Are All Running Workloads Created Equal?
Notice bibliographique
Résumé
Training workload (WL) has become a more common monitoring approach in runners and is defined as the product of external and internal training loads. Although rating of perceived exertion (RPE) is a widely accepted measure of internal load, various types of external load metrics can be used in running. PURPOSE: The purpose of this study was to compare week-to-week changes among different training WL measures in high school runners. METHODS: 12 male cross-country runners from the same high school team participated in two consecutive weeks of training monitoring. Training minutes were prescribed by the team coach. Session internal load was collected after each run using RPE on a 1-10 visual analog scale. Session external loads included miles, minutes, IMU-based proprietary tibial load (Bone Stimulus, IMeasureU), and estimated cumulative peak vertical force obtained from wireless insole data (Force, loadsol, Novel). Different weekly WL measures were calculated from session RPE and external load measures. Paired t-tests and Cohen’s d effect sizes were used to compare between-week percent change (%Δ) among different WL measures and weekly minutes (p < 0.05). RESULTS: Different between-week %Δ were observed between RPExMinutes (p = 0.003; d = 1.83), RPExBone Stimulus (p < 0.001; d = 0.74), RPExForce (p = 0.002; d = 1.91), and weekly miles (p = 0.011; d = 0.71) compared to weekly minutes (Figure 1). We also observed greater individual variability in the between-week differences for all three WL measures compared to the volume only measures (Figure 1) due to high variability in the between-week %Δ in average sRPE (SD = 26%). CONCLUSION: These findings suggest that only monitoring a prescribed volume metric can greatly obscure week-to-week individual training responses of runners. The inclusion of an internal training load (i.e., session RPE) allows for the monitoring of the physiological response to training and explains the large variability of the three WL measures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».