Mục đích chính là đơn giản hóa dữ liệu tải ngoài thu được trong các cuộc thi bóng rổ Division-I (DI) thông qua phân tích thành phần chính (PCA). Mục đích thứ hai là xác định liệu các kết quả PCA có nhạy cảm với các yêu cầu tải của các nhóm vị trí khác nhau (POS) hay không. Dữ liệu bao gồm 229 quan sát thu được từ 10 vận động viên bóng rổ nam tham gia các cuộc thi NCAA DI. Mỗi vận động viên đã đeo một đơn vị đo lường quán tính được gắn vào cùng một vị trí trên quần đùi của họ trước khi thi đấu. PCA đã tiết lộ hai yếu tố có giá trị riêng lớn hơn 1.0 và giải thích 81.42% tổng phương sai. Yếu tố đầu tiên bao gồm tổng giảm tốc (totDEC, 0.94), tốc độ trung bình (avgSPD, 0.90), tổng gia tốc (totACC, 0.85), tổng tải cơ học (totMECH, 0.84), và tổng tải nhảy (totJUMP, 0.78). Tốc độ tối đa (maxSPD, 0.94) là yếu tố duy nhất góp phần vào yếu tố thứ hai. Dựa trên PCA, các biến tải ngoài đã được đưa vào hồi quy logistic đa thức dự đoán vị trí (Overall model,p<0.0001; AUCcenters=0.93, AUCguards=0.88, AUCforwards=0.80), nhưng chỉ có maxSPD, totDEC, totJUMP và totMECH là những yếu tố đóng góp quan trọng cho sự thành công của mô hình (p<0.0001 cho từng yếu tố). Mặc dù có sự liên quan cao, mô hình vẫn gặp phải một số vấn đề phân biệt giữa các hậu vệ và tiền đạo, vì các yêu cầu trong trò chơi thường chồng chéo nhau giữa hai vị trí này. Tuy nhiên, PCA đã hiệu quả trong việc đơn giản hóa một tập dữ liệu tải ngoài lớn thu thập từ các vận động viên bóng rổ nam NCAA DI. Những dữ liệu này cho thấy rằng maxSPD, totDEC, totJUMP và totMECH là nhạy cảm nhất với sự khác biệt vị trí trong các cuộc thi. Để mô tả tốt nhất các yêu cầu thi đấu, các biến này có thể được sử dụng để cá nhân hóa các chế độ huấn luyện và phục hồi một cách hiệu quả nhất.