摘要

目的 ：训练负荷（Training Load，TL）概念日益普及，但文献中其定义和量化方法存在明显不一致。为减少这些问题，本研究基于训练负荷概念的基本原理，提出了一个可操作的定义，以便后续分析现有量化方法的相关性。最新进展 - 训练负荷可定义为描述由运动变量组合所引发的运动剂量的值。训练负荷的测量不应因对运动的量、强度或密度的过度加权而产生偏差。早期基于强度、量和密度乘积的量化方法，未考虑它们之间关系的非线性本质，在计算中高估了量的影响。相反，疲劳的出现可以通过指示最大心理生理压力，准确反映所有运动变量的综合影响，从而反映可实现的最大训练负荷。展望：基于疲劳的量化方法需要对运动最大值有更好的理解和认识。运动员监测的新技术可能有助于识别和记录这些最大值。结论：本文认为，为了比较运动的效果，并在总训练负荷中累加运动，运动剂量应相对于导致疲劳的运动最大值来表示，这推动了基于疲劳的量化方法的发展。

关键词：运动员监测；运动剂量；疲劳；自觉用力程度

一、引言

自 2017 年以来，“训练负荷”（Training Load，TL）这一术语每年在 PubMed 上出现的文献超过 200 篇。对运动员训练负荷的测量和监测，已成为运动训练与运动表现相关科学领域的重要研究主题。训练负荷将训练量化为单一剂量。尽管训练与运动表现之间的关系涉及所有影响运动表现的因素（如心理、战术技术等），但训练负荷概念的应用，尤其是其测量，主要涉及运动的身体和生理层面。基于剂量 - 反应假设，训练负荷能让教练和科学家根据训练（剂量）分析运动员的反应（如运动表现变化、身体状态、疲劳情况）。在研究中，当比较两种训练计划的效果时，平衡这些计划的训练负荷，以避免因剂量不同而引入方法学偏差，这被视为一种方法学前提。

尽管训练负荷的概念越来越受欢迎，但在术语使用和量化方法上存在不一致性。围绕训练负荷使用的这些模糊性和不精确性，引发了持续的科学争论。例如，Staunton 等人指出，“负荷”（load）这个术语在力学中意味着产生力，而训练负荷的测量并非基于国际单位制，因此他们认为训练负荷不是一个科学概念，应该用运动量（即持续时间 × 速度）来取代。但这一观点存在诸多矛盾之处，随后有研究通过阐述科学概念及其定义的依据，有力地捍卫了训练负荷的概念。

训练负荷的量化方法需要达到一定的有效性标准，但长期以来形成的习惯做法，以及主要为耐力运动开发的量化方法，似乎都未达到这一要求。许多文章强调，将运动量与运动强度相乘来量化训练负荷的方法，无法令人满意地兼顾这两个参数，且似乎高估了长时间运动的训练负荷。如果运动量在计算训练负荷时起决定性作用，那么在耐力训练之外加入其他类型的运动（如短跑、力量训练），会使总训练负荷失去平衡，进而可能使训练效果的分析产生偏差。若运动量对训练反应有重大影响，这应该通过剂量 - 反应分析来证明，而不是由训练负荷（即剂量）本身的值来体现。训练负荷的值本身并不能预测运动的效果，比如高耐力训练负荷并不一定能预示最大短跑成绩的提高。

鉴于此背景，本文旨在实现两个目标：一是提出一个精确且可操作的训练负荷定义；二是依据这一理论框架和定义，评估现有训练负荷量化方法的相关性。

二、训练负荷定义相关问题

20 世纪 70 年代，Banister 等人奠定了训练负荷概念的基础。为研究训练与运动表现之间的关系，这些早期研究者将训练负荷定义为一个单一值，用于表示运动 “剂量”，即由运动引起的生理压力。后来，Passfield 等人将训练负荷定义为施加给个体的累积压力量。如果将努力（effort）看作是个体为完成一项任务，相对于其最大能力所付出的程度，那么个性化和情境化的训练负荷就相当于运动所引发的努力剂量。从操作层面上讲，训练负荷可定义为由运动变量组合所引发的努力剂量。这样的定义意味着需要精确识别这些变量的指标，并制定一种综合考量它们各自影响的方法。训练负荷概念的多维性已被广泛接受，并且最近有详细的描述。

2.1 运动变量与操作定义

绝大多数研究者都认同，这种努力剂量取决于多个运动变量，即强度、量和密度（或集中度）。尽管这三个变量相对常见，但对它们的定义和测量可能颇具挑战。仅以力量训练为例，Steele 就指出 “强度” 这一术语的使用存在模糊性。从严格意义上讲，强度涉及肌肉的负荷，或某一生理功能的负荷（如氧气消耗），这使得人们通过举起的重量或相对于最大重量的相对重量、产生的功率或最大有氧功率的百分比来测量运动强度。在这种情况下，强度与运动量无关。然而，一些研究者会将运动量较大且具有一定强度的训练课程称为 “高强度” 课程，此时强度指的是整个训练课程或努力的程度。在这个意义上，即使力量训练中的负荷或跑步速度处于中等或较低水平，若训练课程使人疲劳，也可被认为是高强度的。如果不明确这种强度的具体情境，比如是指运动速度、举起特定负荷的力量，还是指整体的努力程度，就容易产生混淆。对强度的精确界定，不仅可以减少表述上的模糊性，也引发了实际应用中的思考：对于集体运动项目的运动员，是应该考虑跑步速度、加速度，还是考虑产生的功率；在力量训练中，是考虑杠铃速度还是举起的负荷呢？这些选择会影响强度的测量，进而影响对运动的描述。运动量的测量争议相对较小，它可以用运动的量、持续时间、距离或动作次数来表示。值得注意的是，美国运动医学学院建议将单次训练量视为速度与持续时间的乘积，这一计算主要得出总运动距离这一量值。运动密度用于描述运动的组织方式，它与恢复时间相关，一些研究者更倾向于使用 “集中度” 这一术语。运动密度不像强度和量的概念那么常用，因为它主要涉及间歇性运动。运动密度可以通过恢复时间本身，或与运动持续时间的比值来表示。考虑到主动恢复的可能性，在评估运动密度时，还需要考虑恢复期间的强度。运动密度关注的是运动过程中的时间安排，而训练频率则更侧重于长期的密度，例如一段时间内的训练次数。

2.2 工作负荷、外部训练负荷和内部训练负荷

在文献中，“工作负荷”（workload）这一术语长期以来被用于描述与其他变量无关的单一运动变量，比如力量训练中的大负荷，或马拉松运动员每周 150 公里的训练量。然而近些年来，“工作负荷” 和 “训练负荷” 有时被当作同义词使用，这种情况在分析训练与受伤关系的研究中尤为明显。但单一变量无法描述一次运动、身体压力，甚至无法完整描述一项运动（例如，力量训练中仅考虑大负荷的重复次数，或马拉松运动员仅考虑跑步速度是不够的），这正是训练负荷概念的意义所在 —— 综合考量多个运动变量的影响。

同样，“外部训练负荷” 和 “内部训练负荷” 这两个术语在文献中也被广泛使用。目前的外部训练负荷测量，似乎并未体现训练负荷概念的多维性。当前的外部训练负荷数据主要关注运动量，没有与其他变量相结合。在不同强度区间内完成的运动量，也被用于表示外部训练负荷，但在这种情况下，它们并没有将运动剂量量化为单一值（例如，以最大心率的 70% 运动 1 小时，或以最大心率的 100% 运动 5 分钟）。仅仅累加运动持续时间，无法平衡地描述所付出的努力；当前的外部训练负荷实际上只是工作负荷。内部训练负荷的测量，通常与基于生理参数（如心率）的量化方法相关。这使得一些研究者认为，内部训练负荷考虑了个体对运动的反应。但实际上，生理测量在训练负荷量化方法中，更多地被用作强度指标，而非机体的反应。将运动反应纳入剂量测量，然后再研究该剂量与反应之间的关系，这一做法值得商榷。内部训练负荷更应被理解为相对于个体能力的运动剂量（即努力剂量）。相反，外部训练负荷作为运动变量的测量，可以看作是运动变量以绝对值表示的组合，而不是相对于个体能力的测量。目前，还没有符合这一描述的外部训练负荷测量方法。

三、训练负荷的量化方法

量化方法的相关性，可以通过与训练负荷的操作定义 “测量由运动变量组合所引发的努力剂量的值” 进行对比来判断。这些量化方法最初是通过将强度指标与运动量指标相乘而发展起来的。随后，其他变量也被纳入考虑范围，并且基于对努力的综合评估，开发出了更多方法。

3.1 基于生理变量的量化方法

Banister 等人提出的训练脉冲（Training Impulse，TRIMP）方法，为许多其他量化方法提供了模型。在 TRIMP 方法中，强度通过储备心率的平均值来评估，然后与训练持续时间相乘得到训练负荷。后续提出的方法，有的继续将心率作为强度指标，也有的使用血乳酸浓度、通气参数，或者将通气参数和心率结合起来作为强度指标。这些方法没有考虑运动密度，尽管可以预期所确定的生理参数会受到密度变化的影响。与 TRIMP 不同，后续的方法使用系数来表征由生理变量定义的强度区间，训练负荷则是运动持续时间与这些系数的乘积。不同研究者设定的强度系数的增长速率存在差异：Wood 等人设定的系数增长速率非常快，呈指数级；Mujika 等人设定的则较为温和，也呈指数级；还有些研究者设定为线性增长。我们已经指出，TRIMP 及其替代方法在估计最长的训练课程时存在高估的情况。当运动密度或间歇距离增加时，运动量会显著减少，但这些方法没有充分考虑到这一点。此外，到目前为止，还没有生物学参数能够充分反映训练中所有可能的强度（例如，跑步和力量训练、轻度耐力训练和短跑等）。基于运动强度生理指标的量化方法，对于耐力训练似乎是合适的，但它们与强度区间相关的系数的增长速率值得进一步探讨。

3.2 基于自觉用力程度的量化方法

为了简化相对于 TRIMP 方法的训练负荷量化过程，Foster 等人建议用训练课程的自觉用力程度（sRPE）来代替心率（见表 1）。这种方法在文献和体育界得到了广泛应用。然而，包括 Foster 共同撰写的一些研究在内，许多研究都表明，运动过程中或运动后的 RPE 会受到运动量的影响。实际上，RPE 并不是某一身体素质或生理能力负荷强度的指标，而是个体根据自身能力，对所有运动变量所引发的努力程度的一种衡量。因此，“持续时间 ×sRPE” 的量化方法，在计算中两次考虑了运动量：一次是在持续时间本身，另一次是通过 RPE。这种运动量的重复影响，在表 2 中体现为低强度运动的训练负荷更高（运动 a 的训练负荷＞运动 b 和 c）。尽管自觉用力程度相似，但运动 b 或 c 需要进行四次训练课程，才能达到与运动 a 相同的训练负荷。此外，运动间歇距离、运动类型和恢复时间，也对 RPE 有重要影响。正如一些研究者所建议的，由于 RPE 受所有运动变量的影响，它可能足以评估努力剂量，而无需再乘以持续时间。不过，需要注意的是，某些运动（如短跑、增强式训练）可能会导致 RPE 值低于其他运动（如有氧功率训练、力量耐力训练与增强式训练相比），尽管这些运动同样会使人疲劳。

3.3 强度与运动量的乘积

我们已经提到，将强度与运动量相乘来量化训练负荷的方法，在测量强度和持续时间差异较大的运动时，效果并不理想。这些量化方法在累加长时间耐力运动和高强度运动，以得到总训练负荷时，似乎并不可靠。一些研究者发现，这些方法没有很好地考虑强度 - 持续时间曲线，甚至完全忽略了它。另一方面，当运动强度增加时，运动不再是持续进行的，而是以间歇的形式进行。此时，需要考虑间歇的各个组成部分：间歇距离、恢复时间的长短，如果是主动恢复，还需考虑恢复期间的强度，以及运动强度与恢复强度之间的差异。这些参数的变化，对所需付出的努力，进而对训练负荷，有着重大影响。因此，基于直接测量强度、运动量和密度的量化方法，应该全面考虑这些变量的所有组成部分，并考虑将它们联系起来的数学关系。据我们所知，目前文献中还没有这样一个能够涵盖所有运动变量（包括连续性运动和间歇性运动）的模型。

3.4 从机械量化到基于疲劳的量化

GPS 设备提供的训练数据常被视为外部训练负荷，但实际上它们测量的是运动量（例如，总跑步距离或特定速度区间内的距离）或强度（例如，最高速度）。同样，基于 GPS 对努力程度的综合评估（如 “总球员负荷”），实际上也只是描述了总运动量（即加速度的数量）。最近，一些研究者提出，通过将足球运动员的 GPS 训练数据与他们的 “比赛参考值”（例如，比赛中的五个最佳值）进行比较，来评估足球训练中的训练负荷。通过比较训练中的累积距离与比赛参考值，可以量化训练课程的训练负荷。

21 世纪初，出现了一些通过机械数据量化训练负荷的方法。训练压力得分（Training Stress Score，TSS，见表 1）是其中较为常用的一种。为了标准化训练课程的强度，该方法以个体在一小时内的最大功率（例如，在自行车运动中）或对应无氧阈值的速度（跑步时的 rTSS）作为参考。将这种强度测量值与运动量相乘，得到训练负荷。如表 2 所示，通过 rTSS 方法估计的耐力训练课程的训练负荷，明显高于高强度训练或短跑训练课程（运动 a 的训练负荷＞运动 b、B、c 和 C）。需要注意的是，对于运动 b、B、c 和 C，计算出的训练负荷大部分来自 15 分钟的热身部分，而不是主要的训练部分。尽管运动强度和运动量之间存在对数或指数关系，但该方法将它们线性关联，这导致对高强度短时间运动的训练负荷估计不足。因此，我们建议 TSS 方法仅用于中低强度的耐力训练。

大约 15 年前，我们提出可以通过某一强度下累积的工作量与该强度下的耐力极限的比值（即在持续运动中），以及工作与恢复的比值，来表示训练负荷（即工作耐力比，Work Endurance Ratio，WER，见表 1）。这种方法可以为耐力训练、力量训练和短跑训练，提供直至疲劳状态下的训练负荷。最近的一篇文献综述支持这种基于与耐力比值的量化方法，该综述建议根据最大运动时间的百分比来计算训练负荷。然而，当 WER 方法应用于改变强度分布、间歇距离或运动密度的训练课程时，训练负荷的测量结果会受到干扰。因此，我们最近提出了一种新的方法 —— 新工作耐力恢复比（NeWER，见表 1），通过累积工作量与相同运动形式下的最大工作量的比值来评估训练负荷。NeWER 与其他方法进行比较时发现，在考虑直至疲劳的运动时，即使运动强度保持不变，但间歇距离和工作与恢复的比值发生变化时，基于强度 × 持续时间计算的训练负荷，会在间歇短、恢复长的训练课程中给出更高的值，而 NeWER 和仅使用 RPE 的方法，则显示所有训练课程的训练负荷没有差异。NeWER 和仅使用 RPE 的方法，作为基于疲劳的量化方法，似乎与训练负荷的定义和理论框架非常契合。

对于精英游泳运动员，有人提出了一种介于基于疲劳的方法和用于足球的 “比赛参考” 方法之间的中间方法。该方法将每周不同强度区间的训练量，与多个训练赛季中每个区间记录的最大训练量进行比较。总训练负荷是这些不同强度区间比值的平均值。在不常见的训练区间，由于每周最大训练量（始终作为参考值）较低，可能会导致比值偏高，从而使总训练负荷出现偏差。此外，如果将这种方法应用于非精英运动员，它可能只是反映了训练的变化，而不是训练负荷本身。我们假设，改进这种方法以及 “比赛参考” 方法的一种途径，是将参考点改为最佳比赛表现、单次训练或运动中的最大记录值，即最大努力剂量。这样得出的训练负荷评估结果，将更符合训练负荷的操作定义。

由于训练负荷在使用上存在不一致性，且缺乏基于国际单位制的基础，最近有人提议放弃 “训练负荷” 这一术语，用运动量（例如，总运动量 = 强度 × 持续时间）来代替。基于疲劳的量化方法，与用运动量表示训练负荷的方式并非完全不同，因为它们也是通过运动量相对于其最大值的比例来考虑训练负荷。通过测量运动最大值，来制定实验方案，并平衡受试者所需的剂量，这是可行的。然而，对于训练计划包含多种运动配置的运动员来说测量特定的最大值似乎不太可能。运动员活动记录的技术工具（如 GPS、功率传感器、力量训练中的线性编码器）或许能 “现场” 识别这些最大值，就像在估计力量 - 速度曲线时所提议的那样。

四、结论

将训练负荷定义为描述由运动变量组合所引发的努力剂量的值，我们认为训练负荷的测量不应因对运动量、运动强度或运动密度的过度加权而产生偏差。每个变量对运动表现的影响，应该通过分析训练 - 运动表现关系或剂量 - 反应关系来确定。早期基于强度和运动量乘积的量化方法，没有考虑这两个变量之间关系的非线性本质，在计算训练负荷时高估了运动量的影响。相反，疲劳的产生能够通过指示最大心理生理压力，精确反映所有运动变量的综合影响，从而反映最大运动剂量。我们认为，为了比较不同运动的效果，并将训练计划中的各种运动累加成总训练负荷，运动剂量应该相对于运动最大值来表示。或许借助记录训练以及个体最大值的新技术，对现有方法进行简单改进，就能更便于使用基于疲劳的量化方法，使其更符合训练负荷的本质。