Comparison of Weekly Training Load and Acute: Chronic Workload Ratio Methods to Estimate Change in Training Load in Running
Kyra L. A. Cloosterman*; Robert-Jan de Vos†; Ben van Oeveren‡; Edwin Visser§; Sita M. A. Bierma-Zeinstra*†; Marienke van Middelkoop*
刊登于《Journal of Athletic Training》——2024年
背景：在研究训练负荷对跑步者受伤风险的影响之前，有必要深入了解用于测量训练负荷变化的方法之间的差异。目的：研究计算训练负荷变化的 4 种方法之间的差异：研究计算训练负荷变化的四种方法之间的差异：(1) 每周训练负荷；(2) 急性：慢性工作量比率（ACWR），耦合滚动平均值（RA）；(3) ACWR，非耦合 RA；(4) ACWR，指数加权移动平均值（EWMA）。
设计：描述性流行病学研究。
研究背景：本研究是一项关于预防休闲跑步者跑步受伤的随机对照试验的一部分。跑步者会收到一份基线问卷，并被要求分享全球定位系统的训练数据。
患者或其他参与者：在荷兰报名参加跑步比赛（距离 10-42.195 公里）的选手。
主要结果测量指标：主要结果指标是根据训练距离预先确定训练负荷的显著增加（每周训练负荷≥ 30%的进步和 ACWRs≥ 1.5）。比例维恩图直观显示了不同方法之间的差异。
结果：共有 430 名参与者（73.3% 为男性；平均年龄= 44.3 6 12.2 岁）分享了他们的全球定位系统训练数据，共进行了 22 839 次训练。在每周训练负荷、耦合 RA、非耦合 RA 和 EWMA 方法中，分别有 33.4% (95% CI= 32.8, 34.0)、16.2% (95% CI= 15.7, 16.6)、25.8% (95% CI= 25.3, 26.4) 和 18.9% (95% CI= 18.4, 19.4) 的训练课被归类为训练负荷显著增加。在训练负荷显著增加的训练课中，43.0%采用每周训练负荷法得出的结果与RA和EWMA耦合法得出的结果不同。根据耦合 RA 方法，训练负荷显著增加的训练课与非耦合 RA 和 EWMA 方法的重叠率为 100%。
结论：用每周训练负荷法和 ACWR 法测量的训练负荷变化差异很大。为了验证跑步者训练负荷变化的适当测量方法，未来需要对训练负荷与跑步相关损伤风险之间的关联进行研究。
要点
这是第一项利用 22 839 次基于全球定位系统的训练课，对休闲跑步者中用于测量训练负荷变化的方法（每周训练负荷和急性：慢性工作量比率法）的差异进行调查的研究。
在计算训练负荷变化时，发现每周训练负荷法和急性：慢性工作量比法之间存在很大差异，这可能与每种方法所包含的训练课时不同有关。
在跑步过程中避免与跑步有关的损伤的最佳负荷的复杂性应成为未来研究的主题，因为更好的理解将有助于为休闲跑步者开发预防工具。
2 最近对中长跑运动员进行的一项系统回顾（文献检索截至 2020 年 6 月）显示，与跑步有关的损伤（RRI）的总体发生率和流行率分别为 40% 和 45%。4 为了帮助人们保持运动并努力建设一个健康的社会，开发针对跑步相关损伤的预防性干预措施非常重要。
据估计，过度使用性损伤占所有 RRI 的 64% 至 75%。5,6 这些损伤的特点是病因复杂。6,7 人们认为，跑步带来的训练负荷（规定时间内的训练量）在过度使用性损伤的发生中起着重要作用，这是过早过多跑步的结果。这种训练负荷的显著变化可能会导致训练和恢复之间的不平衡，即训练负荷超过了跑步者适应性组织修复的负荷能力，特别是在恢复时间不足的情况下。7-9 为了确定训练负荷的变化，需要使用准确的方法收集训练数据。10 使用全球定位系统（GPS）可能是一种更准确的收集训练数据的方法。
传统上，跑步训练负荷的变化表示为每周跑步距离的训练进展。11,14,15训练距离进展超过 30% 的跑步者似乎更容易遭受 RRI。15 2014 年，推出了急性：慢性工作量比（ACWR）来估算训练负荷的变化，这一指标已被频繁使用，尤其是在团队运动人群中。在澳大利亚足球、橄榄球、板球和足球等几项团队竞技运动中，发现了 ACWR 的增加与受伤风险之间的联系，ACWR大于 1.5 被认为是受伤的高风险因素。
结果相互矛盾的一个可能原因是，这些研究的作者使用了不同的方法来计算ACWR。计算 ACWR 的可能方法有：（1）耦合滚动平均法（RA），即用急性工作量（最近 7 天）除以慢性工作量（最近 28 天）；（2）非耦合 RA 法，即不将急性工作量计入慢性工作量；（3）指数加权移动平均法（EWMA），即对较长时间前的负荷值赋予递减权重（见补充表 1，可在线查阅https://dx.doi.org/10.4085/1062-6050-0430。18,27不过，非耦合 RA 法可能是更好的方法，因为ACWR 的数学耦合是有争议的，因为它会影响长期工作负荷，进而影响 ACWR 本身。与 RA 方法相比，有学者认为 EWMA 方法是评估受伤风险的更灵敏的指标，但也有学者认为 RA 和 EWMA 方法之间不存在差异。27,29-31 要研究训练负荷变化对发生 RRI 风险的影响，首先必须深入了解用于表示跑者训练负荷变化的各种方法之间的差异。因此，本研究的目的是调查以下四种方法在计算休闲跑步者训练负荷显著增加时的差异：（1）每周训练负荷；（2）ACWR，耦合 RA；（3）ACWR，非耦合 RA；以及（4）ACWR，EWMA。
方法
研究设计
本研究是 "荷兰跑步损伤十步预防计划"（SPRINT）研究的一部分。SPRINT 研究是一项在休闲跑步者中进行的随机对照试验，至少随访 3 个月，以调查在线损伤预防计划对 RRI 数量的影响。32 参与者完成基线问卷后，分别在注册跑步活动前 1 个月、前 1 周和后 1 个月进行随访。此外，在随访期结束前，所有参与者都被要求分享他们的 GPS 训练数据。由于每个平台无法共享特定时间段的 GPS 数据，因此要求参与者共享截至上传日期的所有 GPS 数据。本研究中包括注册跑步活动前 6 个月内的 GPS 训练数据。设计流程图见图 1。SPRINT研究由荷兰卫生研究与发展组织（ZonMW；拨款号：50-53600-98-104）资助。该研究获得了荷兰伊拉斯谟医学院罗特丹医疗中心医学伦理委员会的医学伦理批准（MEC-2019-0136）。
受试者
报名参加 2019 年鹿特丹 DSW Bruggenloop（15 公里）、2020 年格罗宁根 Nacht van（10、16.1 和 21.1 公里）、2020 年海牙 NN CPC Loop（10 和 21.1 公里）或 2020 年鹿特丹 NN 马拉松（10.55 和 42.195 公里）的选手受邀参加 SPRINT 研究。感兴趣的 18 岁以上跑步者需提供数字知情同意书。排除标准为：报名时间距跑步比赛不足60 天、不熟悉荷兰语、无法使用互联网和电子邮件，以及参加过我们之前的 RRI 预防试验。
数据收集
在基线问卷中，收集了人口统计学信息（性别、年龄、体重和身高）。体重和身高用于计算体重指数。基线问卷还收集了训练特征（过去 3 个月每周平均训练频率、时数、距离[公里]和跑步速度[分钟/公里]）、跑步经验（年）、基线前 12 个月的 RRI（是/否）、基线时的 RRI（是/否）、GPS 设备或平台的使用情况（是/否）以及注册跑步活动的距离等信息。根据登记的跑步距离，参与者被分为10/10.55 公里、15/16.1 公里、半程马拉松和马拉松。在后续调查问卷中，参与者被问及在完成上一份调查问卷后是否出现了新的 RRI（是/否）。RRI指的是自我报告的因跑步（训练或比赛）造成的腰部或下肢（臀部、腹股沟、大腿、膝盖、腿、脚踝、脚掌和脚趾）肌肉、关节、肌腱或骨骼损伤。受伤的严重程度必须足以导致跑步距离、速度、持续时间或次数减少至少 7 天或连续 3 次计划训练，或者必须咨询医生或其他健康专业人士34,35。随访结束时，所有参与者都会收到一封电子邮件，要求分享 GPS 训练数据。在该要求中，参与者被要求通过一个个性化链接将其 GPS 数据上传到一个基于云的数字环境中。这个数字环境是由MoveMetrics 公司专门为这项研究开发的，MoveMetrics公司是一家专门从事运动和健康数据分析的公司36。敏感元数据（如用户证书）被自动删除，GPS 定位数据被转换成相对距离。因此，研究人员通过有密码保护的链接下载数据。
训练负荷分析
训练负荷是根据登记的跑步活动前 6 个月内的 GPS 数据得出的每次跑步活动的距离计算得出的。对于每次跑步，训练负荷的变化是通过每周训练负荷、耦合 RA、非耦合 RA、和 EWMA 方法计算得出的（见补充表 1）。在开始计算 EWMA 时，将参与者首次记录的跑步活动距离作为首次训练负荷值。为了确定每周的训练负荷，将每周训练负荷的变化分为以下几类：(1) 在 0% 和 10% 之间的回归，(2) 在 10% 和 30% 之间的回归，(3) 在 30% 和 50% 之间的回归，(4) 大于或等于 50% 的回归，(5) 在 0% 和 10% 之间的递增，(6) 在 10% 和 30% 之间的递增，(7) 在 30% 和 50% 之间的递增，或 (8) 大于或等于 50% 的递增。15 急性与慢性工作量比率（耦合 RA 法、非耦合 RA 法和 EWMA）分为：(1) 小于 0.8；(2) 介于 0.8 和 1.3 之间；(3) 介于 1.3 和 1.5 之间；(4) 介于 1.5 和 2.0 之间；或 (5) 大于或等于 2.0。这些训练被归入 "无训练 "组。
结果测量
主要结果是预先确定训练负荷显著增加的训练次数。15,16,18 训练负荷显著增加被定义为大于或等于 30% 的进步。11,15 对于 ACWR 方法，训练负荷显著增加被定义为 ACWR 大于或等于 1.5。
统计分析
描述性统计用于描述所有变量，以频率或平均值 6 SD 表示。使用独立样本 t 检验（连续数据）、Mann-Whitney U 检验（连续数据）和 v2 检验（二分数据）对共享 GPS 数据的参与者和未共享 GPS 数据的参与者进行比较。针对每周训练负荷、耦合 RA、非耦合 RA 和 EWMA 方法中训练负荷的预设变化类别，计算了训练课程的频率和 95% CIs。计算了每周训练负荷、耦合 RA 和 EWMA 方法中训练负荷显著增加的训练课之间的差异。此外，还计算了以耦合 RA、非耦合 RA 和 EWMA 方法表示的训练负荷显著增加的训练课之间的差异，并使用第二个比例维恩图来显示这些差异。所有分析均在 SPSS 统计软件（第 25 版；IBM 公司）中进行，P 值小于 0.05 视为具有统计学意义。
结果
受试者
在有兴趣参与 SPRINT 研究的 9614 名跑步者中，有 4050 名参与者被纳入研究，并随后被要求分享他们的 GPS 数据（图 1）。共有 312 名参与者（7.7%）表示没有使用 GPS 设备或平台。在其余的 3738 名参与者中，有 408 人（10.9%）不愿意分享 GPS 数据，2822 人没有回应分享 GPS 数据的要求。共有 508 名参与者（13.6%）共享了 GPS 数据。其中，78 名参与者（15.4%）因在报名参加跑步活动前 6 个月未共享 GPS 数据而被排除在外。因此，有430名参与者的GPS数据可用于22 839次训练的分析。与未共享（可用）GPS 数据的参与者相比，共享 GPS 数据的参与者多为男性（73.3% 对 62.3%，P＜ .001），平均年龄较大（44.3± 12.2 对 42.0± 12.1 岁，P＜ .001），跑步经验较丰富（10.9± 10.3 对 10.2± 10.1 年，P= .04），每周训练距离更远（30.4± 22.5 对 26.0± 22.6 公里，P＜ .001），更经常参加体育协会（39.8% 对 28.7%，P＜ .001；表 1）。此外，与不共享 GPS 数据进行分析的参与者相比，共享 GPS 数据的参与者在随访期间报告 RRI 的频率更高（46.3% 对 34.2%，P＜ .001）。
结果测量
表 2 和表 3 显示了每周训练负荷方法和ACWR 方法（耦合 RA、非耦合 RA 和 EWMA）预设训练负荷变化类别中的训练次数。对于每周训练负荷这一结果，共有 33.4%（95% CI= 32.8，34.0）的训练次数被归类为训练负荷显著增加。对于耦合 RA 法、非耦合 RA 法和EWMA 法，分别有 16.2% (95%CI= 15.7, 16.6)、25.8% (95%CI= 25.3, 26.4) 和 18.9% (95%CI= 18.4, 19.4) 的训练次数被归类为训练负荷显著增加。图 2A 和补充表 2 显示，在训练负荷显著增加的训练中，有 15.6% 的训练课在 RA、每周训练负荷和 EWMA 联用方法之间出现了重叠。在训练负荷显著增加的训练课中，共有 43% 的训练课采用的周训练负荷法与 RA 和 EWMA 联用法不同。在 3 种 ACWR 方法（耦合 RA、非耦合 RA 和 EWMA）之间，有 29.6% 的训练课重叠，训练负荷显著增加（图 2B 和补充表 3）。根据非耦合 RA 方法计算的训练负荷显著增加的训练课程与耦合 RA 和 EWMA 方法的差异为 23.6%，而根据 EWMA 方法计算的训练负荷显著增加的训练课程与耦合 RA 和非耦合 RA 方法的差异为 17.3%。根据耦合 RA 方法计算的训练负荷显著增加的训练课程与非耦合 RA 和 EWMA 方法的重叠率为 100%。
讨论
这项研究首次调查了每周训练负荷法和 ACWR 法在休闲跑步者中对训练负荷显著增加的估计训练课时的计算差异。使用周训练负荷法时，训练负荷显著增加的训练课次的年龄百分比比耦合 RA 和 EWMA 方法（33% 对 16% 和 19%）高出近 2 倍，比非耦合 RA 方法（33% 对 26%）高出 1.5 倍。在用每周训练负荷法计算的训练负荷显著增加的训练课中，几乎有一半与耦合 RA 法和 EWMA 法存在差异。在训练负荷显著增加的训练中，只有三分之一的训练在耦合 RA 法、非耦合 RA 法和 EWMA 法之间出现重叠。
我们对每节训练课的训练负荷变化进行了分类，结果显示，16% 到 33% 的训练课的训练负荷明显增加。该研究共纳入了 435 名跑步者，随访时间中位数为26 周，报告显示，共有 5%至 15%的 ACWR 值高于 1.5。他们还使用双周累计跑步距离来计算 ACWR，这可能平滑了训练负荷随时间的变化。
近年来，人们对运动员训练负荷变化的评估进行了广泛研究。17,19,38 尽管人们对此兴趣浓厚，但在计算训练负荷变化的首选方法上仍未达成共识。此外，ACWR 的实用性在科学文献中引发了大量讨论，主要涉及 ACWR 估值的潜在偏差。20,39,40我们发现，在用周训练负荷计算的训练负荷显著增加的训练中，几乎有一半与 ACWR 方法（耦合 RA 和 EWMA 方法）没有重叠。造成这种巨大差异的原因可能是，周训练负荷法是根据两周内的训练课来计算训练负荷的变化，而不是 ACWR 方法中的四周。通过使用较长时期的训练课，训练负荷的微小差异对 ACWR 的影响较小。此外，由于每周30% 的进展低于 ACWR 所使用的 1.5，因此在每周进展超过训练负荷显著增加的临界值时，会出现更多的训练课。因此，ACWR 方法在使用重复测量来识别训练负荷峰值变化方面可能更加敏感。此外，，三种 ACWR 方法之间的差异小于每周训练负荷法和 ACWR 方法之间的差异。然而，在非耦合 RA 和 EWMA 方法中，分别有 24% 和 17% 的训练课发现训练负荷显著增加，但与其他方法相比，仍然存在差异。虽然这些 ACWR 方法经常作为一种方法在文献中报道，但计算这些比率的不同方法之间存在相当大的差异。
在我们的研究中，我们使用每次跑步活动的距离来计算训练负荷。11,12 用于计算训练负荷的变量存在很大的可变性，因为负荷的变化率可能比运动员经历的绝对负荷更成问题。因此，可以将外部负荷（即运动员所做的外部工作量，以跑步公里数或训练时间长短来衡量）和内部负荷（即生物系统内部的反应因素，以主观感觉用力率[sRPE]来衡量）结合起来计算训练负荷。16 今后的研究需要验证计算跑步者训练负荷的适当方法，并研究必须使用哪些内部和外部变量。
只有少数研究的作者研究了训练负荷变化与 RRI 风险之间的关系。41 然而，一项针对跑步新手的预防性随机试验发现，分级 10%训练计划对 RRI 的次数没有影响。Nielsen 等人报告说，训练距离增加 30% 以上的跑步者似乎比训练距离增加 10% 以下的跑步者更容易发生 RRI。15 研究 ACWR 与跑步受伤风险之间关系的作者得出了相互矛盾的结果。Dijkhuis 等人在对 23 名积极跑步者进行的一项小型研究中，通过问卷调查使用耦合 RA 方法计算了训练负荷的变化，并将 ACWR 表示为训练持续时间和sRPE 的组合。他们证明，每两周ACWR 的低增长（0.10-0.78）导致受伤风险增加 4.5 倍，受伤前第 3 周和第 2 周之间每周 ACWR 差值的低增长（0.05-0.62）导致受伤风险增加 2.7 倍。Nakaoka 等人利用由 3 项研究数据组成的数据库计算了 ACWR，这些研究采用问卷调查的方式收集了 435 名休闲跑步者的跑步距离和持续时间，得出的结论是 ACWR（非耦合和耦合 RA 方法）越高，发生 RRI 的风险越低。23 在另一项小型研究中，Matos 等人利用 GPS 数据计算了 25 名男性越野跑竞技者的训练负荷，并分别计算了跑步持续时间、距离和 sRPE值的 ACWR。22 他们报告称，在 RRI 发生前几周，所有 ACWR 指标每周都有显著增加。在最近的一项研究中，Toresdahl 等人计算了 ACWR 大于或等于 1.3 或大于或等于 1.5 的天数，结果表明，训练量的增加大于或等于 1.5 与马拉松训练跑者受伤人数的增加有关。因此，今后需要对训练负荷之间的复杂关系、计算训练负荷变化的最灵敏方法以及发生 RRI 的风险进行研究。
这项研究的优势在于样本量大，有 430 名参与者分享了可用的 GPS 训练数据，共计 22 839 次训练。据我们所知，只有其他一项研究的作者收集了如此大量的 GPS 训练数据来计算跑步者训练负荷的变化。24 本研究的一个局限性是，与未共享 GPS 数据的参与者相比，共享 GPS 数据的参与者多为男性，他们平均拥有更多的跑步经验，多为运动协会的成员，并且更经常使用训练计划表（表 1）。这可能会影响本研究的推广性。不过，由于我们的研究目的是调查训练负荷方法的差异，因此预计这一选择性人群不会影响研究结果。另一个限制因素是 ACWR 是根据每次训练前 7 天和 28 天的训练负荷来测量的。因此，前 27 天的数据不能用于计算ACWR。为了计算 ACWR 法和周训练负荷法相同训练次数的训练负荷变化，所有方法都删除了前 27 天的数据。然而，这减少了我们可用于计算结果指标的总数据量。
总之，每周训练负荷法与 ACWR 方法（耦合 ACWR 和 EWMA）之间计算出的训练负荷变化差异很大。我们发现三种 ACWR 方法（耦合 ACWR、非耦合 ACWR 和 EWMA 方法）之间的差异较小。为了验证跑步者训练负荷变化的适当测量方法，今后需要对训练负荷之间的复杂关系、计算训练负荷变化的最灵敏方法以及维持 RRI 的风险进行研究。
图1.参与者流程图。
表1.共享可用于分析的 GPS 数据的参与者的基线特征
表2.每类每周训练负荷的训练次数
表3.每种 ACWR 方法（耦合、非耦合和 EWMA）的训练次数a
图2.训练负荷显著增加的训练课比例维恩图。A, 通过每周训练负荷、耦合滚动平均（RA）和指数加权移动平均（EWMA）方法计算出的训练负荷变化（N 5 9886）。B，用耦合滚动平均法、非耦合滚动平均法和指数加权移动平均法计算的训练负荷变化（N 5 7916）。对于每周训练负荷，30% 的数值被视为训练负荷的显著增加。15 对于RA 和 EWMA 方法， 1.5 的数值被视为训练负荷的显著增加。
