比较职业足球运动员中使用任意和个体化跑速、加速度和减速度区的比赛相关体能表现（第一部分）
《The Journal of Strength & Conditioning Research》：Comparing Match-Related Physical Performance Using Arbitrary and Individual Running Speed, Acceleration, and Deceleration Zones in Professional Football Players (Part 1)
【字体：
大
中
小
】
时间：2026年06月02日
来源：The Journal of Strength & Conditioning Research 3.0
编辑推荐：
本研究旨在比较使用任意（ARB）和个体化（IND）强度阈值（针对跑速、加速度（ACC）和减速度（DEC））时，职业足球运动员的比赛相关体能表现及其比赛间变异性。研究人员分析了来自一支瑞士顶级联赛球队整个赛季（30场比赛）的全球导航卫星系统（GNSS）数据，共1
本研究旨在比较使用任意（ARB）和个体化（IND）强度阈值（针对跑速、加速度（ACC）和减速度（DEC））时，职业足球运动员的比赛相关体能表现及其比赛间变异性。研究人员分析了来自一支瑞士顶级联赛球队整个赛季（30场比赛）的全球导航卫星系统（GNSS）数据，共14名球员。比赛相关体能表现依据跑速、ACC和DEC的4个强度区进行评估：低速跑、高速跑（HSR）、极高速跑、冲刺跑以及ACC1/2/3/4/DEC1/2/3/4。每个区的覆盖距离和ACC/DEC次数通过三个阈值记录，分别用于ARB（跑速：14.4/19.8/25.2 km·h-1；ACC/DEC：1.0/2.0/3.0 m·s-2）和IND（跑速：第二乳酸阈速度、峰值递增速度和无氧冲刺储备；ACC/DEC：最大ACC/DEC的25%/50%/75%）。还计算了球员内比赛间变异的变异系数。两种方法在所有强度区均存在显著差异（p ≤ 0.033）。除HSR（-37.0%）外，IND在所有跑速区的覆盖距离均显著大于ARB（4.5-110.7%）。ACC/DEC方面，IND在ACC1（74.7%）和DEC1（117.9%）显著更多，但在ACC2/3/4/DEC2/3/4（-16.0%至-96.3%）显著更少。IND中ACC4/DEC4的数量几乎可忽略。IND的冲刺距离变异系数较低，而ACC4/DEC4的变异系数较高。ARB和IND跑速区之间的显著差异表明，应使用IND方法准确评估比赛相关跑动表现，而ARB方法应用于量化ACC/DEC的次数。本研究旨在比较职业足球运动员比赛相关体能表现的评估方法，其背景在于足球运动对体能的高需求以及不同强度区的划分方式尚未标准化。现有研究多采用任意绝对阈值（ARB）定义跑速、加速度（ACC）和减速度（DEC）强度区，但这类方法忽略了球员个体体能差异，可能导致负荷评估偏差。此外，比赛间变异性受多种因素影响，而个体化阈值（IND）可能提供更稳定的指标。因此，研究人员以瑞士超级联赛一支球队为样本，收集了14名球员30场比赛的全球导航卫星系统（GNSS）数据，比较ARB和IND两种方法在跑速、ACC和DEC四个强度区的比赛相关体能表现及其比赛间变异系数。研究表明，IND方法在跑速区（除高速跑外）产生更高的覆盖距离，而ARB方法在中高强度ACC/DEC次数上更高；IND的冲刺距离变异系数更低，但高强度ACC/DEC变异更大。这一结论支持采用混合方法：IND用于跑动表现，ARB用于ACC/DEC计数，以提高评估准确性和实用性。论文发表在《The Journal of Strength and Conditioning Research》。关键技术方法方面，研究人员主要采用10 Hz GNSS系统（APEX Pro Series, STATSports）采集比赛数据，并通过实验室递增跑测试测定每个球员的第二乳酸阈速度（sLT2）、峰值递增速度（PIS）和无氧冲刺储备（ASR）以定义IND跑速区；从比赛数据中提取最大跑速（MSS）、最大加速度（ACCmax）和最大减速度（DECmax）以定义IND ACC/DEC区。同时，采用线性混合模型比较两种方法的差异，并计算球员内比赛间变异系数（CV）。研究结果部分：- **Subjects（受试者）**：分析了14名职业球员（年龄23.9 ± 4.5岁），共178次观测，并报告了球队平均IND阈值（sLT2: 15.0 km·h-1；PIS: 18.4 km·h-1；MSS: 34.1 km·h-1；ACCmax: 6.2 m·s-2；DECmax: -8.3 m·s-2）。- **Differences Between the Arbitrary and the Individual Methods（任意法与个体法之间的差异）**：通过线性混合模型比较，发现所有强度区两种方法间存在显著固定效应（p ≤ 0.004）。IND方法在低速跑（LSR）、极高速跑（VHSR）、极高强度跑（VHIR）和冲刺距离上显著高于ARB（+4.5%至+100.7%），而HSR和高强度跑（HIR）显著更低（-37.3%和-14.3%）。ACC/DEC方面，IND的ACC1和DEC1次数显著更高（+74.7%和+117.9%），但ACC2/3/4和DEC2/3/4显著更低（-16.0%至-96.3%），其中ACC4和DEC4几乎可忽略。- **Within-Player Match-to-Match Variability（球员内比赛间变异性）**：CV分析显示，冲刺距离的CV在IND中显著低于ARB（21.6% vs 30.6%），而ACC4和DEC4的CV在IND中显著更高（43.8%和89.1% vs 12.6%和11.6%）。不同强度间的CV比较表明，跑速CV随强度增加而上升，而ACC/DEC的CV在ARB中更为一致。讨论部分总结：本研究证实了ARB与IND方法在评估比赛体能表现上的显著差异，尤其跑速区IND更能反映个体能力，提供更稳定的比赛间变异。然而，基于ACCmax/DECmax的IND方法在高强度ACC/DEC区存在局限，导致计数过低且变异性大，因此ARB阈值更适用于ACC/DEC量化。研究结论指出，对于跑速区应优先使用IND阈值以准确监测个体负荷，而对于ACC和DEC，ARB阈值在实用性和一致性上更优。这支持采用混合方法：跑速用IND，ACC/DEC用ARB，同时建议未来GNSS软件整合考虑初始跑速的IND阈值以进一步提升评估精度。
相关新闻