Training Intensity Distribution of a 7-Day HIIT Shock Microcycle: Is Time in the “Red Zone” Crucial for Maximizing Endurance Performance? A Randomized Controlled Trial

Tilmann Strepp1*, Julia C. Blumkaitis1, Mahdi Sareban2  , Thomas Leonhard Stöggl1,3   and Nils Haller1,4

刊登于《Sports Medicine - Open》——2024年

摘要

背景：多项研究表明，强度测量的类型会影响训练强度分布（TID）的计算。这些结论来自于中周期和大周期的研究数据，而微循环，如高强度间歇训练冲击微循环（HIIT-SM），迄今为止一直被忽视。以往的文献表明，在高强度间歇训练过程中，花费在高强度区（即第 3 区（Z3）或 "红区"）的时间对于改善耐力表现参数可能非常重要。因此，本随机对照试验旨在比较7 天 HIIT-SM 期间基于跑步速度（TIDV）、跑步功率（TIDP）和心率（TIDHR）的 TID。29 名接受过耐力训练的参与者被分配到一个 HIIT-SM 组，其中包括 10 次 HIIT 训练（无 HSM，n = 9）或附加低强度训练（HSM + LIT，n = 9），或一个对照组（n = 11）。此外，我们还探讨了根据跑步速度（Z3V）、跑步功率（Z3P）、心率（Z3HR）、摄氧量（Z3˙VO2）确定的 Z3 时间与耐力表现变化之间的关系。

结果： 11，Z3：36 ± 7%；Z1：62 ± 15，Z2：12 ± 16，Z3：26 ± 2%），而 TIDHR（Z1：48 ± 13，Z2：26 ± 11，Z3：26 ± 7%；Z1：65 ± 17，Z2：22 ± 18，Z3：13 ± 4%）呈现金字塔型。与 Z3V 和 Z3P 相比，两个干预组的 Z3HR 时间都明显较少（均 p < 0.01）。在 HSM + LIT 的 10 节 HIIT 课程中，Z3 时间存在时间 x 强度测量交互作用（p < 0.001，pη2 = 0.30）。在每个单次 HIIT 训练中，两个干预组的 Z3V 和 Z3P 时间在整个训练期间保持稳定。在 HSM 组中，Z3HR 时间从第一节（47%）下降到最后一节（28%），这在 HSM + LIT 组中更为明显（从 45% 下降到 16%）。Z3V 时间与峰值功率输出的变化（rs = 0.52，p = 0.028）以及计时赛成绩的变化（rs = - 0.47，p = 0.049）呈中度剂量反应关系，而 Z3P、Z3HR 和 Z3˙VO2 时间则无此关系。

结论：本研究揭示了强度测量的类型对 HIIT-SM 期间 TID 计算的影响很大。由于心率往往会低估 HIIT-SM 期间的强度，因此应谨慎做出基于心率的训练决定。此外，Z3V 时间与耐力表现的变化关系最为密切。因此，在评估 HIIT-SM 时，我们建议整合一套全面的强度测量方法。

要点

-在为期 7 天的 HIIT 冲击微循环中，使用心率、跑步速度和跑步功率作为强度测量指标，可得出不同的训练强度分布模式。速度和功率的分布呈两极分化，而心率的分布则呈金字塔形。

-与只进行 HIIT 冲击微循环的冲击微循环相比，在 HIIT 冲击微循环期间增加低强度训练量会导致用心率测量的第 3 区时间更明显地减少。

-通过速度测量的第 3 区时间与峰值功率输出和计时赛成绩的变化之间存在适度的剂量反应关系。通过功率、心率、摄氧量测量的第 3 区时间与耐力表现参数的变化之间没有发现这种相关性。

背景介绍

训练处方通常依赖于三个关键变量：频率、运动量和强度。这些变量之间的相互作用可用于量化运动员的训练强度分布（TID）[1]。为了预先规定训练强度并计算 TID，通常会通过运动测试来确定不同的区域（Z）。在这方面，3 区模型，即 Z1（低强度）、Z2（中等强度）和 Z3（高强度）在研究中应用最为广泛[2, 3]。文献[4, 5]中描述了多达 8 种不同的 TID 模式，其中最常见的模式是金字塔训练（Z1 > Z2 > Z3）、极化训练（Z1 > Z3 > Z2）和阈值训练（Z2 > Z1 和 Z3）[3, 4, 6]。有证据表明，TID 会影响训练结果[7-9]；然而，对于耐力运动员及其特定项目而言，哪种 TID 才是最终的最佳选择，还存在很大争议[10, 11]。

训练强度可通过测量外部负荷（如速度、功率输出）[12]、内部反应（如心率（HR）、摄氧量（˙VO2）、血乳酸（La））和主观评价（如感知用力评分（RPE））来评估[13]。[13].例如，在自行车运动中，结合测量输出功率和心率的方法已得到广泛认可[14, 15]，而在跑步运动中，通常使用跑步速度、心率或 RPE 等强度测量方法[16]。方法学上的挑战，如上坡或下坡跑步、内部反应的日常变化、环境因素和过度训练，都可能影响强度测量，导致可能高估或低估实际训练强度[17, 18]。因此，计算跑步功率的脚踏板设备可作为测量训练强度的可靠工具[19]，但在纵向研究中，这些设备与传统强度测量方法之间的联系尚未得到充分研究。

多项研究表明，强度测量类型和区域确定方法会对 TID 计算产生细微影响[5, 20-22]。例如，Bellinger 等人[21] 收集了训练有素的跑步运动员在准备阶段的 8 周训练数据，发现跑步速度呈两极分化模式（80% Z1、5% Z2、15% Z3），心率呈金字塔模式（80% Z1、17% Z2、3% Z3），而 RPE 则较为一致（40% Z1、32% Z2、28% Z3）。了解这些差异对于依靠 TID 做出明智训练决定的运动员和教练来说非常重要。到目前为止，这些结论主要来自于预先发送中周期和大周期数据的研究。然而，微循环在耐力训练过程中起着至关重要的作用，因为微循环可以在短时间内给予特定的刺激，例如在准备阶段或采用分块周期训练法时[23, 24]。

高强度间歇冲击微循环训练（HIIT-SM），即在短时间内密集分配 HIIT 训练，已越来越多地应用于耐力和团队运动[25, 26]。研究表明，HIIT-SM 对最大摄氧量（˙VO2max）[26-28] 或计时赛（TT）成绩[29] 有益，但其他研究结果则不太确定[24, 30, 31]。这些差异提出了一个问题，即如何区分有效的 HIIT-SM 和无效的 HIIT-SM。以前的文献讨论过，在 HIIT 期间，在 Z3 或所谓的 "红色区域"（即≥ 90%˙ VO2 max/最大心率（HRmax）[32, 33]）所花费的时间可能对实现与成绩相关的提高非常重要。建议每次训练在最大˙VO2附近花费 7 分钟以上（团队运动运动员）或 10 分钟以上（长跑运动员）[25, 32]，以引起最大˙VO2 的相关变化。由于对这种剂量-反应关系的了解仍然有限[30, 34, 35]，必须谨慎对待这些建议。此外，目前还不清楚这些结论是否适用于有或没有额外低强度训练（LIT）的 HIIT-SM 环境。在进行 HIIT-SM 时减少低强度训练已引起从业人员对不利于成绩发展的担忧，因为低强度训练被视为耐力运动员日常训练中的一个关键因素[2]。然而，与常规HIIT-SM 相比，HIIT-SM 期间额外的 LIT 量会如何影响 Z3 时间的积累，目前尚不得而知。此外，大多数调查 Z3 时间与耐力表现提高之间剂量-反应关系的研究都依赖于强度指标，如˙VO2 或 HR，因为它们反映了运动员激活生理机制导致训练适应的反应，而其他指标，如跑步速度或力量，虽然在应用中可能更实用，但至今仍被忽视[32, 36]。

训练条件、性别、年龄或遗传倾向等各种因素都可能影响运动员对 HIIT 的反应[32]。另一个仍未充分探讨的方面是基线心脏几何形状的影响，如心腔尺寸和心壁厚度，在 HIIT 干预后对静息和耐力表现的影响。事实上，没有任何研究调查了基线心脏几何变量是否能预测 HIIT 引起的耐力表现变化，特别是HIIT-SM 后的变化，或一般情况下在Z3 所花费的时间。考虑到运动诱导的心腔扩大主要是由于改善了心脏充盈，从而提高了运动时的心输出量[37]，并考虑到最大心输出量是决定˙VO2 max的主要因素[38]，静息时的小心腔可能预示着更大的适应储备。因此，对心腔几何形状的评估可以提供更多信息和个性化的训练建议。

因此，本研究使用HIIT-SM，即在7天内进行10次HIIT训练，每次训练后进行或不进行30分钟的额外LIT，对耐力训练运动员的TID进行了比较，TID基于各种强度指标，即跑步速度（TIDV）、跑步力量（TIDP）、心率（TIDHR）和˙VO2。此外，我们还探讨了通过跑步速度（Z3V）、跑步功率（Z3P）、心率（Z3HR）、˙VO2（Z3 ˙VO2）确定的 Z3 时间与耐力表现变化之间的关系。最后，研究了心脏几何形状对耐力表现变化的影响。这些发现有助于确定训练强度与耐力表现变化之间可能存在的剂量反应关系，从而优化未来的 HIIT-SM。

方法

该随机对照试验已注册（临床试验标识符：NCT05067426）。所有程序均已获得萨尔茨堡大学当地伦理委员会的批准（批准号：GZ 2/2021），并符合《赫尔辛基宣言》的原则。包含所有措施和详细信息的综合研究方案见其他文献[39]。本手稿根据 CONSORT随机试验指南[40]撰写。

试验设计

这是一项平行分配干预研究，参与者按 1:1:1 的比例被随机分配到两个干预组或对照组（CG）中的一个。研究总持续时间为四周，包括 8 至 9 天的初始基线阶段、7 天的干预阶段和 14 天的干预后阶段（图 1）。

在初始时间点（T0），所有参与者都熟悉了研究设计，配备了可穿戴设备，并接受了心脏超声波检查。在整个基线阶段，参与者保持常规训练，并在T1（= TT1）首次在跑步机上进行心肺运动测试前3至4天，在标准跑道（400米跑道或平地跑道）上自选时间完成5公里TT（TT5公里）。T1结束后，参与者被随机分配到3组中的一组：(1) HIIT-SM组，，在7天内进行10次HIIT训练（HSM）；(2) HIIT-SM组，进行10次HIIT训练，并在每次训练后额外进行30分钟LIT（HSM + LIT）；或(3) 保持常规训练的CG组。

10 次训练中的 4 次，即第二天（T2）的 2 次训练和最后一天（T3）的最后 2 次 HIIT-SM 训练是在实验室环境中进行监测的。在干预后阶段，所有参与者分别在干预后 3天（T4）、7 天（T5）和 14 天（T6）在跑步机上接受了进一步的心肺运动测试。干预后 10 至 11 天（TT2），在同一跑道上重复进行自我指导的 TT5 公里运动（图 1）。

受试者

我们通过社交媒体、当地体育俱乐部和大学的公告招募了 43 名参与者。资格标准包括接受过耐力训练的运动员，他们可以是跑步运动员，也可以是将大量跑步（每周大于 50 公里）纳入常规训练的个人。参赛者年龄必须在 18 至 45 岁之间，最大˙VO2 为≥ 50 mL min-1 kg-1（女性）或≥ 55 mL min-1 kg-1（男性），或 TT5km 成绩为≤ 20:00分（女性）或≤ 18:30分（男性）。补充 1 提供了详细的纳入和排除标准。所有参与者均已被告知研究的目的和风险，并在参与前出具了书面同意书。数据收集工作于 2021 年 2 月至 2022 年 12 月在萨尔茨堡大学运动实验室进行。

干预措施

HSM 和 HSM + LIT 参与者共完成了 10 次跑步 HIIT 训练，每次训练包括 5 次间隔训练，每次 4 分钟，训练强度与T1 时测得的90-95% 最大心率相关，中间有 2.5 分钟的恢复期（1 分钟被动恢复期和 1.5 分钟主动恢复期）（图 2B）[41]。训练包括 10 分钟的热身运动和两次 30 秒的竞速，竞速速度与 T1 时测得的 90-95% 最大心率相关。上午的训练在 6 点到 10 点之间进行。如果同一天安排了两次训练，则下午的训练时间为下午 3 点至 7 点，两次训练之间至少间隔 5 小时。与 HSM 组相反，HSM + LIT 参与者在每次 HIIT 训练后进行 30 分钟的 LIT，强度不应超过在 T1 测得的 La 浓度为 1.5 mmol L-1 时的相关强度。HSM 组不进行冷却。所有的 HIIT 训练都是自我监测的（10 人中有 6 人），使用手表上单独编程的训练，并带有强度指导（即心率目标），或者是在 T2 和 T3 在实验室的跑步机上在监督下进行的（10 人中有 4 人）。间歇训练的跑步机速度以 T1 时测得的 90-95% 最大心率的相关速度为基础。如有必要，研究人员会提高速度以达到心率目标，但只有在一定程度上才能确保完成训练。两组参与者都被要求在规定的训练之外不进行任何额外的训练。CG 组则继续进行常规训练。

心脏检查

在 T0 期，所有参与者都接受了静息经胸心脏超声检查，使用的是市售超声系统（Philips Epiq CVx，Philips Healthcare，Andover，MA，USA），该系统配有 1.0-5.0 MHz xMatrix 相控阵换能器，可进行二维和三维成像（Philips X5-1，Phillips Medical Systems，Andover，MA，USA），由经认证的心脏病专家操作，以排除相关的心脏病变并量化心脏几何变量。心脏腔室的二维和三维直径和容积测量根据当前建议进行[42]。二维容积测量采用从心尖四腔切面手动描记心内膜板层后的圆盘求和法。容积三维测量由一个软件（HeartModel，飞利浦医疗保健公司，美国马萨诸塞州安多弗）获得，该软件涉及自动分析，可同时检测左心室（LV）和左心房（LA）的心内膜板[43]。所有超声心动图测量值均按 Mosteller 公式计算的体表面积指数化[44]。采用公认的正常心脏几何形状和偏心性心肌肥厚的临界值，偏心性心肌肥厚表示运动引起的心脏重塑[42]。

强度测量和数据分析

所有参与者都佩戴了全球导航卫星系统（GNSS）手表（Forerunner 935，Garmin，美国密苏里州堪萨斯城）、心率胸带（HRM Pro，Garmin，美国密苏里州堪萨斯城）和脚踏板（Wind v3，Stryd，美国科罗拉多州博尔德），分别测量研究期间所有户外活动和跑步机活动的跑步速度、心率和跑步功率。这些设备与手表配对并同步，每次强度测量的数据采样频率为 1 Hz。数据在线存储（Garmin Connect, Garmin, Kansas City, MO, USA），然后导入开源分析软件（GoldenCheetah v3.5）进行进一步处理。所有文件均由一名经验丰富的运动科学家（TS）进行目测检查，以确定是否存在人工痕迹。由于技术错误（如连接问题或信号丢失）而导致数据缺失或不正确的训练课程，以及上坡区间课程，都被排除在进一步分析之外，从而导致相关参与者被排除在外（≥ 1 次有缺陷的课程 = 排除在外）。每个区域和设备的单个值都被输入到软件中，以计算 TIDV、TIDP 和 TIDHR。

在总共 4 次 HIIT 训练（T2 上午/下午和 T3 上午/下午）中，使用 Quark CPET（Cosmed，意大利罗马）对˙VO2 进行逐次呼吸采样。每次治疗前，使用 3000 mL 注射器对系统进行体积校准，并使用参考气体（16% O2、5% CO2）进行气体校准。使用自定义代码（Matlab v2021b，The MathWorks Inc.）VO2 数据经内插计算出每秒的数值，并用 10 秒移动平均值进行过滤，以˙VO2 为基础确定区内时间。

心肺运动测试

在时间点 T1、T4、T5 和 T6（图 1）进行的心肺运动测试安排在早上 6 点到 10 点之间进行。参加者被要求在每次测试前 24 小时内禁止剧烈运动和饮酒。测试方案包括在跑步机（Saturn，HP Cosmos，德国特劳恩施泰因）上分两个阶段进行，首先是次最大增量测试（第1阶段），然后是达到自愿力竭的斜坡测试（第2阶段）。参与者以每小时 6.5 公里（女性）和 8.0 公里（男性）的速度开始增量测试，坡度为 0%。速度每 3 分钟增加 1.5 公里/小时。每个阶段之间停顿 30 秒，以便从耳垂采集毛细血管血液，评估 La 浓度（Biosen S-Line，EKF Diagnostics GmbH，德国马格德堡）。如果符合以下任何一项标准，则增量试验结束：(1) La 与前一阶段相比增加了≥ 1 mmol L-1，(2) RPE > 17（6-20 波格分级），或 (3) 呼吸交换比连续两个阶段超过 1.0。斜坡测试速度由增量测试结果决定（等于 La 增加前阶段的速度），并保持稳定的斜率增加（每分钟 1.5%，从 0% 开始），直至自愿力竭。关于测试方案的全面描述和说明，请参见其他文献[39]。

通过运动测试测量了以下耐力参数：(1) ˙VO2 max 相对于体重，取最高 10 次呼吸滚动平均值；(2) 跑步峰值功率输出（PPO），采用 WOOD-WAY 公式（1.065 + 0.0511 - %max + 9.322 - 10-4 - %max2）- (v(TM) - 3.6)- BW/4，其中最大跑步机坡度（%max）通过线性内插法计算，公式为 (%f - 1.5) + 1.5 - t/60，其中 %f 为最后阶段的跑步机坡度，v(TM) 为跑步机速度，BW 为个人体重；（3）乳酸阈值（LT）定义为 La (v + 1.5) 和 La(v) 的 delta 值达到的速度 v。5）和 La（v）的δ值首次达到 1 mmol L-1 时的速度 v [39]；（4）跑步经济性，定义为 11 km h-1 速度下的˙VO2，单位为 mL min-1 kg-1，计算方法为该阶段最后 30 秒的平均值 [45]。

强度区的确定

三区模型是根据在 T1 的两阶段测试中获得的 La 浓度和 HR 测量值组合而成的（图 2A）。La 浓度为 1.5 mmol L-1 将 Z1 和 Z2 区分开来[3]。90% 的最大心率将 Z2 与 Z3 区分开来[46]。每种强度指标（即心率、跑步功率、跑步速度、˙VO2）的相应值均通过简单的线性回归计算得出[47, 48]。图 2B 展示了实验室中一次典型训练的 TID 分析。

样本量和随机化

使用 G*Power（3.1.9.7 版，德国杜塞尔多夫）对重复测量进行了先验功率分析。根据之前的研究[49, 50]，假设˙VO2 max 的功率为 0.8，效应大小为中等（Cohen's f = 0.25），则至少需要 27 名参与者。考虑到 20-25% 的潜在辍学率，最初计划的样本量为 36 人。然而，由于研究期间的辍学率较低，在分配到 35 名参与者后，数据收集工作就停止了。在基线阶段和 T1 的运动测试期间，参与者、TS 和 JB 对参与者的个人分配是盲的。如果符合所有纳入标准，则在 T1 运动测试结束后，由一名无偏见的研究人员（NH）通过电话，利用隐蔽的计算机生成的分配序列（平衡的、1:1:1 比例的一个区块），立即披露分配信息。分配后，对参与者或研究人员不适用盲法。

统计资料

结果以平均值 ± 标准差 (SD) 表示。此外，图中还给出了被尊重值的平均值标准误差（SEM）。进行了重复测量方差分析，以分析以下方面的差异：(1) T1 和三次后测（T4、T5、T6）中最佳（TB）耐力表现参数在各参数（时间）和组别（HSM、HSM + LIT、CG）之间的变化；(2) 区域（Z1、Z2、Z3）、强度测量（心率、速度、功率）和组别（HSM、HSM + LIT、CG）；(3) HSM 和 HSM + LIT 的所有 HIIT 训练在 Z3 中花费的时间（时间）和强度（心率、速度、功率）；(4) 所有实验室 HIIT 训练在 Z3 花费的时间（时间）和强度（心率、速度、功率、˙VO2），干预组汇总。

如果球形度不符合要求（Mauchly 检验，p < 0.05），则采用 Greenhouse-Geisser 校正。α显著性水平设定为 <0.05。提供了部分 eta 平方（pη2）的效应大小。如果存在显著的主效应和/或交互效应，则进行进一步的事后分析。所有检验均经过 Bonferroni校正。比较(1)使用了干预阶段所有训练课（包括热身、HIIT 和 LIT）的数据，而比较(2)和(3)只分析了 HIIT 训练课的数据。还应注意的是，跑步速度和跑步功率数据不适用于 CG，因为他们可以继续进行常规训练，其中包括除跑步外的其他运动，如骑自行车或游泳。

为了估算剂量-反应关系，我们计算了基线成绩参数（T1）和各参数 TB 的变化分数（Δ %）（图 1）。这一计算基于这样一个假设，即参试者的各种表现参数将分别出现延时峰值[51]。使用 Spearman's rho (rs) [52]分析了各组的基线成绩、成绩变化分数、每种强度测量的 Z3 时间和心脏几何变量之间的关系。统计分析和图表制作使用了社会科学统计软件包（SPSS，v27.0，IBM，Chicago，IL，USA）、R- Studio（v2023.03.0 Build 386）和 OriginPro（v2023，OriginLab Corpora-tion，Northampton，MA，USA）。

成果

在 2021 年 2 月至 2022 年 12 月期间招募的 43 名参与者中，有 8 人不符合纳入标准。在 35 名分配到的参与者中，有 29 人（23 名男性和 6 名女性）符合数据分析条件，但排除了 2 名辍学者和 4 名数据质量不高的参与者。补充资料 2 提供了详细的参与者流程图。人体测量和心脏几何数据以及耐力表现数据见表 1和表 2。26 名参与者（89.7%）的心脏几何学指标正常。三名参与者（10.3%）出现偏心性肥大。没有人出现心脏功能异常。HSM 平均完成 49.9 ± 0.3（99.8%）个间歇，HSM + LIT 平均完成 49.3 ± 1.3（98.7%）个间歇。干预阶段的平均训练时间为：HSM 7.4 ± 0.1 小时，HSM + LIT 12.3 ± 0.1 小时，CG 8.4 ± 1.1 小时。HSM 的平均跑步距离为 90.9 ± 8.6 公里，HSM + LIT 为 144.7 ± 17.3 公里，CG 为 44.6 ± 18.8 公里。

训练强度分布

Z1 的心率、跑步功率、跑步速度和˙VO2的平均上限分别为 154 ± 9 bpm、253 ± 52 W、11.8 ± 1.7 km h-1 和 42.1 ± 5.0 mL min-1 kg-1，而 Z2 的平均上限分别为 171 ± 8 bpm、299 ± 46 W、14.0 ± 1.3 km h-1 和 49.0 ± 4.4 mL min-1 kg-1。图 3 显示了 TIDV、TIDP 和 TIDHR，包括配对比较。区段（p < 0.001，pη2 = 0.64）、组别（p < 0.001，pη2 = 0.72）、区段×组别（p < 0.001，pη2 = 0.36）的影响较大，区段×强度测量的影响中等（p = 0.037，pη2 = 0.10）。两个干预组的 TIDV（HSM：Z1: 38 ± 17，Z2: 16 ± 17，Z3: 46 ± 2%；HSM + LIT：Z1: 59 ± 18，Z2: 14 ± 18，Z3: 27 ± 2%）和 TIDP（Z1: 50 ± 8，Z2: 14 ± 11，Z3: 36 ± 2%）均呈两极化模式：  Z1：62 ± 15，Z2：12 ± 16，Z3：26 ± 2%），而 TIDHR 则呈金字塔形（Z1：48 ± 13，Z2：26 ± 11，Z3：26 ± 7%；Z1：65 ± 17，Z2：22 ± 18，Z3：13 ± 4%）。  继续进行常规训练的 CG 的 TIDHR（Z1：84 ± 16，Z2：10 ± 10，Z3：6 ± 7%）也呈金字塔型。在四次实验室HIIT（不包括热身和 LIT）期间测量的 TID ˙VO2 显示，HSM（Z1：33 ± 7，Z2：20 ± 12，Z3：46 ± 14%）为极化模式，HSM + LIT（Z1：39 ± 10，Z2：31 ± 20，Z3：30 ± 18%）为金字塔模式。

图 4A 显示了两个干预组在 10 节 HIIT 课程中 Z3V、Z3P 和 Z3HR 的时间。对于强度测量，HSM显示出很大的效应（p < 0.001，pη2 = 0.64），但既没有时间效应（p = 0.132，pη2 = 0.07），也没有时间 x 强度测量效应（p = 0.149，pη2 = 0.11）。对于 HSM + LIT，没有时间效应（p = 0.080，pη2 = 0.08），但发现强度测量（p < 0.001，pη2 = 0.85）和时间 x 强度测量（p < 0.001，pη2 = 0.30）有较大效应。 Z3HR中的时间在大多数情况下都少于其对应部分，而且与HSM相比，HSM + LIT的Z3HR中的时间在10次训练中出现了更明显的下降。在 10 次 HIIT 训练中，HSM 的 Z3HR 百分比平均时间介于 28% 和 47% 之间，HSM + LIT 的 Z3HR 百分比平均时间介于 16% 和 45% 之间，而 Z3P 百分比平均时间介于 45% 和 57% 之间，Z3P 百分比平均时间介于 57% 和 63% 之间。在干预阶段，两组的 Z3V 百分比时间均介于 62% 和 67% 之间（图 4A）。

图 4B 显示了 4 次 HIIT 实验中 Z3V、Z3P、Z3HR 和 Z3 ˙VO2 的时间百分比。4 次训练的平均间隔速度分别为 14.6 ± 1.3、14.6 ± 1.4、14.8 ± 1.4、14.9 ± 1.4 km h-1。分析表明，时间（p = 0.156，pη2 = 0.03）没有影响，但强度（p < 0.001，pη2 = 0.59）和时间×强度（p < 0.001，pη2 = 0.20）对汇总样本有很大影响。Z3HR 的时间有所减少，4 次训练的平均时间分别为 40 ± 16、34 ± 16、24 ± 14 和 22 ± 15%。Z3V、Z3P 和 Z3 ˙VO2 的时间随时间变化没有明显的成对比较。运动员在 4 次训练中平均在 Z3 ˙VO2 中花费的时间分别为 11 ± 6 分钟、10 ± 6 分钟、11 ± 6 分钟和 13 ± 4 分钟。

相关性分析

下面的相关矩阵（图 5）显示了选定变量之间的成对相关性。除运行经济学外，基线绩效指标之间存在中度到高度的负相关和正相关。一些基线成绩指标还与Δ TT、Δ 经济性和Δ LT 显示出中等至较强的相关性，而与Δ ˙VO2 max 和Δ PPO 则没有相关性。在 T1 时，跑步经济性较低的参与者，即在 11 km h-1 时相对˙VO2 较高的参与者，其 Z3 ˙VO2时间较少（rs = - 0.72，p = 0.003）。分析表明，除了 Z3V 与 Δ TT（rs = - 0.47，p = 0.049）和 Δ PPO（rs = 0.52，p = 0.028）外，Z3V、Z3P、Z3HR 的时间与成绩指标的变化无明显关系。

在心脏几何变量之间观察到了一些相关性。例如，左心室质量和左心室舒张末期容积（EDV）（rs = 0.79，p < 0.001）之间以及二维和三维测量之间存在很强的相关性，这并不奇怪，因为它们分别来自相似的数据源或测量相同的心脏结构。在 LA 收缩末期容积（ESV）和 Δ TT 之间发现了进一步一致的（二维和三维结果）中度关系（二维：rs =  - 0.48，p = 0.045；三维：rs = − 0.46，p = 0.066）。附录 3 提供了每组变量之间更详细的相关性分析。

讨论

两个干预组的 TIDV 和 TIDP 都显示出极化模式，而 TIDHR 则显示出金字塔模式。对于 HSM 和 HSM + LIT，Z3HR 的时间明显少于 Z3V 和 Z3P 的时间。此外，在 10 次 HIIT 训练中，Z3V 和 Z3P 的时间保持相对一致，而 Z3HR 在两组中都出现了下降，在HSM + LIT 中更为明显。更重要的是，Z3V中的时间与 Δ PPO 和 Δ TT 呈中度剂量反应关系，表明在 Z3V 中积累更多时间的运动员往往能在更大程度上提高他们的 PPO 和 TT 成绩。相反，在 Z3P、Z3HR、Z3VO2 中的时间与耐力表现参数的变化之间没有关系。最后，除了 LA ESV 和 Δ TT 外，心脏几何学与基线耐力表现参数和变化评分之间没有关系。

HIIT 冲击微循环的 TID

我们首次根据各种强度测量结果，提供了关于是否额外增加 LIT 的 7 天 HIIT-SM 的 TID 数据。不出所料，与 HSM 相比，HSM + LIT 参与者在所有三种强度测量中进入 Z1 的时间更长，而 HSM + LIT 和 CG 在进入 Z1HR 的时间上没有差异（图 3）。不过，HSM 和 HSM + LIT 在 TIDV 和 TIDP 方面都显示出极化模式，而 TIDHR 则呈金字塔形。同时，继续进行常规训练的 CG 的 TIDHR 也呈金字塔型。强度测量之间 TID 的这些差异是由于两个干预组在 Z3HR 中达到的时间少于 Z3V 和 Z3P。随后，这导致了 Z2HR 时间的增加；这种转变主要归因于每个间歇开始时心率动力学比跑步速度和力量动力学慢（图 2B）。尽管由于大多数试验报告的是中周期（8-10 周）的训练数据，因此很难对不同研究进行比较，但在自行车运动员[20]、中长跑运动员[21]或皮划艇运动员[22]身上也观察到了类似的 TID 模式。人们一致认为，用不同的强度测量方法量化 TID 很可能会导致不同的分布[3]，在做出明智的训练决策时需要考虑到这一点。

通过分析所有 HIIT 训练中的 Z3 数据（图 4A），可以得出结论：随着 HIIT 训练次数的增加，延迟心率动力学对 Z3HR 时间的影响增强。相比之下，Z3V 和 Z3P 的时间保持相对稳定，这表明大多数运动员仍能根据速度和功率达到 Z3 工作率，但在 Z3HR 中被低估了。有趣的是，与 HSM 相比，在 HSM + LIT 中 Z3HR 时间的下降更为明显，在第 3 节后已经很明显（31 ± 4%，而第 1 节为 45 ± 4%，p = 0.005）。然而，从第一个疗程到最后一个疗程，HSM（47±5% 到 28±5%，p = 0.034）和 HSM + LIT（45±4% 到 16±4%，p < 0.001）的 Z3HR 时间都有所减少。组间心率反应的差异可能是由于 HSM + LIT 组增加了 300 分钟的 LIT 训练负荷，增加了运动员身体的应变。值得注意的是，两组的 Z3HR 在休息日后的 2 至 3 次训练后都呈轻微上升趋势，然后再次下降，这表明存在潜在的恢复效应。此外，运动员还表示，在 HIIT-SM 结束时，他们已经达到了一个极限，无法在不影响完成整个训练的情况下跑得更快以达到心率目标。干预结束后 3 天，Z3HR 时间的减少也反映在心率最大值的降低（4-6 bpm）上，这在之前已有报道[51]。高强度训练后最大心率下降的观察结果与之前的研究结果一致[26, 53]。这些观察结果归因于累积的疲劳和自律神经系统的紊乱，特别是交感神经系统活动的下降[54, 55]。有观点认为，这种反应对于提高运动成绩是否可取和必要[56]。有趣的是，运动员在Z3HR 中花费的时间存在明显差异，持续时间最长和最短的运动员之间相差 106 分钟（HSM）和 78 分钟（HSM + LIT）（图 3）。还需要进一步研究探索个体因素，以解释为什么有些人比其他人的下降幅度更大。运动员和教练在解释 HIIT-SM 的 TIDHR 时考虑这些机制至关重要[57]。我们的研究结果还表明，如果目标是在 HIIT-SM 期间最大限度地延长 Z3HR 时间，那么额外的 LIT（即长时间冷却）会适得其反。

大多数调查 Stryd 得出的跑步功率数据的研究都是在实验室环境下进行的[19, 47, 58]。在这里，我们展示了一个在 "真实世界 "环境下的纵向跑步功率训练数据集，包括室外和室内训练课程。与之前的研究结果一致[47, 59, 60]，我们的结果大多支持在这种应用环境下跑步力量与跑步速度之间的线性关系。在每个组别和区段中，功率与速度之间的区段时间没有差异，只有 HSM 的 Z3 区段除外（图 3）。图 4A、B 显示，特别是在实验室进行的训练导致了测量结果之间的差异。这一发现可能是由于跑步机上的固定间隔速度造成的，有些人部分错过了 Z3P 临界值，但同时又在 Z3V 累积了时间。更重要的是，参与者被要求在平坦的赛道上进行室外训练，这有利于功率-速度的线性关系。相反，不同的坡度和速度可能会导致不同的 TIDP 和 TIDV 模式，这值得在今后的研究中进一步探讨。

在实验室中对干预组双倍日的 Z3 ˙VO2、Z3P 和 Z3V 数据进行分析后发现，随着时间的推移，Z3HR 没有变化，而 Z3HR 在 T2 和 T3 之间有所下降（图 4B）。从 Z3 时间和对 HIIT-SM 期间累积负荷的反应来看，每种强度测量方法都有自己的特点。由于间歇期的运动速度较快（另见图 2B），且 HIIT-SM 期间对累积负荷和疲劳没有反应，因此在所有实验过程中，跑步速度和功率在Z3 中的时间最长。与此相反，内部指标心率和˙VO2 在 Z3 中的平均时间较少，而˙VO2 在分析的各节中保持一致，这表明间歇的代谢工作量相当。与此相反，心率对累积负荷做出了反应，并在 Z3HR 中出现下降。在根据不同的强度指标解释 TID 时，考虑这些因素非常重要，因为它们主要影响输出结果。此外，在达到 Z3 ˙VO2（在 T1 测量 90% HRmax 时超过 ˙VO2 的时间）的时间方面，运动员之间的差异很大，尽管相关的间歇速度得到了遵守。以前曾在中等强度的自行车运动中观察到˙VO2 动力学的昼夜变化[61]，但在高强度跑步中没有观察到[62]。有证据表明，强化训练导致最大心率下降的同时，最大˙VO2 也会下降[53, 63]，这也可能影响 Z3 ˙VO2 的时间。到目前为止，关于作为 HIIT-SM 一部分的双重 HIIT 训练及其对心率、˙VO2 和它们之间相互作用的影响的研究还不充分。

相关性分析

一般认为，在 Z3（即达到或接近VO2max）所花费的总时间与VO2max 的提高之间存在剂量-反应关系[33, 36, 64]。有趣的是，目前的研究没有发现在 Z3HR、Z3 ˙VO2、Z3P 中花费的时间与成绩参数的变化之间存在关系。由于该领域的研究大多集中在时间较长（4-8 周）的干预措施上，运动员通常每周进行 2-3 次 HIIT 训练，因此与以往研究的比较是有限的。据我们所知，只有一项研究调查了HIIT-SM 期间的剂量反应关系。Rønnestad等人[30] 在六天内对精英越野滑雪运动员进行了五次 HIIT（6 × 5 分钟）训练，他们在第一、二和五次训练中平均累积了约 12 到约 16 分钟≥ 90%˙ VO2 max 和约 18 到约 23 分钟≥ 90% HRmax。相关分析表明，≥ 90%˙ VO2 max 的时间可以估算 ˙VO2 max 的提高（r = 0.54，p = 0.071），而不能解释其他性能参数的变化，如 4 mmol L-1 La 时的速度（r = 0.211，p = 0.511）。我们的结果表明，运动员在第二、三、九和十节课中平均花费 11 到 13 分钟在 Z3 ˙VO2 中，但这并不支持 Z3 ˙VO2 和 Δ ˙VO2 max 之间的明确关系（rs = 0.24，p = 0.335）。需要指出的是，这两项研究之间的比较应谨慎对待，因为我们选择使用 90% HRmax 时的˙VO2 而不是 90% ˙VO2 max 作为 Z3 ˙VO2 的阈值。这样做是为了符合间歇强度规定，并使所有强度测量的区域确定标准化。

之前的研究主要调查了内部指标（心率、˙VO2）与作为实际耐力表现替代指标的最大˙VO2 的发展之间的剂量-反应关系[32, 36]，我们的数据无法证实这一点。然而，Z3V 时间与 Δ PPO（rs = 0.52，p = 0.028）和 Δ TT（rs = -0.47，p = 0.049）之间存在中等程度的相关性，估计在 HIIT-SM 期间花更多时间在 Z3V 上的运动员更有可能提高他们的 PPO 和 TT5km 成绩。因此，这些结果说明了外部测量（速度）与实际耐力表现（即 TT5 公里）之间的关系。这就是为什么在以跑步为基础的 HIIT-SM 环境中，基于速度的强度测量可能比基于心率的强度测量更合适的另一个原因。至少在平坦的地形上，速度能更可靠地反映实际做功情况，而心率往往会低估强度和负荷；随着副交感神经的增加和疲劳的累积，这种差异会变得更加明显（图 4A）。这对运动员和教练员来说具有重要意义，表明不应根据 Z3HR 的时间来评估 HIIT-SM的效果。由于我们只在 10 次训练中的 4 次测量˙VO2，因此所有 HIIT 训练中累积的 Z3 ˙VO2 时间是否能更好地预测耐力相关参数的变化还有待研究，这应该是未来研究的主题。

˙基线时测得的最大氧饱和度（VO2 max）、肺活量（PPO）和LT 是 TT1 成绩的有力预测指标，这与之前的文献[65, 66]一致。虽然有可靠证据表明，跑步经济性对跑步成绩很重要[45]，但我们只发现跑步经济性与TT1 有中等程度的关系（rs = 0.41，p = 0.094），这与之前相同 TT 距离的结果一致（r = 0.44 [67]，r = 0.39 [68]）。有趣的是，基线跑步经济性是对ΔTT 的良好估计（rs = - 0.68，p = 0.003）。这表明，与跑步经济性较好的参与者相比，跑步效率较低的参与者更有可能通过 HIIT-SM 提高他们的 TT5km 时间。基线与Δ跑步经济性之间的关系也反映了这一点（rs = - 0.69，p = 0.002）。这些关系说明，耐力训练运动员使用 HIIT-SM 有可能提高主要成绩参数。不过，我们队列中训练相对较少的运动员似乎受益更大。

据推测，心腔大小是预测高˙VO2 max 的一个因素，这表明心腔较小的个体在接受 HIIT 干预后可能表现出更大的提高成绩的潜力。一些研究表明，基线静息左心室EDV 或左心室质量与最大˙VO2 之间存在明显的弱相关到强相关关系[69, 70]。然而，我们没有发现静息心腔大小测量值与基线耐力表现变量之间有明显的相关性。这可能与研究人群相对单一和样本量较小有关。心腔大小与耐力表现之间相关性较弱的另一个原因可能是心肌顺应性在每搏量的产生以及随后的˙VO2 max 中起着重要作用[71]，这表明静息时的心腔大小与运动时的心腔大小相比实际上并不那么重要。

此外，我们的分析表明，除了 LA ESV 和 Δ TT 呈负相关（2D：r s = - 0.48，p = 0.045；3D：r s = - 0.46，p = 0.066）外，心脏几何变量和变化分数之间没有明显的相关性。这表明，与较大的参与者相比，LA 较小的参与者更有可能通过 HIIT-SM 提高其 TT 时间。多项研究表明，在长时间和高强度的耐力运动中，心房对产生搏出量的贡献以及心房壁应力都很重要[72, 73]。这强调了监测 LA 大小对指导运动建议的潜在价值。然而，要全面探讨心脏几何学的作用，尤其是 LA 的大小，还需要进一步开展样本量更大的研究，并在运动过程中进行测量，这样才有可能改进个性化训练建议。

局限性

尽管到目前为止，似乎还没有证据表明生理性别会影响 TID，但需要考虑到各组之间女性参赛者分布不均的问题。这种差异主要归因于辍学和数据质量检查，不幸的是，这减少了女运动员的人数。由于 CG 被要求继续进行常规训练，包括跑步以外的其他运动，因此无法根据速度和力量与干预组进行比较，这可能会错过有价值的额外信息。在解释相关性分析结果时，重要的是要考虑到干预组是为了增加样本量而集中在一起的，要知道一半人比另一半人进行了更多的 LIT，这可能会对结果产生影响。不过，为了让读者更全面地了解情况，我们在补充 3 中对每组进行了单独分析。最后，在进行 HIIT-SM 时，我们没有以 RPE 的形式对主观感受进行详细监测，因此可能会遗漏一些有价值的数据。

结论

我们的结论是，强度测量方法的选择会严重影响耐力训练运动员 HIIT-SM的 TID 定量。基于 TIDHR 的知情决策应谨慎对待，因为 HR 低估了 HIIT-SM 期间的实际训练强度。在 Z3V 区的时间似乎对检测剂量-反应关系很有价值，这表明在由跑步速度决定的 "红色区域 "花费更多时间的运动员可能会在 PPO 和 TT 性能方面取得更大的进步。我们建议结合外部和内部测量来评估 HIIT-SM 的训练数据。除了 LA ESV 与 TT 成绩变化之间的关系外，心脏几何学结果不足以估算 HIIT-SM 引起的耐力成绩参数变化，这一点应在未来不同设计和人群的研究中进行调查。

图 1各时间点和 7 天干预阶段的研究设计概要。T0，熟悉情况和心脏超声检查；

TT1和TT2，在室外跑道上进行的5公里计时赛；T1、T4、T5、T6，在跑步机上进行的心肺运动测试；TB，最佳后测量值，即在T4、T5、T6测试后测量的各变量的最大值或最小值，这取决于什么可以被视为耐力表现改善；黑色跑步者，自我指导的室外训练；橙色跑步者，有监督的实验室训练；D，日；S，训练；R，休息日

图 2参赛者的示例数据。A 在T1 进行的增量跑步机测试，每个阶段的心率（HR）、跑步功率、摄氧量（O2）、速度和血乳酸值。各区以1.5 mmol L-1 和 90% 最大心率分隔。最大心率通过斜坡测试确定，在增量测试后进行。B 实验室第二天下午的训练（D2S3）包括10 分钟热身（WU）、5 × 4 分钟高强度间歇训练（HIIT）、30分钟低强度训练（LIT）。HIIT冲击微循环（HSM）组只进行热身（WU）和HIIT，而另一组则在每次训练后进行额外的 LIT（HSM + LIT）。每种强度测量的动力学和相应的区域时间如图所示

表 1人体测量和心脏几何数据（平均值±标准差）

表 2耐力性能参数的基线和变化（平均值 ± SD [范围）

图 3 7 天干预阶段各组和强度测量的训练强度分布。平均值（条形图），单个数据 (点）和平均值的标准误差（须）。根据运动测试中1.5 mmol L-1 血液乳酸和 90% 最大心率的相应值确定区域。在 3个区域内，每种强度测量的组间配对比较用相应的颜色显示。a = 在相应组别和区域内，心率与跑步功率和速度不同（p < 0.05）；b = 在相应组别和区域内，跑步功率与速度不同（p < 0.05）。HSM，高强度间歇冲击微循环训练；HSM + LIT，附加低强度训练的高强度间歇冲击微循环训练；CG，对照组

图 4用平均值（点）和平均值标准误差（带）表示 10 次HIIT 训练中 3 种强度测量（心率(HR)、跑步功率 (P)、速度(V)）在第 3 区(Z3) 的时间的折线图。# = 明显的交互效应（时间×强度）。各节之间的配对比较包括精确的 P值。每节课强度指标之间的配对比较用较小的字符标出（p < 0.05）：a = HR 与 P 和 V 不同，b = P 与 V 不同，c = HR 与 V不同，d = V 与 P和 HR 不同。B Z3 在四次实验室HIIT 训练中的心率、肺活量、肺活量和摄氧量的个人数据（圆圈）方框图，以及干预组的汇总情况

图 5与基线值的相关性矩阵（spearman rank）和性能指标的变化、用不同强度指标确定的第 3区总时间（Z3）（分钟）以及干预组心脏几何变量的相关性矩阵（spearman rank）。T1，初始心肺运动测试；O2 max，最大摄氧量；Δ，从测试前到最佳测试后的变化；PPO，峰值功率输出；LT，乳酸阈值；TT，5 公里计时测试；2D，二维；3D，三维；LV internal EDD，左心室舒张末期内径；LV EDV，左心室舒张末期容积；LV ESV，左心室收缩末期容积；LV mass，左心室质量；LA ESV，左心房收缩末期容积；RV，右心室；RA ESV，右心房收缩末期容积。所有心脏测量值均与体表面积相关。两名参与者的图像质量不允许进行基于软件的三维分析