Individualisierung von GPS-Geschwindigkeitsschwellen: Herausforderungen und Komplexität
Der Einsatz von GPS-Technologie zur Überwachung der äußeren Belastung von Sportlern im Training und Wettkampf ist insbesondere im Profisport nahezu allgegenwärtig.
Da sich die GPS-Technologie im letzten Jahrzehnt weiterentwickelt hat, steht den Benutzern nun eine Fülle von Messwerten zur Verfügung, anhand derer sie die externe Belastung bewerten und in Zusammenarbeit mit Trainern den Trainingsprozess besser beeinflussen können. In jüngster Zeit haben Forscher Konzepte wie die Messung von Entfernungen in Beschleunigungsbändern, die Kombination von Beschleunigungs- und Geschwindigkeitsdaten (bekannt als „Stoffwechselleistung“) und die Individualisierung traditioneller Geschwindigkeitszonen für jeden Spieler eingeführt.
Die Menge an Metriken kann überwältigend sein und der Benutzer steht vor der Herausforderung, auszuwählen, welche für den sportlichen Kontext am besten geeignet sind und welchen Mehrwert ein Ansatz für die Interpretation von Zeit-Bewegungs-Analysedaten bringen kann. Angesichts der Rolle der Fitness bei der Beeinflussung der Kapazität und der Dosisreaktion auf äußere Belastung erscheint es intuitiv, die GPS-Daten der Athleten in Bezug auf ihr Fitnessprofil auszuwerten.
Hier beleuchten wir die Herausforderungen und Komplexitäten, die mit der Individualisierung von GPS-Daten nach Fitnessmerkmalen verbunden sind, und geben einige Empfehlungen für interessierte Benutzer.
Branchenbasierte Forschungsarbeiten aus den Bereichen Rugby League (Gabbett, 2015), Rugby Union (Clarke, Anson & Pyne, 2015; Reardon, Tobin & Delahunt, 2015) und Australian Rules Football (Colby, Dawson, Heasman, Rogalski & Gabbett, 2014) und Fußball (Hunter et al., 2015; Lovell & Abt, 2013) haben die Geschwindigkeitszonen einzelner Spieler entsprechend einem oder mehreren körperlichen Merkmalen angepasst. Diese Forscher haben eine breite Palette von körperlichen Fitnessmerkmalen genutzt, um Geschwindigkeitszonen zu individualisieren, wie etwa im Labor abgeleitete Messungen der anaeroben Schwelle, der maximalen aeroben Geschwindigkeit und der Spitzensprintgeschwindigkeit.
Untersuchungen im Fußball haben gezeigt, dass die Individualisierung von Geschwindigkeitsschwellen einen Mehrwert für die Interpretation von GPS-Daten bieten kann (Hunter et al., 2015; Lovell & Abt, 2013), was angesichts der „Intensitäts“-Verteilung der externen Belastung eines Sportlers intuitiv ist wahrscheinlich von ihren eigenen Fitnessfähigkeiten beeinflusst. Aufgrund der wirtschaftlichen und logistischen Hürden ist die Verwendung laborbasierter Bewertungen jedoch kaum machbar.
In letzter Zeit ist die Verwendung der Höchstgeschwindigkeit beim Sprinten zur Vorgabe mehrerer Geschwindigkeitszonen in der Forschungsliteratur üblich geworden (Colby et al., 2014; Gabbett, 2015; Reardon et al., 2015), da sie auf dem Trainingsgelände leicht zu erfassen ist. Leider ist die Individualisierung von Geschwindigkeitszonen nicht so einfach, und Benutzer werden darauf hingewiesen, dass die Übernahme dieses Ansatzes mehr schaden als nützen könnte!
Nehmen Sie als Beispiel die Fabel von der Schildkröte und dem Hasen.
Der Hase ist ein schneller, kraftvoller Athlet mit einer hohen Spitzengeschwindigkeit (sagen wir eine Höchstgeschwindigkeit von 35 km/h), die er jedoch nicht lange durchhalten kann, was sich in seiner Fähigkeit zur intermittierenden Ausdauer (Yo-Yo, 30) widerspiegelt :15 usw.). Wenn wir in der Forschungsliteratur den Ansatz verfolgen, beliebige Bruchteile von Hares Spitzengeschwindigkeit von beispielsweise 50% für das Hochgeschwindigkeitslaufen (HSR; was übrigens keine physiologische Begründung hat!) anzuwenden, ergibt sich ein HSR-Schwellenwert von 17,5 km/h-1 .
Vergleichen Sie dies mit einer Schildkröte, deren Spitzengeschwindigkeit nur 25 km/h beträgt, was zu einem HSR-Schwellenwert von 12,5 km/h führt. Aber Tortoise hat im intermittierenden Ausdauertest eine vergleichsweise höhere Punktzahl, die es ihr ermöglicht, sich effizient auf dem Spielfeld fortzubewegen; Betreten Sie die Hochgeschwindigkeitszonen häufiger und erholen Sie sich schneller.
Wenn die beiden Rennen fahren, legen sie die gleiche Distanz zurück, jedoch auf unterschiedliche Weise. Die alleinige Verwendung der Spitzengeschwindigkeit zur Verankerung von Geschwindigkeitsschwellen führt dazu, dass der HSR des Hasen unterschätzt und der der Landschildkröte überschätzt wird (siehe Hunter et al., 2015 für detailliertere Beispiele).
Die Verwendung einer Fitnesskapazität zur Verankerung mehrerer Geschwindigkeitszonen auf diese Weise setzt voraus, dass ein schnellerer Spieler auch eine hohe Laufgeschwindigkeit hat, die mit seiner Ausdauerkapazität verbunden ist, und umgekehrt (siehe Abbildung 1).
Diese fehlerhaften Informationen haben möglicherweise nur geringe Auswirkungen, wenn sie über ein Rennen hinweg gemessen werden. Wenn wir jedoch chronische Trainingsprogramme auf der Grundlage dieser GPS-Daten bewerten und verschreiben möchten, können Trainingsbelastungsfehler auftreten, die zu einer suboptimalen Leistungsvorbereitung oder einem erhöhten Verletzungsrisiko führen (Gabbett , 2016).
Abbildung 1: Darstellung der fehlerhaften Verwendung der Spitzengeschwindigkeit zur Verankerung von GPS-Geschwindigkeitsschwellenwerten bei „Schildkröte und Hase“. sIFT = Endgeschwindigkeit, die in einem hypothetischen intermittierenden Ausdauer-Fitnesstest erreicht wird.
In Wirklichkeit wird die Individualisierung von Geschwindigkeitsschwellen durch die Art der Tests erschwert, die zur Bestimmung der Leistungsmerkmale von Sportlern verwendet werden.
Übliche intermittierende Ausdauertests in Mannschaftssportarten ermöglichen es Sportwissenschaftlern oder Fitnesstrainern nicht, die Laufgeschwindigkeiten zu bestimmen, bei denen Sportler in Trainingsintensitätsbereiche (niedrig, mittel, hoch, schwer) übergehen. Praktizierende müssen auch überlegen, wie oft Fitnesstests während eines vollen Wettkampfplans durchgeführt werden können, um Veränderungen der Fitness aufgrund von Krankheit, Verletzung oder Trainingseingriffen zu berücksichtigen.
Diese Komplexität und Herausforderungen stellen erhebliche Hindernisse für die Einführung individueller Geschwindigkeitszonen dar und können dazu beitragen, die geringe Akzeptanz dieser Praxis durch GPS-Nutzer zu erklären (Akenhead & Nassis, 2015).
Aber Individualisierung muss nicht so schwierig sein. Im Jahr 2013 präsentierten Alberto Mendez-Villanueva und Kollegen einen praktischen, benutzerfreundlichen und evidenzbasierten Ansatz zur individualisierten GPS-Analyse (Mendez-Villanueva, Buchheit, Simpson & Bourdon, 2013).
Sie verwendeten die maximale aerobe Geschwindigkeit jedes Spielers aus dem VAM-EVAL-Feldtest zusammen mit ihrer in einer 40-m-Sprint-Bewertung aufgezeichneten Spitzengeschwindigkeit, um die äußere Belastung im Hinblick auf die körperliche Leistungsfähigkeit jedes Einzelnen zu bewerten. Dieser Ansatz lieferte eine verbesserte Darstellung der Außendosis der Spieler bei Fußballspielen, die zur Optimierung der physischen Programmierung verwendet werden kann. Darüber hinaus könnte das maximale aerobe Geschwindigkeitsergebnis verwendet werden, um den Spielern mithilfe bewährter Trainingstechniken (z. B. Dupont, Akakpo und Berthoin, 2004) ein hochintensives Intervalltraining (HIIT) zu verordnen.
Leider kann weder eine HIIT-Vorschrift noch eine Individualisierung von GPS-Geschwindigkeitszonen mithilfe zusammengesetzter intermittierender Ausdauertests erreicht werden, die über 20-m-Shuttle-Läufe durchgeführt werden, die oft stark von den Richtungswechseln und Beschleunigungsfähigkeiten des Athleten beeinflusst werden (Castagna et al., 2006; Berthoin). et al. 2014).
Zusammenfassend lässt sich sagen, dass die Vorgabe von sportlerspezifischen Geschwindigkeitszonen einen Mehrwert für die Interpretation von GPS-Daten darstellen kann (Hunter et al., 2015; Lovell & Abt, 2013; Mendez-Villanueva et al., 2013), sofern der Benutzer die Komplexität berücksichtigt seiner Umsetzung.
Benutzer könnten über ihre physische Testbatterie nachdenken und überlegen, ob sie einen ganzheitlichen Ansatz zur Trainingsvorschrift und Bewertung der externen Belastung unterstützt (weitere Einzelheiten hierzu finden Sie bei Mendez-Villanueva & Buchheit [2013]).
Es bedarf noch viel weiterer Forschung, um den Nutzen und potenziellen Mehrwert einer individualisierten GPS-Analyse zu ermitteln, aber bis wir mehr erfahren, wird empfohlen, entweder etablierte und evidenzbasierte Verfahren zu verwenden (siehe Mendez-Villanueva et al., 2013; Hunter et al., 2015) oder die Praxis ganz zu vermeiden.
Möchten Sie herausfinden, wie Catapult Ihrem Team helfen kann, seinen Wettbewerbsvorteil zu erlangen? Nehmen Sie noch heute Kontakt mit uns auf.
Verweise
Akenhead, R. & Nassis, GP (2015). Trainingsbelastung und Spielerüberwachung im Spitzenfußball: Aktuelle Praxis und Wahrnehmungen. Internationale Zeitschrift für Sportphysiologie und Leistung. http://doi.org/10.1123/ijspp.2015-0331
Berthoin, S., Gerbeaux, M., Turpin, E., Guerrin, F., Lensel-Corbeil, G. & Vandendorpe, F. (1994). Vergleich zweier Feldtests zur Schätzung der maximalen aeroben Geschwindigkeit. Zeitschrift für Sportwissenschaften, 12(4), 355–362.
Clarke, AC, Anson, J. & Pyne, D. (2015). Physiologisch basierte GPS-Geschwindigkeitszonen zur Bewertung der Laufanforderungen im Siebener-Rugby der Frauen. Journal of Sports Sciences, 33(11), 1101–1108.
Colby, M., Dawson, B., Heasman, J., Rogalski, B. & Gabbett, TJ (2014). Trainings- und Spielbelastung sowie Verletzungsrisiko bei australischen Spitzenfußballern. Journal of Strength and Conditioning Research, 28(8), 2244-2252.
Castagna, C., Impellizzeri, FM, Chamari, K., Carlomagno, D. und Rampinini, E. (2006). Aerobe Fitness und kontinuierliche und intermittierende Jo-Jo-Testleistungen bei Fußballspielern: eine Korrelationsstudie. Journal of Strength and Conditioning Research, 20(2), 320-325.
Dupont, G., Akakpo, K. & Berthoin, S. (2004). Die Wirkung von hochintensivem Intervalltraining während der Saison bei Fußballspielern. Journal of Strength and Conditioning Research, 18(3), 584–589.
Gabbett, TJ (2015). Durch die Verwendung von Relativgeschwindigkeitszonen wird das Hochgeschwindigkeitsrennen im Teamsport-Matchplay erhöht. Journal of Strength and Conditioning Research, 29(12), 3353–3359.
Gabbett, TJ (2016). Das Paradoxon zwischen Training und Verletzungsprävention: Sollten Sportler intelligenter und härter trainieren? British Journal of Sports Medicine, 50(5), 273–280.
Hunter, F., Bray, J., Towlson, C., Smith, M., Barrett, S., Madden, J., et al. (2015). Individualisierung der Zeit-Bewegungs-Analyse: ein Methodenvergleich und eine Fallberichtsreihe. International Journal of Sports Medicine, 36(1), 41–48.
Lovell, R. & Abt, G. (2013). Individualisierung der Zeit-Bewegungs-Analyse: ein Fallkohortenbeispiel. International Journal of Sports Physiology and Performance, 8(4), 456–458.
Mendez-Villanueva, A. & Buchheit, M. (2013). Fußballspezifische Fitnesstests: Mehrwert oder Bestätigung der Beweise? Journal of Sports Sciences, 31(13), 1503–1508.
Mendez-Villanueva, A., Buchheit, M., Simpson, B. & Bourdon, PC (2013). Verteilung der Spielintensität im Jugendfußball. International Journal of Sports Medicine, 34(2), 101-110.
Reardon, C., Tobin, DP und Delahunt, E. (2015). Anwendung individueller Geschwindigkeitsschwellen zur Interpretation positionsspezifischer Laufanforderungen im Elite-Profi-Rugby-Union: Eine GPS-Studie. PLoS ONE, 10(7), e0133410.