Introducción

En el entrega anteriorexploramos la complejidad de la fatiga. Ahora, necesitamos dar un paso adelante, no haciéndolo menos complejo, sino por operacionalización él.

Definición de límites de rendimiento: un experimento mental

Imagine que está realizando un press de banco con 100 kg para cinco repeticiones, empujando a una falla absoluta (cero repeticiones en reservao rir = 0). Eres cansado ¿después? Absolutamente. Pero si medimos tu fuerza isométrica máxima Inmediatamente después, ¿sería más bajo que antes?

No puedo decir con certeza, ya que no estoy al tanto de un estudio que examina este escenario exacto (si sabes de uno, hágamelo saber). Sin embargo, basado en investigaciones como el trabajo de Marcora sobre la percepción de la fatiga (Marcora y Staiano 2010)Especularía que si bien la salida de fuerza máxima puede disminuir, no caería por debajo de 100 kg.

Esto resalta un punto importante: podemos teorizar sobre mecanismos de fatiga indefinidamente, pero al final del día, lo que realmente importa es si un atleta alcanza su límite de rendimiento. Ese límite depende del contexto: la motivación, la presión, la música o la competencia pueden empujar a un atleta a realizar más repeticiones. Entonces, si el mismo atleta hace menos repeticiones en otro día, ¿se debe a fatiga o simplemente fluctuación normal? Eso es difícil de determinar, pero conocer un atleta techo de rendimiento Proporciona un punto de referencia para interpretar los cambios.

Aplicando esto a correr

Dado que estamos enfocados en los deportes de equipo basados ​​en la carrera, traduzcamos este concepto a correr.

Supongamos el límite de rendimiento de un atleta para un 1,500m carrera son 3:20. Si corren intencionalmente a un ritmo submáximo, su fatiga Probablemente será más bajo. Pero aquí está la pregunta: si completan la distancia 20% más lento que su esfuerzo máximo¿eso significa que están experimentando 20% menos fatiga?

No tengo una respuesta definitiva, pero esto proximidad a los límites de rendimiento podría servir como una visión valiosa, una que se alinea con Andrea Zignoli’s Modelo de reserva de entrenamiento (Zignoli 2023)que discutiré más tarde.

Expandiéndose a múltiples distancias

¿Qué pasa si conocemos un atleta? Límite de rendimiento de 1.500m Pero quiero predecir su Límite de 3.000 m? Esto es similar a probar un press de banca máximo en 100 kg, 120 kg y 80 kg. La experiencia nos dice que como el Aumenta la distancia, disminuye la velocidad promedio de la carrera—Pal como agregar peso a la barra reduce el número de repeticiones posibles.

Estos son fenómenos robustos del Mundo grande—Patones que emergen constantemente en el rendimiento del mundo real. A menos describir, predecir e intervenirnecesitamos crear modelos-nuestro Mundos pequeños—Ese simplificar y asignar estos patrones matemáticamente.

En esta serie de artículos, presentaré uno de esos modelos, pero tenga en cuenta que hay múltiples Mundo pequeño Modelos que se pueden aplicar, cada uno que ofrece ideas únicas.

Tabla 1 alista los resultados de rendimiento a través de diferentes distancias, mientras que Figura 1 los presenta gráficamente.

Tabla 1: rendimiento a diferentes distancias

(a) Tiempo versus distancia

(b) Velocidad media versus distancia

(c) Velocidad media versus duración del tiempo

Figura 1: Representación gráfica del Tabla 1

Queremos proyectar estas relaciones (Figura 1) usando un Modelo de pequeño mundo cuyos parámetros tienen importancia fisiológica. Esto puede ayudarnos extracto cierto latente cualidades, o quizás con mayor precisión, comprimir ellos, dependiendo de si asumimos un formativo o pensativo modelo.

De cualquier manera, Modelos mundiales pequeños Proporcionar una forma estructurada de navegar los datos de rendimiento, ayudándonos a estimar rendimiento de la contrarreloj a distancias que no se midieron directamente. Por supuesto, múltiples enfoques de modelado (Mundos pequeños) se puede usar para lograr esto.

A regresión lineal simple (Figura 2 (a)) asume una proporcionalidad directa, pero podemos ver de inmediato que esta suposición es defectuosa. A ajuste del modelo polinomial (Figura 2 (b)) ofrece una mejor representación de los datos, pero viene con sus propios problemas, como extrapolación poco confiable más allá del rango observado y la falta de interpretabilidad fisiológica En sus parámetros estimados.

Para hacer este enfoque realmente útilnecesitamos un modelo que no solo se ajuste bien a los datos, sino que también se alinee con principios fisiológicos.

(a) regresión lineal simple

(b) regresión lineal polinomial

Figura 2: Modelos de regresión simples de la velocidad ~ duración

Modelo de velocidad crítica

Uno de los modelos más populares para mapear velocidad media contra duración del tiempo es el Velocidad crítica (CV) modelo (Ecuación 1).

(
v (t_ {lim}) = frac {d ‘} {t_ {lim}} + cv
tag {1} )

El Modelo de velocidad crítica (CV) tiene dos parámetros clave:

1. Velocidad crítica (CV) – La velocidad que, en teoría, uno puede mantener indefinidamente. Está estrechamente relacionado con el umbral anaeróbico o el Segundo umbral ventilatorioaunque puede ser ligeramente más alto.
2. (D’) (D Prime) – Representación capacidad anaeróbicaque actúa como un tampón de energía finito. Cada vez que corre un atleta más rápido que CVeste búfer está agotado, con el tasa de agotamiento dependiendo de cuánto exceda la velocidad Más rápido que corres, más rápido te escapará (D’).

Este modelo es ambos Simple y elegantecomo sus parámetros se alinean bien con nuestro a priori Comprensión de la fisiología.

Usando regresión no linealpodemos estimar los parámetros del modelo de Ecuación 1Resultando en: