運動生理學網站　訓練指標 (training indices) 預測馬拉松表現的準確性

運動生理週訊(第473期)

訓練指標 (training indices) 預測馬拉松表現的準確性(July 29, 2021)

王順正、林玉瓊

　　為了可以預先估計馬拉松比賽的完成時間、比賽平均配速，跑步參與者經常會依照跑步訓練時的訓練指標 (training indices) 資料，例如參加馬拉松次數、每週訓練天數、每天訓練的平均距離、每週最大訓練距離、每週平均訓練距離、以及平均訓練配速等，進行馬拉松表現的預測。跑步參與者似乎期待，訓練的距離越多、訓練的平均速度越快，就可以獲得更好的馬拉松表現。

　　Tanda (2011) 針對22名28-54歲之間的馬拉松跑者，紀錄他們在8週馬拉松訓練期間的每日運動訓練資料，研究同時記錄受試者，總共進行的46場馬拉松比賽，成績從167到216分鐘之間。研究記錄的訓練指標 (training indices) 變項中，發現馬拉松跑步成績主要受到訓練期間的每週平均跑步距離 (mean workout distance per week, K)、以及平均訓練速度 (mean training pace, P) 的影響 (下兩圖)。研究結果顯示8週訓練過程的訓練指標，可以用來預測馬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)，預測公式的估計標準誤為4分鐘。這篇研究發現，參加馬拉松次數、每次訓練的平均距離的訓練指標資料，並不會與馬拉松的表現有相關。

馬拉松跑步成績與每週平均跑步距離 (K) 與平均訓練速度 (P) 的關係圖 (Tanda, 2011)

　　透過訓練指標資料進行馬拉松跑步表現的預測方程式非常多，但是針對不同能力跑者的單一預測方程式卻不存在。Keogh等 (2019) 收集36篇研究論文中的114個預測方程資料，其中有61個預測方程式以訓練指標、以及人體測量變量進行預測，另外有53個預測方程式，則加入實驗室檢測變量進行預測；只有68個預測方程式提供了R²值 (R² = .10 - .99)，另外只有19個預測方程式提供了估計標準誤數據 (SEE 0.27 - 27.4 分鐘)。研究論文對於預測方程式的實際應用提出質疑，顯然並沒有一個適合所有馬拉松跑者的成績預測方程式，而且有關訓練指標變項的影響因素，例如坡度、性別、以及天氣條件等變項，通常都不包括在預測方程式之內，大部分預測方程式也都沒有呈現R²值。

　　Doherty等 (2020) 則收集85篇研究輪文，共有137組馬拉松跑者 (25% 女性) 資料被收集進行統合分析 (meta-analysis)，平均每週跑步距離 (average weekly running distance)、每週跑步次數 (number of weekly runs)、單週完成的最大跑步距離 (maximum running distance completed in a single week)、跑步≥32公里的次數 (number of runs ≥32 km completed in the pre-marathon training block)、平均跑步訓練速度 (average running pace during training)、最長跑步距離 (distance of the longest run)、以及每週跑步小時數 (hours of running per week) 等訓練指標變項，被用來預測馬拉松的跑步時間。研究結果發現這些訓練指標變項與馬拉松跑步時間呈現負相關，R²值介於0.38-0.81之間 (p<0.001)。也就是說，所有的變項都呈現可以用來預測馬拉松表現。研究結果呈現馬拉松跑者、跑步教練可以依據預期完成的馬拉松成績，進行訓練指標的規劃與訓練。

　　有關訓練指標變項預測馬拉松表現的相關研究，呈現出相當不一致的研究結果。只要研究數量增加、受試人數提高的情況下，訓練過程的變項資料就容易達到統計上的預測效果。但是，實際上跑步訓練的狀況，可能還受到氣候條件、性別、跑步路線坡度變化的影響，而且訓練採用的強度與實際跑步能力並沒有完全一致的關連，特別是經常採用間歇訓練的馬拉松愛好者。由此可見，訓練指標變項的資料，或許是跑步者能力的重要參考資料，但是要直接用來預測馬拉松表現，仍然有相當程度的限制。

　　比較科學的馬拉松成績預測方式，則是以跑者的有氧閾值 (aerobic threshold)、無氧閾值 (anaerobic threshold) 對應的速度進行預測。Esteve-Lanao等 (2019) 以16名 (8男、8女) 休閒跑者為對象，在16週的訓練過程中，每四週 (共五個分析時間) 分析跑者的有氧閾值、無氧閾值、跑步經濟性等變項。研究發現隨著訓練時間的增加，無氧閾值、無氧閾值會隨著訓練時間的增加逐漸提昇，跑步經濟性則只有在訓練最後階段顯著提昇。馬拉松成績與五個時間點有氧閾值、無氧閾值對應速度皆有顯著相關 (r = 0.81 - 0.94)，當訓練時間越久時，馬拉松成績與有氧閾值的相關越高。由此可見，透過跑者跑步生理能力的評量，可以更科學的預測馬拉松成績。

　　訓練指標變項進行馬拉松表現的預測，雖然受到部分研究的證實，但是很難有一個預測方程式適用全部的馬拉松跑者。透過跑步生理變項的分析，進行馬拉松表現預測，可能是更正確有效的方式，值得馬拉松愛好者、跑步教練們參考與應用。

引用文獻

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.