运动表现
量化橄榄球联赛中高速跑方法的简要综述:目前方法是否合适?
Brief Review of Methods to Quantify High-Speed Running in Rugby League: Are Current Methods Appropriate?
原文："Strength and Conditioning Journal" - V35 - I2
▌ 摘要
在橄榄球联赛中，高速跑(HSR)已经被记录下来，以区分比赛标准和位置，并且这经常在关键的比赛之前进行。从业者和研究人员重视HSR，因为它包含在评估训练和比赛的需求中，可以帮助制定准确的训练负荷和恢复方法。HSR可以用绝对值来量化，即对所有选手应用相同的阈值速度(例如，5.0 m·s-1)。在橄榄球联赛中，不同位置和不同球员之间在战术需求、人体测量学和体能特征方面存在着差异。这表明采用绝对的HSR阈值可能不合适，因为这可能存在着HSR数值的高估或者低估。或者，从业者可以根据运动员个人的身体素质，如峰值冲刺速度、最大有氧速度(MAS)或通气阈值出现的速度，来将阈值速度个体化。个体化HSR要求从业者选择一个有效且实用的测试来量化HSR阈值速度。结果表明，使用峰值冲刺速度来量化HSR速度可能会对HSR速度数据产生错误的解读，同时特定生理衍生阈值的实用性也会受到质疑。对于橄榄球联赛的从业者来说，使用设定的时间/距离测试来量化HSR的MAS可能是最合适的方法。
▌ 介绍
橄榄球联赛是一项以碰撞为基础的团队运动，包括间歇性的高强度活动，如碰撞、加速和高速跑(HSR)(29)。比赛由两支球队，每队13名球员组成，每支球队有4名替补球员，他们可以在整个比赛中互换位置(29)。比赛由两个40分钟的半场组成，中间有10分钟的中场休息，双方的目标是进行进攻和防守，通过将球放在对方的球门线后来得分(29)。这项运动在全球范围内以不同的比赛标准进行(23)，职业球队主要集中在澳大利亚(国家橄榄球联赛)和英格兰(欧洲超级联赛)，以及每四年参加一次世界杯比赛的国际球队。
微机电系统(MEMS)包括陀螺仪、加速度计、磁力计和全球定位系统(GPS)(42)。这些系统已被用于监测比赛和训练时的身体活动指标，如HSR或高强度跑步(HIR)，这些指标通常反映出了橄榄球联赛各个位置球员需求上的特征(13,20,25)。橄榄球联赛的球员可以分为4个位置组，即击球前锋(即，支柱前锋)，边路跑动前锋(即，第二排和松头前锋)，可调整球员(即，钩球球员，前卫和最后卫)，以及外侧后卫(即，中卫和边卫)。进攻前锋往往会在中场短距离内反复加速，同时经常参与持球以协助入侵对手的半场(39)。边路跑动前锋在球场的侧方区域活动，这样他们就可以在不那么拥挤的更广阔的区域内进行持球和抢断(39)。由于回踢和追踢活动，外侧后卫通常处于更大的空间，并在高速移动时覆盖更远的距离(22)。可调整球员的位置往往与高速跑动到开阔空间的同时支持进攻有关(63)。与进攻前锋(235米)和边路跑动前锋(418米)相比，外侧后卫(583米)和可调整球员(436米)在比赛中累积的HSR更高(25)，这是因为外侧后卫和可调整球员有更大的加速空间(>21米)，而进攻前锋和边路跑动前锋在更短的距离(6-10米)上进行基于加速的接触(22,57)。鉴于HSR在橄榄球联赛中跑动指标的重要性，从业者(如技术/体能教练和科学保障人员)应经常在训练时规定HSR (71,73)，同时尽量将受伤发生的风险降到最低(14,49,75)。HSR的测量已经成为区分比赛标准和位置差异的重要指标，它通常出现在关键比赛事件(例如，尝试得分)之前(57)。
因此，用于表征HSR的阈值往往是任意的，并且不能解释不同位置之间人体测量和身体素质的差异(57)。无论球员的位置如何，橄榄球联赛的绝对阈值都是基于一个给定的速度(例如，HSR为5.0 m·s-1)，该速度适用于所有球员(50)。人体测量特征的差异可以表征不同的比赛位置(19,47)，这种离散的差异导致了不同位置之间战术角色的差异(57)。这些差异表明，进攻前锋和边路跑动前锋的体重通常比外侧后卫和可调整球员更重(进攻前锋:106±5.0 kg，边路跑动前锋:99±7.0 kg，外侧后卫:96±4.0 kg，可调整球员:86±8.0 kg)(20)。外侧后卫的身体素质特征在20米冲刺时间上比其他位置组的速度更快 (外侧后卫:3.05秒，可调整球员:3.09秒，边路跑动前锋:3.10秒，进攻前锋:3.13秒)(19)。在YO-YO间歇恢复1级(YO-YO IRL1)测试中，可调整组比其他位置组跑动的距离更长，该测试旨在评估橄榄球专项高强度间歇跑能力(可调整组:987米，边路跑动前锋:979米，外侧后卫:887米，进攻前锋:834米)(18,19)。这可能意味着，与进攻前锋相比，外侧后卫、可调整球员和边路跑动前锋更容易达到任意阈值，从而导致这些位置累积的HSR距离更大。然而，尽管不同位置组之间的身体素质存在差异，但不同位置组内的球员之间也会存在差异。例如，在完成YO-YO IRL1测试时，两个外侧后卫可能有非常不同的距离，同样，两个进攻前锋可能有非常不同的峰值冲刺速度。球员之间存在的位置和球员彼此之间的差异似乎表明准确的训练和恢复处方可能会受到抑制(34,57)。
个体化阈值为每个运动员提供了一个速度区域(见附录1，补充数字内容1,http://links.lww.com/SCJ/A328)，通常锚定在一个生理“里程碑”上，这可能会增强个人训练负荷和恢复方法的处方(34,57)。先前的研究已经实现了量化HSR的方法，包括通气阈值(1,34)和最大有氧速度(MAS)(21,34,42)。也采用过如峰值冲刺速度等物理特性(16,24)。因此，考虑到橄榄球联赛球员之间的人体测量学和身体位置差异(16,20,47)，团队运动中存在着不同的HSR阈值方法，这也质疑了哪一种方法最适合职业橄榄球联赛。因此，这个简要综述的目的有两个方面:(a)识别出目前在确定HSR阈值方面存在的绝对和个体化方法和相关方法;(b)确定哪些方法最适合在职业橄榄球联赛中应用，以量化关键的比赛跑动数据。
▌ 绝对阈值
绝对跑步阈值方法使从业者能够根据速度分区来检查运动员活动的运动特征。在选择这种方法的研究中，这些分区是不同的(2,39,63,69)。从业者可以在训练或比赛中，应用这种方法来比较不同球员和不同位置之间的身体输出(71)。然而，尽管它在橄榄球联赛研究人员中很受欢迎(表1)，但HSR的绝对阈值速度存在变化，速度范围从3.9 m·s-1到5.7 m·s-1 不等(2,43,67,72)。这些变化源于Sirotic等人(58)对原始工作的修改，他们将视频分析和基于计算机的跟踪系统结合起来，分析橄榄球联赛中的身体活动。然而，McLellan等人(44)在橄榄球联赛中采用了MEMS设备，通过修改以前在橄榄球联赛中使用的区域来量化绝对跑步速度区域。这些区域将HSR的阈值量化为5.0 m·s-1，这已经成为橄榄球联赛研究中最适用的速度(2,25,46,63)。此外，5.0 m·s-1可能超过个体化HSR阈值速度，这取决于所采用的个体化方法和球员的身体特征，这表明5.0 m·s-1可能在生理上低估了所有位置的HSR距离。因此，这可能推断出橄榄球联赛研究中的绝对阈值是不一致的(32)。目前，尚不清楚哪个绝对HSR阈值在从业者中更受青睐，一种选择是GPS制造商的默认阈值，另一种选择是在已发表的研究报告中应用的绝对阈值。
尽管在橄榄球联赛中从业人员和研究人员广泛使用HSR阈值，但在欧洲超级联赛中，不同位置上的球员在体重上的差异非常大(进攻前锋:106±5.0 kg，边路跑动前锋:99±7.0 kg，外侧后卫:96±4.0 kg，可调整球员:86±8.0 kg)(20)。这可能有助于所收集数据的解释和实际可用性。例如，对于处在这一体重连续体两端的球员来说，一个固定的绝对阈值(5.0 m·s-1)可能是不合适的，因为体重较重的球员达到设定速度的能力较低，而体重较轻的球员达到设定速度的能力较高(57)。如果在训练中没有达到规定的HSR负荷，较重的球员(可能是“进攻前锋”)可能需要参加HSR专项训练来达到期望的训练刺激;因此，无法达到的阈值可能会抑制恢复和运动发展策略的有效性。然而，要使这一理论正式化还需要进一步的研究。
在橄榄球联赛中，较重的球员可能具有较低的峰值速度，而较轻的球员可能具有较高的峰值速度(22)。假设，应用5.0 m·s-1的绝对跑步速度阈值可能会导致峰值速度为8.0 m·s-1的进攻前锋(可能较重)需要达到其峰值速度的63%才能记录HSR，而峰值速度为9.5 m·s-1的外侧后卫(较轻)只需要达到53%。因此可以认为，使用绝对高速阈值可能会低估峰值速度较低选手的HSR速度，而高估峰值速度较高选手的HSR速度(57)。随后的偏差可能带来错误的训练负荷监测和恢复处方(57)。尽管如此，如果运动员的身体素质更加统一，应用的绝对HSR阈值代表了所包含球员的MAS(15)，那么从业者可以采用一个绝对阈值，因此它可以显示出更大的相对贡献。因此，从业者在选择测量橄榄球联赛中HSR的方法时，应考虑到上述绝对阈值(图2 )。
▌ 个体化的阈值
将球员特征整合到个体化HSR中，形成了个体化的运动特征(42)。采用个体化的阈值可以为球员的跑步表现提供另一种替代分析，因为它确定了球员的移动速度是否超过了先前确定的生理/物理阈值（该阈值被归类为高速），特别是当它根据个人的身体素质(例如，峰值冲刺速度的百分比)而确定时(16)(见附录1，补充数字内容1 , http://links. lww.com / SCJ / A328)。此外，还生成了外部负荷的替代评估，这可能使从业者能够制定个人训练负荷和恢复方法(10,54,57)。个体化的速度阈值方法通常与球员的速度和体能素质有关，因此需要使用一个理论框架来更好地评估训练和比赛需求，以最大限度地提高球员的体能(42)。例如，已报道的用于确定HSR绝对速度的高度可变范围可能包括在中-高和高-高强度区域中发生生理转变的相对速度，这可以区分不同运动类别之间的差异(57)。尽管在橄榄球联赛文献中存在个体化的方法(表2)，但它们在橄榄球联赛从业者中的受欢迎程度尚不清楚。尽管如此，鉴于不同位置的球员在人体测量和体能特征方面存在的明显差异，我们可以推断，将个体化的方法应用于HSR，(如峰值冲刺速度，MAS，或实施一种方法来量化进入高强度区域的速度)对于橄榄球联赛从业者加强训练处方、负荷管理和恢复策略具有实际意义和重要性(图2)。
▌ 峰值冲刺速度阈值
从业者可以使用个体化的运动特征，并将个体的峰值冲刺速度标准化，以帮助比较运动员之间的相对强度(16)。将HSR阈值标准化为个人峰值冲刺速度的百分比(参见附录1，补充数字内容1,http://links.lww.com/SCJ/A328)可能被认为是一种更合理的方法，因为这可以增加较慢球员的HSR，并减少较快球员的HSR(24,50)。为了应用这个百分比，从业者可能会指导球员进行线性峰值冲刺速度测试，通常使用双光束计时门(16,24)或雷达枪(42)对30-40米距离的最大冲刺进行计时评估。然而，在橄榄球联赛比赛中，只有17%的冲刺在30到40米之间，最常见的是6到20米(22)。因此，有人质疑使用距离大于20米的速度来个体化HSR的实际意义。此外，由于测试方法之间存在较小的偏差和误差，从业者应该纵向实施相同的方法(55)，并避免从替代方法推断GPS设备的阈值速度时的有效性问题。
峰值冲刺速度也可以从训练和比赛期间收集的GPS时间-运动分析数据中确定(10,50)。然而，这些速度往往低于数字计时门(GPS: 7.7 m·s-1, 使用计时门的40米冲刺:9.1 m·s-1)(22)，因为比赛中的峰值冲刺速度是由战术和位置需求决定的(10)。在橄榄球联赛中，使用10 HZ的GPS来评估40米冲刺时的峰值速度已经得到了验证，从业人员对每个球员使用相同的GPS单元和软件(55)来捕捉球员的峰值跑步速度。因此，在橄榄球专项速度训练中使用GPS确定峰值速度可能更为合适。Dempsey等人(16)使用HIR的个人峰值冲刺速度方法，以65%为阈值，研究了初级和高级国际橄榄球联赛球员之间在比赛需求方面的差异。研究结果显示，在高级(358±204米对253±164米)和初级(279±112米对246米±181米)球员中，后卫在高强度速度下的跑动距离要比前锋更远。这种方法有助于比较相对强度，并表明由于场上位置，防守不那么紧凑，后卫积累了更大的HIR，从而使后卫能够达到更大的奔跑速度(16)。同样，Gabbett等人(24)也对青少年橄榄球联赛球员进行了监测；然而，HSR阈值设定为峰值冲刺速度的50%(34,56)。根据球员的实际比赛年龄和标准进行分组，平均阈值速度随着年龄的增长而增加，如果比赛标准越高，年龄组内的平均阈值速度就越大。然而我们推测，两名运动员可以完成相同数量的绝对HSR，但由于峰值冲刺速度的差异，速度较慢的运动员积累的相对压力更大，从而抑制了个别运动员的训练处方和恢复要求。同时使用绝对和相对条件可以更好地检查竞赛的需求(24)，尽管这可能会使分析过于复杂，我们建议只使用一种纵向方法。
除了橄榄球联赛外，其他团队运动项目(如，足球，曲棍球，澳式足球和橄榄球联赛)均采用峰值冲刺速度来确定HSR(10,34,50,56)。Hunter等人(34)在22场大学生足球比赛中使用50%的峰值冲刺速度来确定HSR。本研究认为，由于HSR数据存在有意义的解释误差，使用峰值冲刺速度在应用和研究环境中都是不合适的。此外，Scott和Lovell(56)也使用50%的峰值冲刺速度(范围:3.7 m·s-1- 4.7 m·s-1)来检查其是否增强了内部剂量反应。他们的研究结果表明，峰值冲刺速度方法在确定运动员内部剂量反应的能力上存在缺陷，并支持了之前的研究结果，即由于低估和高估HSR而导致解释错误(24,34)。然而, Murray等人(50)在职业澳式足球比赛中使用了55%的峰值冲刺速度(4.5 m·s-1)，并报道了速度较慢的运动员在相对较高的慢性HSR负荷下，与低慢性负荷相比，受伤的可能性实际上降低了(93%的可能性)(50)。这可能表明，个体化的阈值处方方法可能对损伤的发生有保护作用，这表明从业者应该考虑每个运动员的跑步需求(50)。因此，不同研究之间存在阈值百分比的差异，表明这种个体化速度阈值方法的应用值得商榷。此外，对所有玩家使用相同的HSR阈值百分比有些武断，HSR仍然会受到绝对HSR阈值方法所暗示的问题的影响。
例如,应用65%的阈值,球员A是峰值速度为9.5 m·s-1和HSR阈值为6.2 m·s-1的外侧后卫,而球员B是峰值速度为8.4 m·s-1和HSR阈值为5.5 m·s-1的边路跑动前锋(图1)。然而，球员B的间歇性体能大于球员A，表现在图2中更大的间歇性体能测试分数，这使得球员B更频繁地进入他们的HSR区域和帮助加速恢复过程(34)。此外，我们认为两名运动员具有相同的峰值冲刺速度，因此具有相同的阈值速度，但有氧适应能力的差异会导致表现的差异(5)。这表明有氧适应能力更强的球员有更高的跑步经济性，使他们能够在比赛中更快地恢复，并积累更多的HSR距离(36)。这些考虑迫使使用HSR的这种方法进行个体化干预变得更加复杂，特别是在橄榄球联赛球员的生理素质差异明显的情况下。
▌ 生理阈值
从业者可以考虑基于适应性的方法来量化HSR，因为这些方法源于合理的生理学原理。这些方法适用于在随后的生理转变发生的同一时间点上实现个体速度(34)(见附录1，补充数字内容1,http://links.lww.com/ SCJ/A328)。采用基于体能的方法来确定HSR不仅可以为训练处方和匹配分析提供个体化的方法，而且可以潜在地使从业者了解超过生理阈值的距离和时间(21)。因此，从业者需要考虑采取哪种最合适的方法来确保所选择的生理测试是合适的，并且可以实际地安排在一个职业橄榄球联赛的训练时间表内(42)(图2)。
▌ 以实验室为基础的阈值
对于橄榄球联赛的从业人员来说，确定准确的跑步速度阈值的一个潜在方法是将HSR阈值建立在客观的生理指标测量的基础上，这些生理指标代表了从中等强度区域到高强度区域的过渡，例如第二次通气阈值(VT2)(1,34)。这一阈值被确定为对应于氧气和二氧化碳的通气当量的拐点的速度，同时二氧化碳的潮气末分压也会相应降低(34)。量化VT2的传统方法是让球员完成一个递增的实验室测试，直到力竭。Hunter等人(34)建议利用基于实验室的评估来推导VT2速度，因为它代表了跑步强度域之间的变化，因此能更好地代表剂量-反应关系(61)。然而，线性的、连续的、增量 (详尽的) 的跑台测试对测试参与多方位、间歇团队运动项目的运动员的生理有效性是值得怀疑的，再加上需要系统的重新测试和在赛季期间安排测试的机会有限(57)。此外，每次只能测试一名球员，这表明这种方法在典型的(约20名)运动队团体中是不可行的。重新测试的要求提出了与有效和频繁进行重新测试所需的专门设备和专门知识有关的高消耗。目前尚不清楚这些复杂性是否会成为实施该方法的障碍，需要进一步研究实践者对影响其决策的情境和环境因素的看法。因此，只有一项橄榄球联赛研究使用了这种方法来确定阈值;然而，这是一个只有一个参与者的案例研究设计 (61)。
尽管存在复杂性，但其他团队运动(如足球)已经将这种方法应用于职业足球比赛中的个体化HIR(1)。Abt和Lovell(1)采用的VT2方法使用基于实验室的增量跑台实验来量化HIR。将所得阈值(4.0 m·s-1 -4.6 m·s-1)应用于比赛数据以计算个体化HIR，结果显示有氧适应能力较差的球员(较低的VT2速度)比有氧适应能力较强的球员(较高的VT2速度)表现出更大的HIR距离(r=-0.68)。提议的推理不包括在内；然而，位置性的人体测量差异、体能差异和比赛需求方面的差异可能有所贡献(10,57)。在VT2中速度较低但比赛中HIR需求更高的球员，实现HIR的阈值速度较低。而在VT2中速度较高但比赛中HIR需求较低的球员，实现HIR的阈值速度较高。这可能会对从业者和球员在根据不同位置的生理素质和HIR需求的差异来制定个体化的恢复方法和训练处方时产生影响。然而，目前尚不清楚实施这种循证方法是否会提高橄榄球联赛的训练和表现。因此，建议未来的研究方向是研究基于实验室评估的VT2速度，以使橄榄球联赛中的HSR个体化。
▌ 场地阈值
以前的建议表示，具体的基于场地的评估也可以对从中等强度区域过渡到高强度域的速度作出估计。30:15间歇体能测试(30:15 IFT)是一种渐进的间歇测试，要求球员工作30秒，恢复15秒。运动员以8 Km·h-1的速度在两条40米的线之间进行往返跑，每45秒增加0.5 Km·h-1 (7)。Scott等人(57)最近的一项研究将30:15 IFT纳入职业橄榄球联赛球员的HSR阈值(7)。球员完成30:15 IFT来估计测试中最后完成阶段的速度，该速度被Buchheit等人应用于之前工作(8)。由此产生的在VT2处达到的估计速度为最终速度的87%(见附录1，补充数字内容1,http://links.lww.com/SCJ/ A328)。有人建议，这可能会让从业者更深入地了解球员的跑步负荷，比基于实验室的评估更实用(57)(图2)。这种方法可以让从业者更精确地规定训练负荷和实施恢复策略。
30:15 IFT也被规定用于确定橄榄球联赛中在第一通气阈值(VT1)处所达到的速度，该速度计算为最终速度的68%(8,57)，并作为HSR阈值(11)(见附录1，补充数字内容1,http://links.lww.com/SCJ/A328)。研究结果表明，在季前赛期间，让球员接触更大的HSR负荷可能有助于在竞争激烈的比赛中最大限度的提高HSR活动(11)。此外，这种基于场地的测试包括方向的变化(后续代谢消耗)，并且是间歇性的，更好地代表了团队运动的需求，增强了生态效度。也有人认为30:15 IFT可以帮助规定不同的能量代谢形式(7)。然而，斯科特等人(57)提出的个体化VT1和VT2方法可能被认为有些矛盾，因为它通过对所有运动员30:15 IFT的最终阶段的速度应用任意百分比来量化HSR。此外，本研究中建立的任意百分比是从一组不相关的足球、手球和篮球运动员中得出的平均值(8)。由于球员身体素质的差异，这可能导致橄榄球联赛球员对随后的HSR数据的误解。此外，频繁的重新测试和测试的详尽性可能会干扰专门用于恢复和比赛准备策略的训练课程(图2)。例如，橄榄球联赛的比赛频率在3到9天之间不等，因此较长的休息时间会导致更高的训练负荷，而较短的休息时间会加强训练计划，从而导致从业者减少训练负荷并专注于恢复过程(62,75)。因此，从业者可能会考虑用其他方法来量化HSR，这些方法在连续运行测试中执行相关的内部响应，这可能被认为是更合适的(图2)。
▌ 心率拐点
除了VT2的速度外，还有一些内部反应同时发生，如心率拐点(56)。拐点被定义为从线性心率/负荷关系中向下或向上的变化，这种变化在递增运动测试中很明显，与VT2和从中等强度到高强度的过渡密切相关(56)。虽然可能在实验室测试中发现(34,56,57)，但也可以在连续进行的场地评估中发现(56)。使用蒙特利尔大学赛道测试的修改版本(40,48)(参见Scott和Lovell(56)了解完整方法)中的VAM-EVAL(48,56)测试作为持续递增的跑步测试(直到力竭)，来识别心率拐点。这种方法已经在国际女子足球中使用，并将HSR确定为心率拐点发生的速度。心率拐点平均出现在最终跑速的82%;然而，使用最终运行速度的80%来确定HSR已经被证明是错误的(34)。虽然VAM-EVAL已经被用于确定心率拐点，但对于23%的初始球员样本，该方法未能识别出这一点(56)。因此，可以认为，在基于场地的测试中，试图实现心率拐点发生的速度可能不是量化橄榄球联赛球员HSR的最有效方法(图2)。
▌ 最大有氧速度
在团队运动中，MAS的识别变得更加明显，可能是因为它是一种更实用的、基于场地的测试，可以在没有专门设备的训练设施中实施(5)。MAS的确定允许从业者采用一种替代方法来测量跑步表现和最大限度地提高适应性，同时产生一种简单有效的方法来进行能量代谢训练(3,21)。通常，MAS被定义为VO2max出现的最低跑步速度(m·s-1)(5)，可以认为MAS是一个定义良好的生理学参数，可能是识别相对运动强度的合适工具(48)。有充分的文献表明，有氧能力是橄榄球联赛球员的一个重要能力(3,47)，这表明可以在橄榄球联赛中实施MAS来确定HSR阈值(图2)。
显然，在文献中采用了不同的方法来使用MAS去识别强度区域的转换。可以修改真实MAS速度(100% MAS)来确定HSR，其中可以应用100% MAS，也可以考虑更高或更低的百分比(21,34,54)(见附录1，补充数字内容1,http://links.lww.com/ SCJ/A328)，尽管80%的MAS被认为会错误地量化HSR(34)。目前，只有一项橄榄球联赛的研究使用MAS来量化HIR，其中75%的MAS来自于多级体能测试(MSFT)，并将其作为选择和非选择初级球员的HIR阈值(70)。或者，MAS可以解释为它与峰值冲刺速度和由此产生的无氧速度储备的关联，即MAS与峰值冲刺速度之间的速度差(54)。Mendez-Villanueva等人(48)采用了这种方法，他们将MAS作为HSR阈值，并确定了无氧速度储备，以更好地建立运动员从HSR到冲刺的过渡。此外，有研究表明，使用MAS，结合峰值冲刺速度和无氧速度储备，是一种更有效的方法(21)。这是由于在比赛中，运动员获得了较高比例的峰值冲刺速度，从而使运动员的速度阈值与冲刺能力标准化(21,34)。然而，这种方法尚未在橄榄球联赛中得到应用。
对于从业者来说，值得考虑的是哪种基于现场的测试被认为是最适合实际确定MAS的。一系列基于场地的测试可以确定MAS(见附录1，补充数字内容1,http://links.lww.com/SCJ/A328和图2)，当与整个球队(30-40人)一起工作时，从业者有必要选择有效可靠的测试，而不会妨碍其他方面的训练并潜在地抑制表现(57)。还值得考虑的是，现有测试的适当性，因为它们可以分类为连续的、线性的(计时和设定距离试验)，或基于往返的测试(MSFT(41)和1200米往返测试(35))，以及连续的、渐增的(蒙特利尔赛道测试(40)和VAM-EVAL(9))，甚至是间歇性的和递增的(YO-YO IRL1(56)和30:15 IFT(7))。有人认为，往返测试可能更适合橄榄球联赛，特别是如果它们是在间歇性的情况下。然而，场地往返测试由于不是连续的可能不能准确地估计MAS，并且由于包括加速和减速而造成更大的代谢消耗。Berthoin等人(4)之前的研究证实了这一点，与蒙特利尔大学赛道测试(15.8±1.9 Km·h-1)和增量跑台测试(15.9 6 2.6 Km·h-1)相比，MSFT低估了MAS(13.1±1.0 Km·h-1)，这表明随着速度的增加，加速、减速、停止、转向和启动会限制跑步节奏。这可能会让人认为这些测试是有问题的，因为纠正方程通常用于估计MAS(4)，这可能会引起人们对它在橄榄球联赛中使用实际相关性的质疑。
连续的递增测试(9)可以被认为比前面提到的测试更适合用于MAS的确定。然而，这些测试以及一些往返跑的测试可能很难在橄榄球联赛的训练计划中经常定期进行。尽管如此，我们建议，一个固定时间的测试或固定距离的测试，如5分钟跑步或1.5公里测试，可以作为橄榄球联赛所采用的更合适的测试。因为它们在确定MAS时具备实用性和简易性，尽管它是线性的，连续的(5,21)(见附录1，补充数字内容1,http://links.lww)。也就是说，橄榄球联赛的从业者可以考虑通过应用生理阈值来个体化HSR;虽然由于这些方法之间存在有效性和实用性的影响，我们可以提出，使用由设定时间的测试之中得出的MAS来量化HSR可能是橄榄球联赛从业者最合适的生理阈值。然而，个体化的速度阈值并没有以加速度的形式考虑区域之间的过渡，而是只关注速度(57)。另外，代谢功率结合了速度和加速度的特性，如果个体化的话，可能更适用于量化橄榄球联赛中的HSR。
▌ 代谢功率阈值
橄榄球联赛的跑步表现结合了速度和加速度特性，从而产生了相关的代谢消耗(W·kg-1)(38)。加速跑的代谢消耗通常大于匀速跑的消耗。高强度的加速可能在较低的速度下发生，这时代谢消耗较高(38)，但绝对速度区域和个体化速度区域都没有考虑到这一点。最近的一种方法提出，在平坦地面上加速跑的代谢等同于在斜坡上以匀速跑的代谢(17,51)。由此产生的等效斜率可以用来估计运动的能量消耗，特别是对于团队运动，从业者可以量化在不同代谢功率区域内积累的距离(39)。此外，Gray等人(30)最近的发展已经建立了一种基于能量的替代方法，通过计算个体在水平方向、垂直方向、克服空气阻力和摆动四肢时所做的机械功来量化代谢功率(30,31)。这些方法可以用于确定高功率阈值并随后量化在高功率下覆盖的距离。这可能会让从业者更好地理解橄榄球联赛比赛的跑步需求，因为通过结合速度和加速度的消耗，而不是仅仅关注从速度区域得出的HSR，为代谢负荷提供了更好的参考(57)。
▌ 绝对代谢功率阈值
目前在橄榄球联赛的研究中存在利用代谢功率结合高功率距离的研究(12,15,39,59)。然而，这些研究大多使用18-20 W·kg-1之间的任意阈值对其进行量化。Kempton等人(38)应用了20 W·kg-1，发现在比赛过程中，高功率距离和HSR都导致了类似的减少，尽管高功率距离显示出更大的价值。其他使用该阈值的研究也报道了高功率距离高于绝对HSR距离，并表明与高功率相比，HSR低估了橄榄球联赛的跑步需求(39,72)。虽然20 W·kg-1是文献中较为深刻的阈值，但Cummins等人(15)采用了18 W·kg-1的阈值，并确定了替补球员和全场球员之间以及在不同位置球员之间的比赛代谢需求是不同的(12)。与HSR阈值一样，运动员的工作能力、人体测量学特征和位置需求也各不相同，这表明每个运动员跑步的代谢消耗都是不同的，这表明使用任意阈值来获得高功率可能会误解运动员身上所承受的相对压力(53,57)。
▌ 个体化代谢功率阈值
因此，Scott等人(57)建议在橄榄球联赛中个体化高功率，并通过操控30:15的IFT来量化阈值。通过将达到最终速度87%的速度输入到代谢功率计算(可调整球员:22.0±0.7 W·kg-1，外侧后卫21.1±1.5 W·kg-1，边路跑动前锋21.7±0.5 W·kg-1，进攻前锋21.0±0.5 W·kg-1)中得出阈值，然后将距离与超过20 W·kg-1以上的距离进行比较。与绝对距离相比，相对高功率距离较低(可调整球员:1,137±324米vs 1,315±373米，外侧后卫:1,377±189米vs 1,468±216米，边路跑动前锋:1,296±109米vs 1,486±118米，进攻前锋:797±175米vs 851±204米)，绝对高功率阈值可能高估了依赖于位置的高代谢跑步表现。对于体能水平较低的运动员，绝对的高功率阈值可能会低估高代谢跑步表现(57)。然而，尽管这种方法被认为是个体化的，但它通过在30:15 IFT期间实现最终速度的任意百分比来估计代谢功率力。这可能被认为与包含任意百分比的方法相矛盾，实现一种量化个体化代谢功率的方法可能更合适。
Polglaze等人(53)对曲棍球的研究整合了临界功率，将临界功率定义为稳态和非稳态运动之间的界限(64)。这一概念提出，个体在其临界功率阈值以下可以无限制地运动，但当超过阈值时，只能进行固定数量的工作(有限的工作能力)(64)。当这个概念应用于功率输出时，低于临界功率阈值的功以瓦特为单位计量，高于临界功率阈值的有限工作容量以千焦耳为单位计量(64)。然而，当应用于速度时，低于临界速度阈值所做的功以m·s-1为单位计量，有限工作容量以米为单位计量(64)。此前有研究认为，由这种功率/速度-时间关系中得出的参数可以用来描述个体代谢稳态和有限工作能力的“黄金标准”划分(64,66)。
因此，由于橄榄球联赛是间歇性的，在临界功率下的功率输出将低于包含连续运动的传统运动模式(53)。因此，Polglaze等人(53)建议使用3分钟的全力曲棍球专项场地测试来量化临界功率下的代谢功率，因为这可能提供更合适和全面的评估。测试的最后30秒的平均代谢功率被量化为高功率阈值(10.5 W·kg-1)，这远远低于先前在橄榄球联赛中提到的绝对和相对高功率阈值。然而，这些研究中的能量阈值等同于对如VT2和VO2max等生理指标的估计，它们构成了更大的生理阈值(53)，而这些阈值可能过度导致团队运动中高强度工作量被低估(53)。这项研究进一步表明，临界功率代谢方法更适合于对强度的分类，它包含了速度和方向的持续变化，并认为它对团队运动从业者是有用的(53)。
可以认为，临界功率方法可能更适合于量化橄榄球联赛中的高功率跑步活动，尽管目前还没有明确的橄榄球联赛专项3分钟全力场地测试，如果测试成立，从业者可能会考虑使用这种方法。
▌ 结论
目前的研究强调了不同的方法来量化HSR，尽管它没有考虑在职业橄榄球联赛的训练和比赛日程中如何适当的管理具体方法和测试程序。基于这一简要综述中的证据，提出了用绝对阈值方法来量化橄榄球联赛中的HSR是不合适的。这是由于HSR数据可能被低估或高估，这取决于球员个人身体素质的差异(19,47)。峰值冲刺速度等个体化的方法可能会产生错误的解释，而特定生理衍生阈值的实用性和任意性可能会受到质疑。因此，我们建议从业人员应考虑应用MAS方法，通过设定时间和/或距离试验(例如，1500米计时和5分钟跑)来量化HSR，以准确规定HSR阈值，这些阈值可以解释职业橄榄球联赛球员在人体测量学(19,20)和身体素质(19,47)在比赛位置的差异。这种方法源于完善的生理学原理，可以在橄榄球联赛球队的正常训练实践中实际应用(图2)。
▌作者：
Thomas Bennett
- 赫尔FC橄榄球联赛俱乐部的体育科学家，也是赫尔大学的博士生
Phil Marshall
- 赫尔大学力量与体能讲师
Steve Barrett
- Playermaker英国有限公司体育科学与研究总监
James J. Malone
- 利物浦霍普大学教练科学高级讲师
Chris Towlson
- 赫尔大学体育教练与表现科学讲师
▌译者：马晨然
- 现所属单位/机构及职务：
内蒙古中优足球俱乐部体能教练
- 曾任重点职务：
雅加达第十八届亚洲运动会中国体育代表团参赛保障团成员
北京2022年冬奥会和冬残奥会人才储备库成员
内蒙古消防总队训练与战勤保障支队体能教练
内蒙古中优足球俱乐部 体能教练
JOINFIT训练部总监
- 所获相关资格认证：
NSCA-CSCS、RSCC、CES、PES、FMS-L1、L2、FCS、AHA-HS、中国体育科学学会运动处方师
▌校对：武浩
- NSCA中国地区官方助教
- 北京言鼎体育-体能培训师
参考文献：
1. Abt G, Lovell R. The use of individualized speed and intensity thresholds for determining the distance run at high-intensity in professional soccer. J Sports Sci 27: 893–898, 2009.
2. Austin DJ, Kelly SJ. Professional rugby league positional match-play analysis through the use of global positioning system. J Strength Cond Res 28: 187–193, 2014.
3. Baker D, Heaney N. Normative data for maximal aerobic speed for field sport athletes: A brief review. J Aust Strength Cond 23: 60–67, 2015.
4. Berthoin S, Gerbeaux M, Turpin E, et al. Comparison of two field tests to estimate maximum aerobic speed. J Sports Sci 12: 355–362, 1994.
5. Berthon P, Dabonneville M, Fellmann N, Bedu M, Chamoux A. Maximal aerobic velocity measured by the 5-min running field test on two different fitness level groups. Arch Physiol Biochem 105: 633– 639, 1997.
6. Black GM, Gabbett TJ. Repeated high-intensity- effort activity in elite and semielite rugby league match play. Int J Sports Physiol Perform 10: 711– 717, 2015.
7. Buchheit M. The 30-15 intermittent fitness test: Accuracy for individualizing interval training of young intermittent sport players. J Strength Cond Res 22: 365–374, 2008.
8. Buchheit M, Al Haddad H, Millet GP, et al. Cardiorespiratory and cardiac autonomic responses to 30-15 intermittent fitness test in team sport players. J Strength Cond Res 23: 93–100, 2009.
9. Buchheit M, Simpson MB, Al Haddad H, Bourdon PC, Mendez-Villanueva A. Monitoring changes in physical performance with heart rate measures in young soccer players. Eur J Appl Physiol 112: 711–723, 2012.
10. Casamichana D, Morencos E, Romero-Moraleda B, Gabbett TJ. The use of generic and individual speed thresholds for assessing the competitive demands of field hockey. J Sports Sci Med 17: 366–371, 2018.
11. Crang Z, Hewitt A, Scott T, Kelly V, Johnston RD. Relationship between preseason training load, match performance, and match activities in professional rugby league. J Strength Cond Res, 2020. Epub ahead of print.
12. Cummins C, Gray A, Shorter K, Halaki M, Orr R. Energetic and metabolic power demands of national rugby league match-play. Int J Sports Med 37: 552–558, 2016.
13. Cummins C, McLean B, Halaki M, Orr R. Positional differences in external on-field load during specific drill classifications over a professional rugby league preseason. Int J Sports Physiol Perform 12: 764–776, 2017.
14. Cummins C, Welch M, Inkster B, et al. Modelling the relationships between volume, intensity and injury-risk in professional rugby league players.
J Sci Med Sport 22: 653–660, 2019.
15. Cummins CJ, Gray AJ, Shorter KA, Halaki M, Orr R. Energetic demands of interchange and full- match rugby league players. J Strength Cond Res 32: 3447–3455, 2018.
16. Dempsey GM, Gibson NV, Sykes D, Pryjmachuk BC, Turner AP. Match demands of senior and junior players during international rugby league. J Strength Cond Res 32: 1678–1684, 2018.
17. di Prampero PE, Fusi S, Sepulcri L, et al. Sprint running: A new energetic approach. J Exp Biol 208: 2809–2816, 2005.
18. Dobbin N, Highton J, Moss SL, Hunwicks R, Twist C. Concurrent validity of a rugby-specific Yo-Yo intermittent recovery test (level 1) for assessing match-related running performance. J Strength Cond Res 35: 176–182, 2021.
19. Dobbin N, Highton J, Moss SL, Twist C. The discriminant validity of a standardized testing battery and its ability to differentiate anthropometric and physical characteristics between youth, academy, and senior professional rugby league players. Int J Sports Physiol Perform 14: 1110–1116, 2019.
Evans SD, Brewer C, Haigh JD, et al. The physical demands of Super League rugby: Experiences of a newly promoted franchise. Eur J Sport Sci 15: 505–513, 2015.
Fitzpatrick JF, Hicks KM, Hayes PR. Dose- response relationship between training load and changes in aerobic fitness in professional youth soccer players. Int J Sports Physiol Perform 13: 1–6, 2018.
Gabbett TJ. Sprinting patterns of national rugby league competition. J Strength Cond Res 26: 121–130, 2012.
Gabbett TJ. Influence of playing standard on the physical demands of professional rugby league. J Sports Sci 31: 1125–1138, 2013.
Gabbett TJ. Use of relative speed zones increases the high-speed running performed in team sport match play. J Strength Cond Res 29: 3353–3359, 2015.
Gabbett TJ, Jenkins DG, Abernethy B. Physical demands of professional rugby league training and competition using microtechnology. J Sci Med Sport 15: 80–86, 2012.
Gabbett TJ, Polley C, Dwyer DB, Kearney S, Corvo A. Influence of field position and phase of play on the physical demands of match-play in professional rugby league forwards. J Sci Med Sport 17: 556–561, 2014.
Gabbett TJ, Stein JG, Kemp JG, Lorenzen C. Relationship between tests of physical qualities and physical match performance in elite rugby league players. J Strength Cond Res 27: 1539– 1545, 2013.
Gabbett TJ, Ullah S. Relationship between running loads and soft-tissue injury in elite team sport athletes. J Strength Cond Res 26: 953–960, 2012.
Glassbrook DJ, Doyle TLA, Alderson JA, Fuller JT. The demands of professional rugby league match- play: A meta-analysis. Sports Med Open 5: 24, 2019.
Gray A, Andrews M, Waldron M, Jenkins D. A model for calculating the mechanical demands of overground running. Sports Biomech: 1–22, 2020.
Gray AJ, Shorter K, Cummins C, Murphy A, Waldron M. Modelling movement energetics using global positioning system devices in contact team sports: Limitations and solutions. Sports Med 48: 1357–1368, 2018.
Hausler J, Halaki M, Orr R. Application of global positioning system and microsensor technology in competitive rugby league match-play: A systematic review and meta-analysis. Sports Med 46: 559–588, 2016.
Hulin BT, Gabbett TJ, Kearney S, Corvo A. Physical demands of match play in successful and less-successful elite rugby league teams. Int J Sports Physiol Perform 10: 703–710, 2015.
Hunter F, Bray J, Towlson C, et al. Individualisation of time-motion analysis: A method comparison and case report series. Int J Sports Med 36: 41–48, 2015.
Kelly VG, Jackson E, Wood A. Typical scores from the 1.2 km shuttle run test to determine maximal aerobic speed. J Aust Strength Cond 22: 183– 185, 2014.
Kempton T, Coutts AJ. Factors affecting exercise intensity in professional rugby league match-play. J Sci Med Sport 19: 504–508, 2016.
Kempton T, Sirotic AC, Coutts AJ. Between match variation in professional rugby league competition. J Sci Med Sport 17: 404–407, 2014.
Kempton T, Sirotic AC, Coutts AJ. An integrated analysis of match-related fatigue in professional rugby league. J Sports Sci 33: 39–47, 2015.
39. Kempton T, Sirotic AC, Rampinini E, Coutts AJ. Metabolic power demands of rugby league match play. Int J Sports Physiol Perform 10: 23–28, 2015.
40. Le ́ger L, Boucher R. An indirect continuous running multistage field test: The Universite ́ de Montre ́al track test. Can J Appl Sport Sci 5: 77– 84, 1980.
41. Le ́ger LA, Mercier D, Gadoury C, Lambert J. The multistage 20 metre shuttle run test for aerobic fitness. J Sports Sci 6: 93–101, 1988.
42. Malone JJ, Lovell R, Varley MC, Coutts AJ. Unpacking the black box: Applications and considerations for using GPS devices in sport. Int J Sports Physiol Perform 12: S218–S226, 2017.
43. McLean BD, Cummins C, Conlan G, Duthie G, Coutts AJ. The fit matters: Influence of accelerometer fitting and training drill demands on load measures in rugby league players. Int J Sports Physiol Perform 13: 1083–1089, 2018.
44. McLellan CP, Lovell DI, Gass GC. Creatine kinase and endocrine responses of elite players pre, during, and post rugby league match play.
J Strength Cond Res 24: 2908–2919, 2010.
45. McLellan CP, Lovell DI, Gass GC. Markers of postmatch fatigue in professional rugby league players. J Strength Cond Res 25: 1030–1039, 2011.
46. McLellan CP, Lovell DI, Gass GC. Performance analysis of elite Rugby League match play using global positioning systems. J Strength Cond Res 25: 1703–1710, 2011.
47. Meir R, Newton R, Curtis E, Fardell M, Butler B. Physical fitness qualities of professional rugby league football players: Determination of positional differences. J Strength Cond Res 15: 450–458, 2001.
48. Mendez-Villanueva A, Buchheit M, Simpson B, Bourdon PC. Match play intensity distribution in youth soccer. Int J Sports Med 34: 101–110, 2013.
49. Murray NB, Gabbett TJ, Chamari K. Effect of different between-match recovery times on the activity profiles and injury rates of national rugby league players. J Strength Cond Res 28: 3476– 3483, 2014.
50. Murray NB, Gabbett TJ, Townshend AD. The use of relative speed zones in Australian football: Are we really measuring what we think we are? Int J Sports Physiol Perform 13: 442–451, 2018.
51. Osgnach C, Poser S, Bernardini R, Rinaldo R, di Prampero PE. Energy cost and metabolic power in elite soccer: A new match analysis approach. Med Sci Sports Exerc 42: 170–178, 2010.
52. Oxendale CL, Twist C, Daniels M, Highton J. The relationship between match-play characteristics of elite rugby league and indirect markers of muscle damage. Int J Sports Physiol Perform 11: 515– 521, 2016.
53. Polglaze T, Hogan C, Dawson B, et al. Classification of intensity in team sport activity. Med Sci Sports Exerc 50: 1487–1494, 2018.
54. Rago V, Brito J, Figueiredo P, Krustrup P, Rebelo A. Application of individualized speed zones to quantify external training load in professional soccer. J Hum Kinet 72: 279–289, 2020.
55. Roe G, Darrall-Jones J, Black C, et al. Validity of 10-HZ GPS and timing gates for assessing maximum velocity in professional rugby union players. Int J Sports Physiol Perform 12: 836– 839, 2017.
56. Scott D, Lovell R. Individualisation of speed thresholds does not enhance the dose-response determination in football training. J Sports Sci 36: 1523–1532, 2018.
57. Scott TJ, Thornton HR, Scott MTU, Dascombe BJ, Duthie GM. Differences between relative and absolute speed and metabolic thresholds in rugby league. Int J Sports Physiol Perform 13: 298–304, 2018.
58.Sirotic AC, Coutts AJ, Knowles H, Catterick C. A comparison of match demands between elite and semi-elite rugby league competition. J Sports Sci 27: 203–211, 2009.
59.Thornton HR, Delaney JA, Duthie GM, Dascombe BJ. Importance of various training-load measures in injury incidence of professional rugby league athletes. Int J Sports Physiol Perform 12: 819– 824, 2017.
60.Thornton HR, Delaney JA, Duthie GM, Dascombe BJ. Effects of preseason training on the sleep characteristics of professional rugby league players. Int J Sports Physiol Perform 13: 176–182, 2018.
61.Towlson C, Scott D, Bray J, Barrett S, Weston M. The effectiveness of repeated sprint training to enhance international rugby league player fitness and performance: A case report. Sports Perf Sci, 2018.
62.Twist C, Highton J, Daniels M, Mill N, Close G. Player responses to match and training demands during an intensified fixture schedule in professional rugby league: A case study. Int J Sports Physiol Perform 12: 1093–1099, 2017.
63. Twist C, Highton J, Waldron M, et al. Movement demands of elite rugby league players during Australian National Rugby League and European Super League matches. Int J Sports Physiol Perform 9: 925–930, 2014.
64.Vanhatalo A, Jones AM, Burnley M. Application of critical power in sport. Int J Sports Physiol Perform 6: 128–136, 2011.
65.Varley MC, Gabbett T, Aughey RJ. Activity profiles of professional soccer, rugby league and Australian football match play. J Sports Sci 32: 1858–1866, 2014.
66.Vassallo C, Gray A, Cummins C, Murphy A, Waldron M. Exercise tolerance during flat over- ground intermittent running: Modelling the expenditure and reconstitution kinetics of work done above critical power. Eur J Appl Physiol 120: 219–230, 2020.
67.Waldron M, Highton J, Daniels M, Twist C. Preliminary evidence of transient fatigue and pacing during interchanges in rugby league. Int J Sports Physiol Perform 8: 157–164, 2013.
68.Waldron M, Thomson E, Highton J, Twist C. Transient fatigue is not influenced by ball-in-play time during elite rugby league matches. J Strength Cond Res 33: 146–151, 2019.
69.Waldron M, Twist C, Highton J, Worsfold P, Daniels M. Movement and physiological match demands of elite rugby league using portable global positioning systems. J Sports Sci 29: 1223–1230, 2011.
70.Waldron M, Worsfold PR, Twist C, Lamb K. A three-season comparison of match performances among selected and unselected elite youth rugby league players. J Sports Sci 32: 1110–1119, 2014.
71.Weaving D, Jones B, Marshall P, Till K, Abt G. Multiple measures are needed to quantify training loads in professional rugby league. Int J Sports Med 38: 735–740, 2017.
72..Weaving D, Jones B, Till K, et al. Quantifying the external and internal loads of professional rugby league training modes: Consideration for concurrent field-based training prescription. J Strength Cond Res 34: 3514– 3522, 2020.
73..Weaving D, Marshall P, Earle K, Nevill A, Abt G. Combining internal- and external-training-load measures in professional rugby league. Int J Sports Physiol Perform 9: 905–912, 2014.
74.Weaving D, Sawczuk T, Williams S, et al. The peak duration-specific locomotor demands and concurrent collision frequencies of European super league rugby. J Sports Sci 37: 322–330, 2019.
75.Windt J, Gabbett TJ, Ferris D, Khan KM. Training load–injury paradox: Is greater preseason partici- pation associated with lower in-season injury risk in elite rugby league players? Br J Sports Med 51: 645–650, 2017.
