บล็อก/บทความ

ปริมาณการฝึกคืออะไร? ค่าเฉลี่ยภาระที่บันทึกไว้แบบเร็วและแบบช้า

CTL และ ATL เปรียบเทียบค่าเฉลี่ยแบบช้ากับแบบเร็วของปริมาณการฝึกที่บันทึกไว้ บทความนี้อธิบายว่าโมเดลนี้บอกอะไร ชื่อเรียกดั้งเดิมของค่าต่างๆ หมายถึงอะไร อะไรที่โมเดลวัดไม่ได้ และ Incredible นำโมเดลนี้มาใช้กับคาร์ดิโอและการยกน้ำหนักที่บันทึกไว้อย่างไร

โมเดลปริมาณการฝึกเปรียบเทียบค่าเฉลี่ยแบบช้าของภาระที่บันทึกไว้กับค่าเฉลี่ยแบบเร็ว โมเดลดั้งเดิมเรียกค่าเฉลี่ยแบบช้าว่า CTL (Chronic Training Load) เรียกค่าเฉลี่ยแบบเร็วว่า ATL (Acute Training Load) และเรียกผลต่างของทั้งสองค่าว่า TSB (Training Stress Balance) ส่วนชื่อที่ใช้กันมาอย่าง "สมรรถภาพ" "ความล้า" และ "ฟอร์ม" เป็นแค่คำเรียกสั้นๆ ตามธรรมเนียม ไม่มีค่าใดในนี้ที่วัดสมรรถภาพทางกาย ความล้า การฟื้นตัว ความรู้สึก ผลงาน หรือความเสี่ยงบาดเจ็บได้โดยตรง

แนวคิดหลัก

โมเดลนำค่าภาระรายวันที่บันทึกไว้ชุดเดียวกันไปคำนวณค่าเฉลี่ยถ่วงน้ำหนักสองแบบ แบบแรกใช้ค่าคงที่เวลาที่ยาวกว่าและเปลี่ยนทีละน้อย แบบที่สองใช้ค่าคงที่เวลาที่สั้นกว่าและตอบสนองเร็วกว่า เมื่อนำค่าเฉลี่ยแบบเร็วไปลบออกจากค่าเฉลี่ยแบบช้า จะเห็นว่าภาระที่บันทึกไว้ในช่วงหลังสัมพันธ์กับรูปแบบภาระระยะยาวอย่างไร

โครงสร้างแบบเร็วและแบบช้านี้มาจากโมเดล impulse-response ที่ Banister อธิบายไว้ครั้งแรกในปี 1975 ต่อมา Dr. Andrew Coggan ได้ดัดแปลงให้ใช้วิเคราะห์การฝึกในทางปฏิบัติผ่าน TrainingPeaks ชื่อเรียกดั้งเดิมของโมเดลใช้อธิบายการตอบสนองต่อการฝึกตามที่โมเดลจำลองไว้ แต่ค่าเหล่านี้ก็ยังเป็นแค่สรุปทางคณิตศาสตร์ของข้อมูลภาระที่ป้อนเข้าไป

ลองนึกภาพว่าค่าเฉลี่ยทั้งสองเป็นเส้นที่วาดด้วยปากกาคนละด้าม:

  • CTL คือเส้นที่ช้ากว่า แต่ละวันที่บันทึกไว้ทำให้เส้นนี้เปลี่ยนเพียงเล็กน้อย
  • ATL คือเส้นที่เร็วกว่า วันล่าสุดที่บันทึกไว้ทำให้เส้นนี้เปลี่ยนมากกว่า
  • TSB คือระยะห่างในแนวตั้งระหว่างสองเส้นนี้ ค่านี้บอกความสัมพันธ์ของทั้งสองเส้น ไม่ได้บอกว่าใครรู้สึกอย่างไรหรือจะทำผลงานได้แค่ไหน

ตัวเลขสามค่า

CTL: ค่าเฉลี่ยแบบช้า

CTL คือค่าเฉลี่ยถ่วงน้ำหนักแบบเอ็กซ์โพเนนเชียลของความเครียดจากการฝึกรายวัน โดยมีค่าคงที่เวลาประมาณ 42 วัน แพลตฟอร์มการฝึกมักเรียกค่านี้ว่า "สมรรถภาพ" แต่ที่จริงแล้วค่านี้เป็นสรุปแบบช้าของภาระที่บันทึกไว้และป้อนเข้าโมเดล

  • เพิ่มขึ้นเมื่อ: คุณฝึกสม่ำเสมอต่อเนื่องหลายสัปดาห์และหลายเดือน
  • ลดลงเมื่อ: คุณหยุดพักเป็นเวลานานหรือลดการฝึกลงอย่างชัดเจน
  • เปลี่ยนช้า: การออกกำลังกายหนักครั้งเดียวแทบไม่ทำให้ CTL ขยับ และการพักวันเดียวก็แทบไม่ทำให้ลดลง

CTL ที่สูงกว่าหมายความว่าค่าเฉลี่ยแบบช้ามีความเครียดจากการฝึกที่บันทึกไว้มากกว่า ไม่ได้พิสูจน์ว่าคนคนนั้นฟิตกว่า รับการฝึกได้มากกว่า หรือจะทำผลงานได้ดีกว่า ค่านี้ยังขึ้นอยู่กับวิธีคำนวณภาระและแหล่งข้อมูลด้วย จึงเปรียบเทียบระหว่างบุคคลได้อย่างจำกัด

ATL: ค่าเฉลี่ยแบบเร็ว

ATL คือค่าเฉลี่ยถ่วงน้ำหนักแบบเอ็กซ์โพเนนเชียลของความเครียดจากการฝึกรายวัน โดยมีค่าคงที่เวลาประมาณ 7 วัน แพลตฟอร์มการฝึกมักเรียกค่านี้ว่า "ความล้า" แต่ค่านี้เป็นสรุปแบบเร็วของภาระที่บันทึกไว้ ไม่ใช่การวัดความเหนื่อยล้า

  • เพิ่มขึ้นเมื่อ: คุณฝึกหนักในช่วงไม่กี่วันที่ผ่านมา
  • ลดลงเมื่อ: คุณพักหรือฝึกเบาๆ
  • เปลี่ยนเร็ว: การฝึกหนักครั้งเดียวทำให้ ATL เพิ่มขึ้นอย่างเห็นได้ชัด และการพักสองวันก็ทำให้ลดลงอย่างเห็นได้ชัด

ATL ไม่ได้เป็นเรื่องไม่ดีในตัวเอง ค่านี้แค่ให้น้ำหนักกับการฝึกล่าสุดที่บันทึกไว้มากกว่าการฝึกที่เก่ากว่า ค่าที่สูงเพียงอย่างเดียวไม่ได้บ่งชี้ว่าคุณฝึกเกินกำลัง (overreaching) หรืออยู่ในภาวะฝึกมากเกินไป (overtraining)

TSB: ความสัมพันธ์ระหว่างค่าเฉลี่ยทั้งสอง

TSB คือ CTL ลบ ATL แพลตฟอร์มการฝึกอาจเรียกค่านี้ว่า "ฟอร์ม" หรือ "ความสด" แต่ค่านี้บอกได้แค่ความสัมพันธ์ระหว่างค่าเฉลี่ยสองค่าที่โมเดลคำนวณ ไม่สามารถบอกได้ว่าคุณจะรู้สึกอย่างไรหรือทำผลงานได้แค่ไหน

TSB = CTL − ATL (ค่าเฉลี่ยแบบช้าลบค่าเฉลี่ยแบบเร็ว)

ค่า TSBความสัมพันธ์ในโมเดลการตีความอย่างระมัดระวัง
บวก (มากกว่า 0)CTL สูงกว่า ATLภาระช่วงหลังต่ำกว่าค่าเฉลี่ยแบบช้า
ติดลบเล็กน้อย (0 ถึง −10)ATL สูงกว่า CTL เล็กน้อยภาระช่วงหลังสูงกว่าค่าเฉลี่ยแบบช้าเล็กน้อย
ติดลบปานกลาง (−10 ถึง −30)ATL สูงกว่า CTL มากขึ้นภาระช่วงหลังสูงกว่าค่าเฉลี่ยแบบช้ามากขึ้น
ติดลบมาก (ต่ำกว่า −30)ATL สูงกว่า CTL มากผลต่างในโมเดลค่อนข้างมาก ต้องดูบริบทประกอบ

โค้ชมักใช้ความสัมพันธ์นี้เป็นข้อมูลประกอบอย่างหนึ่งเมื่อทบทวนช่วงการฝึก (training block) และช่วงลดการฝึกก่อนแข่ง (taper) TSB อาจติดลบได้เมื่อการฝึกช่วงหลังเพิ่มขึ้น และเมื่อลดภาระที่บันทึกไว้ลง ATL จะลดลงเร็วกว่า CTL ถึงอย่างนั้น ตัวเลขนี้ก็ยังต้องอาศัยบริบทจากตัวนักกีฬา ประเภทกีฬา และคุณภาพของข้อมูลต้นทาง

ตัวอย่างง่ายๆ

ลองติดตามนักวิ่งสมัครเล่นชื่อ Alex เป็นเวลาสี่สัปดาห์ โดยใช้หน่วย "ความเครียดจากการฝึก" ที่สมมติขึ้น Alex วิ่งประมาณสัปดาห์ละ 140 หน่วยมาหลายเดือนแล้ว ค่าเฉลี่ยทั้งสองจึงเริ่มต้นที่ประมาณ 20 ตัวเลขด้านล่างได้มาจากการคำนวณค่าเฉลี่ยทั้งสองทีละวัน

สัปดาห์ที่ 1: เริ่มแบบเบาๆ

Alex วิ่งสามครั้ง: วันอังคาร (ความเครียด: 50) วันพฤหัสบดี (ความเครียด: 40) และวันเสาร์ (ความเครียด: 60) ความเครียดรวมทั้งสัปดาห์: 150

  • ATL เพิ่มขึ้น เล็กน้อย เป็นประมาณ 21
  • CTL แทบไม่ขยับ ยังอยู่ที่ประมาณ 20 เพราะสัปดาห์ปกติหนึ่งสัปดาห์เป็นแค่ส่วนเล็กๆ ของค่าเฉลี่ย 42 วัน
  • TSB อยู่ที่ประมาณ −1: ค่าเฉลี่ยแบบเร็วสูงกว่าค่าเฉลี่ยแบบช้าเล็กน้อย

สัปดาห์ที่ 2: ภาระที่บันทึกไว้สูงขึ้น

Alex เพิ่มการวิ่งเป็นสี่ครั้งและเพิ่มความหนัก ความเครียดรวมทั้งสัปดาห์: 220

  • ATL พุ่งขึ้น เป็นประมาณ 30
  • CTL เริ่มไต่ขึ้น เป็นประมาณ 22
  • TSB ลดลง เหลือประมาณ −8: ค่าเฉลี่ยแบบเร็วเริ่มขยับขึ้นไปสูงกว่าค่าเฉลี่ยแบบช้า

สัปดาห์ที่ 3: สัปดาห์ที่ภาระที่บันทึกไว้สูงที่สุด

สัปดาห์ที่หนักที่สุดของ Alex เท่าที่ผ่านมา: วิ่งห้าครั้ง มีวิ่งยาวหนึ่งครั้งและวิ่งอินเทอร์วัลหนึ่งครั้ง ความเครียดรวมทั้งสัปดาห์: 300

  • ATL ขึ้นถึงจุดสูงสุด ที่ประมาณ 39
  • CTL ยังไต่ขึ้นต่อ แต่ช้าๆ เป็นประมาณ 25
  • TSB ติดลบชัดเจน ที่ประมาณ −13: ช่องว่างระหว่างค่าเฉลี่ยแบบเร็วกับแบบช้ากว้างขึ้น

สัปดาห์ที่ 4: ภาระที่บันทึกไว้เบาลง

Alex ลดลงเหลือวิ่งเบาๆ สามครั้ง ความเครียดรวมทั้งสัปดาห์: 100

  • ATL ลดลงอย่างรวดเร็ว จากประมาณ 39 เหลือประมาณ 22 ภายในสัปดาห์เดียว
  • CTL แทบไม่ลดลง เหลือประมาณ 24: ค่านี้สะสมสัปดาห์ที่หนักกว่าไว้สามสัปดาห์ และเสียไปแค่สัปดาห์เบาๆ สัปดาห์เดียว
  • TSB กลายเป็นบวกเล็กน้อย ที่ประมาณ +1: ค่าเฉลี่ยแบบเร็วลดลงต่ำกว่าค่าเฉลี่ยแบบช้าแล้ว

นี่คือรูปแบบทางคณิตศาสตร์ที่มักเห็นในช่วงลดการฝึกก่อนแข่ง ค่าเฉลี่ยแบบเร็วตอบสนองต่อสัปดาห์ที่เบาลงได้เร็วกว่า ขณะที่ค่าเฉลี่ยแบบช้าเปลี่ยนน้อยกว่า โค้ชอาจอ่านรูปแบบนี้ควบคู่กับเป้าหมายและความเห็นโดยตรงของนักกีฬา แต่โมเดลเพียงอย่างเดียวไม่สามารถยืนยันสภาพร่างกายของใครหรือทำนายผลงานได้

คณิตศาสตร์เบื้องหลัง (ข้ามได้ แต่มีประโยชน์)

ถ้าอยากเข้าใจว่าคำนวณกันอย่างไรจริงๆ:

ความเครียดจากการฝึกรายวัน แตกต่างกันไปตามประเภทกีฬา ในการปั่นจักรยานคือ TSS (Training Stress Score) ซึ่งคำนวณจากกำลังวัตต์ ในการวิ่งคือ rTSS ซึ่งคำนวณจากเพซ ส่วนการฝึกที่อิงอัตราการเต้นของหัวใจคือ hrTSS หรือ TRIMP (Training Impulse) ซึ่งคำนวณจากอัตราการเต้นของหัวใจ ระยะเวลา และความหนัก

CTL = CTL ของเมื่อวาน + (ความเครียดของวันนี้ − CTL ของเมื่อวาน) ÷ 42

ATL = ATL ของเมื่อวาน + (ความเครียดของวันนี้ − ATL ของเมื่อวาน) ÷ 7

ค่าเหล่านี้คือค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนักแบบเอ็กซ์โพเนนเชียล (EWMA) ตัวเลข 42 และ 7 คือค่าคงที่เวลา ซึ่งกำหนดว่าค่าเฉลี่ยแต่ละค่าตอบสนองต่อภาระที่บันทึกใหม่ได้เร็วแค่ไหน ค่าคงที่เวลาที่ยาวกว่าให้ค่าเฉลี่ยที่ช้าและนิ่งกว่า ค่าที่สั้นกว่าให้ค่าเฉลี่ยที่เร็วและไวกว่า

ในวันพัก ความเครียดจากการฝึกเป็น 0 ดังนั้น:

  • CTL ลดลงเล็กน้อยเข้าหา 0
  • ATL ลดลงเข้าหา 0 เร็วกว่า
  • TSB เพิ่มขึ้น เพราะโดยปกติ ATL ลดลงเร็วกว่า CTL

ในวันที่ฝึกหนัก ความเครียดจากการฝึกสูง ดังนั้น:

  • CTL ขยับขึ้นเล็กน้อย
  • ATL พุ่งขึ้น
  • TSB ลดลง เพราะโดยปกติ ATL เพิ่มขึ้นเร็วกว่า CTL

ความเร็วในการตอบสนองที่ต่างกันนี้เองที่ทำให้การเปรียบเทียบรูปแบบภาระที่บันทึกไว้ทั้งสองแบบมีประโยชน์

CTL และ ATL มาจากไหน

โมเดลที่แต่เดิมรู้จักกันในชื่อ fitness-fatigue model เริ่มต้นจากงานวิจัยด้านวิทยาศาสตร์การออกกำลังกายของ Banister และคณะในปี 1975 และอยู่ในแวดวงวิชาการเป็นหลักมาตลอด จนกระทั่ง Dr. Andrew Coggan ดัดแปลงให้ใช้งานจริงในการปั่นจักรยานผ่าน TrainingPeaks ข้อมูลจากพาวเวอร์มิเตอร์ทำให้คำนวณค่าความเครียดจากการฝึกที่สม่ำเสมอได้จากการปั่นที่บันทึกไว้ แทนที่จะต้องวัดในห้องแล็บ

TrainingPeaks ทำให้ Performance Management Chart (PMC) เป็นที่นิยม กราฟนี้แสดง CTL, ATL และ TSB ตามช่วงเวลา และกลายเป็นเครื่องมือมาตรฐานของโค้ชกีฬาประเภทความอึดในการวางแผนช่วงการฝึกและช่วงลดการฝึกก่อนแข่ง ถ้าคุณเคยได้ยินโค้ชจักรยานหรือไตรกีฬาพูดถึง "การสร้าง CTL" หรือ "การจัดการ TSB" ก็หมายถึงเรื่องนี้

นับแต่นั้น โมเดล CTL และ ATL ก็เป็นเครื่องมือของกีฬาประเภทความอึดเป็นหลัก นักปั่น นักวิ่ง นักไตรกีฬา และนักว่ายน้ำใช้กันเป็นประจำ แต่นักกีฬาสายเวทเทรนนิ่งและนักกีฬาแบบไฮบริดส่วนใหญ่ไม่ได้ใช้ เพราะโมเดลมาตรฐานไม่มีวิธีง่ายๆ ที่จะแปลงการฝึกสควอตให้เป็นหน่วย "ความเครียดจากการฝึก" เดียวกับการปั่นจักรยาน

ปัญหา: เวทเทรนนิ่งไม่เข้ากับโมเดลดั้งเดิม

โมเดล CTL และ ATL แบบดั้งเดิมใช้อัตราการเต้นของหัวใจหรือกำลังวัตต์ในการประมาณความเครียดจากการฝึก สัญญาณต่อเนื่องเหล่านี้เหมาะกับการฝึกความอึดที่บันทึกไว้

แต่เวทเทรนนิ่งทำให้โมเดลนี้ใช้ไม่ได้:

อัตราการเต้นของหัวใจไม่ได้บอกถึงงานจากการยก ระหว่างสควอตหนึ่งเซต อัตราการเต้นของหัวใจอาจเพิ่มขึ้น แล้วลดลงช่วงพักระหว่างเซต ค่าเฉลี่ยของทั้งเซสชันไม่มีข้อมูลท่า น้ำหนัก จำนวนครั้ง หรือประเภทเซตที่บันทึกไว้ในบันทึกเวท

ไม่มีการวัดกำลังวัตต์ นักปั่นมีพาวเวอร์มิเตอร์ นักวิ่งมีค่าประมาณจากเพซ แต่ไม่มีพาวเวอร์มิเตอร์มาตรฐานสำหรับบาร์เบลสควอต คุณคำนวณงานจากน้ำหนัก ระยะทาง และจำนวนครั้งได้ แต่การแปลงเป็นคะแนนความเครียดที่เทียบกับ TSS ของการปั่นได้นั้นต้องใช้วิธีอื่น

ค่ารวมค่าเดียวไม่สามารถบอกได้ว่ากล้ามเนื้อส่วนไหนทำงาน CTL และ ATL ต่างย่อประวัติภาระทั้งหมดให้เหลือค่าเดียว ค่านั้นไม่ได้บอกว่าทำท่าไหนบ้าง หรือกล้ามเนื้อกลุ่มไหนรับภาระ

นี่คือเหตุผลที่เวทเทรนนิ่งต้องมีการประมาณภาระของตัวเองก่อนจะนำไปรวมในโมเดลแบบรวมได้ และเป็นเหตุผลที่มุมมองรายกล้ามเนื้อต้องมีโมเดลแยกต่างหากซ้อนอยู่ด้านบน

Incredible ใช้ภาระจากการออกกำลังกายที่บันทึกไว้อย่างไร

Incredible ใช้ภาระรายวันชุดเดียวกันในคะแนนการฝึกทุกตัว ส่วนต่างๆ เชื่อมโยงกันแบบนี้:

1. ปริมาณการฝึกเริ่มจากการฝึกในวันนั้นของคุณ ภาระคาร์ดิโอคำนวณจากระยะเวลาการออกกำลังกายและความหนักตามอัตราการเต้นของหัวใจ ภาระเวทเทรนนิ่งมาจากเซตที่คุณบันทึก ได้แก่ ท่า น้ำหนัก จำนวนครั้ง และประเภทเซต การเคลื่อนไหวนอกการออกกำลังกายก็นับด้วย คืออัตราการเต้นของหัวใจในนาทีที่ออกแรงซึ่ง Apple Watch บันทึกไว้นอกการออกกำลังกาย เช่น การเดินเร็วที่คุณไม่ได้กดเริ่มเป็นการออกกำลังกาย Incredible รวมค่าเหล่านี้แล้วแสดงเป็นภาระของวันบนเส้นโค้ง 0 ถึง 100 ตัวเลขนี้ไม่ใช่เปอร์เซ็นต์หรือขีดสูงสุดทางร่างกาย

2. การฝึกช่วงหลังคือค่าเฉลี่ยแบบเร็ว Incredible คำนวณค่าเฉลี่ยถ่วงน้ำหนักของภาระรายวันโดยใช้ค่าคงที่เวลา 7 วัน วันล่าสุดมีผลมากกว่า แต่ไม่ใช่การนับเจ็ดวันตามปฏิทินแบบตรงๆ

3. สมรรถภาพคือค่าเฉลี่ยแบบช้า ค่าเฉลี่ยถ่วงน้ำหนักค่าที่สองใช้ค่าคงที่เวลา 42 วัน Incredible แสดงค่านี้เป็นสมรรถภาพ ตั้งแต่ 0 ถึง 100 และเป็นฐานการฝึกในหน้าสมดุลการฝึก ค่านี้อ่านประวัติจาก Apple Health ของคุณ จึงเริ่มต้นจากการออกกำลังกายย้อนหลังหลายเดือนได้ สมรรถภาพในที่นี้คือการฝึกที่สะสมมาตามเวลาจากการออกกำลังกายที่บันทึกไว้ ไม่ใช่สมรรถภาพทางกายทั้งหมด

4. สมดุลการฝึกเปรียบเทียบค่าเฉลี่ยทั้งสอง สมดุลการฝึกนำการฝึกช่วงหลังมาหารด้วยฐานการฝึก ถ้าฐานยังน้อยมาก เช่น เพิ่งเริ่มใช้หรือมีประวัติน้อย จะแสดงว่า "ยังไม่มีฐาน" แทนตัวเลข ค่านี้บอกความสัมพันธ์ระหว่างการฝึกช่วงหลังที่บันทึกไว้กับรูปแบบระยะยาว คล้ายกับ TSB แต่เป็นอัตราส่วนแทนที่จะเป็นผลต่าง และไม่ได้ทำนายการบาดเจ็บหรือภาวะฝึกมากเกินไป

5. ภาระคาร์ดิโอและภาระกล้ามเนื้อแบ่งสัปดาห์ออกเป็นสองส่วน ในหน้าความก้าวหน้า ภาระคาร์ดิโอแสดงภาระต่อหัวใจในเจ็ดวันที่ผ่านมา และภาระกล้ามเนื้อแสดงภาระต่อกล้ามเนื้อ โดยแต่ละค่าเทียบกับสัปดาห์ปกติของคุณ

6. ความสดของกล้ามเนื้อดูทีละมัด ค่านี้ใช้เซตที่คุณบันทึกและคาร์ดิโอของคุณมาประมาณว่ากล้ามเนื้อส่วนไหนพร้อมฝึก และส่วนไหนยังต้องพัก โดยเทียบกับค่าปกติของคุณเอง ค่านี้เป็นการประมาณจากบันทึกการฝึก ไม่ใช่การวัดกล้ามเนื้อจริง

7. ความพร้อมรวมสัญญาณทั้งหมดเข้าด้วยกัน ทุกเช้า ความพร้อมเริ่มต้นจากการนอนหลับและค่าที่วัดได้ช่วงกลางคืน ได้แก่ HRV อัตราการเต้นของหัวใจขณะพัก อุณหภูมิร่างกาย และอัตราการหายใจ โดยเทียบแต่ละค่ากับช่วงปกติของคุณเอง ระหว่างวัน การฝึกของวันนี้ การเคลื่อนไหว และความเครียดระหว่างวันจะทำให้ค่านี้ลดลง และการฝึกจะหักคะแนนมากขึ้นเมื่อการฝึกช่วงหลังสูงกว่าฐานของคุณ หน้าคะแนนแสดงว่าอะไรช่วยเพิ่มความพร้อมและอะไรทำให้ลดลง ส่วนออกซิเจนในเลือดแสดงแยกเป็นค่าสัญญาณชีพของตัวเอง และไม่มีผลต่อคะแนน

ไม่มีมุมมองใดในนี้ที่พิสูจน์การฟื้นตัว ทำนายการบาดเจ็บหรือภาวะฝึกมากเกินไป หรือกำหนดการออกกำลังกายให้คุณ

Apple Watch Series 12 และ Ultra 4 มีคะแนนความพร้อมของ Apple เองแล้ว Incredible ให้คะแนนความพร้อมรายวันบนนาฬิการุ่นเก่ากว่าด้วย ใช้ได้ฟรีบน Series 4 ขึ้นไป และคะแนนจะแสดงบนนาฬิกาเองตั้งแต่ Series 6 ซึ่งใช้ watchOS 11 ดูว่านาฬิกาของคุณได้อะไรบ้าง

ทำไมเรื่องนี้สำคัญสำหรับคนที่ไม่ใช่นักกีฬา

คุณไม่จำเป็นต้องเป็นนักกีฬาแข่งขันก็ได้ประโยชน์จากโมเดลปริมาณการฝึก แนวคิดนี้ใช้ได้กับทุกคนที่ออกกำลังกายเป็นประจำ:

เปรียบเทียบรูปแบบระยะสั้นกับระยะยาว ค่าเฉลี่ยแบบเร็วตอบสนองอย่างรวดเร็วเมื่อภาระที่บันทึกไว้เพิ่มขึ้นหรือลดลง ส่วนค่าเฉลี่ยแบบช้าเปลี่ยนทีละน้อยกว่า ความสัมพันธ์ระหว่างสองค่านี้ทำให้เห็นการเปลี่ยนแปลงของรูปแบบการฝึก โดยไม่ได้อ้างว่าวินิจฉัยความล้า การบาดเจ็บ หรือภาวะฝึกมากเกินไปได้

เข้าใจประวัติที่บันทึกไว้ ค่าเฉลี่ยแบบช้าที่ทรงตัวหมายความว่าประวัติการฝึกที่บันทึกไว้คงที่ ไม่ได้พิสูจน์ว่าสมรรถภาพทางกายหยุดพัฒนา

เห็นช่วงที่ฝึกเบาลง เมื่อภาระที่บันทึกไว้ลดลง ค่าเฉลี่ยแบบเร็วมักลดลงก่อนค่าเฉลี่ยแบบช้า โมเดลแสดงการเปลี่ยนแปลงนั้นโดยไม่ได้ทำนายว่าคนคนนั้นจะรู้สึกอย่างไรหรือทำผลงานได้แค่ไหน

กลับมาฝึกหลังหยุดพัก วันที่ไม่มีภาระบันทึกไว้ทำให้ค่าเฉลี่ยทั้งสองลดลง โดยค่าเฉลี่ยแบบเร็วลดลงก่อน นั่นเป็นการอธิบายบันทึกการฝึก ไม่ได้ตัดสินว่าแผนการกลับมาฝึกแบบไหนปลอดภัยหรือเหมาะสม

ความเข้าใจผิดที่พบบ่อย

"CTL ยิ่งสูงยิ่งดีเสมอ" ไม่ใช่ ค่าที่สูงกว่าหมายความว่ามีความเครียดจากการฝึกตามโมเดลสะสมไว้มากกว่า ไม่ใช่เกรดสุขภาพ ไม่ใช่เกณฑ์ความปลอดภัย และไม่ใช่กระดานจัดอันดับ

"TSB ติดลบแปลว่าฉันฝึกมากเกินไป" ไม่ใช่ หมายความแค่ว่าค่าเฉลี่ยแบบเร็วสูงกว่าค่าเฉลี่ยแบบช้า ตัวเลขนี้อย่างเดียววินิจฉัยภาวะฝึกมากเกินไปไม่ได้

"TSB บอกว่าวันนี้ฉันควรทำอะไร" ไม่ใช่ ค่านี้อธิบายภาระที่บันทึกไว้ การตัดสินใจเรื่องการฝึกยังขึ้นอยู่กับเป้าหมาย อาการ ความเจ็บปวด คำแนะนำจากผู้เชี่ยวชาญ และข้อมูลที่โมเดลไม่มี

"วันที่ภาระเป็นศูนย์คือข้อมูลขาดหาย" ไม่เสมอไป วันที่มีข้อมูลครบแต่ไม่ได้ฝึกจะนับเป็นศูนย์ ส่วนข้อมูลการออกกำลังกายที่ขาดหาย ไม่ครบ หรือยังอัปเดตอยู่ จะถือว่ายังไม่มีข้อมูล ไม่ใช่ศูนย์ ถ้าบันทึกไม่ครบ ภาพรวมก็จะไม่ครบตามไปด้วย

เริ่มต้นอย่างไร

ถ้าคุณไม่เคยคิดเรื่องโมเดลปริมาณการฝึกมาก่อน นี่คือจุดเริ่มต้นที่ทำได้จริง:

  1. บันทึกการฝึกอย่างสม่ำเสมอ โมเดลต้องใช้ข้อมูล บันทึกคาร์ดิโอด้วย Apple Watch และบันทึกการยกน้ำหนักทีละเซต ถ้าข้อมูลขาดช่วง โมเดลก็จะขาดช่วงตามไปด้วย

  2. ดูรูปแบบ ไม่ใช่ตัวเลขรายวันตัวเดียว การดูภาพในช่วงที่ยาวขึ้นจะเห็นว่าค่าเฉลี่ยแบบเร็วเคลื่อนไหวอย่างไรเมื่อเทียบกับค่าเฉลี่ยแบบช้า แต่ไม่ได้ตัดสินว่าสมรรถภาพทางกายกำลังเพิ่มขึ้น คงที่ หรือลดลง

  3. ใช้ผลลัพธ์เป็นบริบท โมเดลปริมาณการฝึกอธิบายข้อมูลที่บันทึกไว้ ไม่ได้กำหนดการออกกำลังกาย ไม่ได้ยืนยันความปลอดภัย และไม่ได้มาแทนความรู้สึกของคุณหรือคำแนะนำจากผู้เชี่ยวชาญที่มีคุณสมบัติ

  4. อย่าไล่ตามตัวเลข CTL ไม่ใช่กระดานจัดอันดับ ค่านี้ขึ้นอยู่กับวิธีป้อนข้อมูล ความครบถ้วนของข้อมูล และประวัติของแต่ละคน ตัวเลขที่สูงกว่าจึงไม่ได้ดีกว่าเสมอไป

Incredible คำนวณภาระจากการออกกำลังกายด้วย Apple Watch เวทเทรนนิ่งที่คุณบันทึก และการเคลื่อนไหวนอกการออกกำลังกาย คุณไม่จำเป็นต้องเข้าใจคณิตศาสตร์ก็อ่านภาระ สมรรถภาพ สมดุลการฝึก ความสดของกล้ามเนื้อ หรือความพร้อมได้ Incredible ใช้ได้ฟรี ดาวน์โหลด Incredible บน App Store

สรุป

โมเดล CTL และ ATL เป็นส่วนหนึ่งของการโค้ชกีฬาประเภทความอึดมานาน เพราะทำให้เห็นรูปแบบการฝึกทั้งแบบเร็วและแบบช้า การนำแนวคิดนี้ไปใช้กับเวทเทรนนิ่งและการฝึกแบบไฮบริดต้องมีวิธีประมาณภาระของการฝึกในยิมที่บันทึกไว้ แทนที่จะใช้อัตราการเต้นของหัวใจระหว่างออกกำลังกายเป็นตัวแทนของทั้งเซสชัน Incredible รวมคาร์ดิโอ การยกน้ำหนักที่บันทึกไว้ และการเคลื่อนไหวในชีวิตประจำวันเป็นภาระรายวันค่าเดียว แล้วนำค่านี้ไปใช้ต่อในสมรรถภาพ สมดุลการฝึก และความพร้อม

คุณไม่จำเป็นต้องเป็นนักวิทยาศาสตร์การกีฬา แนวคิดที่มีประโยชน์นั้นเรียบง่าย: ค่าเฉลี่ยหนึ่งเปลี่ยนเร็ว อีกค่าหนึ่งเปลี่ยนช้า ความสัมพันธ์ของทั้งสองค่าช่วยให้เห็นบริบท ส่วนการนอนหลับและค่าที่วัดได้ช่วงกลางคืนเติมภาพรวมของเช้าวันนั้นในความพร้อมให้ครบ การตัดสินใจว่าจะทำอะไรยังเป็นของคุณ