Análisis de ligas y equipos de fútbol: revisión sistemática y análisis bibliométrico de las cinco grandes ligas europeas

• Aguilar, Antonio ^[1]
  1. [1] Universidad Pablo de Olavide

     Universidad Pablo de Olavide

     Sevilla, España

     
• Localización: Cuadernos de psicología del deporte, ISSN-e 1989-5879, ISSN 1578-8423, Vol. 26, Nº. 2, 2026 (Ejemplar dedicado a: CPD2(2026)), págs. 36-64
• Idioma: español
• Títulos paralelos:
  • Análise de ligas e equipas de futebol: revisão sistemática e análise bibliométrica das cinco grandes ligas europeias
  • Analysis of soccer leagues and teams: systematic review and bibliometric analysis of the five major European leagues
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    El análisis del rendimiento en fútbol ha experimentado un crecimiento notable en la última década gracias al acceso a grandes volúmenes de datos generados por proveedores especializados. Esta disponibilidad ha permitido estudiar el juego con mayor precisión y profundidad. Sin embargo, la diversidad metodológica y la falta de criterios homogéneos en la definición y operacionalización de los indicadores dificultan la comparación entre estudios y limitan su transferencia al ámbito profesional. El objetivo de este trabajo fue sintetizar la evidencia sobre el análisis del rendimiento de ligas y equipos en las cinco grandes ligas europeas mediante una revisión sistemática y un análisis bibliométrico, con especial atención a la modelización del estilo de juego específico por equipo. Se siguieron las directrices PRISMA 2020 y se realizaron búsquedas en Web of Science, PubMed, Scopus y Google Scholar hasta el 30 de noviembre de 2025. Se incluyeron estudios cuantitativos basados en datos masivos que analizaran variables técnico-tácticas, físicas, contextuales o socioeconómicas relacionadas con el rendimiento y el resultado competitivo. La transparencia del reporte se evaluó mediante criterios derivados de STROBE. El análisis bibliométrico, realizado con VOSviewer, permitió examinar redes de coautoría y patrones de coocurrencia de términos para comprender cómo se estructura el campo. Se incluyeron 57 estudios (25 centrados en ligas y 32 en equipos). Predominaron diseños observacionales con fuerte presencia de modelización estadística. Los clústeres identificados se concentraron en métricas de rendimiento y predicción, mientras que la minería de datos avanzada y la inteligencia artificial tuvieron menor representación. A pesar del crecimiento científico, pocos estudios capturan la singularidad táctica real de los equipos, manteniéndose una brecha clara entre producción académica y aplicación práctica.

  • English

    Performance analysis in football has experienced remarkable growth over the last decade thanks to access to large volumes of data generated by specialised providers. This availability has made it possible to study the game with greater precision and depth. However, methodological diversity and the lack of uniform criteria in the definition and operationalisation of indicators make it difficult to compare studies and limit their transferability to the professional sphere. The aim of this study was to synthesise the evidence on the performance analysis of leagues and teams in the five major European leagues through a systematic review and bibliometric analysis, with a special focus on the modelling of specific playing styles by team. The PRISMA 2020 guidelines were followed, and searches were conducted in Web of Science, PubMed, Scopus, and Google Scholar until 30 November 2025. Quantitative studies based on big data that analysed technical-tactical, physical, contextual, or socio-economic variables related to performance and competitive results were included. The transparency of the report was assessed using criteria derived from STROBE. Bibliometric analysis, performed using VOSviewer, allowed us to examine co-authorship networks and co-occurrence patterns of terms to understand how the field is structured. Fifty-seven studies were included (25 focusing on leagues and 32 on teams). Observational designs with a strong presence of statistical modelling predominated. The clusters identified focused on performance and prediction metrics, while advanced data mining and artificial intelligence were less represented. Despite scientific growth, few studies capture the real tactical uniqueness of teams, maintaining a clear gap between academic production and practical application.

  • português

    A análise do desempenho no futebol registou um crescimento notável na última década, graças ao acesso a grandes volumes de dados gerados por fornecedores especializados. Esta disponibilidade permitiu estudar o jogo com maior precisão e profundidade. No entanto, a diversidade metodológica e a falta de critérios homogéneos na definição e operacionalização dos indicadores dificultam a comparação entre estudos e limitam a sua transferência para o âmbito profissional. O objetivo deste trabalho foi sintetizar as evidências sobre a análise do desempenho de ligas e equipas nas cinco grandes ligas europeias por meio de uma revisão sistemática e uma análise bibliométrica, com especial atenção à modelagem do estilo de jogo específico por equipa. Foram seguidas as diretrizes PRISMA 2020 e foram realizadas pesquisas na Web of Science, PubMed, Scopus e Google Scholar até 30 de novembro de 2025. Foram incluídos estudos quantitativos baseados em dados massivos que analisavam variáveis técnico-táticas, físicas, contextuais ou socioeconómicas relacionadas com o desempenho e o resultado competitivo. A transparência do relatório foi avaliada através de critérios derivados do STROBE. A análise bibliométrica, realizada com o VOSviewer, permitiu examinar redes de coautoria e padrões de coocorrência de termos para compreender como o campo está estruturado. Foram incluídos 57 estudos (25 centrados em ligas e 32 em equipas). Predominaram desenhos observacionais com forte presença de modelização estatística. Os clusters identificados concentraram-se em métricas de desempenho e previsão, enquanto a mineração avançada de dados e a inteligência artificial tiveram menor representação. Apesar do crescimento científico, poucos estudos capturam a singularidade tática real das equipas, mantendo-se uma clara lacuna entre a produção académica e a aplicação prática.