GPS 速度阈值的个性化:挑战和复杂性

使用 GPS 技术来监测运动员在训练和比赛中的外部负荷几乎已经无处不在,尤其是在职业运动中。

随着 GPS 技术在过去十年中的发展,用户现在拥有大量可用指标,他们可以从中评估外部负载,并与教练一起更好地为训练过程提供信息。最近,研究人员引入了一些概念,例如测量加速度带中的距离、结合加速度和速度数据(称为“代谢功率”)以及为每个玩家个性化传统速度区域。

指标的数量可能是巨大的,用户面临着选择最适合运动环境的挑战,以及一种方法可以为时间运动分析数据的解释带来什么附加值。考虑到体能在调节能力和对外部负荷的剂量反应方面的作用,根据运动员的体能概况评估 GPS 数据似乎很直观。

在这里,我们强调根据健身特征个性化 GPS 数据所涉及的挑战和复杂性,并为感兴趣的用户提供一些建议。

来自橄榄球联盟(Gabbett,2015)、橄榄球联盟(Clarke、Anson 和 Pyne,2015;Reardon、Tobin 和 Delahunt,2015)、澳式足球(Colby、Dawson、Heasman、Rogalski 和Gabbett, 2014)和足球(Hunter et al., 2015;Lovell & Abt, 2013)根据一种或多种身体特征定制了个人球员的速度区域。这些研究人员使用了广泛的身体健康属性来个性化速度区域,例如实验室得出的无氧阈值、最大有氧速度和峰值冲刺速度的测量值。

足球研究表明,个性化的速度阈值可以为 GPS 数据的解释增加价值(Hunter 等人,2015 年;Lovell & Abt,2013 年),考虑到运动员外部负荷的“强度”分布,这是直观的可能受到自身健身能力的影响。然而,考虑到经济和后勤障碍,使用基于实验室的评估的可行性较低。

最近,使用峰值冲刺速度来规定多个速度区在研究文献中变得很常见(Colby et al., 2014; Gabbett, 2015; Reardon et al., 2015),因为它易于在训练领域收集。不幸的是,速度区域的个性化并不是那么简单,用户需要注意的是,采用这种方法可能弊大于利!

以龟兔赛跑的寓言为例。

野兔是一种快速、有力的运动员,具有很高的峰值速度(假设最高时速为 35 kmh-1),但他无法维持很长时间,这反映在他的间歇耐力能力上(溜溜球,30 :15 等)。如果我们采用研究文献中的方法,将 Hare 峰值速度的任意分数(例如 50%)应用于高速跑步(HSR;顺便说一下,这没有生理学原理!),这给我们的 HSR 阈值为 17.5 kmh-1 。

相比之下,乌龟的峰值速度仅为 25 kmh-1,因此 HSR 阈值为 12.5 kmh-1。但乌龟的间歇耐力测试成绩相对较高,这使得她能够高效地绕过球场;更频繁地进入高速区,并且恢复得更快。

当两人比赛时,他们跑的距离相同,但方式不同。以这种方式单独使用峰值速度来锚定速度阈值会导致野兔的 HSR 被低估,而乌龟的 HSR 被高估(有关更详细的示例,请参阅 Hunter 等人,2015)。

以这种方式使用一种健身能力锚定多个速度区假设速度更快的运动员也具有与其耐力能力相关的高跑步速度,反之亦然(参见图 1)。

在一场比赛中测量时,这些错误信息可能影响不大,但如果我们想根据这些 GPS 数据评估和制定长期训练方案,我们可能会出现训练负荷错误,导致表现准备不佳或受伤风险增加(Gabbett ,2016)。

图 1:描述了错误地使用峰值速度来锚定“乌龟和兔子”中的 GPS 速度阈值。 sIFT = 在假设的间歇耐力体能测试中达到的最终速度。

事实上,由于用于确定运动员表现特征的测试类型,个性化速度阈值变得复杂。

团队运动中常见的间歇耐力评估无法让运动科学家或健身教练确定运动员过渡到运动强度范围(低、中、高、重)的跑步速度。从业者还需要考虑在繁忙的比赛日程中多久进行一次体能测试,以考虑由于疾病、受伤或训练干预而导致的体能变化。

这些复杂性和挑战为实施个性化速度区域带来了重大障碍,并且可能有助于解释 GPS 用户很少采用这种做法的原因(Akenhead & Nassis,2015)。

但个性化并不需要那么困难。 2013 年,Alberto Mendez-Villanueva 及其同事提出了一种实用、用户友好且基于证据的个性化 GPS 分析方法(Mendez-Villanueva、Buchheit、Simpson 和 Bourdon,2013)。

他们应用 VAM-EVAL 现场测试中每位运动员的最大有氧速度,以及 40 m 冲刺评估中记录的峰值速度,根据每个人的身体能力来评估外部负荷。这种方法提供了足球比赛中球员外部剂量的改进表示,可用于优化身体编程。此外,最大有氧速度结果可用于使用成熟的训练技术(即 Dupont、Akakpo 和 Berthoin,2004 年)为运动员制定个性化的高强度间歇训练处方 (HIIT)。

不幸的是,使用超过 20m 往返跑的复合间歇耐力现场测试无法实现 HIIT 处方或 GPS 速度区的个性化,这通常会严重受到运动员方向变化和加速能力的影响(Castagna 等人,2006 年;Berthoin等,2014)。

总之,只要用户考虑到复杂性,规定运动员特定的速度区域可以为 GPS 数据的解释增加价值(Hunter 等人,2015;Lovell & Abt,2013;Mendez-Villanueva 等人,2013)其实施情况。

用户可能会反思他们的物理测试电池,以及它是否支持训练处方和外部负荷评估的整体方法(读者可参阅 Mendez-Villanueva & Buchheit [2013] 以获取这方面的更多详细信息)。

需要更多的研究来确定个性化 GPS 分析的效用和潜在附加值,但在我们了解更多信息之前,建议使用既定的基于证据的程序(参见 Mendez-Villanueva 等人,2013 年;Hunter 等人) al., 2015),或者完全避免这种做法。

有兴趣了解 Catapult 如何帮助您的团队找到竞争优势? 今天就联系.

参考

Akenhead, R. 和 Nassis, GP (2015)。高水平足球中的训练负荷和球员监控:当前的实践和看法。国际运动生理学和表现杂志。 http://doi.org/10.1123/ijspp.2015-0331

Berthoin, S.、Gerbeaux, M.、Turpin, E.、Guerrin, F.、Lensel-Corbeil, G. 和 Vandendorpe, F. (1994)。比较两次现场测试以估计最大有氧速度。体育科学杂志,12(4),355–362。

克拉克,AC、安森,J. 和派恩,D. (2015)。基于生理学的 GPS 速度区域,用于评估女子七人制橄榄球的跑步需求。体育科学杂志,33(11),1101–1108。

Colby, M.、Dawson, B.、Heasman, J.、Rogalski, B. 和 Gabbett, TJ (2014)。澳大利亚精英足球运动员的训练和比赛负荷以及受伤风险。力量与体能研究杂志,28(8), 2244-2252。

Castagna, C.、Impellizzeri, FM、Chamari, K.、Carlomagno, D. 和 Rampinini, E. (2006)。足球运动员有氧健身和溜溜球连续和间歇测试表现:相关性研究。力量与体能研究杂志,20(2), 320-325。

Dupont, G.、Akakpo, K. 和 Berthoin, S. (2004)。足球运动员赛季中高强度间歇训练的效果。力量与体能研究杂志,18(3), 584–589。

加贝特,TJ(2015)。使用相对速度区可以提高团队运动比洞赛中的高速奔跑能力。力量与体能研究杂志,29(12),3353-3359。

加贝特,TJ(2016)。训练与损伤预防悖论:运动员应该更聪明、更努力地训练吗?英国运动医学杂志,50(5),273–280。

Hunter, F.、Bray, J.、Towlson, C.、Smith, M.、Barrett, S.、Madden, J. 等人。 (2015)。时间-运动分析的个体化:方法比较和病例报告系列。国际运动医学杂志,36(1), 41–48。

洛弗尔,R. 和阿布特,G. (2013)。时间运动分析的个体化:案例队列示例。国际运动生理学与表现杂志,8(4), 456–458。

Mendez-Villanueva, A. 和 Buchheit, M. (2013)。足球专用体能测试:增加价值还是证实证据?体育科学杂志,31(13),1503–1508。

Mendez-Villanueva, A.、Buchheit, M.、Simpson, B. 和 Bourdon, PC (2013)。青少年足球的比洞赛强度分布。国际运动医学杂志,34(2), 101-110。

Reardon, C.、Tobin, DP 和 Delahunt, E. (2015)。应用个性化速度阈值来解释精英职业橄榄球联盟中特定位置的跑步需求:GPS 研究。 《公共科学图书馆一》,10(7),e0133410。

准备好获得竞争优势了吗?