Introducción

En el entrega anteriorexploramos el Modelo de velocidad crítica (CV) y el (D’) modelo de equilibriodos enfoques ampliamente utilizados para modelar Reservas de fatiga y energía anaeróbica. Estos modelos intentan estimar el de un atleta Capacidad para mantener el esfuerzo rastreando el agotamiento y la reposición de energía anaeróbica Durante la actividad de alta intensidad.

El Modelo CV proporciona una forma estructurada de mapear límites de rendimiento Definiendo dos parámetros clave:

• Velocidad crítica (CV): La velocidad teórica que un atleta puede mantener indefinidamente, estrechamente relacionada con el umbral anaeróbico o Segundo umbral ventilatorio.
• (D’) (D Prime): Un finito reserva anaeróbica Eso se agota cuando el atleta excede CV y ​​se repone cuando la velocidad cae por debajo de CV.

Aplicando (D ‘_ {Balance} ) modelosestimamos Niveles de fatiga viva en deportes de equipo basados ​​en la carrera usando Datos GPSespecíficamente a través del Perfil de velocidad media máxima (MMVP) derivado de múltiples sesión de entrenamiento y partidos (es decir, las últimas 6 semanas de datos rodantes). Esto proporcionó una visión de cómo un atleta Reservas anaeróbicas fueron manejados con el tiempo y ayudaron a ilustrar fluctuaciones en el rendimiento Durante situaciones de juego real y entrenamiento real.

Mientras que este método ofrece un Enfoque cuantitativo para el monitoreo de la fatigaviene con varios limitaciones:

• No responsabilidad (D’) Estimaciones – (D’) es muy variabletanto dentro como entre atletas. Esta variabilidad puede provenir de Diferencias en el reclutamiento muscular, la eficiencia metabólica y la fatiga previahaciendo aplicación del mundo real de (D ‘_ {Balance} ) menos confiable de lo que supone el modelo.
• Dependencia del rendimiento manifestado – El Parámetros derivados de MMVP (CV y (D’)) se basan en datos históricos de coincidencia y entrenamientoque puede no reflejar el atleta verdadera capacidad fisiológica. Si un atleta nunca supera completamente sus límites en un juego o entrenamiento, su El modelo de fatiga puede ser sesgado hacia abajo.
• Supuesto de agotamiento y recuperación uniformes – El (D ‘_ {Balance} ) ecuación asume que Todos los atletas agotan y reponen las reservas anaeróbicas a la misma velocidadignorando Diferencias fisiológicas individuales (por ejemplo, composición de fibra muscular, eficiencia metabólica).
• Limitaciones de GPS – El modelo usa Datos de velocidad sololo que significa que no tiene en cuenta Cargas externas, pendientes o variaciones biomecánicas que afectan el gasto de energía.
• Complejidad computacional – Implementación en tiempo real (D ‘_ {Balance} ) seguimiento en entorno deportivo de equipo es computacionalmente exigente, haciendo Aplicaciones en vivo y en el juego difícil.

Dadas estas limitaciones, necesitamos un enfoque más simple e intuitivo—No que Reconoce las limitaciones del modelo de pequeño mundo (es decir, modelo matemático y sus supuestos) y el Desafíos de la evaluación de fatiga en tiempo realmientras permanece práctico para entrenadores y profesionales y sigo proporcionando Valiosas ideas sobre la fatiga del atleta y la capacidad de rendimiento.

En esta entrega, exploramos un Alternativa más accesible: Modelo de reserva de entrenamiento de Zignoli (Zignoli 2023). Este modelo ofrece un forma amigable para el entrenador y eficiente en los datos para estimar el de un atleta límite de rendimiento sin las complejidades de CV y (D ‘_ {Balance} ) seguimiento.

¿Cómo funciona? Que lo hace Más intuitivo y práctico que el tradicional Modelos de velocidad crítica? Vamos a sumergirnos.

Nivel de esfuerzo manifestado (Mel)

A pesar de Zignoli (2023) originalmente nombrado su enfoque el Modelo de reserva de entrenamientoMe referiré a él como Nivel de esfuerzo manifestado (Mel) para hacerlo aún más intuitivo. Este término refleja mejor lo que representa: el nivel actual de manifestado rendimiento en comparación con el mejor históricocomo se observa en los datos reales de coincidencia o entrenamiento.

Figura 1 ilustra el Perfil de velocidad media máxima (MMVP) para seis partidos de AFL, que presentamos en el entrega anterior.

Mientras que un Modelo de velocidad crítica de 3 parámetros podría ajustarse a estos datos, utilizando 0,95 regresión cuantil del percentil o identificando el Velocidad máxima para cada ventana rodante-el El enfoque MEL evita deliberadamente cualquier tipo de modelado.

En cambio, el enfoque está en mantener el método lo más intuitivo y directo posibleconfiando únicamente en Datos de rendimiento en bruto sin ajuste de curva adicional o extrapolación.

Figura 1: Perfil de velocidad media máxima para seis partidos AFL

Para determinar el perfil máximosimplemente identificamos el Velocidad más alta registrada a través de múltiples partidos (o sesiones de entrenamiento) para cada ventana de duración de tiempo de rodadura. Esto se ilustra en Figura 2.

El línea negra en Figura 2 representa lo que podemos llamar el Rolling 6 semanas MMVPsirviendo como referencia para el atleta Perfil de rendimiento histórico. Este perfil captura el Velocidades máximas sostenidas sobre varias duraciones basadas en datos pasados.

Usaremos esto MMVP histórico como punto de referencia para comparar contra actuación actual o en vivoproporcionando una forma práctica de evaluar si un atleta está funcionando en, arriba o debajo de su anteriormente Niveles de esfuerzo manifestado.

Figura 2: MVP máximo/mejor estimado de múltiples sesiones/coincidencias simplemente encontrando la mayor velocidad para cada ventana de duración de tiempo

Tabla 1 presenta una selección de Windows de duración de tiempo clave extraído de Figura 2.

Mientras Figura 2 incluye un Mucho más fino resoluciónusando Incrementos de 5 segundos Para un perfil más detallado, Tabla 1 se centra en algunos Major plazo de la ventana rodante Para una interpretación más fácil. Esto permite una descripción más clara del puntos de referencia de rendimiento más relevantes sin detalles abrumadores.

Tabla 1: Pocos marcos de tiempo extraídos de Figura 2

Tabla 1 Una vez más resalta cómo El rendimiento del partido a menudo está por debajo del atleta verdadero capacidad. Esto plantea preguntas importantes sobre la validez de Programas de acondicionamiento específicos de la posición que se basan únicamente en Datos de rendimiento derivados del partido. Sin embargo, este es un tema para otro artículo.

Ahora que hemos establecido nuestro MMVP histórico (rodante de 6 semanas)recogido de partidos En este ejemplo, suponemos que esto representa 100% del nivel de rendimiento o esfuerzo manifestado del atleta (Mel).

El siguiente paso es Compare los datos de Live Match (o sesión) con este MMVP para evaluar Cómo se alinea el rendimiento actual con los puntos de referencia pasados.

Volvamos a nuestro Single AFL Match DataSet (primer trimestre)como se muestra en Figura 3.

Figura 3: Los datos GPS del primer trimestre (velocidad instantánea) recopilados durante un solo partido AFL para un solo jugador.

El siguiente paso es Repita el análisis MMVPpero esta vez aplicándolo a Datos de coincidencia en vivotal como lo hicimos con el conjunto de datos histórico.

Para este ejemplo, calcularemos promedios rodantes En diferentes ventanas de tiempo para el primer trimestre del partido. Figura 4 ilustra una selección de estos promedios rodantes, proporcionando una instantánea de cómo la velocidad del atleta fluctúa sobre varias duraciones durante el juego en vivo.

Figura 4: Velocidad de rodaje de diferentes ventanas de duración (5, 10, 15, 30, 60, 120) para el primer trimestre de la combinación de AFL de muestra. Los valores se cuadran primero, luego se promedian, luego se toma la raíz cuadrada. Esto se hace para dar más peso a las velocidades más altas debido a la naturaleza intermitente de la actividad.

Tomemos el Velocidad rodante de 30 segundos Como ejemplo.

Lo compararemos con el Velocidad media histórica de 30 segundos manifestado de 30 segundos desde Rolling 6 semanas MMVP para calcular el Nivel de esfuerzo manifestado de 30 segundos (MEL).

Esta comparación se visualiza en Figura 5ilustrando cómo el atleta rendimiento actual de 30 segundos se alinea con su Best Historical.

Figura 5: Velocidad media rodante de 30 segundos en comparación con la velocidad media histórica mejor manifestada de 30 segundos (de MMVP)

Como se muestra en Figura 5el Mel de 30 segundos alcance 100%lo que significa que el atleta Velocidad de rodillo actual de 30 segundos (es decir, actuación) ha coincidido con su Best Historical desde Rolling 6 semanas MMVP.

Pero esto indica necesariamente fatigaespecialmente si Mel supera el 100%?

Es difícil decirlo con certeza, pero definitivamente puede servir como un bandera roja. Si un atleta supera 100% Melellos son Empujando más allá de cualquier esfuerzo previamente registrado para esa ventana de rodadura específica. Esto sugiere un particular esfuerzo exigenteque podría tener implicaciones para Acumulación de fatiga y estrategia de ritmo.

Sin embargo, Mel debe ser visto como un herramienta, no una verdad absoluta. A diferencia del (D’) modelo de equilibrioMel es sin modelo—No no confía en suposiciones sobre agotamiento o reposición de energía anaeróbica. En cambio, proporciona un Comparación directa e intuitiva del rendimiento histórico actual versus.

Extender a Mel a todas las ventanas rodantes

Hasta ahora, hemos calculado MEL para el Ventana de velocidad rodante de 30 segundospero el mismo enfoque se puede aplicar a todas las demás ventanas rodantes. Esto nos dará un Valor MEL continuo para cada duración de tiempo.

El siguiente paso es crucial: