Individualisierung von GPS-Geschwindigkeitsschwellenwerten: Herausforderungen und Komplexität
Der Einsatz von GPS-Technologie zur Überwachung der äußeren Belastung von Sportlern im Training und im Wettkampf ist mittlerweile fast allgegenwärtig, insbesondere im Profisport.
Mit der Weiterentwicklung der GPS-Technologie in den letzten zehn Jahren steht den Nutzern heute eine Fülle von Messdaten zur Verfügung, anhand derer sie die externe Belastung bewerten und in Zusammenarbeit mit den Trainern den Trainingsprozess besser gestalten können. In jüngster Zeit haben Forscher Konzepte wie die Messung der Distanz in Beschleunigungsbändern, die Kombination von Beschleunigungs- und Geschwindigkeitsdaten (bekannt als "metabolische Leistung") und die Individualisierung der traditionellen Geschwindigkeitsbereiche für jeden Spieler eingeführt.
Die Menge der Messdaten kann überwältigend sein, und der Benutzer steht vor der Herausforderung, die für den sportlichen Kontext am besten geeigneten auszuwählen und zu entscheiden, welchen Mehrwert ein Ansatz für die Interpretation von Zeit-Bewegungs-Analysedaten bringen kann. In Anbetracht der Rolle, die die Fitness bei der Moderation der Kapazität und der Dosis-Wirkung auf externe Belastungen spielt, erscheint es intuitiv, die GPS-Daten der Sportler in Bezug auf ihr Fitnessprofil zu bewerten.
Hier zeigen wir die Herausforderungen und die Komplexität auf, die mit der Individualisierung von GPS-Daten nach Fitnessmerkmalen verbunden sind, und geben einige Empfehlungen für interessierte Nutzer.
In branchenbezogenen Forschungsarbeiten aus der Rugby-Liga (Gabbett, 2015), der Rugby-Union (Clarke, Anson, & Pyne, 2015; Reardon, Tobin, & Delahunt, 2015), dem Australian Rules Football (Colby, Dawson, Heasman, Rogalski, & Gabbett, 2014) und dem Fußball (Hunter et al., 2015; Lovell & Abt, 2013) wurden die Geschwindigkeitsbereiche der einzelnen Spieler anhand eines oder mehrerer körperlicher Merkmale angepasst. Diese Forscher haben ein breites Spektrum an körperlichen Fitnessmerkmalen verwendet, um die Geschwindigkeitsbereiche zu individualisieren, z. B. im Labor ermittelte Messungen der anaeroben Schwelle, der maximalen aeroben Geschwindigkeit und der maximalen Sprintgeschwindigkeit.
Forschungen im Fußball haben gezeigt, dass die Individualisierung von Geschwindigkeitsschwellen einen Mehrwert für die Interpretation von GPS-Daten bringen kann (Hunter et al., 2015; Lovell & Abt, 2013), was intuitiv ist, da die "Intensitäts"-Verteilung der externen Belastung eines Sportlers wahrscheinlich von seinen eigenen Fitnessfähigkeiten beeinflusst wird. Die Verwendung von laborgestützten Bewertungen ist jedoch aufgrund der wirtschaftlichen und logistischen Hindernisse kaum durchführbar.
In jüngster Zeit wird in der Forschungsliteratur häufig die Sprintspitzengeschwindigkeit verwendet, um mehrere Geschwindigkeitsbereiche vorzuschreiben (Colby et al., 2014; Gabbett, 2015; Reardon et al., 2015), da sie auf dem Trainingsplatz leicht zu erfassen ist. Leider ist die Individualisierung von Geschwindigkeitsbereichen nicht so einfach, und die Benutzer werden gewarnt, dass die Anwendung dieses Ansatzes mehr schaden als nutzen könnte!
Nehmen wir als Beispiel die Fabel von der Schildkröte und dem Hasen.
Der Hase ist ein schneller, kräftiger Athlet mit einer hohen Spitzengeschwindigkeit (sagen wir 35 km/h-1), die er aber nicht lange halten kann, was sich in seiner intermittierenden Ausdauerleistung widerspiegelt (Yo-Yo, 30:15 usw.). Wenn wir in der Forschungsliteratur den Ansatz verfolgen, willkürliche Bruchteile der Spitzengeschwindigkeit von Hare, z. B. 50 %, für Hochgeschwindigkeitsläufe (HSR; was übrigens keine physiologische Begründung hat!) zu verwenden, ergibt sich eine HSR-Schwelle von 17,5 kmh-1.
Im Gegensatz dazu hat die Schildkröte eine Spitzengeschwindigkeit von nur 25 kmh-1, was zu einer HSR-Schwelle von 12,5 kmh-1 führt. Aber die Schildkröte hat einen vergleichsweise höheren Intervall-Ausdauer-Testwert, der es ihr ermöglicht, sich effizient auf dem Spielfeld zu bewegen, häufiger in die Hochgeschwindigkeitsbereiche zu gelangen und sich schneller zu erholen.
Wenn die beiden rennen, legen sie die gleiche Strecke zurück, aber auf unterschiedliche Weise. Die Verwendung der Spitzengeschwindigkeit allein auf diese Weise zur Verankerung von Geschwindigkeitsschwellen führt dazu, dass die HSR von Hasen unterschätzt und die von Schildkröten überschätzt wird (siehe Hunter et al., 2015 für ausführlichere Beispiele).
Die Verwendung einer Fitnesskapazität zur Verankerung mehrerer Geschwindigkeitsbereiche auf diese Weise setzt voraus, dass ein schneller Spieler auch eine hohe Laufgeschwindigkeit hat, die mit seiner Ausdauerkapazität verbunden ist, und umgekehrt (siehe Abbildung 1).
Diese fehlerhaften Informationen haben vielleicht nur geringe Auswirkungen, wenn sie über einen einzigen Wettkampf gemessen werden, aber wenn wir chronische Trainingspläne auf der Grundlage dieser GPS-Daten bewerten und vorschreiben wollen, können wir Fehler bei der Trainingsbelastung machen, die zu einer suboptimalen Leistungsvorbereitung oder einem erhöhten Verletzungsrisiko führen (Gabbett, 2016).
Abbildung 1: Darstellung der fälschlichen Verwendung der Spitzengeschwindigkeit zur Festlegung von GPS-Geschwindigkeitsschwellenwerten in "Schildkröte und Hase". sIFT = Endgeschwindigkeit, die in einem hypothetischen Intervall-Ausdauer-Fitness-Test erreicht wird.
In der Realität wird die individuelle Festlegung von Geschwindigkeitsschwellen durch die Arten von Tests erschwert, die zur Bestimmung der Leistungsmerkmale von Sportlern verwendet werden.
Die in Mannschaftssportarten üblichen Intervallausdauer-Tests ermöglichen es dem Sportwissenschaftler oder Fitnesstrainer nicht, die Laufgeschwindigkeiten zu bestimmen, bei denen die Athleten in die verschiedenen Intensitätsbereiche (niedrig, moderat, hoch, schwer) übergehen. Praktiker müssen auch überlegen, wie oft Fitnesstests während eines dicht gedrängten Wettkampfplans durchgeführt werden können, um Veränderungen der Fitness aufgrund von Krankheit, Verletzungen oder Trainingsmaßnahmen zu berücksichtigen.
Diese Komplexität und Herausforderungen stellen erhebliche Hindernisse für die Umsetzung individualisierter 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 stellten Alberto Mendez-Villanueva und Kollegen einen praktischen, benutzerfreundlichen und evidenzbasierten Ansatz für die individualisierte GPS-Analyse vor (Mendez-Villanueva, Buchheit, Simpson, & Bourdon, 2013).
Sie wendeten die maximale aerobe Geschwindigkeit jedes Spielers aus dem VAM-EVAL-Feldtest zusammen mit der bei einem 40-m-Sprint gemessenen Spitzengeschwindigkeit an, um die externe Belastung in Bezug auf die physischen Kapazitäten jedes Einzelnen zu bewerten. Dieser Ansatz lieferte eine verbesserte Darstellung der externen Belastung der Spieler bei Fußballspielen, die zur Optimierung der körperlichen Programmierung genutzt werden kann. Darüber hinaus konnte das Ergebnis der maximalen aeroben Geschwindigkeit verwendet werden, um die Spieler mit Hilfe etablierter Trainingstechniken (z. B. Dupont, Akakpo, & Berthoin, 2004) für ein hochintensives Intervalltraining (HIIT) zu individualisieren.
Leider kann weder eine HIIT-Verordnung noch eine Individualisierung der GPS-Geschwindigkeitsbereiche mit Hilfe von zusammengesetzten Intervall-Ausdauer-Feldtests über 20-m-Shuttle-Läufe erreicht werden, die oft stark von den Richtungswechseln und Beschleunigungskapazitäten der Athleten beeinflusst werden (Castagna et al., 2006; Berthoin et al 2014).
Zusammenfassend lässt sich sagen, dass die Vorgabe athletenspezifischer Geschwindigkeitsbereiche einen Mehrwert für die Interpretation von GPS-Daten darstellen kann (Hunter et al., 2015; Lovell & Abt, 2013; Mendez-Villanueva et al., 2013), solange der Nutzer die Komplexität der Umsetzung berücksichtigt.
Die Nutzer könnten über ihre physische Testbatterie nachdenken und darüber, ob sie einen ganzheitlichen Ansatz für die Trainingsvorgaben und die Bewertung der externen Belastung unterstützt (für weitere Details in dieser Hinsicht wird auf Mendez-Villanueva & Buchheit [2013] verwiesen).
Es sind noch viele weitere Forschungsarbeiten erforderlich, um den Nutzen und den potenziellen Mehrwert der individualisierten GPS-Analyse zu ermitteln. Bis wir jedoch mehr wissen, wird empfohlen, entweder etablierte und evidenzbasierte Verfahren zu verwenden (siehe Mendez-Villanueva et al., 2013; Hunter et al., 2015) oder diese Praxis ganz zu vermeiden.
Möchten Sie herausfinden, wie Catapult Ihrem Team helfen kann, seinen Wettbewerbsvorteil zu finden? Nehmen Sie noch heute Kontakt auf.
Referenzen
Akenhead, R., & Nassis, G. P. (2015). Trainingsbelastung und Spielerüberwachung im Spitzenfußball: Current Practice and Perceptions. International Journal of Sports Physiology and Performance. http://doi.org/10.1123/ijspp.2015-0331
Berthoin, S., Gerbeaux, M., Turpin, E., Guerrin, F., Lensel-Corbeil, G., & Vandendorpe, F. (1994). Vergleich von zwei Feldtests zur Bestimmung der maximalen aeroben Geschwindigkeit. Zeitschrift für Sportwissenschaften, 12(4), 355-362.
Clarke, A. C., Anson, J., & Pyne, D. (2015). Physiologisch basierte GPS-Geschwindigkeitszonen für die Bewertung von Laufanforderungen im Frauen-Rugby-Siebenkampf. Journal of Sports Sciences, 33(11), 1101-1108.
Colby, M., Dawson, B., Heasman, J., Rogalski, B., & Gabbett, T. J. (2014). Trainings- und Spielbelastungen und Verletzungsrisiko bei australischen Elitefußballern. Journal of Strength and Conditioning Research, 28(8), 2244-2252.
Castagna, C., Impellizzeri, F. M., Chamari, K., Carlomagno, D., & Rampinini, E. (2006). Aerobe Fitness und Leistungen bei kontinuierlichen und intermittierenden Jo-Jo-Tests 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 bei Fußballspielern während der Saison. Journal of Strength and Conditioning Research, 18(3), 584-589.
Gabbett, T. J. (2015). Use of Relative Speed Zones Increases the High-Speed Running Performed in Team Sport Match Play. Journal of Strength and Conditioning Research, 29(12), 3353-3359.
Gabbett, T. J. (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 Fall-Kohorten-Beispiel. International Journal of Sports Physiology and Performance, 8(4), 456-458.
Mendez-Villanueva, A., & Buchheit, M. (2013). Fußballspezifische Fitnesstests: Zusätzlicher Nutzen oder Bestätigung der Erkenntnisse? Zeitschrift für Sportwissenschaften, 31(13), 1503-1508.
Mendez-Villanueva, A., Buchheit, M., Simpson, B., & Bourdon, P. C. (2013). Match play intensity distribution in youth soccer. International Journal of Sports Medicine, 34(2), 101-110.
Reardon, C., Tobin, D. P., & Delahunt, E. (2015). Application of Individualized Speed Thresholds to Interpret Position Specific Running Demands in Elite Professional Rugby Union: A GPS Study. PLoS ONE, 10(7), e0133410.