Optimierung der Trainingssteuerung im Straßenradsport mittels simulationsgestützter Trainingswirkungsanalyse mit dem Performance-Potential-Metamodell

Titelangaben

Schrot, Christian:
Optimierung der Trainingssteuerung im Straßenradsport mittels simulationsgestützter Trainingswirkungsanalyse mit dem Performance-Potential-Metamodell.
Bayreuth , 2015 . - 281 S.
( Dissertation, 2015 , Universität Bayreuth, Kulturwissenschaftliche Fakultät)

Volltext

	Format: PDF Name: Dissertation_Christian_Schrot.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Creative Commons BY 3.0: Namensnennung
	Download (6MB)

Abstract

Im Kontext physiologisch begründeter Leistungsveränderungen, vor allem in primär konditionell determinierten Sportarten, wurden zuletzt verstärkt die antagonistischen Modelle Fitness-Fatigue-Modell (Banister, Calvert, Savage & Bach, 1975) und Performance-Potential-Metamodell (PerPot) (Perl, 2000) diskutiert. Eine studienintern durchgeführte literaturanalytische Betrachtung der beiden Modelle lieferte hinsichtlich Modellstabilität, Modellanpassung und Modellprognose Vorteile zugunsten des PerPot, welche ursächlich in dessen modellimpliziter nicht linearer Systemdynamik zu sehen sind. Zielstellung der empirischen Untersuchung dieser Arbeit war es, das PerPot-Instrumentarium auf dessen Fähigkeit zur Optimierung der Trainingssteuerung im Straßenradsport zu überprüfen. Wesentliche flankierende Studiencharakteristika bildeten der leistungssportliche Zugang, die Abbildung chronischer sportlicher Belastungen im saisonalen Verlauf sowie die hohe zeitliche Auflösung der Simulationsdaten mit tageweiser Datenaggregation. Zentrale Fragestellungen zu den durchgeführten PerPot Simulationen waren (1) die Modellstabilität in Bezug auf Variationen in der Datenreihe des Leistungsoutputs, (2) die Modellanpassung unter Verwendung der Inputalternativen Trainingsbeanspruchung und Trainingsbelastung und (3) die Modellprognose trainingsperiodenbezogener Zeiträume. Die empirische Untersuchung gliederte sich in zwei unabhängige, zeitlich aufeinanderfolgende Studien. In der erste Studie wurden drei (2 Elite, 1 Profi) und in der zweiten Studie vier Straßenradsportler (Landeskader Bayerischer Radsportverband) untersucht. Die radspezifischen Trainingsdaten (Trainingsinput) wurden jeweils trainingstageweise herzfrequenzbasiert mittels TRIMP (Banister & Hamilton, 1985) und wattbasiert in kJ erfasst. Der Leistungsoutput wurde in der ersten Studie bei allen Probanden mittels All-Out-Sprinttest (Watt) und rampenförmigem Belastungstest (kJ) ermittelt. In der zweiten Studie wurde bei jeweils zwei Probanden der rampenförmige Belastungstest (kJ) bzw. ein 5-Minuten-Time-Trial-Test (Watt) eingesetzt. Die Stabilitätsanalyse zeigte, gemessen am Modell-Fit (mittlerer prozentualer Simulationsfehler) und dem Quotienten der Verzögerungsparameter (DS/DR), eine hohe Stabilität des PerPot gegenüber Variationen der Datenreihe des Leistungsoutputs (gerade versus ungerade Testleistungen) bzw. Trainingsinputs (Trainingsbeanspruchung versus Trainingsbelastung). Demgegenüber unterlagen die Einzelparameter DS bzw. DR teils erheblichen Streuungen. Dem PerPot kann somit zusammenfassend ein insgesamt robustes Modellverhalten bescheinigt werden, wobei interpretative, trainingspraktische Ableitungen nur in Bezug auf den Quotienten DS/DR inhaltlich begründet sind. Die Analyse der Modellanpassung lieferte für kurze Betrachtungszeiträume (Einzelperioden), gemessen am Intra-Class-Korrelationskoeffizienten, mit Ausnahme von sechs Simulationen, durchgehend akzeptable bis gute Anpassungen (ICC>0.50). Simulative Problemfelder zeigten sich im Kontext langer Beobachtungszeiträume. Die den Simulationen zugrunde liegende trainingsperiodenbezogene Strukturierung des Trainingsprozesses erwies sich hier in Einzelfällen nicht ausreichend um adaptationsbedingte simulative Fehlerquellen (aufgrund fixer Verzögerungsparameter) zu eliminieren. Die erzielten Simulationsergebnisse liegen im Rahmen der publizierten Ergebnisse vorliegender Studien, weisen aber aufgrund der hohen Messdichte erwartungsgemäß eine größere Bandbreite auf. Als weiteres Ergebnis konnte auf qualitativer Ebene zudem ein Zusammenhang zwischen dem eingesetzten Testverfahren zur Bestimmung des Leistungsoutputs und dem zugrunde liegenden adaptationsrelevanten Trainingsinput (Trainingsbeanspruchung versus Trainingsbelastung) abgeleitet werden, welcher statistisch jedoch nicht bestätigt werden konnte. Die Analyse der Modellprognose offenbarte teils deutliche simulative Prognosefehler. Die visuelle verlaufsanalytische Betrachtung zeigte, dass tagesbezogene Leistungsvariationen häufig nicht nachvollzogen werden konnten, sodass hier oftmals nur ein allgemeiner Leistungstrend abbildbar war. Die Implementierung der Trainingsload-Reserve-Funktion in der PerPot-Simulationssoftware (für hohe prospektive Trainingsloads) führte zur Reduktion von Kapazitätsproblemen und damit besseren Prognoseergebnissen. Das PerPot erscheint damit zusammenfassend auch bei leistungssportlicher Betrachtung grundsätzlich in der Lage, im Rahmen der Trainingswirkungsanalyse, flankierend mit anderen Maßnahmen, zur Optimierung der Trainingssteuerung im Straßenradsport eingesetzt zu werden. Globale Problemfelder im Kontext der trainingspraktischen Anwendung des PerPot zeigten sich studienintern aufgrund (1) zeitlicher Veränderungen in der Adaptationschronologie der Probanden, (2) der singulären Erfassung des Trainingsinputs und (3) der Notwendigkeit zur fortlaufenden engmaschigen Erfassung des Leistungsoutputs. Mögliche Lösungsansätze zur Eliminierung dieser anwendungsbezogenen Fehlerquellen ergeben sich für prospektive Forschungsvorhaben anhand weiterführender Modellentwicklungen (PerPot-DoMo Modellansatz) sowie leistungsbasierter Auswertungen von Wettkampfdaten (zeitanteilige Bestwerte).

Abstract in weiterer Sprache

In the context of physiologically driven performance enhancements especially in endurance sports the two antagonistic models Fitness-Fatigue-Model (Banister, Calvert, Savage & Bach, 1975) and Performance-Potential-Meta-Model (PerPot) (Perl, 2000) have been widely discussed recently. A comparative literature analysis of the two models showed that concerning model stability, model fit and ability to predict PerPot is at an advantage due to its non-linear systems dynamic. The goal of this empirical study was to test the PerPot on its ability to optimize the training process in road cycling. Fundamental study characteristics were the elite sports approach, the reproduction of a seasonal race period (chronic loads) and the high temporal resolution with daily data aggregation. Major questions concerning the conducted PerPot simulations were (1) the model stability in relation to variations in the performance data series, (2) the model fit depending on the two training input parameters power and heart rate and (3) the model prediction of time frames based on training periods. The empirical study was subdivided into two succeeding individual studies. The first study covered three (2 elite, 1 professional) and the second study four (selection of Bayerischer Radsportverband) road cyclists. The bike specific training data (training input) was recorded each training day through heart rate based TRIMP (Banister & Hamilton, 1985) and power based energy consumption in kJ. The performance in the first study was measured through an all-out sprint test (watt) and a ramp test (kJ). In the second study the ramp test (kJ) was applied on two subjects and a 5 minute time trial test (watt) was used for the other two subjects. The analysis of the model stability based on model fit and quotient of the delay parameters DS/DR showed substantial stability of the PerPot with respect to variations in the performance (equal versus unequal test points) and training input (power versus heart rate) data series. On the other hand the single values of the delay parameters DS and DR showed considerable variations. In conclusion the PerPot shows stable model behavior, although interpretative training deductions are only reasonable for the quotient DS/DR. The analysis of the model fit showed acceptable to good results (ICC>0.5) for short time periods. Problems occurred in the context of longer time scales because of fixed model delays. In particular cases the training period-based structuring of the training process was not sufficient to eliminate these errors. The results of the PerPot simulations are in line with previously published studies but show an unsurprisingly bigger spread (due to high measuring density in relation to the period of observation). As a further result a relation could be shown between combinations of applied performance tests and training input variables. However these qualitative conclusions could not be statistically confirmed. The analysis of the model predictions revealed to some extent noticeable prediction errors. The visual inspection of the simulations showed that daily variations could often not be reproduced, so that only performance trends could be predicted. The implementation of a training load reserve function in the PerPot simulation software (for prospective high load values) led to a reduction of capacity problems and better results in the performance prediction. In summary the PerPot seems to be basically appropriate to optimize the training impact of a training process in professional road cycling in addition with other sanctions. Global problems in practical use occurred due to (1) chronological variations of the subjects adaptation behavior, (2) the registration of the training input in a singular value and (3) the need to continuously record performance values. Possible solutions to eliminate these application-based sources of error arise for prospective research projects from further model developments (PerPot-DoMo) as well as power based analyses of competition data (mean maximum values).