From Splits to Heat Strain: A Ten-Year Analysis of Performance Determinants and a Digital Twin Prototype for Olympic-Distance Triathlon Developed Using a Generative AI Workflow

Resumen Técnico: De los Splits al Estrés Térmico en Triatlón de Distancia Olímpica

Planteamiento del Problema
A pesar de la disponibilidad de extensos archivos de resultados de carreras, no se ha realizado un análisis longitudinal a gran escala que vincule simultáneamente la cinemática por niveles de split con datos meteorológicos a lo largo de una década completa de campeonatos internacionales de distancia olímpica. Si bien la literatura existente identifica la carrera a pie como un determinante primario del rendimiento y reconoce el impacto de las cargas térmicas, persisten vacíos en la comprensión de la interacción entre el ritmo específico por disciplina, la eficiencia en las transiciones, la calidad del campo de competición y el estrés térmico ambiental. Además, existe una falta de herramientas basadas en datos para apoyar la planificación de carreras individualizada, las estrategias de aclimatación al calor y las intervenciones de seguridad para atletas de élite que compiten en condiciones cada vez más calurosas.

Metodología
Este estudio empleó un flujo de trabajo de IA generativa de "humano en el bucle" (human-in-the-loop) para construir un pipeline analítico integral. La investigación utilizó un conjunto de datos de 7.415 registros de atleta-carrera de 339 eventos de campeonato (2015–2025) que involucraron a 3.060 atletas únicos en seis continentes.

1. Adquisición e Ingeniería de Datos: Los resultados de las carreras se recuperaron mediante la API REST de World Triathlon. Los tiempos de split (natación, T1, ciclismo, T2, carrera) se estandarizaron en puntuaciones z dentro de cada carrera y estrato de sexo para controlar las variaciones en la fuerza del campo y las condiciones del recorrido.
2. Reconstrucción Meteorológica: Se reconstruyó la Temperatura de Globo de Bulbo Húmedo (WBGT) del día de la carrera para 301 eventos (88% de cobertura) utilizando el archivo histórico de Open-Meteo y el modelo de equilibrio de energía física de Liljegren et al. También se integraron datos de temperatura del agua donde estuvieron disponibles.
3. Modelado Estadístico y de Aprendizaje Automático:
   • Determinantes del Rendimiento: Se utilizaron regresiones de Mínimos Cuadrados Ordinarios (OLS) y clasificadores XGBoost para cuantificar las contribuciones de varianza única de cada disciplina al tiempo total de carrera y a los resultados en el podio.
   • Análisis de Estrés Térmico: Se utilizaron modelos de efectos mixtos lineales con pendientes aleatorias a nivel de atleta para evaluar la tolerancia individual al calor. Los atletas fueron estratificados según su respuesta a los cambios de WBGT (pendiente < 0 indicando tolerancia al calor).
   • Análisis de DNF (No Finalización): Se aplicaron la regresión logística y los intervalos de confianza de la puntuación de Wilson para analizar las tasas de No Finalización (DNF) frente a las categorías de bandera WBGT (Verde, Azul, Naranja).
   • Prototipo de Gemelo Digital: Se desarrolló un modelo de regresión XGBoost para predecir las puntuaciones z totales de la carrera basándose en el rendimiento histórico de los splits y el WBGT del día de la carrera. El modelo utilizó una estrategia de validación de retención temporal (entrenamiento en 2015–2022, prueba en 2023–2025) para evitar la fuga de datos.

Resultos Clave

• Determinantes del Rendimiento:

  • Contribución de Varianza: En términos de tiempo total de carrera, las etapas de ciclismo y carrera a pie contribuyeron con una varianza única casi igual (semi-parcial $R^2 \approx 0.13$ cada una), mientras que la etapa de natación contribuyó mínimamente (~0.02).
  • Predicción de Podio: La carrera a pie fue el principal discriminador para los podios. La importancia de las características de XGBoost situó a la carrera a pie en el primer lugar (Hombres: 45.5%, Mujeres: 48.9%), seguida del ciclismo y la natación. Esto confirma que el ciclismo en pelotón comprime la varianza, desplazando el factor decisivo hacia la carrera a pie.
  • Impacto de la Natación: Aunque la natación contribuye poco a la varianza del tiempo total, sigue siendo un predictor secundario significativo para los podios (importancia de XGBoost ~25–27%) porque dicta la composición de los grupos de drafting para la etapa de ciclismo.

• Estrés Térmico y Tolerancia:

  • Nivel Poblacional: Las pendientes medias de WBGT no fueron estadísticamente significativas para ninguno de los sexos (Hombres: $p=0.065$; Mujeres: $p=0.104$), lo que sugiere respuestas individuales heterogéneas en lugar de un efecto poblacional uniforme.
  • Variabilidad Individual: Se observó una variación individual significativa en la tolerancia al calor. Aproximadamente el 52.1% de los atletas masculinos calificados y el 36.9% de las atletas femeninas demostraron pendientes "favorables al calor" (el rendimiento mejoró o se mantuvo estable a medida que el WBGT aumentó).
  • Tasas de DNF: Las tasas de DNF oscilaron entre el 11.7% y el 18.8% en diversas condiciones. Si bien no se encontró una asociación significativa entre el WBGT y la probabilidad de DNF para los hombres, se observó una relación positiva pequeña pero significativa para las mujeres ($p=0.004$). Sedes como Singapur y Hangzhou mostraron tasas de DNF notablemente elevadas en relación con su WBGT.

• Desempeño del Gemelo Digital:

  • El prototipo logró un Error Absoluto Medio (MAE) de 0.490 unidades z (hombres) y 0.468 unidades z (mujeres) en la retención temporal.
  • Los coeficientes de correlación de Pearson fueron 0.383 (hombres) y 0.295 (mujeres).
  • El WBGT fue la característica más importante en el modelo de predicción (~23% de importancia), seguido de las métricas de rendimiento histórico.

Significancia y Reivindicaciones
El artículo afirma proporcionar el primer análisis de una década que integra datos de split con condiciones meteorológicas reconstruidas para caracterizar la predicción de podios, el perfil de tolerancia al calor y la proyección de resultados a escala.

• Contribución Científica: El estudio desafía la noción de efectos térmicos uniformes, demostrando que los triatletas de élite exhiben respuestas térmicas heterogéneas. Refuerza la primacía de la carrera a pie para el éxito en el podio, resaltando al mismo tiempo la importancia estratégica de la natación para el posicionamiento en la etapa de ciclismo.
• Aplicación Práctica: Los autores presentan un prototipo de Gemelo Digital que acopla modelos de rendimiento y termofisiológicos. Aunque los autores reconocen modestamente que la precisión predictiva actual del modelo es moderada (MAE > 0.45 unidades z, correspondiente a ~90–120 segundos), postulan que la herramienta ofrece una base para la selección de carreras basada en evidencia, la priorización de la aclimatación al calor y la planificación táctica.
• Innovación Metodológica: El estudio demuestra la eficacia de un flujo de trabajo de IA generativa (utilizando herramientas como Claude Sonnet/Opus) para estructurar complejos procesos de ingesta de datos, ingeniería de características y modelos estadísticos para la investigación en ciencias del deporte.

Los autores concluyen que estos hallazgos respaldan el desarrollo de herramientas impulsadas por IA para mejorar la seguridad del atleta y la planificación del rendimiento, particularmente a medida que las principales competencias ocurren en entornos térmicamente desafiantes.