Is Running Power a Useful Metric? Quantifying Training Intensity and Aerobic Fitness Using Stryd Running Power Near the Maximal Lactate Steady State
Notice bibliographique
Résumé
We sought to determine the utility of Stryd, a commercially available inertial measurement unit, to quantify running intensity and aerobic fitness. Fifteen (eight male, seven female) runners (age = 30.2 [4.3] years; V·O2max = 54.5 [6.5] ml·kg−1·min−1) performed moderate- and heavy-intensity step transitions, an incremental exercise test, and constant-speed running trials to establish the maximal lactate steady state (MLSS). Stryd running power stability, sensitivity, and reliability were evaluated near the MLSS. Stryd running power was also compared to running speed, V·O2, and metabolic power measures to estimate running mechanical efficiency (EFF) and to determine the efficacy of using Stryd to delineate exercise intensities, quantify aerobic fitness, and estimate running economy (RE). Stryd running power was strongly associated with V·O2 (R2 = 0.84; p < 0.001) and running speed at the MLSS (R2 = 0.91; p < 0.001). Stryd running power measures were strongly correlated with RE at the MLSS when combined with metabolic data (R2 = 0.79; p < 0.001) but not in isolation from the metabolic data (R2 = 0.08; p = 0.313). Measures of running EFF near the MLSS were not different across intensities (~21%; p > 0.05). In conclusion, although Stryd could not quantify RE in isolation, it provided a stable, sensitive, and reliable metric that can estimate aerobic fitness, delineate exercise intensities, and approximate the metabolic requirements of running near the MLSS.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».