训练指标预测马拉松表现的准确性

       为了可以预先估计马拉松比赛的完成时间、比赛平均配速，跑步参与者经常会依照跑步训练时的训练指标 (training indices) 资料，例如参加马拉松次数、每周训练天数、每天训练的平均距离、每周最大训练距离、每周平均训练距离、以及平均训练配速等，进行马拉松表现的预测。跑步参与者似乎期待，训练的距离越多、训练的平均速度越快，就可以获得更好的马拉松表现。

　　Tanda (2011) 针对22名28-54岁之间的马拉松跑者，纪录他们在8周马拉松训练期间的每日运动训练数据，研究同时记录受试者，总共进行的46场马拉松比赛，成绩从167到216分钟之间。研究记录的训练指针 (training indices) 变项中，发现马拉松跑步成绩主要受到训练期间的每周平均跑步距离 (mean workout distance per week, K)、以及平均训练速度 (mean training pace, P) 的影响 (下两图)。研究结果显示8周训练过程的训练指标，可以用来预测马拉松跑步的平均配速 (race pace, Pm)。Pm (sec/km) = 17.1 + 140.0 exp[-0.0053 K (km/week) ] + 0.55 P (sec/km)，预测公式的估计标准误为4分钟。这篇研究发现，参加马拉松次数、每次训练的平均距离的训练指针数据，并不会与马拉松的表现有相关。

马拉松跑步成绩与每周平均跑步距离 (K) 与平均训练速度 (P) 的关系图 (Tanda, 2011)

　　透过训练指针数据进行马拉松跑步表现的预测方程式非常多，但是针对不同能力跑者的单一预测方程式却不存在。Keogh等 (2019) 收集36篇研究论文中的114个预测方程资料，其中有61个预测方程式以训练指标、以及人体测量变量进行预测，另外有53个预测方程式，则加入实验室检测变量进行预测；只有68个预测方程式提供了R2值 (R2 = .10 - .99)，另外只有19个预测方程式提供了估计标准误数据 (SEE 0.27 - 27.4 分钟)。研究论文对于预测方程式的实际应用提出质疑，显然并没有一个适合所有马拉松跑者的成绩预测方程式，而且有关训练指标变项的影响因素，例如坡度、性别、以及天气条件等变项，通常都不包括在预测方程式之内，大部分预测方程式也都没有呈现R2值。

　　Doherty等 (2020) 则收集85篇研究轮文，共有137组马拉松跑者 (25% 女性) 数据被收集进行统合分析 (meta-analysis)，平均每周跑步距离 (average weekly running distance)、每周跑步次数 (number of weekly runs)、单周完成的最大跑步距离 (maximum running distance completed in a single week)、跑步≥32公里的次数 (number of runs ≥32 km completed in the pre-marathon training block)、平均跑步训练速度 (average running pace during training)、最长跑步距离 (distance of the longest run)、以及每周跑步小时数 (hours of running per week) 等训练指标变项，被用来预测马拉松的跑步时间。研究结果发现这些训练指标变项与马拉松跑步时间呈现负相关，R2值介于0.38-0.81之间 (p<0.001)。也就是说，所有的变项都呈现可以用来预测马拉松表现。研究结果呈现马拉松跑者、跑步教练可以依据预期完成的马拉松成绩，进行训练指标的规划与训练。

　　有关训练指标变项预测马拉松表现的相关研究，呈现出相当不一致的研究结果。只要研究数量增加、受试人数提高的情况下，训练过程的变项资料就容易达到统计上的预测效果。但是，实际上跑步训练的状况，可能还受到气候条件、性别、跑步路线坡度变化的影响，而且训练采用的强度与实际跑步能力并没有完全一致的关连，特别是经常采用间歇训练的马拉松爱好者。由此可见，训练指针变项的数据，或许是跑步者能力的重要参考数据，但是要直接用来预测马拉松表现，仍然有相当程度的限制。

　　比较科学的马拉松成绩预测方式，则是以跑者的有氧阈值 (aerobic threshold)、无氧阈值 (anaerobic threshold) 对应的速度进行预测。Esteve-Lanao等 (2019) 以16名 (8男、8女) 休闲跑者为对象，在16周的训练过程中，每四周 (共五个分析时间) 分析跑者的有氧阈值、无氧阈值、跑步经济性等变项。研究发现随着训练时间的增加，无氧阈值、无氧阈值会随着训练时间的增加逐渐提升，跑步经济性则只有在训练最后阶段显著提升。马拉松成绩与五个时间点有氧阈值、无氧阈值对应速度皆有显著相关 (r = 0.81 - 0.94)，当训练时间越久时，马拉松成绩与有氧阈值的相关越高。由此可见，透过跑者跑步生理能力的评量，可以更科学的预测马拉松成绩。

　　训练指标变项进行马拉松表现的预测，虽然受到部分研究的证实，但是很难有一个预测方程式适用全部的马拉松跑者。透过跑步生理变项的分析，进行马拉松表现预测，可能是更正确有效的方式，值得马拉松爱好者、跑步教练们参考与应用。

引用文献

Doherty, C., Keogh, A., Davenport, J., Lawlor, A., Smyth, B., & Caulfield, B. (2020). An evaluation of the training determinants of marathon performance: A meta-analysis with meta-regression. Journal of Science and Medicine in Sport, 23, 182-188.

Esteve-Lanao, J., Del Rosso, S., Larumbe-Zabala, E., Cardona, C., Alcocer-Gamboa, A., & Boullosa, D. A. (2019). Predicting marathon performance time throughout the training preparation in recreational runners. Journal of Strength and Conditioning Research, 00(00), 1-7.

Keogh, A., Smyth, B., Caulfield, B., Lawlor1, A., Berndsen, J., & Doherty, C. (2019). Prediction equations for marathon performance: a systematic review. International Journal of Sports Physiology and Performance, 14(9), 1159-1169.

Tanda, G. (2011). Prediction of marathon performance time on the basis of training indices. Journal of Human Sport and Exercise, 6(3), 511-520.

声明：本文刊于《运动生理周讯》，经《运动生理学网站》授权发表；中国体育科学学会体能训练分会与《运动生理学网站》合作，推出系列体能训练之运动科学知识，探索运动背后的科学奥秘。

编辑：依依

中国体育科学学会体能训练分会

China Sport Science for Strength and  Conditioning

长按二维码关注我们