2.1 监测内部负荷的方法

2.1.1 自觉用力程度 (RPE) 评级

虽然现在有新的应用程序可用于测量 RPE，但这可以被视为量化内部负荷的最简单方法，因为它是一种实用、无创且廉价的方法（Impellizzeri 等人，2004 年；Wallace 等人，2014 年）。例如，“博格量表”（Borg 1998）将运动员在一节训练课中的自觉用力程度与 6 到 20 之间的值相关联，其中 6 表示完全没有用力，20 表示最大用力（表 2.1）。然而，对于运动员来说，用 15 级量表准确评估自觉用力程度可能很复杂，因此开发了其他更简单的量表，例如 CR-10，也称为“改良博格量表”（Arney 等人 2019；Wilson 和 Jones 1989）。这是一个 10 级量表（表 2.2），对教练具有重要的实际意义，因为之前的研究表明，在6 之后，职业足球运动员的第二个通气阈值（即无氧阈值）被发现（Algrøy 等人 2011）。此外，另一个优点是它是一种心理生理量表（Abbiss 等人，2015 年），可以回顾性地应用，甚至可以在训练后 48 小时测量 RPE（Fanchini 等人，2017 年）。此外，RPE 可以乘以训练的总时长，这被称为训练-RPE，是量化训练负荷的另一种方法（Foster 等人，2001 年）。

然而，RPE 作为量化内部负荷的方法的主要局限性之一是它是一种主观方法 (Chen 等人，2002)。教练需要考虑到球员报告的虚假评分存在风险，尤其是职业球员，他们依靠自己的表现来保持自己的职业角色 (Oliva-Lozano 和 Rago，2020)。例如，如果一名球员疲劳或无法发挥出最佳水平，而他的 RPE 很高，那么该球员可能会撒谎 (Oliva-Lozano 和 Rago，2020)。这并不意味着球员想欺骗我们，但他/她知道这些信息可能会引起人们对状态不佳的怀疑，或者有另一名更适合在比赛中取代他/她的球员 (Oliva-Lozano 和 Rago，2020)。此外，对于 (a) 何时以及如何向运动员询问有关自觉用力程度的问题，以及 (b) 应该将哪个词分配给每个用力程度类别，缺乏共识 (Oliva-Lozano和 Rago 2020)。此外，RPE 基于不连续的尺度，从技术上讲，它并不量化自觉用力程度，而是对其进行分类。这就是为什么提出了其他方法，例如视觉模拟尺度或 centiMax 尺度（也称为 CR100）（Borg 和 Borg 2002；Foster 等人 2021；Rebelo 等人 2012）。

2.1.2 心率监测

心率监测器的发展使得人们可以在任何体力活动期间监测心率。心率监测是一种有用的方法，尤其是在测量最大心率百分比时，因为它与最大耗氧量 (VO2MAX) 相关 (Achten and Jeukendrup 2003)。它已成为内部负荷监测的最常用方法之一，目前，教练可以获得有关平均心率和最大心率、心率储备、在每个训练区所花费的时间百分比（例如，高于最大心率或心率储备的 95%）、心率变异性、心率恢复等的信息。此外，以前的作者建议监测心率与 RPE 比率，这可能有助于基于建立客观和主观测量之间的关系来解释疲劳 (Halson 2014; Martin and Andersen 2000)。然而，测量心率的主要限制在于运动员需要佩戴心率监测器（通常带有胸带），他们可能认为这有点侵入性。因此，性能跟踪系统行业正在尝试开发特定的背心或 T 恤，其中包括心率监测技术（Pino-Ortega 等人，2019 年）。

2.1.3 生化/激素/免疫学评估

近年来，越来越多的研究针对运动的生物反应进行了研究，特别关注疲劳分析和性能优化（Halson 2014；Nowakowska 等人 2019；Walker 等人 2019）。一些生物标志物是血乳酸浓度、血清肌酸激酶活动、唾液皮质醇、睾酮或唾液免疫球蛋白 A。然而，这些内部负荷监测方法成本高昂且耗时，尚未应用于足球运动（Halson 2014）。

2.1.4 睡眠监测

睡眠质量差可能会对表现、努力感知、动机和各种生物功能产生负面影响（Halson 2014；Nédélec 等人 2015）。鉴于睡眠提供生理和心理功能，而这些功能对于最佳恢复至关重要，睡眠模式不佳可​​能会导致职业足球运动员的恢复受损（Nédélec 等人 2015）。因此，监测睡眠质量和数量很重要，以便在出现明显的表现下降之前尽早发现和治疗（Halson 2014）。教练可以使用简单的日记或问卷来表明总睡眠时间和感知到的睡眠质量。尽管如此，基于惯性传感器（例如加速度计）的新方法可能会引起教练的兴趣，因为它可以提供更详细的信息（例如就寝时间、起床时间或睡眠效率等）

2.1.5 其他问卷和日记

这些是持续收集内部负荷变量（如健康状况、情绪状态或恢复情况）的简单方法。因此，有许多问卷可供选择，其中包括运动员每日生活需求分析 (DALDA) (Rushall 1990)、全面恢复质量 (TQR) 量表 (Kenttä 和 Hassmén1998) 或情绪状态概况 (POMS) (Lovell 等人 2010；McNair 等人 1971) 等。然而，教练需要通过考虑问卷的适当长度和问卷管理频率来避免“问卷疲劳”(Halson 2014)。

2.2 监测外部负荷的方法

传统上，外部负荷监测是基于训练量，考虑训练的总持续时间（例如，训练/比赛时间）或球员在微周期内经历的训练/比赛的总次数。然而，技术的发展已经允许使用新的外部负荷监测方法。例如，目前，电子表现和跟踪系统（EPTS）正在成为足球中时间运动分析的最常用方法，尤其是在精英级别。EPTS 跟踪球员在场上的位置，并收集大量变量（例如，覆盖的距离、加速和减速的总次数、高速动作的总次数、最大速度等）。具体而言，一些 EPTS 通常包括惯性测量单元（例如，加速度计、陀螺仪或磁力计），允许收集三轴负载参数，例如如跳跃、水平身体撞击、落地或守门员负荷的具体测量（例如右扑、左扑、守门员扑救时吸收的重力、站立时间等）。此外，这些可以与生理传感器（例如心率监测器）结合使用，以收集内部负荷变量。尽管 EPTS 之间可能存在组合，但市场上有三种主要形式的 EPTS（Oliva-Lozano 和 Rago 2020）：

(a) 全球导航卫星系统 (GNSS)：这些 EPTS 要求球员佩戴跟踪装置，该装置连接到卫星星座，并可以计算定位（图 2.1）。这些 EPTS 高度依赖于接收器（即跟踪单元）与卫星之间的成功连接，这意味着不可能收集数据或获得良好的信号（例如室内设施）。然而，这些 EPTS 易于使用，通常比其他形式的 EPTS 便宜，并且由生理和惯性传感器组成。

(b) 本地定位系统 (LPS)：这些 EPTS 应用于足球，主要是因为通过 GNSS 在某些体育场馆收集数据存在局限性，此外该技术的有效性和可靠性也存在局限性。LPS 使用多个天线，这些天线放置在球场周围的体育场馆内，以收集球员位置（图 2.2）。LPS 的使用类似于基于 GNSS 的 EPTS，因为两者都要求球员佩戴跟踪装置，收集类似的变量，并且可以与生理和惯性传感器相结合。此外，一些 EPTS 结合了 GNSS 和 LPS 技术，允许使用 GNSS 在室外位置和室内场地（例如，GNSS 覆盖有限的圆顶或体育场）监测球员负荷。但是，需要预先安装，并且财务投资相对较高。

(c) 光学跟踪系统 (OTS)：这些 EPTS 基于体育场内设置的特定跟踪摄像头，用于记录球员和球的位置（图 2.3）。这些 EPTS 的主要优点是球员不需要佩戴任何跟踪设备。然而，与其他 EPTS 相比，安装成本和复杂性通常更高（Curtis 等人 2019；Oliva-Lozano 和 Rago 2020）。在这方面，值得一提的是，这些 EPTS 的使用通常特定于比赛日。此外，惯性传感器收集的外部负荷变量（例如身体撞击或跳跃）或内部负荷变量（例如平均心率）未记录。

此外，这些 EPTS 收集的数据也可用于实时分析。因此，工作人员可以在特定训练课程或比赛中访问球员负荷，并根据此信息做出决定。例如，教练可以将实时数据与训练目标进行比较，并相应地调整课程强度和/或训练量（Weaving 等人，2017 年）。尽管所有这些 EPTS 都为教练提供了外部负荷监测数据，但这些数据可用于战术目的（例如，测量团队宽度或团队长度）。然而，GNSS 技术的有效性和可靠性可能值得怀疑。例如，最近的一项研究表明，GNSS 的平均空间测量误差约为 96 厘米，大于 OTS（约 56 厘米）和 LPS（约 23 厘米）（Linke 等人，2018 年）。