Αρχική / Προπόνηση / Μοντελοποίηση της αθλητικής απόδοσης και η χρήση του διαγράμματος απόδοσης στον προγραμματισμό των προπονήσεών μας

Μοιραστείτε αυτό το Άρθρο

Επιλεγμένα / Προπόνηση

Μοντελοποίηση της αθλητικής απόδοσης και η χρήση του διαγράμματος απόδοσης στον προγραμματισμό των προπονήσεών μας

Μοντελοποίηση της αθλητικής απόδοσης και η χρήση του διαγράμματος απόδοσης στον προγραμματισμό των προπονήσεών μας

Στο άρθρο αυτό θα δούμε πώς μπορούμε να χρησιμοποιήσουμε ένα μοντέλο της αθλητικής απόδοσης ώστε να έχουμε μια εκτίμηση της φόρμας μας και να προγραμματίσουμε σωστά τις προπονήσεις μας, μειώνοντας έτσι την πιθανότητα τραυματισμών που προκύπτουν από την υπερπροπόνηση. Ξεκινάμε με μια περιγραφή του μοντέλου και συνεχίζουμε με κάποια παραδείγματα που θα μας βοηθήσουν να κατανοήσουμε το διάγραμμα απόδοσης.

Το μοντέλο αθλητικής απόδοσης του Banister
Είναι δεδομένο ότι προκειμένου να βελτιωθούμε ως δρομείς πρέπει να προπονούμαστε. Γνωρίζουμε μάλιστα, ότι παίζουν ρόλο, μεταξύ άλλων, η συχνότητα των προπονήσεων, η έντασή τους και η σταδιακή αύξηση του προπονητικού φορτίου. Ταυτόχρονα, όταν υπερβάλλουμε στα παραπάνω, έχουμε διαπιστώσει ή/και διαβάσει (πχ εδώ και εδώ) ότι ελλοχεύει ο κίνδυνος της υπερπροπόνησης και των τραυματισμών που τη συνοδεύουν.

Όλα αυτά που γνωρίζουμε διαισθητικά και θεωρητικά, έχουν προσπαθήσει ερευνητές να τα μοντελοποιήσουν με σκοπό την πρόβλεψη των αλλαγών που προκύπτουν μέσω της προπόνησης. Είναι βέβαια εξαιρετικά δύσκολο να μοντελοποιήσει κανείς με ακρίβεια ένα φυσικό σύστημα τόσο πολύπλοκο όσο ο ανθρώπινος οργανισμός και γίνεται ακόμη πιο δύσκολο αν λάβουμε υπόψη και τις διαφορές που υπάρχουν από άνθρωπο σε άνθρωπο. Όμως, παρά τις εγγενείς αδυναμίες αυτές, φαίνεται ότι κάποια μοντέλα είναι σε θέση να εκτιμήσουν με ικανοποιητική ακρίβεια την τρέχουσα και μελλοντική φυσική κατάσταση ενός αθλητή, χρησιμοποιώντας ως είσοδο τις προπονήσεις του. Το πιο γνωστό ίσως από αυτά είναι το μοντέλο του Banister, το οποίο και θα χρησιμοποιήσουμε στο παρόν άρθρο.

Σύμφωνα με το μοντέλο του Banister, κάθε προπόνηση που κάνουμε αναπαρίσταται ως μία προπονητική ώθηση (Training Impulse – TRIMP), της οποίας το μέγεθος εξαρτάται από τη διάρκεια της άσκησης και την έντασή της. Για τη μέτρηση της τελευταίας, απαραίτητο είναι είτε ένα κλασικό καρδιοσυχνόμετρο (παλμογράφος) είτε ένας μετρητής ισχύος. Κάθε προπόνηση θεωρούμε ότι έχει ένα θετικό αποτέλεσμα, το οποίο είναι η βελτίωση της φυσικής μας κατάστασης, όπως και ένα αρνητικό, το οποίο είναι η κόπωση που προκύπτει. Έτσι, υπολογίζονται τα παρακάτω μεγέθη:

  • Χρόνιο ή μακροπρόθεσμο φορτίο (Chronic Training Load – CTL)
    Το μέγεθος αυτό αναπαριστά τη φυσική μας κατάσταση (Fitness) και υπολογίζεται με βάση τις προπονητικές ωθήσεις των τελευταίων 42 ημερών, δίνοντας περισσότερη έμφαση στις πιο πρόσφατες. Είναι αναμενόμενο το χρόνιο φορτίο να ανεβαίνει όσο έχουμε ένα σωστό, σταδιακά πιο απαιτητικό πρόγραμμα προπονήσεων. Αν παραμένουμε στάσιμοι στις προπονήσεις μας, η φυσική μας κατάσταση δεν θα βελτιώνεται και το χρόνιο φορτίο θα είναι μια ευθεία γραμμή. Πρέπει να σημειώσουμε ότι προκειμένου αυτό το μέγεθος να προσεγγίζει την πραγματική μας φυσική κατάσταση, θα πρέπει να έχουμε “ταΐσει” το μοντέλο με προπονήσεις των τελευταίων 42 ημερών τουλάχιστον.
  • Οξύ ή βραχυπρόθεσμο φορτίο (Acute Training Load – ATL)
    Το μέγεθος αυτό αναπαριστά την πρόσκαιρη κόπωση που προκαλείται μετά από κάθε προπόνηση που κάνουμε. Υπολογίζεται με βάση τις προπονητικές μας ωθήσεις των τελευταίων 7 ημερών. Ως μέγεθος μεταβάλλεται πιο άμεσα σε σχέση με το μακροπρόθεσμο φορτίο, καθώς μετά από κάθε μας προπόνηση αντιλαμβανόμαστε πιο γρήγορα την κόπωση παρά τη βελτίωση που έχουμε.
  • Ισοζύγιο προπονητικού φορτίου (Training Stress Balance – TSB)
    Αποτελεί τη διαφορά ανάμεσα στο χρόνιο και οξύ προπονητικό φορτίο (TSB = CTL – ATL) και ως μέγεθος περιγράφει τη σχέση ανάμεσα στην πρόσκαιρη κόπωση και τη γενικότερη φυσική μας κατάσταση. Σχετίζεται άμεσα με τη “φόρμα” μας, κατά πόσο είμαστε δηλαδή έτοιμοι να αποδώσουμε τα μέγιστα σε έναν αγώνα. Ένας τρόπος να αυξηθεί το μέγεθος αυτό είναι μέσω του κλασικού tapering που κάνουμε πριν από έναν μεγάλο αγώνα-στόχο.

Με βάση τα παραπάνω, μπορούμε να εξάγουμε τα εξής συμπεράσματα:

  •  Η απόδοσή μας εξαρτάται τόσο από μια σειρά προπονήσεων που έχουμε κάνει (που φαίνεται από το Χρόνιο Μακροπρόθεσμο Φορτίο), όσο και από τη φόρμα (δηλαδή το ισοζύγιο φορτίου) στην οποία βρισκόμαστε. Μπορεί να βρισκόμαστε στην καλύτερη δυνατή φυσική κατάσταση λόγω προπονήσεων, αλλά αν έχουμε κάνει μια σκληρή προπόνηση μια μέρα πριν τον αγώνα, δεν θα αποδώσουμε τα μέγιστα, και αυτό θα φαίνεται στη χαμηλή τιμή του ισοζυγίου προπονητικού φορτίου. Αντίστοιχα, με ένα σωστό tapering, το ισοζύγιο αυτό θα έχει θετική τιμή και θα νιώθουμε πιο φρέσκοι.
  • Η απόδοσή μας δεν εξαρτάται τόσο πολύ από μία προπόνηση που καταφέραμε να πιάσουμε το επιθυμητό pace για το επιθυμητό διάστημα, αλλά προκύπτει από το άθροισμα μιας σειράς προπονήσεων. Η βελτίωση έρχεται μέσω της προπονητικής συνέπειας και επιμονής.

Αν υπολογίζουμε τα μεγέθη που αναφέραμε σε απόλυτες τιμές (και όχι ως κάποιο ποσοστό), τότε έχουμε τα εξής σε σχέση με το ισοζύγιο προπονητικού φορτίου:

  • TSB > +25: Συνήθως αυτές οι τιμές προκύπτουν σε περιόδους παρατεταμένης αποχής από τις προπονήσεις.
  • +5 < TSB < +25: Στο πεδίο αυτό πρέπει να βρισκόμαστε πριν από έναν αγώνα-στόχο.
  • -10 < TSB < +5: Ενδιάμεση ζώνη, ούτε έντονη κούραση, ούτε ιδανική φρεσκάδα για αγώνα.
  • -30 < TSB < -10: Ιδανική ζώνη προπόνησης.
  • TSB < -30: Κίνδυνος υπερπροπόνησης και τραυματισμών

Το διάγραμμα απόδοσης
Ο πιο εύκολος τρόπος να έχει πρόσβαση κάποιος σε ένα διάγραμμα που αναπαριστά τα μεγέθη που αναφέραμε πριν, είναι μέσω προγραμμάτων όπως το GoldenCheetah, το WKO4, το Runalyze και το StravistiX. Συνήθως το διάγραμμα αυτό αναφέρεται ως Performance Manager Chart (PMC). Στο άρθρο αυτό θα δώσουμε βάση στο StravistiX, καθώς η χρήση του δεν κοστίζει κάτι και συνδέεται με το λογαριασμό μας στο Strava για να τραβήξει από εκεί τις προπονήσεις μας. Για να το εγκαταστήσει κανείς, αρκεί να το προσθέσει στα extensions του Chrome browser στον υπολογιστή του. Σε περίπτωση που χρησιμοποιήσουμε κάποιο άλλο πρόγραμμα θα πρέπει να του δώσουμε με κάποιο τρόπο πρόσβαση στις προηγούμενες και μελλοντικές μας προπονήσεις προκειμένου να εξάγει τις σωστές τιμές για το διάγραμμα.

 

Στην εικόνα βλέπουμε το διάγραμμα που παράγει το StravistiX με βάση τις προπονήσεις ενός αθλητή κατά τους τελευταίους 12 μήνες. Η κόκκινη γραμμή αναπαριστά το χρόνιο προπονητικό φορτίο, η μαύρη γραμμή αναπαριστά το οξύ προπονητικό φορτίο, και η γκρι γραμμή αναπαριστά το ισοζύγιο. Παρατηρούμε ότι σε περιόδους έντονων προπονήσεων, το χρόνιο προπονητικό φορτίο ανεβαίνει σταδιακά, αλλά το ισοζύγιο γίνεται αρνητικό. Ένα τέτοιο διάστημα είναι αυτό που ξεκινά στις 29/8/2017 και φτάνει μέχρι τις 20/12/2017 περίπου. Στο διάστημα αυτό το ισοζύγιο (γκρι γραμμή) πολύ συχνά βρίσκεται στη ζώνη -10 ως -20, ενώ προσεγγίζει τις τιμές κοντά +10 τις ημέρες των αγώνων.

Αντίστοιχα, περίοδοι χαλάρωσης οδηγούν σε σταδιακή πτώση του χρόνιου προπονητικού φορτίου. Με βάση το διάγραμμα αυτό, αλλά και την εμπειρία μας, θα ήταν δύσκολο για τον αθλητή της εικόνας να επαναλάβει στις αρχές Μαρτίου τις προπονήσεις που έκανε στα τέλη Νοεμβρίου, καθώς η φυσική του κατάσταση είναι εντελώς διαφορετική.

Στο σημείο αυτό πρέπει να αναφέρουμε και τους περιορισμούς του μοντέλου. Καταρχάς, όπως είπαμε και στην αρχή, η ακριβής μοντελοποίηση του ανθρώπινου οργανισμού είναι εξαιρετικά δύσκολη, αν όχι αδύνατη. Με το μοντέλο του Banister λοιπόν, επιχειρείται μια προσέγγιση η οποία μπορεί να απέχει λίγο ή πολύ από την πραγματικότητα. Είναι πιθανόν, παραδείγματος χάρη, κάποιος αθλητής να αναρρώνει πιο γρήγορα από την κάθε προπόνησή του, επομένως η περίοδος για τον υπολογισμό του βραχυπρόθεσμου προπονητικού φορτίου να είναι μικρότερη της εβδομάδας που είναι η προτεινόμενη τιμή. Ένας άλλος περιορισμός του μοντέλου είναι το γεγονός ότι για τον υπολογισμό του φορτίου λαμβάνει υπόψη μόνο τις προπονήσεις. Είναι αποδεδειγμένο όμως ότι εξωαθλητικές υποχρεώσεις και άλλα προβλήματα επιβαρύνουν τον οργανισμό και συμβάλουν στην αύξηση του στρες. Έτσι, ένας αθλητής μπορεί να βρίσκεται στην ιδανική ζώνη προπονήσεων σύμφωνα με το διάγραμμα, αλλά στην πραγματικότητα να βρίσκεται πολύ κοντά στην υπερπροπόνηση εξαιτίας άλλων παραγόντων που του προκαλούν άγχος. Ένας τρόπος για να ελέγχει κανείς το συνολικό άγχος στην καθημερινότητα είναι μέσω της μέτρησης της μεταβλητότητας των καρδιακών παλμών (Heart Rate Variability – HRV), δυνατότητα που παρέχουν εφαρμογές στα κινητά μας τηλέφωνα (πχ HRV4Training) και έξυπνα ρολόγια όπως η τελευταία γενιά της Garmin (Fenix 5, 935, 645).

 

Πηγές/παραπομπές:

The science of performance manager (https://www.trainingpeaks.com/blog/the-science-of-the-performance-manager/)

Using Training Load (https://www.sporttracks.mobi/blog/predicting-fitness-performance-training-load)

Μοιραστείτε αυτό το Άρθρο

11 Σχόλια

  1. Μπράβο σου… Όταν ανέβω Βέροια, θα κανονίσουμε καφέ να μου τα απλοποιησεις και να το εφαρμόσω… Αξιός!!!

  2. Σωτήρη, απόφυγέ τον…
    Μέγας πρήχτης!

  3. Χαχαχα εγώ πάλι Νίκο βλέπω τον καφέ να κρατάει ώρες και να είναι πολύ ευχάριστος.
    Παναγιώτη @kalogeridis μην κολλάς στην ανάλυση του μοντέλου, την έχω βάλει για όποιον θέλει να καταλάβει σε μεγαλύτερο βάθος τι βλέπει στο διάγραμμα. Το διάγραμμα αυτό καθαυτό μπορείς να το χρησιμοποιήσεις διαβάζοντας πχ μόνο την επεξήγηση που έχει το StravistiX.

  4. Χαχαχα… Ο Νίκος αγχώνεται που θα πιω καφέ μαζί σου πριν πιω με αυτόν…. Πάντως είχα πάντα την απορία για το ισοζύγιο ερεθίσματος, απόδοσης, κόπωσης και κάθε τέτοιο μοντέλο είναι σίγουρα εργαλείο.

  5. Σωτήρη @sotiris_diamantopoulos, θίγεις ένα θέμα που πάντα με ενδιέφερε πάρα πολύ (όπως το έχω δείξει και σε διάφορα posts ) και είναι η μαθηματικοποίηση και οπτικοποίηση των προπονήσεων καθώς και τι τελικά προσφέρουν αυτές οι Online πλατφόρμες που ανεβάζουμε τα δρομικά μας δεδομένα. Το επόμενο ερώτημα είναι αν προσφέρει κάτι μια τέτοια ανάλυση στην λήψη αποφάσεων για το αμέσως προσεχές προπονητικό πρόγραμμα του καθενός μας. (για παράδειγμα, φαντάζομαι πως δεν χρειαζόμαστε ένα τέτοιο διάγραμμα για να δούμε σε τι κατάσταση είμαστε ή αν υπερπροπονούμαστε ή αν είμαστε σε άσχημη φόρμα, αφού όλα αυτά τα καταλαβαίνουνε λίγο πολύ από την αίσθηση που έχουμε για το σώμα και τη δρομική του λειτουργία ). Πάντως έκανες καλή δουλειά και κόπο για το παρόν άρθρο. Μπράβο!

  6. Εξαιρετικό άρθρο. Είχα πολύ καιρό να διαβάσω κάτι για το τρέξιμο που να μην το έχω ξανακούσει ποτέ. Ευχαριστούμε!

  7. @roberto4carlos εκτιμώ ότι κάποια στιγμή θα είσαι σε θέση να καταλάβεις πχ ότι κινούμενος σε τιμές ισοζυγίου κοντά στο -15 μπορείς να παραμένεις υγιής, ενώ όταν ξεφεύγεις στο -20, -25 αρχίζουν οι ενοχλήσεις. Έχω διαβάσει αναλύσεις τέτοιου τύπου, που μπαίνουν σε πιο μεγάλο βάθος στις τιμές του διαγράμματος αυτού. Κάτι άλλο που βρίσκω ενδιαφέρον σε όλα αυτά, είναι ότι σου δίνουν μια εξήγηση, ερμηνεία και οπτικοποίηση για πιο “νεφελώδεις” κανόνες που ήξερες διαισθητικά περισσότερο. Πχ έχουμε ακούσει το “3 βδομάδες high, 1 βδομάδα low”. Πλέον μπορείς να δεις γιατί έχει νόημα να το ακολουθήσεις, και μπορείς να βρεις με πιο μεγάλη ακρίβεια το πότε θα χαλαρώσεις. Αν δεν ήσουν ακριβώς high τις 3 εβδομάδες πχ, μπορείς να σε παίρνει να πας στις 4 πριν κόψεις κάπως την ένταση. As a whole όμως, το σημαντικότερο ίσως για μένα (και το λες μάλλον λόξα) είναι ότι ψηλαφίζεις με διάφορα μέσα αυτό το black box που λέγεται ανθρώπινος οργανισμός και προσπαθείς να καταλάβεις πώς επηρεάζεται η απόδοσή σου.

  8. @albertosalazar έχεις το όνομα, έχεις και τη φωτογραφία, και για κάποια miliseconds όντως πίστεψα ότι ο προπονητής, ανάμεσα στον Gallen Rupp και τη Jordan Hasay, παρακολουθεί και το gorun :). Thanks

  9. Πολύ ενδιαφέρον άρθρο και χρήζει μελέτης (ευχαριστούμε για τι παραπομπές και τα παραδείγματα – έτσι μπορούμε να ερευνήσουμε διάφορες πτυχές του θέματος αυτού).

  10. Είναι άξιο σημείωσης επίσης πως η εταιρία http://www.firstbeat.com που φτιάχνει τους αισθητήρες για τα ρολόγια μας έχει επικεντρώσει την ερευνητική της προσπάθεια αυτόν τον καιρό κυρίως στα θέματα κόπωσης και τρόπους αναγνώρισής της.

  11. Να ‘σαι καλά Λάζαρε @lazarosfilippidis. Διαβάζοντας τις περιγραφές της Firstbeat για το training load και training status (πχ https://assets.firstbeat.com/firstbeat/uploads/2015/11/white_paper_epoc.pdf και https://www.firstbeat.com/en/consumer-feature/training-status/), υποψιάζομαι ότι κάτι αντίστοιχο κάνει, με τη διαφορά ότι χρησιμοποιεί την εκτίμηση του EPOC ως το προπονητικό ερέθισμα αντί για το TRIMP του μοντέλου του Banister.

    Εκεί όμως που χαιρόμαστε για όλα αυτά τα εργαλεία, έρχεται ο Hutchinson (https://www.runnersworld.com/sweat-science/data-vs-feelings) και, βασιζόμενος σε μια μετα-ανάλυση (http://bjsm.bmj.com/content/early/2015/09/30/bjsports-2015-094758.long), λίγο-πολύ μας λέει ότι η εκτίμηση που κάνουμε οι ίδιοι για την κατάσταση και κούρασή μας μπορεί να είναι πιο ακριβής ένδειξη σε σχέση με τα στοιχεία που προκύπτουν από τους παλμούς και άλλους βιολογικούς δείκτες.

Αφήστε μια απάντηση