单系数线性替代模型预测训练跑者高强度间歇训练表现:原始W′-平衡模型不可迁移性研究

《Physiological Reports》:Original W′-balance models do not transfer to high-intensity interval training in trained adult runners: Proposal of a single-coefficient linear alternative

【字体: 大 中 小 】 时间:2026年10月22日 来源:Physiological Reports 2.1

编辑推荐:

  本研究评估了四种原始W′-平衡恢复模型(Morton和Billat线性模型、W′BAL-INT、W′BAL-ODE和W′BAL-CAEN)的现成预测准确性,并提出了一种单系数修正线性公式(Linear_mod),用于预测训练跑者在被动恢复条件下的高强度间歇训练

  
本研究评估了四种原始W′-平衡恢复模型(Morton和Billat线性模型、W′BAL-INT、W′BAL-ODE和W′BAL-CAEN)的现成预测准确性,并提出了一种单系数修正线性公式(Linear_mod),用于预测训练跑者在被动恢复条件下的高强度间歇训练(HIIT)表现。27名训练跑者完成了9/3分钟跑步临界功率(CP)测试,以及两次在108%CP强度下、以2:1工作与休息比例进行至力竭的开放式HIIT训练。工作间歇被个体化设定,使CP以上的能量消耗分别等于W′的40%(HIIT40%)或60%(HIIT60%)。原始模型采用其已发表的参数进行应用,均显著高估了完成的间歇次数(合并平均绝对误差MAE为26.4–72.4个间歇;偏差为+20.1至+72.4)。Linear_mod以其默认恢复系数(R?=?1)实现了4.85个间歇的MAE。在群体水平优化R(R?=?1.63)后,MAE降至2.85个间歇,而运动员个体优化(R?=?1.54?±?0.29)则将MAE降至0.55个间歇。个体R值在不同方案间保持稳定(受试者内变异系数CV?=?9.9%)。原始W′-平衡模型无法准确预测跑步HIIT表现,而Linear_mod通过单一运动员特异性恢复系数提供了高预测准确性。
一、研究背景与问题提出
功率化训练在自行车运动中早已确立,车架功率计使机械功的逐秒量化成为可能,从而彻底改变了训练强度处方与监控方式。在跑步领域,足部佩戴式惯性测量单元(如Stryd足部传感器)的发展直到近年才为实时估算机械功率输出开辟了类似机遇,其功率数据的信度与效度已在多种跑步速度、坡度和地形条件下得到验证,使得源自自行车运动研究的功率强度区间、训练负荷指标和表现模型逐步迁移至跑步情境。
在这些框架中,双参数临界功率(CP)模型尤为具有影响力,该模型通过两个具有生理学意义的参数描述可持续功率输出与运动持续时间之间的关系:CP是功率-持续时间曲线的渐近线,代表可持续工作的上限及可维持代谢稳态的最高功率;W′则是CP以上可完成的有限功量,其耗竭与最大摄氧量的达到和不可耐受疲劳的发展密切相关。CP作为心肺适能的相对稳定指标,其估计标准误(SEE)持续低于约3%;而W′则被证明是显著较不稳定的量,在一项涉及3、5、10和20分钟重复最大计时赛的室外跑道方案中,W′的SEE为12.3%,而CP仅为2.4%。
W′的较大变异性历来限制了其在训练处方中的直接应用。然而,所谓W′-平衡模型的形式化改变了这一局面:通过追踪间歇运动中W′的动态耗竭与再合成,这些数学模型使教练和科研人员能够预测运动员在给定目标功率、总训练时长和力竭时间下应能完成的间歇次数。过去二十年间,已有多种W′再合成的数学公式被提出:Morton和Billat线性模型是最简单且最古老的公式,假设W′以固定线性速率耗竭和恢复,仅由CP以上或以下的瞬时功率差决定,无外部拟合参数;Skiba等人引入的积分形式W′-平衡模型(W′BAL-INT)以衰减指数核与单一时间常数τ_W′的卷积表达剩余W′;随后提出的微分方程形式(W′BAL-ODE)解决了积分形式的部分理论局限,其表观恢复时间常数直接从运动员自身的CP和W′中涌现,无需外部拟合参数;最新证据表明W′耗竭后的再合成更符合双指数而非单指数函数(W′BAL-CAEN),包含快慢两个恢复组分,分别假设反映不同的生理池。
尽管这些模型在概念上已趋成熟且具有实践吸引力,其开发和经验验证几乎完全局限于自行车运动,通常采用功率车方案并配合主动恢复。少数将上述公式应用于跑步的尝试结果令人失望:Galbraith等人报告,将W′BAL-INT应用于间歇性跑步机跑步时,采用源自自行车的τ_W′关系无法预测跑者表现,仅在将τ_W′重新拟合至跑步数据后才获得可接受的准确性。除这一孤立研究外,尚无研究对训练跑者在被动恢复(耐力跑步结构化间歇训练中的常见恢复方式)条件下进行HIIT方案时,对现有W′-平衡恢复模型的现成预测准确性进行全面评估。此外,尽管该情境对训练跑者HIIT处方具有明显的实践相关性,尚无简单、运动员特异性的公式被提出并在该实验情境中得到验证。
基于上述空白,本研究旨在:(i)评估四种原始W′-平衡恢复模型在预测训练跑者被动恢复HIIT训练中完成间歇次数方面的现成预测准确性;(ii)提出线性模型的简单修正(Linear_mod),纳入单一无量纲恢复系数R,在群体和个体水平拟合,并检验其在两种不同单次间歇W′耗竭比例(40%和60%)方案间的受试者内稳定性。
二、研究设计与方法
本研究采用横断面、受试者内重复测量设计。27名训练有素的耐力跑者(25名男性,2名女性;年龄19–39岁)完成了全部研究程序。受试者通过便利抽样从当地跑步俱乐部和训练团体招募,平均体质量68.7±8.5 kg,身高177.0±7.6 cm,跑步经验8.0±5.7年,自报周训练量35.5±12.8 km·周?1。纳入标准为≥2年结构化跑步训练且周训练量≥20 km·周?1。
每位受试者参加三次间隔3–5天的独立测试:(i)基线测试以确定CP和W′;(ii和iii)两次开放式HIIT训练,在108%CP强度下进行至自主力竭,采用两种不同的单次间歇W′耗竭目标(HIIT40%和HIIT60%)。所有训练在平坦室外325 m田径跑道进行,环境条件和时段相似,标准化15分钟热身后开始。跑步功率输出使用足部佩戴式惯性测量单元(Stryd NextGen)测量,该传感器与Garmin Forerunner 965智能手表配对。
CP和W′通过9/3分钟CP测试(9/3CP)确定,该测试由9分钟和3分钟两次计时赛组成,间隔30分钟休息,采用功率对1/时间线性CP模型推导参数。HIIT训练目标强度为108%CP,工作间歇时长被个体化设定,使每次间歇CP以上能量消耗分别等于受试者W′的40%或60%;恢复时长设为其一半(工作与休息比2:1),恢复完全被动。
三、主要结果
3.1 基线参数与训练特征
9/3CP测试中,9分钟和3分钟计时赛的平均功率分别为344±57 W(5.02±0.54 W·kg?1)和380±58 W(5.54±0.59 W·kg?1),赛后RPE(CR-10量表)分别为9.4±0.6和9.6±0.6。由此推导的CP平均为327±58 W(4.76±0.55 W·kg?1),W′平均为9550±3976 J(142±65 J·kg?1)。HIIT40%方案中,受试者完成9.6±4.7个间歇;HIIT60%方案中完成5.5±3.5个间歇。
3.2 原始模型现成预测准确性
四种原始模型应用其已发表参数后均大幅高估完成间歇次数。Morton和Billat线性模型预测每次休息间歇内W′完全再合成(所有休息间歇26–260 s均超过W′/CP,平均约32 s),54/54次训练达到模拟上限(N=80),平均高估+72.4个间歇(MAE 72.4)。W′BAL-ODE模型因表观时间常数(τ_app=W′/CP,平均约31 s)过短,产生相同模式:54/54次训练达到模拟上限,MAE 72.4,偏差+72.4。W′BAL-INT模型以CP推导的τ_W′(平均约337 s)应用时,46/54次训练达到模拟上限,平均高估+60.9个间歇(MAE 63.1)。W′BAL-CAEN模型产生四种公式中最小的现成误差(MAE 26.4个间歇;偏差+20.1),但仍大幅高估N,且17/54次训练达到模拟上限;误差高度依赖方案,HIIT40%中高估+34.2个间歇(MAE 40.3),HIIT60%中偏差降至+5.5个间歇(MAE 12.0)。
3.3 Linear_mod模型预测准确性
Linear_mod以默认恢复系数(R=1)应用时,MAE为4.85个间歇,比四种原始模型提升一个数量级。群体水平优化R=1.63时,MAE降至2.85个间歇,偏差?1.19。个体水平优化R=1.54±0.29(范围0.63–1.89)时,合并MAE降至0.55个间歇(偏差?0.36),其中HIIT40%的MAE为0.00,HIIT60%的MAE为1.12。
3.4 个体R的跨方案稳定性
27名完成两种方案的受试者中,个体拟合R在HIIT40%和HIIT60%间保持稳定(1.53±0.31 vs. 1.58±0.27),配对差异约0.05,受试者内变异系数(CV)为9.9%。
四、讨论与结论
四种原始模型对N的系统性高估反映了各模型假设与本研究方案条件之间的特定不匹配。Morton-Billat线性模型和W′BAL-ODE共享一个结构性缺陷:两者在被动恢复条件下预测的恢复速率过快,与观察到的力竭时间不一致。W′BAL-INT尽管时间常数较慢,但其“运动中持续恢复”的核心假设使W′耗竭在工作间歇中被持续衰减,允许跨工作-恢复循环维持远高于零的稳态W′平衡。W′BAL-CAEN的快组分(A_F=0.30,τ_F=22 s)在80秒休息内再合成约96%的快池,恢复动力学同样与观察到的力竭模式不兼容。
本研究结果与Galbraith等人的发现一致并加以扩展:现成失败并非W′BAL-INT特有,而是本研究所评估的四种W′-平衡公式的共同特征;失败不仅发生在主动恢复的跑步机跑步中,也(甚至更显著地)发生在被动恢复的室外跑道跑步中;跑步HIIT中现成预测误差的幅度巨大,四种公式中有三种超过一个数量级。
Linear_mod保留了原始Morton-Billat线性模型的简洁性和概念简单性,同时解决了其在被动恢复下的退化问题。通过将恢复速率重新参数化为工作速率差值的拟合倍数R·(P_work?CP),而非原始公式的固定(CP?P_rest),恢复速率与CP的绝对量值脱钩,并在校准至数据时被约束至生理学合理值。个体拟合R在两种方案间的高度稳定性(受试者内CV<10%)表明R表现为可复现的、运动员特异性的校准系数,而非方案依赖的伪影。
研究结论为:四种原始W′-平衡恢复模型在以其已发表参数现成应用时,显著错误预测训练跑者在108%CP强度、被动恢复条件下HIIT的完成间歇次数,表明源自自行车的W′-平衡公式不能推广至当前跑步情境。所提出的Linear_mod在所有参数化水平上均大幅提升预测准确性:以单一群体最优系数(R=1.63)应用时,平均绝对拟合误差降至2.85个间歇;基于运动员个体校准时,误差降至一个间歇以下(MAE=0.55)。个体拟合R在受试者内跨两种HIIT方案保持稳定(平均受试者内CV<10%),支持其作为运动员特异性参数而非方案依赖伪影的解释。综合来看,结果表明一个简单的单参数线性公式在针对个体跑者校准时,能够为所研究实验条件下的HIIT耐受性提供有用的预测。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号