo frontal alto do joelho depende da presença de fraqueza no 
abdutor do quadril. Alinhamento de varo e fraqueza do abdutor foram diminuídos fi ned 
em termos de pontos de corte, no sentido de que ter valores acima ou abaixo dos 
pontos de corte não aumentou ou diminuiu a probabilidade de ocorrência de DKV (não 
linearidade). 30 Recentemente, um modelo baseado em agente (ABMs) tem sido usado 
em epidemiologia para capturar relacionamentos complexos não identificados. fi ed por 
regressão logística. 41
Embora esses métodos não sejam comumente introduzidos em cursos de 
estatística, programas de computador estão se tornando facilmente disponíveis na 
Internet. Por exemplo, o software NetLogo (escrito em java) permite modelar ABMs, 
por meio de comandos simples, e possibilita a construção de teias de unidades 
inter-relacionadas. 42 Propomos que esses modelos estatísticos sejam adotados na 
ciência do esporte para investigar processos que envolvem interações entre 
diferentes preditores e identificar interações dinâmicas, com os fi finalidade final da 
previsão.
Outra abordagem estatística que pode ser uma candidata apropriada para revelar 
possíveis preditores de interação de lesões esportivas é o aprendizado de máquina / 
estatística. A aprendizagem estatística foi expressa como a área de sobreposição de 
estatísticas, mineração de dados computacionais, arti fi inteligência social e engenharia. 38 Muito 
de seu uso tem sido na área de aprendizagem supervisionada, na qual um resultado 
observado é investigado olhando para os padrões de outros fatores, na tentativa de 
aprender qual padrão leva a essa especificação. fi c resultado. Muitas das ferramentas de 
aprendizagem estatística não geram necessariamente apenas um coeficiente fi suficiente ou 
taxa de mudança para um determinado fi preditor c. Por exemplo, no caso do CART, um 
preditor pode desempenhar um papel em várias divisões de diferentes ramos, dependendo 
dos outros preditores mais acima na árvore. 30
Até o recente desenvolvimento de Árvores de Regressão Aditiva 
Bayesiana, 43 o usual esperado e idolatrado ' valor p '
que acompanha os modelos de regressão, ou qualquer outra forma de con 
inferencial fi dência ou valor de probabilidade em estimativas pontuais, não faz parte 
da saída obtida de modelos de particionamento recursivo. Devido a essas duas 
questões principais, o paradigma deve ser desafiado a mover-se para a arena da 
previsão, em vez de examinar o impacto de um fator e confiar em outras medidas 
de ' sucesso ' como misclassi fi taxas de cátions. Estatístico
figura 1 Modelo complexo para lesões esportivas. O grupo de variáveis na parte inferior constitui 
a teia de determinantes, que é composta de unidades contribuintes com pesos diferentes. 
Variáveis circuladas por linhas mais escuras têm mais interações do que variáveis circuladas 
por linhas mais claras e exercem uma maior fl influência no resultado. As linhas pontilhadas 
representam uma interação fraca e as linhas grossas representam uma interação forte entre as 
variáveis. As setas indicam a relação entre as regularidades observáveis, que captura o risco / 
proteção profissional fi le, e o resultado emergente ( fi figura adaptada da ref. 47 )
um padrão global (lesão ou adaptação). Este padrão emergente restringe as 
interações entre o sistema ' s unidades (o modelo ' s loops recursivos) e 
moldarão dinamicamente as interações existentes. Nesse caso, a teia de 
determinantes pode mudar de acordo com o resultado que produzem.
A complexidade exige a aceitação de algum nível de incerteza (apesar de um 
possível determinismo) em relação à ocorrência dos fenômenos. 17 Como em uma 
previsão do tempo, a previsão está melhorando com o tempo, mas os erros são sempre 
uma possibilidade. Para enfrentar esse problema de incerteza, este artigo propõe que a 
pesquisa sobre lesões esportivas precisa se concentrar na análise das regularidades 
observáveis que surgem das interações simples e complexas existentes entre os 
elementos da teia de determinantes e não as próprias unidades (fatores de risco). 
Consequentemente, para identificar o funcionamento geral de um sistema em relação 
aos seus princípios e melhorar a previsão, é necessário aplicar métodos de sistema 
complexos.
IMPLICAÇÕES METODOLÓGICAS DO USO DE UMA ABORDAGEM DE SISTEMAS 
COMPLEXOS
As melhorias na previsão de lesões esportivas, bem como na prevenção, dependem 
da coerência entre os fenômenos de interesse (lesões esportivas como evento 
emergente), paradigma filosófico (complexidade) e métodos de análise. Nesse 
sentido, abordagens de sistemas não lineares e complexas devem ser exploradas. 
No nível metodológico, a complexidade assume que a previsão depende da 
probabilidade e não da causalidade direta (mesmo em sistemas determinísticos, a 
falta de conhecimento sobre as condições iniciais dos elementos existentes leva a 
um grande grau de incerteza). Para melhorar nossa capacidade de previsão, 
precisamos capturar interações estáveis entre as unidades (fatores de risco) e as 
regularidades observáveis (pro fi les). Economistas consideraram características de
4 de 7 Bittencourt NFN, et al. Br J Sports Med 2016; 50: 1309 - 1314. doi: 10.1136 / bjsports-2015-095850
B
r
 
J
 
S
p
o
r
t
s
 
M
e
d
:
 
p
u
b
l
i
c
a
d
o
 
p
e
l
a
 
p
r
i
m
e
i
r
a
 
v
e
z
 
c
o
m
o
 
1
0
.
1
13
6
 
/
 
b
j
s
p
o
r
t
s
-
2
0
1
5
-
0
9
5
8
5
0
 
e
m
 
2
1
 
d
e
 
j
u
l
h
o
 
d
e
 
2
0
1
6
.
 
T
r
a
n
s
f
e
r
i
d
o
 
d
e
 
h
t
t
p
:
/
/
b
j
s
m
.
b
m
j
.
c
o
m
/
 
e
m
 
1
8
 
d
e
 
m
a
r
ç
o
 
d
e
 
2
0
2
0
 
p
o
r
 
c
o
n
v
i
d
a
d
o
.
 
P
r
o
t
e
g
i
d
o
 
p
o
r
 
d
i
r
e
i
t
o
s
 
a
u
t
o
r
a
i
s
.
http://bjsm.bmj.com/
Análise
as ferramentas de aprendizagem podem ser mais precisas em previsões do que os 
modelos lineares usuais, e a quantidade de suposições pode ser reduzida. 38 Nesse 
sentido, devemos nos perguntar, sem tirar a importância epidemiológica de 
identificar os fatores de risco e seus potenciais modi. fi capacidade, se estamos 
visando a previsão ou apenas fi encontrar relacionamentos. Para detectar padrões e 
ser capazes de prevenir, precisamos prever.
Além das questões estatísticas, também temos que incorporar metodologicamente o 
pensamento do sistema complexo. Meeuwisse et al 9
destacou a natureza dinâmica dos fatores de risco, pois o padrão de mudança em uma 
variável (ou seja, mudança de força durante uma temporada) poderia em fl O risco de 
lesão é maior do que seu valor absoluto em um determinado momento. Tal conceito 
requer o exame da mudança do fator de risco longitudinalmente ao longo de um período 
de tempo, a fim de incorporar a história do evento. Por esta razão, os desenhos de 
estudos e análises estatísticas devem considerar a existência de interações complexas e 
riscos de mudança. Na prática, avaliar o risco pro fi l deve ocorrer ao longo da temporada, 
não apenas na pré-temporada, e as análises devem se concentrar na mudança da teia de 
determinantes que levam a uma lesão emergente.
APLICANDO MODELO COMPLEXO PARA LESÕES ESPORTIVAS
Lesão esportiva é um fenômeno emergente complexo 11 e precisa ser visto através de 
um ' lente de complexidade '. Nesse caso, devemos buscar identificar características 
que estão presentes em sistemas complexos: (1) o padrão de relacionamento 
(interações) entre unidades (determinantes); (2) as regularidades (pro fi les) que 
simultaneamente caracterizam e restringem o fenômeno e (3) o padrão emergente 
que surge da complexa teia de determinantes. A literatura sobre lesões esportivas há 
muito busca algumas dessas características. No entanto, as informações existentes 
sobre esses recursos ainda não estão organizadas de acordo com uma estrutura de 
sistema complexa que nos permite ter alguns insights sobre a previsão de lesões 
(apesar de suas limitações).
Para ilustrar a complexidade, consideremos o exemplo da lesão do LCA, onde 
existem algumas regularidades observadas que levam ao seu surgimento. Figura 2 A 
descreve a teia de determinantes para uma lesão do LCA no basquete. Para atletas 
de basquete, os eventos ambientais imprevistos típicos (UEE), 44 a presença de DKV 44 
e fraqueza do quadril (HW) são os principais elementos que compõem a teia de 
determinantes. Esses elementos participam da maioria das interações existentes 
(relacionamentos unidirecionais ou bidirecionais) e, como tal, em fl uência e estão em fl
influenciada por outros elementos. Neste caso, a interação com fi guração pode ser 
retratada da seguinte forma: a presença de DKV está em fl uenciado por
fadiga, 44 força muscular do quadril, controle neuromuscular (capacidade de recrutar 
adequadamente os músculos necessários), alinhamento anatômico complexo do pé e 
carga de treinamento. Essas variáveis são moduladas por outros fatores, como idade e 
sexo (por exemplo, em fl influência da idade na força muscular do quadril). 45 Além disso, a 
carga de treinamento em fl influencia o nível de atenção e ansiedade, o que pode aumentar 
a fadiga e, por essa conexão, aumentar o DKV. A maneira como essas interações 
funcionam e como elas se juntam em fl uence a ocorrência de uma lesão do LCA criará um 
risco profissional fi le (regularidade) que é específica fi c para o contexto analisado.
Um único fator de risco (ou seja, DKV) não garante a ocorrência da lesão. Por 
outro lado, o identi fi cação do risco pro fi ele pode informar sobre a probabilidade 
de ocorrência da lesão. Uma vez que a lesão é um fenômeno complexo 
caracterizado por incertezas e não linearidade inerente, uma lesão do LCA 
surgirá quando um específico fi c padrão de interação acontece na presença de 
um evento incitante de um determinado valor. Portanto, a melhor maneira de 
prever uma lesão é entendendo as interações entre a teia de determinantes e 
não os próprios determinantes.
Como outro exemplo, fi figura 2 B representa a teia de determinantes de uma lesão do 
LCA em bailarinos. Devido ao tipo de treinamento recebido e à necessidade de qualidade 
do movimento, esses atletas não possuem, como elementos principais, a presença de 
DKV e HW. 46 Além disso, no balé, as UEE são raras quando comparadas aos esportes 
coletivos. 46 Nesse sentido, fadiga, nível de atenção, ansiedade e, possivelmente, outros 
não identificados fi variáveis ed podem ser as principais unidades de interação da teia de 
determinantes. A fadiga, por sua vez, é modulada pela quantidade de sessões de 
treinamento, que também irá nos fl influenciar outros fatores psicológicos que podem ser 
diferentes em fl uenciado pelo sexo. Na presença de um específico fi c padrão de interação, 
o nível de fadiga pode alterar a qualidade do movimento e levar à ocorrência de DKV, que 
pode produzir uma lesão do LCA. A teia de determinantes para bailarinos tem uma 
conotação diferente fi determinação das interações entre os fatores, quando comparados 
aos jogadores de basquete. Fatores semelhantes têm contribuições (pesos) diferentes e 
interagem de forma diferente com outros fatores, pois o contexto da prática também é 
diferente. No entanto, em cada contexto, a observância de um determinado padrão de 
interação ou risco pro fi le será relacionado a uma determinada probabilidade de ocorrência 
de ACL.
Em vez de procurar as unidades ( fi fatores de risco de primeiro nível), devemos 
buscar o padrão de interação existente entre as unidades (regularidades). Só depois 
de aprendermos sobre essas regularidades, a identidade fi cação das relações entre as 
unidades contribuintes (fatores de risco de segundo nível) será necessária. Esta 
abordagem permitirá o desenvolvimento de intervenções eficazes para abordar o
Figura 2 ( A) Teia de determinantes para uma lesão do LCA em atletas de basquete e (B) Teia de determinantes para uma lesão do LCA em bailarinos.
Bittencourt NFN, et al. Br J Sports Med 2016; 50: 1309 - 1314. doi: 10.1136 / bjsports-2015-095850 5 de 7
B
r
 
J
 
S
p
o
r
t
s
 
M
e
d
:
 
p
u
b
l
i
c
a
d
o
 
p
e
l
a
 
p
r
i
m
e
i
r
a
 
v
e
z
 
c
o
m
o
 
1
0
.
1
1
3
6
 
/
 
b
j
s
p
o
r
t
s
-
2
0
1
5
-
0
9
5
8
5
0
 
e
m
 
2
1
 
d
e
 
j
u
l
h
o
 
d
e
 
2
0
1
6
.
 
T
r
a
n
s
f
e
r
i
d
o
 
d
e
 
h
t
t
p
:
/
/
b
j
s
m
.
b
m
j
.
c
o
m
/
 
e
m
 
1
8
 
d
e
 
m
a
r
ç
o
 
d
e
 
2
0
2
0
 
p
o
r
 
c
o
n
v
i
d
a
d
o
.
 
P
r
o
t
e
g
i
d
o
 
p
o
r
 
d
i
r
e
i
t
o
s
 
a
u
t
o
r
a
i
s
.
http://bjsm.bmj.com/
Análise
identi fi ed risco profissional fi le. Portanto, a previsão de lesões, como em um mercado de 
ações e previsão do tempo, deve basear-se na probabilidade de que a presença de 
regularidades observáveis (risco ou proteção pro fi (le) pode estar associada ao surgimento 
de uma determinada lesão.
CONCLUSÃO
Recentemente, uma abordagem de sistemas complexos foi usada para prever 
problemas complicados na medicina, biologia, economia e ciências sociais. Este 
trabalho conceitual serve como desafio e como suporte, pois indica as fragilidades do 
modelo de pensamento instituído e propõe um modelo que nos move de tentar fi WL ' causas
' para fi encontrando ' relações ' que apoiam o surgimento de uma lesão esportiva. A 
limitação do nosso ' poder de explicação ' de fenômenos complexos não deve nos 
impedir de tentar melhorar nosso ' poder preditivo ' para a ocorrência de lesões. A 
adoção da abordagem de sistemas complexos pode nos impulsionarem termos de 
conceitos e métodos para melhorar a previsão de lesões esportivas. Nesse sentido, 
movendo a pesquisa de fatores de risco isolados para o reconhecimento de padrões 
de lesão, por meio de identi fi cação do padrão complexo de interações entre a teia de 
determinantes, é obrigatória. Embora dif fi culto, é possível identificar e até mesmo 
compreender as regularidades de uma teia de determinantes usando dados reais e 
modelagem estatística. Essa abordagem pode ser a única opção se aceitarmos a não 
linearidade e a complexidade das lesões esportivas.
Reconhecimentos Os autores gostariam de agradecer ao Dr. Roberto Bittencourt e à Dra. Rosana Sampaio 
por apresentarem o papel da complexidade na saúde.
Contribuidores NFNB, LDM, JMO e STF contribuíram para o manuscrito ' s concepção e design. 
AN-A contribuiu com a análise e interpretação da sessão estatística, revisão precisa e crítica do 
manuscrito, bem como aprovação do fi versão final. NFNB foi o autor principal e responsável pela 
preparação inicial do manuscrito. WM e STF contribuíram para a revisão crítica e precisa do 
manuscrito, bem como aprovação do fi versão final. Todos os autores foram envolvidos na 
preparação e edição do manuscrito.
Financiamento A agência estadual de fomento à pesquisa FAPEMIG e as agências brasileiras de 
fomento à pesquisa CAPES e CNPq apoiaram este estudo.
Interesses competitivos Nenhum declarado.
Consentimento do paciente Obtido.
Proveniência e revisão por pares Não comissionado; revisado externamente por pares.
REFERÊNCIAS
1
2
van Mechelen W., Hlobil H., Kemper HC. Incidência, gravidade, etilogia e prevenção de lesões esportivas. Uma 
revisão de conceitos. Sports Med 1992; 14: 82 - 99. Quatman CE, Quatman CC, Hewett TE. Previsão e prevenção 
de lesões musculoesqueléticas: uma mudança de paradigma na metodologia. Br J Sports Med
2009; 43: 1100 - 7
Plsek P, Greenhalgh T. Ciência da complexidade: o desafio da complexidade nos cuidados de saúde. BMJ 2001; 
323: 625 - 8
Mendiguchia J, Alentorn-Geli E, Brughelli M. Lesões por distensão dos isquiotibiais: estamos indo na direção 
certa? Br J Sports Med 2012; 46: 81 - 5. van der Worp H, van Ark M, Roerink S, et al. Fatores de risco para 
tendinopatia patelar: uma revisão sistemática da literatura. Br J Sports Med 2011; 45: 446 - 52
Coffey DS. Auto-organização, complexidade e caos: a nova biologia para a medicina.
Nat Med 1998; 4: 882 - 85
Rickles D, Hawe P, Shiell A. Um guia simples para o caos e a complexidade. J Epidemiol Community Health 2007; 
61: 933 - 7
Philippe P, Mansi O. Não linearidade na epidemiologia de processos complexos de saúde e doença. Theor 
Med Bioeth 1998; 19: 591 - 607. Meeuwisse WH, Tyreman H, Hagel B, et al. Um modelo dinâmico de etiologia 
em lesões esportivas: a natureza recursiva do risco e causalidade. Clin J Sport Med
2007; 17: 215 - 19
Holland JH. Ordem oculta: como a adaptação cria complexidade a partir do caos. Redwood City, EUA: 
Addison-Wesley Longman Publishing Company, 1995. ISBN: 0-201-40793-0.
Hulme A, Finch CF. Da monocausalidade ao pensamento sistêmico: uma abordagem conceitual complementar 
e alternativa para melhor compreender o desenvolvimento e a prevenção de lesões esportivas. Inj Epidemiol 2015: 
2 - 31
Galea S, Riddle M, Kaplan GA. Pensamento causal e abordagens de sistemas complexos em epidemiologia. Int J 
Epidemiol 2010; 39: 97 - 106
Doll R, Hill AB. Um estudo da etiologia do carcinoma do pulmão. Br Med J
1952; 13: 1271 - 86
Hewett TE, Myer GD, Ford KR, et al. Medidas biomecânicas de controle neuromuscular e carga em valgo do joelho 
predizem o risco de lesão do ligamento cruzado anterior em atletas do sexo feminino: um estudo prospectivo. Am J 
Sports Med 2005; 33: 492 - 501. Krosshaug T, Nakamae A, Boden BP, et al. Mecanismo de lesão do ligamento 
cruzado anterior no basquete: análise de vídeo de 39 casos. Am J Sports Med 2006; 35: 359 - 67. Malliaras P, Cook 
JL, Kent P. Reduced tornozelo dorsi fl Faixa de exão Pode aumentar o risco de lesão do tendão patelar em 
jogadores de voleibol. J Sci Med Sports
2006; 9: 304 - 9
Doll WE Jr, Trueit D. Complexidade e as profissões de saúde. J Eval Clin Pract
2010; 16: 841 - 8
Weaver W. Science and Complexity. Am Sci 1948; 36: 536 - 44. Higgins JP. Sistemas não 
lineares em medicina. Yale J Biology Medicine
2002; 45: 247 - 60
Fazendeiro D, Gallegati M, Hommes C, et al. Uma abordagem de sistemas complexos para construir 
melhores modelos de gestão fi mercados financeiros e a economia.
Tópicos especiais Eur Phys J 2012; 21: 295 - 324.
Rea TJ, Brown CM, Sing CF. Modelos de sistemas adaptativos complexos e análise genética da 
concentração de HDL-colesterol no plasma. Perspect Biol Med
2006; 49: 490 - 503.
Pfeiffer M, Hohmann A. Applications of neural networks in training science. Hum Mov Sci 2012; 31: 
344 - 59.
Emery CA. Identificando fatores de risco para lesões de isquiotibiais e virilha no esporte: uma tarefa difícil. Clin 
J Sports Med 2012; 22: 75 - 7
Ekstrand J, Hägglund M, Waldén M. Incidência de lesões e padrões de lesões no futebol profissional: o estudo 
de lesões da UEFA. Br J Sports Med 2011; 45: 553 - 8. von Bertalan fl y L. Teoria geral de sistemas: 
fundamentos, desenvolvimento, aplicações. Livros da universidade Penguin. Nova York, EUA: George Braziller 
Inc., 1969. Rosen R. Ensaios da própria vida. Nova York, EUA: Columbia University Press, 2000. ISBN: 
0-231-10511-8.
Bittencourt NFN, et al. Br J Sports Med 2016; 50: 1309 - 1314. doi: 10.1136 / bjsports-2015-095850
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
O que são as fi descobertas?
▸ As lesões esportivas são fenômenos emergentes complexos, produzidos por 
interações entre diferentes unidades (teia de determinantes), que podem produzir 
regularidades (risco pro fi le) que induzem o padrão emergente (lesão).
A prevenção de lesões esportivas depende da identidade fi cação de risco pro fi les, o 
que significa passar dos fatores de risco para o reconhecimento do padrão de risco. 
Essa abordagem considera uma interação interconectada e multidirecional entre 
todos os fatores, que abrangem a natureza complexa da lesão esportiva.
As melhorias na previsão de lesões esportivas, bem como na prevenção, 
dependem da coerência entre os fenômenos de interesse (lesões esportivas como 
evento emergente), paradigma filosófico (complexidade) e métodos de análise. 
Nesse sentido, abordagens de sistemas não lineares e complexas devem ser 
exploradas.
▸
▸
Como isso pode impactar a prática clínica em um futuro próximo?
▸ Os médicos devem estar cientes de como os fatores de risco podem interagir, em vez de 
listar vários fatores de risco isolados, a fim de planejar uma intervenção preventiva 
eficaz.
Risco pro fi Isso pode incluir interação não linear entre fatores de risco de 
diferentes escalas, tais como biomecânica, características de treinamento, 
psicológicas e fisiológicas. Além disso, risco pro fi le deve ser continuamente 
avaliado durante a pré-temporada e na temporada.
O reconhecimento da teia de determinantes na prática clínica pode incluir 
fatores de risco que fortemente fl influenciar o resultado e interagir de muitas 
maneiras diferentes com várias variáveis.
▸
▸
6 de 7
B
r
 
J
 
S
p
o
r
t
s
 
M
e
d
:
 
p
u
b
l
i
c
a
d
o
 
p
e
l
a
 
p
r
i
m
e
i
r
a
 
v
e
z
 
c
o
m
o
 
1
0
.
1
1
3
6
 
/
 
b
j
s
p
o
r
t
s
-
2
0
1
5
-
0
9
5
8
5
0
 
e
m
 
2
1
 
d
e
 
j
u
l
h
o
 
d
e
 
2
0
1
6
.
 
T
r
a
n
s
f
e
r
i
d
o
 
d
e
 
h
t
t
p
:
/
/
b
j
s
m
.
b
m
j
.
c
o
m
/
 
e
m
 
1
8
 
d
e
 
m
a
r
ç
o
 
d
e
 
2
0
2
0
 
p
o
r
 
c
o
n
v
i
d
a
d
o
.
 
P
r
o
t
e
g
i
d
o
 
p
o
r
 
d
i
r
e
i
t
o
s
 
a
u
t
o
r
a
i
s
.
http://dx.doi.org/10.2165/00007256-199214020-00002
http://dx.doi.org/10.1136/bjsm.2009.065482
http://dx.doi.org/10.1136/bmj.323.7313.625
http://dx.doi.org/10.1136/bjsm.2010.081695
http://dx.doi.org/10.1136/bjsm.2011.084079
http://dx.doi.org/10.1038/nm0898-882
http://dx.doi.org/10.1136/jech.2006.054254http://dx.doi.org/10.1136/jech.2006.054254
http://dx.doi.org/10.1097/JSM.0b013e3180592a48
http://dx.doi.org/10.1186/s40621-015-0064-1
http://dx.doi.org/10.1093/ije/dyp296
http://dx.doi.org/10.1136/bmj.2.4797.1271
http://dx.doi.org/10.1177/0363546504269591
http://dx.doi.org/10.1177/0363546506293899
http://dx.doi.org/10.1016/j.jsams.2006.03.015
http://dx.doi.org/10.1111/j.1365-2753.2010.01497.x
http://dx.doi.org/10.1007/978-1-4899-0718-9_30
http://dx.doi.org/10.1140/epjst/e2012-01696-9
http://dx.doi.org/10.1353/pbm.2006.0063
http://dx.doi.org/10.1016/j.humov.2010.11.004
http://dx.doi.org/10.1016/j.humov.2010.11.004
http://dx.doi.org/10.1097/01.jsm.0000410963.91346.cd
http://dx.doi.org/10.1136/bjsm.2009.060582
http://bjsm.bmj.com/
Análise
27
28
29
von Bertalanffy L. A teoria dos sistemas abertos em física e biologia. Ciência
1950; 111: 23 - 9
Haken H. Sinergéticos: os fenômenos cooperativos são governados por princípios universais?
Naturwissenschaften 1980; 67: 121 - 8
Bolgla LA, Malone TR, Umberger BR, et al. Força e cinemática do quadril e joelho durante a descida de escada 
em mulheres com e sem síndrome da dor patelofemoral. J Orthop Sports Phys Ther 2008; 38: 12 - 18. Bittencourt 
NF, Ocarino JM, Mendonça LD, et al. Contribuição do pé e do quadril para alto ângulo de projeção do joelho no 
plano frontal em atletas: fi abordagem de árvore de cátions e regressão. J Orthop Sports Phys Ther 2012; 42: 996 -
1004. Myer GD, Ford KR, Barber Foss KD, et al. A relação da força dos isquiotibiais e do quadríceps com a 
lesão do ligamento cruzado anterior em atletas do sexo feminino. Clin J Sport Med 2009; 19: 3 - 8
Freckleton G, Pizzari T. Fatores de risco para lesão por estiramento dos músculos isquiotibiais no esporte: uma 
revisão sistemática e meta-análise. Br J Sports Med 2013; 47: 351 - 8. Bahr R. Por que os testes de triagem para 
prever lesões não funcionam - e provavelmente nunca será …: uma revisão crítica. Br J Sports Med 2016; 50: 776 - 80
Mais V, Yen SS. Ação liberadora de prolactina do hormônio liberador de gonadotrofina em mulheres 
hipogonadais. J Clin Endocrinol Metab 1986; 62: 1089 - 92. Firth WJ. Caos - prevendo o imprevisível. BMJ 1991; 
303: 1565 - 8. Niska H, Hiltunen T, Karppinen A, et al. Evolução do modelo de rede neural para a previsão 
de séries temporais de poluição do ar. Eng App Artif Intell 2004; 17: 159 - 67
Serrano-Cinca C. Self Organizing Neural Networks for Financial Diagnosis 1996.
Sistema de Suporte Decis 1996; 17: 227 - 38
30
31
32
33
34
35
36
37
38
39
Hastie T, Tibshirani R, Friedman J. Os elementos da aprendizagem estatística. Nova York, EUA: Springer, 2001.
Butchart C, Ismailoglu F, Myint PK, et al. Identi fi cação de possíveis determinantes da mortalidade de pacientes internados 
usando Classi fi Análise da árvore catiônica e de regressão (CART) em pacientes idosos idosos hospitalizados. Arch 
Gerontol Geriatr 2013; 56: 188 - 91. D ' alisa S, Miscio G, Baudo S, et al. A depressão é o principal determinante da qualidade 
de vida na esclerose múltipla: a classi fi estudo de regressão catiônica (CART). Disabil Rehabil
2006; 28: 307 - 14
Auchincloss AH, Diez Roux AV. Uma nova ferramenta para epidemiologia: a utilidade dos modelos de agente 
dinâmico na compreensão dos efeitos do lugar na saúde. Am J Epidemiol
2008; 168: 1 - 8
http: goo.gl/veJ74Q (acessado em fevereiro de 2016).
Chipman HA, George EI, McCulloch RE. BART: Árvores de regressão aditiva bayesiana.
Ann Appl Stat 2010; 1: 266 - 98
Liederbach M, Kremenic IJ, Orishimo KF, et al. Comparação da biomecânica de pouso entre dançarinos e 
atletas masculinos e femininos, parte 2 em fl uência da fadiga e implicações na lesão do ligamento cruzado 
anterior. Am J Sports Med
2014; 42: 1089 - 95
Brent J, Myer GD, Ford KR, et al. O efeito do sexo e da idade nos torques isocinéticos de abdução do quadril. J Sports 
Rehabil 2013; 22: 41 - 6. Orishimo KF, Liederbach M, Kremenic IJ, et al. Comparação da biomecânica de aterrissagem 
entre dançarinos e atletas masculinos e femininos, parte 1: Em fl uência do sexo no risco de lesão do ligamento cruzado 
anterior. Am J Sports Med 2014; 42: 1082 - 8. http://www.trojanmice.com/articles/complexadaptivesystems.htm 
(acessado em fevereiro de 2016).
40
41
42
43
44
45
46
47
Bittencourt NFN, et al. Br J Sports Med 2016; 50: 1309 - 1314. doi: 10.1136 / bjsports-2015-095850 7 de 7
B
r
 
J
 
S
p
o
r
t
s
 
M
e
d
:
 
p
u
b
l
i
c
a
d
o
 
p
e
l
a
 
p
r
i
m
e
i
r
a
 
v
e
z
 
c
o
m
o
 
1
0
.
1
1
3
6
 
/
 
b
j
s
p
o
r
t
s
-
2
0
1
5
-
0
9
5
8
5
0
 
e
m
 
2
1
 
d
e
 
j
u
l
h
o
 
d
e
 
2
0
1
6
.
 
T
r
a
n
s
f
e
r
i
d
o
 
d
e
 
h
t
t
p
:
/
/
b
j
s
m
.
b
m
j
.
c
o
m
/
 
e
m
 
1
8
 
d
e
 
m
a
r
ç
o
 
d
e
 
2
0
2
0
 
p
o
r
 
c
o
n
v
i
d
a
d
o
.
 
P
r
o
t
e
g
i
d
o
 
p
o
r
 
d
i
r
e
i
t
o
s
 
a
u
t
o
r
a
i
s
.
http://dx.doi.org/10.1126/science.111.2872.23
http://dx.doi.org/10.1007/BF01073611
http://dx.doi.org/10.2519/jospt.2008.2462
http://dx.doi.org/10.2519/jospt.2012.4041
http://dx.doi.org/10.1097/JSM.0b013e318190bddb
http://dx.doi.org/10.1097/JSM.0b013e318190bddb
http://dx.doi.org/10.1136/bjsports-2011-090664
http://dx.doi.org/10.1136/bjsports-2016-096256
http://dx.doi.org/10.1210/jcem-62-6-1089
http://dx.doi.org/10.1136/bmj.303.6817.1565
http://dx.doi.org/10.1016/j.engappai.2004.02.002
http://dx.doi.org/10.1016/0167-9236(95)00033-X
http://dx.doi.org/10.1016/j.archger.2012.07.005
http://dx.doi.org/10.1080/09638280500191753
http://dx.doi.org/10.1093/aje/kwn118
http:goo.gl/veJ74Q
http://dx.doi.org/10.1214/09-AOAS285
http://dx.doi.org/10.1177/0363546514524525
http://dx.doi.org/10.1249/00005768-200505001-00628
http://dx.doi.org/10.1177/0363546514523928
http://www.trojanmice.com/articles/complexadaptivesystems.htm
http://www.trojanmice.com/articles/complexadaptivesystems.htm
http://bjsm.bmj.com/
	Complex systems approach for sports injuries: moving from risk factor identification to injury pattern recognition—narrative review and new concept
	Abstract
	Introduction
	A paradigm shift: from reductionism to complexity
	Characteristics of a complex system
	Open system
	Inherent non-linearity
	Recursive loop
	Self-organisation (regularities and emerging patterns)
	Uncertainty
	A complex model for sports injury
	Methodological implications of using a complex systems approach
	Applying complex model for sports injury
	Conclusion
	References