El calendario del balonmano de élite ya no da tregua: liga doméstica, competición europea y ventanas de selección se solapan semana tras semana. La respuesta habitual de los cuerpos técnicos ha sido vigilar el volumen total de trabajo. Dos estudios publicados en 2026 dicen que están mirando el dato equivocado: el problema no es cuánto se entrena de media, sino lo desigual que es esa carga entre jugadores de un mismo equipo.
El estudio alemán que cambia el foco
Un equipo de la Universidad de Paderborn (Büchel, Döring y Baumeister) publicó en enero de 2026 en Frontiers in Sports and Active Living un seguimiento de media temporada a 15 jugadores profesionales de la Bundesliga alemana masculina. Analizaron 24 partidos y 67 sesiones de entrenamiento, con sensores inerciales para carga externa (aceleración, ACCLOAD) y percepción de esfuerzo (sRPE) para carga interna. En total, 1.340 registros individuales repartidos en 23 semanas.
El hallazgo central es contraintuitivo. En las semanas con congestión de partidos (dos o más encuentros en siete días), la carga media del equipo no cambió de forma significativa respecto a las semanas normales (p=0,289 en ACCLOAD, p=0,129 en sRPE). Lo que sí se disparó fue la variabilidad entre jugadores: el coeficiente de variación pasó a ser significativamente más alto en semanas congestionadas (H=13,77, p=0,001, con un tamaño del efecto grande, η²=0,63).
Traducido a la pista: cuando el calendario aprieta, no es que todos entrenen y compitan más. Es que unos pocos absorben casi todo el desgaste mientras otros apenas lo tocan. Los autores encontraron diferencias de temporada de hasta 11.100 unidades de ACCLOAD entre titulares y suplentes en la posición de lateral, y de 6.700 unidades de sRPE entre titulares y suplentes en extremos. Dicho de otra forma: hay jugadores del mismo vestuario acumulando el equivalente a 13 partidos completos más de carga que sus compañeros a lo largo de la temporada.
Esto no es un detalle estadístico. Es la explicación de por qué algunos jugadores llegan a marzo rotos y otros llegan frescos sin haber hecho apenas pretemporada útil desde octubre. La sobrecarga en unos y la infracarga en otros son las dos caras del mismo fallo de planificación, y ambas generan riesgo: la primera por fatiga acumulada, la segunda porque un jugador que no llega a un umbral mínimo de exposición pierde tolerancia física y llega mal preparado cuando por fin le toca jugar.
Por qué los planes de entrenamiento grupales se quedan cortos
La práctica habitual en la mayoría de clubes, incluidos los de nivel medio-alto en España, sigue siendo programar la carga por equipo: la misma serie de sprints, el mismo volumen de gimnasio, el mismo número de repeticiones para todos. El estudio alemán demuestra que ese enfoque ignora lo que de verdad determina el riesgo: la variabilidad individual, no la media del grupo.
Los propios autores proponen un umbral práctico y replicable sin tecnología cara: vigilar cuándo el coeficiente de variación del equipo supera el 20% en una semana. Si eso ocurre, hay que intervenir con sesiones compensatorias para los jugadores infracargados, priorizando trabajo multidireccional de alta intensidad que reproduzca las exigencias específicas del partido que no disputaron. No hace falta GPS de última generación para aplicar la idea: un cuaderno con minutos jugados y RPE de sesión por jugador ya permite calcular esa dispersión a mano.
«Hay jugadores del mismo vestuario acumulando el equivalente a 13 partidos completos más de carga que sus compañeros a lo largo de la temporada.»
La limitación del estudio es honesta y hay que decirla: es un solo equipo, media temporada, sin grupo de control con calendario normal para comparar de forma directa, y sin datos de rendimiento que confirmen que esa variabilidad se traduce en más lesiones o peor rendimiento. Es una pieza de evidencia sólida, no una verdad cerrada. Pero encaja con lo que cualquier preparador físico con experiencia en pretemporadas exigentes ya sospechaba de forma intuitiva.
La inteligencia artificial entra en juego: el caso del Metz
En marzo de 2026, Florian Felice, matemático de la Universidad de Luxemburgo, publicó en la misma revista un modelo de predicción de fatiga entrenado con datos del Metz Handball, equipo francés de la Champions League femenina, durante la temporada 2024/2025. El sistema usa redes neuronales LSTM (memoria a corto y largo plazo) sobre 1.617 sesiones de sensores giroscópicos, con capas que aprenden el perfil individual de cada jugadora y un modelo de lenguaje (Phi-4-mini) que traduce los números en explicaciones legibles para el cuerpo técnico.
Los resultados de precisión son notables: el error de predicción en distancia total recorrida mejoró un 14% respecto a los métodos de referencia, y los intervalos de confianza del 95% acertaron en la totalidad de los casos de test para la carga de aceleración. El modelo también confirma, con datos duros, algo que el ojo entrenado ya intuye: los extremos acumulan más distancia y velocidad punta (5.294 metros y 26,1 km/h de media), los laterales generan más potencia metabólica (8.173 W) y los pivotes se mueven menos en volumen (3.964 metros) pero con un perfil de esfuerzo muy distinto, más contacto y menos carrera.
Aquí toca ser crítico. Este tipo de herramienta es exactamente lo que necesita el balonmano de élite para gestionar la variabilidad que describe el estudio alemán. Pero tiene un problema evidente de escala: los datos son propiedad exclusiva del Metz, el sistema está atado a sensores de una marca concreta (Kinexon) y la validación se ha hecho en un único equipo. Es una prueba de concepto prometedora, no una solución que vaya a llegar pronto a un club de Segunda División o a un equipo de la ASOBAL con presupuesto ajustado. La brecha tecnológica entre los cuatro o cinco clubes de Europa que pueden pagar esto y el resto va a ampliarse antes de reducirse.
El problema de fondo: se añaden partidos, no recursos para gestionarlos
Lo que estos dos estudios dejan en evidencia, leídos juntos, es una contradicción que el balonmano lleva años arrastrando. Las competiciones europeas han crecido en número de partidos y en exigencia de desplazamientos, las ventanas de selecciones se mantienen intactas y las federaciones siguen añadiendo formatos sin que la inversión en cuerpos técnicos, fisioterapia y monitorización de carga crezca al mismo ritmo. El resultado es previsible: más partidos repartidos de forma desigual entre las plantillas, con la ciencia disponible para detectarlo pero sin los recursos para actuar sobre ella en la mayoría de los clubes.
No hace falta un doctorado en fisiología para entender lo que viene después. Los jugadores de rotación corta (los seis o siete que juegan siempre) acumulan un desgaste que ninguna pretemporada compensa, y los que menos minutos tienen pierden la base física necesaria para rendir cuando se les necesita. Ambos escenarios aumentan el riesgo de lesión, y ambos están documentados en la literatura sobre prevención de lesiones de hombro en balonmano, uno de los focos de investigación más activos del deporte en los últimos años, con revisiones sistemáticas y metaanálisis recientes que insisten en que los programas de prevención genéricos, sin ajuste individual, tienen un impacto limitado.
Qué puede hacer un entrenador sin presupuesto de Champions League
La buena noticia es que la parte aplicable de esta ciencia no exige gimnasios de última generación ni contratos con proveedores de sensores. Un entrenador de nivel medio-alto puede:
- Registrar minutos y esfuerzo percibido: minutos jugados por partido y sesión, y una escala de RPE de 0 a 10 tras cada entrenamiento y partido. Con esos dos datos, calcular cada semana la dispersión entre jugadores (no hace falta estadística avanzada: basta comparar el rango entre el que más ha acumulado y el que menos).
- Compensar, no solo descansar: identificar de forma explícita, cada semana congestionada, quién ha jugado poco y diseñarle una sesión compensatoria de alta intensidad y corta duración, en lugar de dejarlo simplemente descansar mientras el resto compite.
- Rotar por carga acumulada, no solo por rendimiento: un jugador que lleva tres partidos seguidos de máxima exigencia necesita gestión de minutos aunque esté en su mejor momento de forma.
Nada de esto sustituye a un modelo de inteligencia artificial entrenado con miles de sesiones. Pero reduce la brecha entre lo que la ciencia recomienda y lo que un club sin presupuesto de EHF Champions League puede permitirse aplicar mañana mismo.
Conclusión
El dato que debería preocupar a cualquier cuerpo técnico no es cuánto entrena el equipo de media. Es cuánto se distancia el jugador más exigido del menos exigido dentro del mismo vestuario, sobre todo cuando el calendario se aprieta. La tecnología de vanguardia, como el modelo del Metz, apunta hacia dónde va el sector, pero hoy solo está al alcance de un puñado de clubes. La parte que sí está al alcance de todos es más sencilla de lo que parece: llevar un registro básico de minutos y esfuerzo percibido, y usarlo para proteger tanto al que juega demasiado como al que juega demasiado poco. Ignorar esa variabilidad, que es exactamente lo que sigue pasando en la mayoría de las plantillas, es dejar sin cerrar la grieta por la que se cuelan la mayoría de las lesiones de sobrecarga de la segunda mitad de temporada.
