Metodología
La ciencia detrás de StrideMatch
Cómo analizamos más de 500 zapatillas para encontrar la mejor para ti
Pipeline d'analyse
Nuestro proceso de análisis
Cada zapatilla es analizada según más de 50 criterios técnicos antes de entrar en nuestro catálogo
01
Recopilación de datos
Análisis de tus datos de carrera desde aplicaciones conectadas
02
Análisis biomecánico
Extracción de métricas de zancada mediante vídeo y sensores
03
Matching inteligente
Cruce de tu perfil con nuestra base de datos de zapatillas
04
Recomendaciones personalizadas
Propuestas de modelos adaptados a tus necesidades únicas
Biomécanique
Nuestras capacidades de análisis
Machine learning, datos biomecánicos y experiencia humana combinados
Análisis de cadencia
Mide los pasos por minuto para optimizar la eficiencia de carrera y evitar zancadas excesivamente largas.
Ataque del pie
Analiza si aterrizas con el talón, el mediopié o el antepié para determinar el drop necesario.
Control de pronación
Evalúa el giro hacia adentro de tu pie para recomendar zapatillas neutras o de estabilidad.
Estabilidad dinámica
Evalúa la capacidad de tu cuerpo para mantener el equilibrio durante la fase de apoyo.
Oscilación vertical
Rastrea el movimiento vertical de tu torso para mejorar la propulsión hacia adelante.
Simetría de contacto al suelo
Compara los tiempos de contacto de los pies izquierdo y derecho para identificar desequilibrios musculares.
Recherche
La experiencia de nuestro equipo
Especialistas en biomecánica, podología y ciencias del deporte
Experto en Biomecánica y Data Science
Biomecánica, análisis de zancada, ciencia de materiales
Maxime combina experiencia en biomecánica deportiva y ciencia de datos para desarrollar los algoritmos de recomendación de StrideMatch.
“Cada corredor es único. Nuestra misión es traducir esa singularidad en recomendaciones de zapatillas precisas.”
1,885+
+100k corredores analizados
+500
+500 modelos de zapatillas
4
+50 bases de datos biomecánicas
15+
+20 métricas rastreadas
Conjuntos de datos
Conjuntos de datos científicos utilizados
Running Injury Clinic Kinematic Dataset
2024Ferber R, Osis ST, Hettinga BA, Noehren B
University of Calgary · n=1 798 coureurs
CadenceBlessuresCinématique
Fukuchi Running Biomechanics Dataset
2017Fukuchi RK, Fukuchi CA, Duarte M
Universidade Federal do ABC · n=39 coureurs
GRFCinématique 3DTapis
Van Hooren Running Dataset
2023Van Hooren B, Fuller JT, Miller J, et al.
Maastricht University · n=19 coureurs
TerrainGRFIMU
Publicaciones
Investigación biomecánica referenciada
Increased vertical impact forces and altered running mechanics with softer midsole shoes
2015Baltich J, Maurer C, Nigg BM
Journal of Biomechanics
Biomechanical risk factors associated with running-related injuries: a systematic review
2019Ceyssens L, Vanelderen R, Barton C, et al.
Sports Medicine
Foot strike patterns and collision forces in habitually barefoot versus shod runners
2010Lieberman DE, Venkadesan M, et al.
Nature
A public dataset of running biomechanics and the effects of running speed on lower extremity kinematics and kinetics
2017Fukuchi RK, Fukuchi CA, Duarte M
PeerJ
The effect of running shoes on lower extremity joint torques
2009Kerrigan DC, Franz JR, et al.
PM&R
Machine Learning
Transparencia y metodología
Publicamos nuestra metodología para que puedas entender cómo calculamos nuestras recomendaciones
Metodología abierta
Creemos en la transparencia total. Nuestros algoritmos de recomendación se basan en investigaciones biomecánicas revisadas por pares, no en reclamos de marketing.
Filtrado Colaborativo
Nuestro sistema aprende de corredores con perfiles similares al tuyo para refinar sus recomendaciones.
Bucle de Retroalimentación
Cada comentario de usuario y cada nueva carrera en Strava contribuye a mejorar la precisión global del algoritmo.
