Wearable Training-Monitoring Technology:Applications, Challenges, and Opportunities

训练负荷监测最近在体育科学领域获得了更大的发展，这可能是由于技术的进步和更好的设备来量化训练活动。1 之所以引起人们的兴趣，是因为需要改进和个性化设计训练和锻炼计划，以最大限度地提高运动成绩，避免过度训练和过度运动。自人类开展有组织的运动和体育活动以来，训练处方在概念上一直以渐进超负荷的概念为基础。早期的训练处方2 清楚地表明，科学的训练方法不仅对确定适当的渐进策略3 ，而且对个性化训练剂量和最大限度地提高成绩都很重要。设计训练活动和/或运动计划的目的在于产生能够引发各种生理反应的刺激，从而改善各种生物系统的形态和功能。塞利（Selye）4 的早期压力研究形成了现代训练和运动处方5 的思想，并为量化和描述对各种运动和训练范式的适应性反应的系统方法奠定了基础。训练活动会改变平衡状态并影响各种生理结构，而这些生理结构会通过努力恢复平衡状态来应对训练 "压力"，这是一个公认的概念。精心设计的渐进式训练计划的最终结果是改善目标生理系统的结构和功能，从而提高人体性能。然而，设计不当和/或不恰当的渐进式训练会导致健康受损和适应不良、6 免疫抑制、荷尔蒙状况改变7 以及典型的成绩不佳。这可以通过运动员的训练负荷来量化。Impellizzeri等人提出的一个框架9 将训练负荷分为内部负荷和外部负荷。内部负荷指的是更多的生理方面，而外部负荷则代表运动员所进行的活动（工作）。适应是内部训练负荷的结果，而内部训练负荷则主要由施加给运动员的外部训练负荷决定。

在过去的几年里，为了更好地了解各种训练负荷范式对不同运动人群的影响，已经开展了大量的研究1，然而，尽管有越来越多的证据表明监测训练活动是有用的，但在一些体育界仍然存在阻力。最近的一篇综述指出，1 开展系统性训练监控活动受到阻力的原因可能是资金紧张、人力有限、缺乏特定训练监控活动的知识和/或经验、教练员的阻力，最重要的是无法保证训练监控干预措施能够提高训练处方的质量。最近的一次 PubMed 搜索（2016 年 7 月）发现了 488 篇以训练负荷监控为关键词的论文。使用与各种训练负荷监测方法相关的关键词进行的更精确分析表明，研究偏向于容易获得/低成本的方法（如会话RPE和类似方法）或历史方法（乳酸训练负荷）。由于惯性测量系统（IMUs）可以在训练和/或比赛中佩戴在运动员身上，因此近期的研究大多以外部负荷研究为主。除sRPE 外，缺乏采用内部负荷测量的纵向研究，这可能是由于量化内部负荷所需的成本效益和侵入性措施。考虑到用于训练负荷监测的可穿戴技术的最新进展以及大量商业化工具，了解与各种技术相关的挑战和机遇非常重要。因此，本综述旨在讨论最常用的可穿戴技术和实践，为有前途的新技术提供一些参考，并提供简单的循证指南。

内部负荷监控

9 每种形式的运动/训练都有特定的生理和心理需求，这些需求不仅随活动的 "剂量"（组数、重复次数、持续时间等）而变化，而且还随训练的类型（如力量训练与特定运动训练）而变化。因此，不能用单一的评估方式对其进行量化，而应该从整体上进行评估。虽然这在理论上是正确的，但由于目前技术的限制，全面量化内部训练负荷是不切实际的。事实上，全面评估需要运动员在训练时佩戴多种监测设备，并接受侵入性和主观性测量（见图 1）。过多的设备/测量可能会干扰运动员的训练活动，并给数据收集带来挑战。量化内部负荷的能力至关重要

图 1 - 监控内部训练负荷的技术示意图。

因为它能让从业人员和教练量化外部负荷和训练方案对各种生理系统的影响。它还能使训练活动个性化，并识别潜在的健康风险和不良反应。应针对运动员个人进行数据分析，以确定观察到的参数及其生物学影响的有意义变化，从而为教练人员提供有意义的反馈。

心血管和呼吸测量

量化心率对训练的反应可能是量化内部负荷的最早实例。在 20 世纪初发明心电图10 之后，由于开发了与胸带通信的腕戴式心率监测器（HRMs），从 20 世纪 80 年代起，人们就可以在运动时检测心率了。11 多年来，对这些设备的有效性和可靠性进行了大量评估研究，总体结论是，使用胸电极的心率监测器在完成具有生理和心理挑战性的任务时既有效又可靠（综述见 Achten 和 Jeukendrup10）。心率表的使用使得各种训练负荷指数得以发展，以量化运动员在训练和比赛中的心血管负荷。大多数使用的训练负荷指数都假定在增量测试中心率和 V˙ O2 之间存在线性关系，并确定强度区和每个强度区所花费的时间，以最大心率的百分比表示。15 智能纺织品也提供了很有前景的解决方案，其纺织传感器在各种活动中都能达到很高的精度。

近红外光谱法（NIRS）是目前公认的评估体内肌肉含氧量的技术，我们之前的研究18、19 和其他学者的研究（该方法的综述见 Ferrari 等人20）表明，该技术可成功应用于大多数运动项目，包括水上运动21。21 虽然市场上的便携式近红外设备似乎越来越多，但迄今只有少数设备进行了某种形式的验证。近来在将设备微型化并嵌入运动服装方面取得的进展22 表明，这种内部训练负荷量化方式不仅有其优点，而且在不久的将来还能得到更广泛的应用。

体液参数

已有大量研究对一系列生化、荷尔蒙和免疫标记进行了检查，这些标记能够描述各种运动和训练范式的急性和慢性反应。本文无法对这一领域的文献进行全面综述，但必须指出的是，如果只找出一种能够量化内部训练负荷某些方面的标志物，这将是一种危险的还原论方法。最近的综述1,7 考察了不同的方法，得出的结论都是需要进行更多的研究。然而，实施此类测量的局限性在于测量的侵入性、确定体液对训练反应的成本效益以及进行一些有意义的纵向监测的难度。因此，我们认为，随着技术的进一步发展，此类测量有望变得更便宜、更容易获得、侵入性更小，并提供快速反馈的机会，这可能会成为一个研究和应用领域，从而揭示各种训练方案对适应性的影响。各种 "omics "技术的最新进展表明，有可能从相对较少的血液、23 汗液、24 和/或尿液样本中收集更多有关运动活动生物反应的信息。未来，当简单的分析过程和便捷的设备广泛应用于体育运动时，此类技术的应用将成为现实。可穿戴解决方案也在飞速发展。26,27 最近的验证工作显示，表皮传感器在进行运动活动时量化体内生物参数方面取得了可喜的成果28 ，这表明未来的可穿戴传感技术能够提高我们对身体如何对各种运动刺激做出反应的认识，这并非遥不可及。总的来说，在出现更便宜、侵入性更小的技术和方法之前，我们对训练的生物反应的了解仍将有限，影响体育科学家和教练日常活动的机会也将更少。因此，考虑到生化指标的局限性、生物和个体的可变性，以及目前在该领域量化的许多参数会受到许多变量的影响，目前从业人员应谨慎使用生化指标来监测训练负荷。

神经肌肉参数

对训练负荷神经肌肉参数的评估在一定程度上受到现有技术的限制。29 此外，表皮解决方案26 表明，可以对训练中运动员的肌肉活动进行常规和准确的监测。最近发表了运动员和非运动员在比赛30 或训练中的表面肌电图数据，但据笔者所知，还没有一项纵向研究使用这种技术对内部负荷进行评估。在训练中观察到的脑电测量和皮肤电反应也是如此。这主要是由于在体育运动中使用这些技术不切实际，因为设备笨重，而且成本过高。因此，尽管在许多教练团体中经常提到 "神经肌肉负荷"，但目前几乎不可能对这方面进行量化。不过，可以通过各种评估神经肌肉-肌肉系统功能的测试来评估急性和慢性训练的效果，如测力、反应时间、脑电图（EEG）反应、垂直跳跃和其他神经肌肉功能的替代测量。至于体液参数，该领域的技术发展非常迅速，我们已有在射击等静态体育活动中进行脑电图测量的实例31 。考虑到脑电图有可能提供更多有关训练活动对大脑影响的信息32 ，我们希望开发出更好的可穿戴设备和更精确的信号过滤方法，以便能够量化不同运动中的神经肌肉负荷。

外部负荷监控

外部训练负荷可定义为运动员完成的工作，其测量与运动员的内部特征无关。外部负荷测量可包括持续时间、速度、覆盖距离、身体负荷、加速度、代谢功率以及特定运动动作（如投球或拦截）。客观量化外部训练负荷的能力对运动员的监测至关重要，因为这可以让从业人员评估训练计划或干预措施的有效性，最大限度地降低运动员受伤的风险，33 设计反映比赛需求的个人训练计划，34 并让运动员保持和优化运动表现35。

运动员监测应在个人层面上进行，以确定外部负荷的有意义变化。因此，了解用于测量外部负荷的设备的准确性和可靠性非常重要，因为这将使从业人员能够确定运动员在这些测量中的日常变化，并有把握地确定有意义的负荷变化。

全球定位系统

在精英体育运动中，全球定位系统（GPS）设备和惯性传感器（如加速计、磁力计和陀螺仪）等可穿戴技术通常用于监测运动员在训练和比赛期间的外部负荷。全球定位系统设备可测量位置、速度和加速度，其数据经各种算法和过滤器处理后，可提供一系列可用于量化外部负荷的指标。36 加速计用于量化运动已有十多年的历史，目前加速计已普遍应用于智能手机、可穿戴健身设备和个人惯性传感器等技术中。37 与基于速度和距离的指标相比，加速度计提供的整体肌肉外周负荷值更具代表性，因为它包含了碰撞、脚部撞击和其他运动所产生的外部负荷，而这些在使用 GPS 时并未考虑在内。体育运动中使用的几乎所有 GPS 设备都包含一个三轴加速度计。设备还可能包含一个磁力计和/或陀螺仪，分别测量方向、方位和角 度运动。38 这些附加传感器的数据可以整合起来计算高级运动模式，并用于量化室内运动的负 荷。

距离和速度测量

总距离是使用可穿戴技术测量外部负荷的最常用方法。这种测量方法使用 GPS数据，可以通过位置微分或多普勒频移速度积分来计算。尽管并非所有制造商都公开其所选择的方法，但有两家著名的 GPS 制造商（Catapult Sports 和 GPSports）使用位置差分法来计算距离。6 GPS 设备通过距离随时间的变化（由位置微分法确定）或使用多普勒频移法计算速度。由于多普勒频移法似乎精度更高、误差更小，39 因此制造商通常采用这种方法。GPS速度原始数据可使用滤波技术（如中值滤波或指数滤波）进行进一步处理，制造商的滤波技术各有不同。不同的过滤技术会大大改变速度输出，并非所有制造商都会报告。由距离和速度数据得出的外部负荷指标包括特定速度阈值内的距离和/或特定速度阈值内的离散努力次数（即冲刺次数）。研究人员和从业人员通常关注总距离和高速跑的距离，因为这被认为是运动员进行的要求最高和最重要的运动。40 高强度活动还可包括跳跃、加速、减速、变向和擒抱41。

加速度

与匀速运动相比，加速运动对能量的需求更大。41,42 在从静止起跑开始的 5 秒钟最大冲刺过程中，50% 的总功是在最初的 1.5 秒钟内完成的，而且仅在约 0.5 秒钟后就能获得比平均功率输出高 40% 的峰值功率输出。此外，从低速开始加速可以达到甚至超过保持较高匀速所需的功率输出，41 因此加速不仅是一项对新陈代谢要求较高的任务，而且不需要在高速时进行才具有挑战性。这表明，如果仅根据距离和速度来量化外部负荷，很可能会低估运动员真正的高强度工作。

加速度来自 GPS 速度数据。在计算加速度时，主要有两层数据处理。首先是根据速度数据得出加速度的时间间隔。使用较长的时间间隔会产生平均加速度，从而对加速度数据产生平滑效果。第二级处理对已计算出的加速度数据应用平滑滤波器。在计算加速度时，速度数据中的任何误差都会被放大，因此加速度数据通常都会经过大量过滤。与速度数据一样，滤波技术因制造商而异。由于加速度滤波器应用于先前滤波的速度数据，因此滤波技术的数据差异会对报告的加速度测量结果产生重大影响。43 虽然没有报告过滤技术，但数据过滤技术的变化很可能是造成这些差异的原因。通常情况下，加速度次数或特定加速度阈值所覆盖的距离被用作外部负荷测量指标。然而，鉴于当前技术的局限性，在解释这些数据时需要谨慎44。

加速度计测量

加速度计可提供体力活动的外部负荷测量值，从而克服 GPS 测量值的局限性。35 制造商在计算负荷时可能会略有不同，但通常是使用三轴加速度计测量所有三个运动平面的加速度之和。例如，Catapult 使用的指标 PlayerLoad 是 x、y 和 z 轴加速度瞬时变化率平方和除以 100 的平方根。全球定位系统的测量依赖于卫星信号的质量，而这些负荷测量则纯粹根据加速度计数据计算，因此可以在室内或信号质量较差的区域（如室内或高墙体育场）采集。45 有人建议，在没有全球定位系统的情况下（如在室内），练习者可以使用 PlayerLoad 测量值作为总距离测量值的替代物。

有效性和可靠性

鉴于可用于体育运动的可穿戴设备数量不断增加，了解其可靠性和有效性对于指导训练实践至关重要。运动员的训练决策可能基于训练负荷的微小波动；因此，区分真实变化和测量误差的精确度极为重要。47 由于制造商很少进行验证，因此有必要对每种设备和设备指标进行外部验证，以了解误差，从而对负荷变量的变化做出正确的假设。大量研究对可穿戴技术在体育运动中使用的有效性和可靠性进行了评估。其他文献对此进行了广泛综述46 ，因此本节将对研究结果进行总结。

全球定位系统设备测量距离和速度的有效性似乎随着采样频率的提高而提高。无论采样频率如何，准确度在速度较高时都会降低。48 不过，验证研究通常采用的方案是在评估高速度时从静态起点开始跑步试验。44,49 例如，与低速（1-3 m/s）相比，GPS 测量匀速高速（5-8 m/s）跑步的变异系数较低，分别为 3% 和 8%。50 这就解释了为什么需要快速速度变化的运动（如变向运动和短时间爆发性动作）的误差会增大。由于距离和速度的计算是独立的，并且会受到过滤的影响，因此必须对 GPS 的每个测量值和相关分析技术进行适当的验证。例如，通过多普勒频移计算的速度比通过位置差异计算的速度准确度更高，误差更小。

在监测运动员负荷时，最重要的是监测设备的可靠性，因为这将使从业人员能够识别外部负荷的有意义变化。个人对特定训练负荷的反应可能不同；因此，采用个性化方法对运动员进行监测非常重要。1 研究发现，更高的采样频率和技术改进可提高可靠性，其方式与有效性类似。单位间可靠性也很难确定，因为目前还不清楚佩戴多个设备会如何影响 GPS 信号质量，而且加速度计在不同位置的测量结果也可能不同。虽然装置间的可靠性似乎有所提高，但建议在监测训练负荷时对特定运动员使用相同的装置，以尽量减少装置内的变化51。

37 同样，在现场条件下（澳大利亚足球比赛），设备显示球员负荷具有很高的单位间可靠性（CV 值为 1.94%）。

随着技术的发展，可穿戴技术的有效性和可靠性也在不断提高。由于验证研究通常是在新技术发布后从外部进行的，因此实践者很可能在获得这些信息之前就已经在使用这些设备了。遗憾的是，每次新设备发布或升级，以及固件或软件更新后数据处理发生任何变化时，都需要进行验证。要对运动员进行监测，就必须识别运动员负荷测量值随时间推移而发生的变化。因此，建议从业人员在可能的情况下确保数据收集、处理和分析的一致性。因此，从业人员不妨将设备和系统升级推迟到赛季结束。如果能对回顾性数据进行重新处理，就能为每个新的季节提供可比数据。这种一致性将提高用于评估运动员的外部负荷指标的可靠性。

在体育运动中使用负荷监测

大量的外部负荷研究都是描述性的，详细描述和比较了不同情况下（如训练和比赛期间）的外部负荷。这些研究的好处是提供了量化和分析外部负荷的方法；然而，由于这些研究结果取决于参与研究的训练计划和运动员/团队，因此对结果进行归纳或比较的能力有限。

训练人员在监测运动员时，可以使用各种外部负荷指标。这些指标能帮助从业者优化训练计划的方式因指标而异。有关运动员身体负荷的信息可以全面反映运动员所承受的压力，但很难根据这一指标设计特定的训练演习。与特定速度下的运动距离相关的外部负荷测量方法可能更为合适，因为它们为从业者提供了切实的衡量标准，可用于规划运动员在训练计划中的实际行动。同样，当使用外部负荷来表示疲劳时，基于速度和距离的测量方法不太可能完全代表身体所承受的压力，因此还应包括身体负荷和/或加速度指标。建议练习者在训练计划的每个部分都使用所有指标是不切实际的，他们的决定应基于对指标的理解，以及该指标是否能以实际方式用于支持他们的训练目标。

许多研究探讨了训练与受伤之间的关系（综述见 Drew 等52）。外部负荷指标通常被量化为急性（7 天）和慢性（例如，最近 4 周），以及两者的比值。33 不同研究采用的实际负荷指标各不相同，但总距离似乎是最常见的指标。高和低的外部负荷都与受伤风险有关，有人认为运动员个人可能有一个最佳负荷阈值。53 外部负荷过低可能导致运动员对训练或比赛要求准备不足，而长期高负荷则可能对身体造成过大压力。有一种强有力的理论认为，在某些运动中，急性和慢性外部负荷之间的相互作用可能是运动员监测的最重要的考虑因素，急性负荷的峰值与较高的受伤风险相关。

摘要和结论

尽管人们对训练负荷量化的兴趣与日俱增，但研究和实践的重点似乎主要集中在容易测量的方面，而不是开发一种整体方法来量化运动员所经历的工作负荷，特别是生物反应。目前的研究结果表明，使用可穿戴技术可以相对准确、可靠地测量许多内部和外部负荷参数。不过，必须强调的是，许多制造商并不提供有关其设备准确性、有效性和可靠性的信息，也不提供用于进一步分析的原始数据。因此，不应对任何技术或方法的准确性和有效性一概而论，研究结论应始终针对所使用的硬件和软件版本以及运动环境。未来可能会出现更好的可穿戴解决方案，利用表皮电子设备为身体传感器网络提供基础，以评估体育活动中的训练负荷。惯性测量单元（IMU）最好能变得更小，并配备更好的软件，为现代体育科学家和教练提供大量数据集，以便就训练处方和恢复做出更明智的决定。然而，这种快节奏的变化并非没有风险。制造过程缺乏质量保证和标准，制造商缺乏透明度，这些都不能保证所收集的数据准确/有效和可靠，因此始终需要尽职尽责。毋庸置疑，数据越多，就越需要开发用户友好、易于访问、设计精良、能够安全管理和存储数据的数据库和运动员管理系统。此外，这些系统应能快速生成有意义的报告，并支持数据建模活动，以提高实地决策的进度。

最终建议和实际应用

- 体育科学家和教练员应了解所使用的每种设备/方法的局限性。

-需要制定行业标准，以确保测量设备生成的数据质量足够高，从而能够做出培训决策。

- 研究应详细报告所使用的硬件和软件版本，并将研究结果的意义限制在数据收集活动中所使用的版本范围内。

-需要开展更多的纵向观察研究，为教练员和体育科学家提供有关不同运动员群体内部和外部训练负荷的参考。

-尽管有各种各样的衡量标准，但实践者应将其使用限制在他们了解并能影响其培训计划的那些标准上