训练冲量理论与方法研究综述

白云瑞, 资 薇

(河南大学,河南 开封 475000)

训练冲量(Trimp)是一种基于心率监控的量化运动员训练负荷的公式算法,通过它可以客观反映运动员训练课的实时反应和对训练的适应性。同时,分析比较阶段性Trimp值,可预测运动员的最佳表现高峰或损伤概率。国外对此有很多研究,我国只是试用其一部分算法,并未对其进行深入研究。本文对1975年训练冲量被提出至今的重要文献(表1)进行归纳,总结梳理各种算法的积极作用和存在的局限性,对其加以讨论和展望,旨在为后续相关研究提供参考。

表1 训练冲量(Trimp)发展一览

1 Trimp的提出

训练冲量(Trimp)是1975年Banister等[1]开发的一个简单的剂量反应双因素数学模型中提出的一个概念:运动员在训练课中,训练时间与训练强度的乘积称为训练冲量(Trimp),旨在将训练过程中施加的多组刺激剂量加以组合,输入到建构的模型中,预测运动员的运动能力表现。该模型在系统范围内设置了训练、适应、疲劳和表现之间的相互关系。

1991年,Banister[2]考虑按心率(HR)储备的方法计算运动强度及运动时间,同时,记录训练课的平均心率并根据递增训练量期间观察到的心率储备和血乳酸之间的关系进行加权,然后乘以训练课的持续时间,量化训练的刺激“剂量”。

Banister提出的Trimp负荷量化的方法,首次将训练量和训练强度合并在一个术语中,让教练员及科研工作者依靠客观心率了解运动员在训练比赛过程中的负荷,对训练安排和调控起到重要作用。其Trimp算法也有一些限制,如采用训练课的平均心率可能不能反映间歇性运动时心率的波动。正是这个原因,该算法仅在耐力项目中适用。其次,Impellizzeri等[3]用剂量-反应模型表示训练负荷对不同个体的差异,而Banister的Trimp计算法对男性和女性使用通用方程式,意味着性别是运动员与众不同的唯一因素,并没有考虑个体间的差异性。

2 Edward的训练冲量算法

1994年,Edward[3]在自行车项目中运用了心率监控。他建立了一种基于心率区间的训练负荷计算方法,在5个预先定义的心率区间,运用花费的时间乘以任意系数来量化训练负荷。其建议的心率区间基于10% 区间宽度和相应系数的最大心率。

相较于前人的训练冲量算法,Edward的算法相对简单。通过观察心率划分的5个区间,可以直观地发现强度小于50%HRmax的训练不在计算范围内。

我国学者王聪等[9]在监控羽毛球训练与比赛负荷时采用了Edward的训练冲量算法,发现:该算法能反映机体比赛过程中所承受的负荷刺激,很好地评价羽毛球运动员的专项训练负荷;但在羽毛球个人技术练习及步伐训练时,该算法就不能很好地反映长时间、低强度的训练负荷。

Borresen等[10]研究了Edwards方法与Session-RPE对训练负荷量化的关系。 结果表明:在高强度训练时间较长的运动员中,以心率为基础的训练方法会高估训练负荷;而在低强度训练时间较长的运动员中,Session-RPE方法会高估训练负荷;使用心率区间的加权系数也存在一些局限性,因为采用心率划分强度期间,1～2次 /min的心率差别可能对结果产生很大影响。

综上可见,Edward的训练冲量算法并不是对以往算法的修正和优化,而是为了更好地推行简化的算法,其算法中的权重系数缺乏生理学基础,各心率区间是预先确定的,没有任何代谢或生理性能阈值作为依据。这种区间和权重意味着第5区的训练强度是第1区的5倍,显然不符合实际,并且训练强度之间的关系到目前为止还没有任何研究予以证明。

3 Lucia的训练冲量算法

2003年,Lucia等[4]提出Banister与Edward的训练冲量算法并没有把基于心率的强度区域与各种生理阈值考虑在内。Lucia在实验室通过最大心肺运动实验测定了运动员通气阈(VT)、呼吸补偿点(RCT),同时记录VT、RCT对应的心率,以此来划分3种区间。

Lucia的训练冲量算法一经提出,就在耐力项目中被广泛使用。尤其是在自行车项目中,Earnest等[11]运用Lucia的训练冲量算法监控自行车选手的训练负荷,记录专业自行车选手的Trimp值与静息心率(HR)和静息心率变异性(HRV)之间的关系,得出连续训练的总Trimp值与心率变异性呈高度相关性(r=±0.93,P<0.001),证实心率变异性可能受长期大量训练强烈影响。

Jonathan等[12]按照Lucia的方法在长距离跑步项目中发现:训练中区间1的时间远高于区间2与区间3的总和;相关性分析发现,区间1的时长与长距离跑步成绩呈高度相关性(r=-0.97)。

Lucia的Trimp算法优点是:通过实验室测定了人的呼吸阈值,为心率强度区间的划分提供了科学依据。然而,与Edward的算法一样,该算法的权重系数也没有基于任何科学证据或生理数据的支撑。Banister等早期在研究游泳运动员的负荷剂量时就使用相同的权重系数(1、2、3)作为低、中、高强度的刺激,但随后Banister改变了他的方法,采用基于血乳酸反应的权重。这样的线性权重系数可能会造成负荷量化的误差。

4 Stagno的训练冲量算法

经过一系列的发展,Trimp慢慢被越来越多的人认识,Trimp的算法也一代一代被修正和优化。我们讨论的3种Trimp算法,不管是简单的平均心率乘以运动时间,还是通过最大心率划分区间乘以权重系数,都在当时解决了一些训练负荷量化的难题,为训练监控提供了帮助。通过对比不难发现,区间划分后权重系数采用线性增加的方式进行赋值并不具有科学性。

2007年,Stagno等[5]改良了Banister的冲量训练算法,试图量化团体项目——曲棍球的训练负荷。Stagno及其同事没有直接使用通用方程式来反映假设的血液乳酸分布,而是利用跑台实验测定了曲棍球运动员的血液乳酸分布与对应心率的曲线变化。因此,其使用的权重反映了特定人群血液乳酸反应与运动强度的曲线。尽管没有真正个性化,但其方法使用了所有参与者的平均血乳酸分布来产生权重,至少提供了一定程度的个性化。然后,他们在乳酸阈值和乳酸积累点周围设定了5个心率区间,计算出各区间的权重系数分别为1.25、1.71、2.54、3.61和5.16。然后,将每个HR区域中的累积时间乘以各自的区域权重即可得出总Trimp值。该研究量化了曲棍球项目中的TL,并确定了一个赛季中Trimp与各种健身参数之间的关系。

有学者2010年使用Stagno的Trimp算法监控曲棍球运动员训练和比赛负荷,发现训练和比赛的总Trimp值很接近,反映出训练安排与比赛负荷相近,可以为教练员提供一种简便的负荷量化方式来检查团队项目的训练和比赛负荷情况。宫乐贞等[13]将Stagno的Trimp算法运用于足球训练负荷评价中,对不同位置的足球运动员进行负荷监控,认为Trimp可检验训练时的负荷是否达到要求,并结合不同位置球员的特点合理加量和减量,为制订和调整训练计划提供可靠依据。

Stagno的Trimp算法依据血乳酸与对应心率储备测定的权重系数是通过跑台测得的,而曲棍球项目是高强度间歇运动,这样求得的各区间权重系数是否可靠呢？研究证明:在相同的平均强度下进行间歇和连续运动时的耗氧量在低强度下相似,但在较高强度下显著不同。同时,与在相同平均工作量下连续运动相比,Bangsbo[14]发现间歇运动的血乳酸浓度更高。随后,Akubat等[15]针对这一问题展开研究,通过实验发现,间歇性锻炼会显著改变HR-BLa和Trimp权重的计算。这种改变可能导致团队项目运动员的Trimp被严重低估。

综上,尽管Stagno的Trimp算法在较高强度间歇运动中的权重系数存在误差,但其对心率区间赋值的权重系数(采用平均心率及线性权重系数)是超越前人的尝试,推动这项研究朝正确的方向迈出了一大步。

5 Maniz的训练冲量算法

Maniz等[6]总结之前Trimp算法的优缺点,提出个体化训练冲量(iTrimp)的概念,iTrimp的权重基于个人的心率-乳酸对增量运动的反应,这是在标准乳酸阈值测试方案中测得的。

分别为参加实验的8名长跑运动员测定个人的ΔHR-Bla曲线关系,并从指数方程中确定每个人的权重Yi,实验过程中每5 s记录心率读数,然后代入方程求得Trimp值,记录分析384次训练课的训练负荷。结果得出:平均每周iTrimp与乳酸阈值(r=0.87)的速度变化和乳酸积累的速度变化(r=0.72)有显著相关性;平均每周iTrimp与5 000 m (r=- 0.77)和10 000 m(r=-0.82)运动表现显著相关。

之后几年里,iTrimp负荷监控方法在有氧训练领域得到广泛认可。Malone等[17]将iTrimp作为爱尔兰式曲棍球项目的监控手段,记录竞赛期每位球员每周的iTrimp值,发现:周iTrimp值与运动员的最大摄氧量显著相关(P=0.002);而且,有氧能力指标提升的运动员,每周的iTrimp值为590～972 AU。与Maniz先前的研究具有一致性。iTrimp不仅对高水平运动员负荷监控起作用,对监控心脏病患者运动处方的制订也起到不可或缺的作用。Iellamo等[18]使用iTrimp方法测量心脏病患者的训练负荷,比较持续有氧训练和间歇有氧训练对多种健康和健身措施的影响。

综上可知,Manzi等改良的iTrimp算法有着不可忽视的优点:第一,避开了使用平均心率或心率区间划分带来的误差,而是像“微积分”一样,根据每5 s心率读数计算“强度面积”,相加得出一个整体的Trimp值;第二,iTrimp个体化了每位运动员的权重,克服了以前方法的限制,更具科学性。iTrimp也存在一些缺陷,如所有iTrimp研究实验对象都是男性,并未有对女运动员的相关研究,有待后续学者验证。其次,iTrimp实际应用中可能存在一些麻烦,尤其是在团队环境(测试成本和分析等)中,目前手动测定 iTrimp和基于实验室的跑步机测试可能非常耗时。

6 Trimpc(训练冲量累计法)

Amador García-Ramos等[7]对Banister的原始Trimp算法加以修正,提出Trimp累计法(Trimpc)。该算法的提出是因为原始的Trimp不能区分运动时间和休息时间,将这2种状态用一个平均强度值来表示,可能导致低估训练负荷。Amador García-Ramos等在监控游泳训练时,通过利用当前的技术确定运动和恢复的间隔时间并加以计时。随后分别将训练和恢复的每5 s平均心率代入计算,最后求和计算出一次高强度间歇训练课的总负荷。通过记录17名精英游泳运动员328次训练课的Trimp值,发现修正后的Trimpc值比原始Trimp值高9%。最后建议,对中、高强度的运动训练,Trimpc量化训练负荷可能更准确。但关于Trimpc的应用,至今并没有学者进一步探究。

Trimpc比原始的Trimp解决了一些难题:如采用5 s心率读数取代以往的直接使用平均心率,使得ΔHRratio随强度的变化而变化,能更准确地反映运动员的训练负荷;区分运动时间和恢复时间。对间歇训练而言,若上一组的刺激还未恢复就开始下一组练习,对运动员的刺激会更大。原始的Trimp忽视了间歇时的负荷,而Trimpc将其进行区分和累加,使得对运动负荷的监控更加贴合实际。当然,Trimpc也存在一些不足,其权重依然采用的是Banister在实验室测得的标准HR-Bla曲线方程,缺乏个体间的差异性。同时,将训练区分成运动与恢复,再逐个累加,数据量有些冗杂,记录起来比较耗时。

7 小 结

Trimp的优点:第一,可连续快速且无损地获得运动员训练过程中某一时间段或全时段的身体负荷,为教练员了解计划的实施情况,进而及时调整训练安排提供参考。第二,Trimp与最大摄氧量有高度相关性,可通过监控有效改善运动员的有氧能力水平。第三,耐力项目中,iTrimp量化到每位运动员,使得训练安排更有针对性,推荐在耐力项目的优秀运动员中使用。

Trimp的局限性:第一,因为基于心率监控,需要运动员随时佩戴心率表带,运动过程中可能出现设备滑落、数据丢失的情况。第二,数据采集和计算量较多,比较耗费人力、物力。第三,在连续性耐力训练中有广泛研究证实其有效性,在间歇运动中还需证实其可靠性。