GPS 速度阈值的个性化:挑战与复杂性
利用全球定位系统技术监测运动员在训练和比赛中的外部负荷几乎已无处不在,尤其是在职业体育运动中。
随着全球定位系统技术在过去十年中的不断发展,用户现在有了大量的衡量标准,可以据此评估外部负荷,并与教练一起更好地指导训练过程。最近,研究人员引入了一些概念,如在加速带中测量距离、结合加速度和速度数据(称为 "新陈代谢功率"),以及为每个球员设定个性化的传统速度区域。
大量的指标可能会让人应接不暇,用户面临的挑战是如何选择最适合运动环境的指标,以及一种方法能为时间-运动分析数据的解读带来哪些附加值。鉴于体能在调节对外部负荷的能力和剂量反应方面的作用,根据运动员的体能状况评估其 GPS 数据似乎更为直观。
在此,我们强调了根据健身特征对 GPS 数据进行个性化处理所面临的挑战和复杂性,并为感兴趣的用户提供了一些建议。
来自橄榄球联盟(Gabbett,2015 年)、橄榄球联盟(Clarke、Anson 和 Pyne,2015 年;Reardon、Tobin 和 Delahunt,2015 年)、澳式规则足球(Colby、Dawson、Heasman、Rogalski 和 Gabbett,2014 年)和足球(Hunter 等人,2015 年;Lovell 和 Abt,2013 年)的行业研究论文根据一个或多个身体特征定制了球员个人的速度区。这些研究人员使用了多种体能属性来定制速度区,如实验室得出的无氧阈值、最大有氧速度和冲刺速度峰值。
足球方面的研究表明,速度阈值的个体化可为 GPS 数据的解读增添价值(Hunter 等人,2015 年;Lovell & Abt,2013 年),考虑到运动员对外部负荷的 "强度 "分布很可能受其自身体能的影响,这一点很直观。然而,鉴于经济和后勤方面的障碍,使用实验室评估的可行性较低。
最近,研究文献(科尔比等人,2014 年;加贝特,2015 年;里尔登等人,2015 年)普遍使用冲刺峰值速度来规定多个速度区,因为这种方法易于在训练场上收集数据。遗憾的是,速度区的个性化并没有那么简单,因此提醒用户采用这种方法可能弊大于利!
以龟兔赛跑的寓言故事为例。
野兔是一名速度快、力量大的运动员,具有很高的峰值速度(比方说,最高速度为 35 公里/小时),但它不能长时间保持这种速度,这反映在它的间歇耐力能力上(悠悠,30:15 等)。如果我们采用研究文献中的方法,即对高速跑(HSR;顺便说一下,这没有任何生理学依据!)采用兔子峰值速度的任意分数,例如 50%,这就得出了 17.5 kmh-1 的 HSR 临界值。
相比之下,乌龟的峰值速度仅为 25 千米/小时,因此它的 HSR 临界值为 12.5 千米/小时。但乌龟的间歇耐力测试得分相对较高,这使它能够高效地绕场一周,更频繁地进入高速区,并更快地恢复。
当两者赛跑时,它们的距离相同,但方式不同。以这种方式仅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(更详细的例子见 Hunter 等人,2015 年)。
以这种方式使用一种体能能力来锚定多个速度区,假定速度较快的球员也有与其耐力能力相关的高跑步速度,反之亦然(见图 1)。
如果对一场比赛进行测量,这些错误信息可能影响不大,但如果我们想根据这些 GPS 数据来评估和规定长期训练方案,就可能会产生训练负荷误差,导致成绩准备不足或受伤风险增加(Gabbett,2016 年)。
图 1:在 "龟兔赛跑 "中错误使用峰值速度来确定 GPS 速度阈值的情况。
实际上,由于用于确定运动员成绩特征的测试类型不同,个性化速度阈值的确定也很复杂。
团队运动中常见的间歇耐力评估无法让运动科学家或体能教练确定运动员过渡到运动强度域(低、中、高、重度)的跑步速度。从业人员还需要考虑在繁忙的比赛日程中,体能测试的实施频率,以考虑到因疾病、伤病或训练干预导致的体能变化。
这些复杂性和挑战是实施个性化速度区的重大障碍,可能有助于解释为什么 GPS 用户对这种做法的接受度不高(Akenhead 和 Nassis,2015 年)。
但是,个性化并不需要如此困难。2013 年,Alberto Mendez-Villanueva 及其同事提出了一种实用、用户友好且以证据为基础的个性化 GPS 分析方法(Mendez-Villanueva, Buchheit, Simpson, & Bourdon, 2013)。
他们将 VAM-EVAL 现场测试中每个球员的最大有氧速度与 40 米冲刺评估中记录的峰值速度结合起来,参考每个人的体能来评估外部负荷。这种方法能更好地反映球员在足球比赛中的外部负荷,可用于优化体能训练计划。此外,最大有氧速度结果可用于利用成熟的训练技术对球员进行个性化的高强度间歇训练(HIIT)(即 Dupont、Akakpo 和 Berthoin,2004 年)。
遗憾的是,通过 20 米往返跑进行的综合间歇耐力实地测试既无法实现 HIIT 处方,也无法实现 GPS 速度区的个性化,因为这种测试通常会受到运动员变向和加速能力的严重影响(Castagna 等人,2006 年;Berthoin 等人,2014 年)。
总之,只要用户考虑到实施过程中的复杂性,规定运动员特定的速度区域就能为 GPS 数据的解读增添价值(Hunter 等人,2015 年;Lovell & Abt,2013 年;Mendez-Villanueva 等人,2013 年)。
用户可对其体能测试电池进行反思,反思其是否支持以整体方法制定训练处方和评估外部负荷(读者可参阅 Mendez-Villanueva & Buchheit [2013],了解这方面的更多详情)。
要确定个性化 GPS 分析的效用和潜在附加值,还需要进行更多的研究,但在我们了解到更多信息之前,建议要么使用既定的循证程序(见 Mendez-Villanueva 等人,2013 年;Hunter 等人,2015 年),要么完全避免这种做法。
有兴趣了解 Catapult 如何帮助您的团队找到竞争优势? 今天就联系我们.
参考资料
Akenhead, R., & Nassis, G. P. (2015).高水平足球运动中的训练负荷和球员监控:当前实践与看法》。国际运动生理学与运动表现杂志》。http://doi.org/10.1123/ijspp.2015-0331
Berthoin, S., Gerbeaux, M., Turpin, E., Guerrin, F., Lensel-Corbeil, G., & Vandendorpe, F. (1994).估计最大有氧速度的两种现场测试的比较。体育科学杂志》,12(4),355-362 页。
Clarke, A. C., Anson, J., & Pyne, D. (2015)。基于生理学的 GPS 速度区评估女子七人橄榄球赛的跑步需求。体育科学杂志》,33(11),1101-1108。
Colby, M., Dawson, B., Heasman, J., Rogalski, B., & Gabbett, T. J. (2014)。澳大利亚精英足球运动员的训练和比赛负荷与受伤风险。力量与调理研究杂志》,28(8),2244-2252。
Castagna, C., Impellizzeri, F. M., Chamari, K., Carlomagno, D., & Rampinini, E. (2006)。足球运动员的有氧体能与溜溜球连续和间歇测试表现:相关性研究。力量与调理研究杂志》,20(2),320-325。
Dupont, G., Akakpo, K., & Berthoin, S. (2004)。足球运动员在赛季中进行高强度间歇训练的效果。力量与调理研究杂志》,18(3),584-589 页。
Gabbett, T. J. (2015)。相对速度区的使用增加了团队运动对抗赛中的高速奔跑。力量与调理研究杂志》,29(12),3353-3359。
Gabbett, T. J. (2016).训练-受伤预防悖论:运动员是否应该更聪明、更努力地训练?英国运动医学杂志》,50(5),273-280 页。
Hunter, F., Bray, J., Towlson, C., Smith, M., Barrett, S., Madden, J., et al. (2015)。时间-运动分析的个性化:方法比较与系列病例报告。国际运动医学杂志》,36(1),41-48。
Lovell, R., & Abt, G. (2013)。时间-运动分析的个性化:案例-队列范例。国际运动生理学与运动表现杂志》,8(4),456-458 页。
Mendez-Villanueva, A., & Buchheit, M. (2013)。足球专项体能测试: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., & Bourdon, P. C. (2013)。青少年足球比赛强度分布。国际运动医学杂志》,34(2),101-110。
Reardon, C., Tobin, D. P., & 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要求:GPS 研究。PLoS ONE, 10(7), e0133410.