HRV Kolarstwo: Czy możemy jakoś wykorzystać wartości wysiłkowe?

HRV (Heart Rate Variability) może być wykorzystywane w kolarstwie, do monitorowania gotowości do wykonywania ciężkich treningów, czy chociażby przewidywania zachodzących adaptacji treningowych. Niemniej jednak zwykle mamy do czynienia z jego pomiarem podczas spoczynku. Czy możemy wykorzystać w pewien sposób wartości wysiłkowe? Okazuje się, że tak. HRV podczas wysiłku o intensywności zbliżonej do pierwszego progu mleczanowego/wentylacyjnego praktycznie zanika i utrzymuje się na bardzo niskich wartościach. Punkt ten może być wykorzystany do oszacowania intensywności związanej z pierwszym progiem i pomimo, że nie jest to metoda tak dokładna jak badania wydolnościowe, to może być dla nich nieinwazyjną alternatywą.

HRV, czyli Heart Rate Variability, to zmienność pomiędzy kolejnymi uderzeniami serca (Task Force, 1996). Intuicyjnie wydaje się nam, że nasze serce bije w równych odstępach. Jednak w rzeczywistości taka sytuacja nie ma praktycznie nigdy miejsca. Kolejne jego uderzenia różnią się o ułamki sekund, a czasowe odstępy pomiędzy nimi, stanowią źródło wielu cennych informacji.

Paradoksalnie wyższe HRV oznacza, że nasze serce bije tak naprawdę mniej miarowo, lecz jego wysokie wartości, mogą być wręcz oznaką zdrowia (Singh i inni, 2018b).

Na aktualne tętno w dużej mierze (chociaż nie jest to jedyny czynniki) mają dwie części autonomicznego układu nerwowego (Aubert i inni 2003, Billman, 2011):

• parasympatyczna;
• sympatyczna.

Aktywność parasympatyczna powoduje spadek tętna, a sytuacje w których ta część układu nerwowego jest bardziej aktywna, często określane są jako “rest and digest”, gdyż zjawisko to występuje często w sytuacjach oszczędzania i odnawiania zasobów energii.

Z kolei sympatyczna część jest bardziej aktywna min. w sytuacjach związanych z fizycznym lub psychicznym stresem, a jej aktywność pozwala na radzenie sobie z sytuacjami uznawanymi przez organizm jako zagrożenie, stąd też często mówi się, że jest ona aktywna podczas sytuacji typu “flight or flight”. Jej aktywność powoduje z kolei min. wzrost tętna  (Singh, 2018a).

Niestety zależności pomiędzy dwoma układami nie są liniowe, a raczej tworzą skomplikowane procesy (Shaffer i Ginsberg, 2017). Na przykład wzrost tętna w danym momencie może być równie dobrze spowodowany zmniejszeniem aktywności parasympatycznej, przy takiej samej aktywności sympatycznej. Nie koniecznie zawsze mamy do czynienia z sytuacją, w której aktywność jednego systemu maleje, a drugiego spada i na odwrót.

HRV jest nieinwazyjną metodą, dzięki której możemy zmierzyć aktywność obu części układu nerwowego, natomiast należy pamiętać, że nie jest to pomiar bezpośredni (Billman, 2011). Jak się okazuje, w praktyce wskaźniki dotyczące HRV są w stanie w dobry sposób odzwierciedlać aktywność parasympatyczną (min. zaliczają się do nich HF, czy RMSSD) (de Geus, 2019), natomiast wskaźniki, które były uważane za odzwierciedlenie aktywności sympatycznej (np. LF), wcale nie pozwalają na określenie jej miary (Michael i inni, 2017).

Dlatego w praktyce na podstawie HRV możemy jedynie oszacować aktywność układu parasympatycznego i stwierdzić, czy jest on bardziej lub mniej aktywny. Nie oznacza to jednak, że jeżeli parasympatyczne wskaźniki HRV spadną, to automatycznie sympatyczna aktywność wzrośnie.

Jak tętno i HRV zachowuje się podczas wysiłku?

Tuż po rozpoczęciu wysiłku, nasze tętno znacząco wzrasta, natomiast HRV osiąga zdecydowanie niższe wartości, niż podczas spoczynku. Dzieję się tak za sprawą stopniowego zmniejszania się aktywności parasympatycznej.

Wraz ze wzrostem intensywności wysiłku, zaobserwujemy dalszy wzrost tętna, oraz spadek HRV za sprawą jeszcze mniejszej aktywności parasympatycznej, połączony ze zwiększającą się aktywnością sympatyczną (Hautala, 2009).

Jak się okazuje, w klasycznym teście do wyczerpania, w którym generowana moc wzrasta o stałą wartość (np. 30 W), w równych odstępach czasowych (np. 3 min), wraz ze wzrostem intensywności wysiłku, HRV stopniowo spada, by przy około 50-60% VO2max praktycznie zaniknąć i utrzymywać się na stałym, bardzo niskim poziomie (Tulppo i inni, 1998).

Moment, w którym HRV (a właściwie jego wskaźniki) osiąga tą stałą niską wartość, występuje przy podobnej intensywności wysiłku, co pierwszy próg mleczanowy, lub wentylacyjny.

Pomimo, że ciężko stwierdzić jest, czy oba zjawiska powodowane są przez te same procesy, to rzeczywiście stabilizacja HRV wydaje się występować przy tej samej intensywności co pierwszy próg, a zatem może być jego dobrym przybliżeniem (Garcia-Tabar i inni, 2013).

Jest to dosyć istotna informacja, gdyż nie istnieje wiele metod pozwalających na wyznaczenie intensywności związanej z pierwszym progiem metabolicznym w sposób nieinwazyjny. Najdokładniejszym sposobem jest oczywiście wykonanie badań wydolnościowych, niemniej jednak ich częste powtarzanie jest mało praktyczne, a ponadto wysoce kosztowne.

Próg HRV

Istnieje wiele metod, na które możemy oszacować wartości progów metabolicznych na podstawie HRV podczas wysiłku. Jedne z nich bazują na czasowych wskaźnikach (RMSSD, SD1) (Dourado i Guerra, 2013) i pozwalają jedynie na wyznaczenie pierwszego z progów. Niemniej jednak w tym przypadku wyznaczenie progu nie jest wysoce skomplikowane.

Inne bazują z kolei na bardziej skomplikowanych obliczeniach związanych z częstotliwościowymi wskaźnikami HRV (HF), lecz pozwalają na obliczenie obydwu progów (Cottin i inni, 2006). Jeszcze innym podejściem jest wyznaczenie progu (znów jedynie pierwszego), na podstawie nieliniowej metody analizy HRV (DFA – Detrended Fluctuation Analysis), która wywodzi się z teorii matematycznego chaosu (Rogers i inni, 2021). Niektórzy próbowali również odnieść założenia metody Dmax, służącej do wyznaczania drugiego progu mleczanowego do analizy HRV, jednak ze średnim skutkiem (Nascimento, 2019).

Jednak w dalszej części skupię się jedynie na pierwszej metodzie, mimo że pozwala ona na wyznaczenie tylko pierwszego progu. Metoda oparta na analizie częstotliwościowych wskaźników, rzeczywiście pozwala na wyznaczenie obu progów, jednak istnieje tutaj pewien haczyk.

Praktycznie zawsze metodę tą porównywano z drugim progiem wentylacyjnym, inaczej zwanym RCP – Respiratory Compensation Point, czy po prostu VT2. Rzeczywiście metoda ta była dobrym odzwierciedleniem jego wartości, ale jak się okazuje RCP/VT2 systematycznie zawyża realna wartość drugiego progu metabolicznego (Galán-Rioja, 2020).

Drugi próg metaboliczny stanowi granicę poniżej której nasz organizm utrzymuje wciąż stabilny stan metaboliczny, jednak po jego przekroczeniu, mleczan osiąga bardzo wysokie wartości, a VO2 powoli dąży do osiągnięcia swojej maksymalnej wartości (Jamnick, 2019).

W praktyce istnieje wiele metod na jego wyznaczenie (jedną z nich jest FTP), jedne są mniej a drugie bardziej dokładne. Pomimo, że niektórzy autorzy uważają, że najlepszym przybliżeniem mocy na drugim progu jest CP, czyli Critical Power (Jones i inni, 2019), to ze względu na problemy z jego wyznaczeniem (Muniz-Pumares i inni, 2019), to osobiście wciąż uważam, że najdokładniejszym jego przybliżeniem jest MLSS, czyli Maximal Lactate Steady State.

MLSS to maksymalna intensywność wysiłku, przy której mleczan zachowuje względnie stałe stężenie we krwii (Billat i inni, 2003). Niemniej jednak nawet w przypadku tej metody możemy liczyć się z maksymalnym błędem na poziomie około 9 W, w stosunku do rzeczywistej wartości drugiego progu metabolicznego (chociaż jest to również zależne od wybranego protokołu).

RCP/VT2 praktycznie zawsze zawyża MLSS (ma to miejsce nawet w przypadku kiedy za “złoty standard” drugiego progu wzięlibyśmy CP, jak sugerują wcześniej wspomniani autorzy), a więc również drugi próg metaboliczny, a co za tym idze metoda, która jest odzwierciedleniem drugiego progu wentylacyjnego, nie do końca może stanowić podstawę do określenia stref intensywności.

Ponadto, jak się później okaże zaskakująco dobrym przybliżeniem wartości mocy na MLSS, jest 20 min test FTP (przy założeniu, że wykonamy w rozgrzewce 5 min wysiłek maksymalny). 

Z drugiej strony można byłoby wykorzystać, metodę opartą na nieliniowym wskaźniku DFA – alfa 1. Być może również tutaj sam proces obliczeń nie należy do najprostszych, natomiast jesteśmy sobie w stanie z nim poradzić za pomocą darmowego oprogramowania (o którym wspomnę jeszcze w dalszej części). 

Sam wskaźnik mieści się w granicach od około 0,5 do 1,5. Metoda ta pozwala na odnalezienie zależności w pozornie losowym zachowaniu pracy serca. Jeżeli jego wartości wynoszą około 1, oznacza to, że mamy do czynienia z mieszanką losowego i uporządkowanego działania.

Kiedy jego wartość zbliża się do 1,5, oznacza to uporządkowane działanie danego systemu, natomiast z drugiej strony, kiedy jego wartości są bliżej 0,5, mamy do czynienia z zupełnie losowym zachowaniem.

Przy wyznaczaniu pierwszego progu metabolicznego, niektórzy autorzy założyli odgórnie wartość 0,75, przy której zwykle obserwuje się jego występowanie. Pomimo, że osiągnięto dzięki temu naprawdę dobre rezultaty (Rogers, 2021), to podejście to jest dosyć nowatorskie i nie powstało jeszcze na jego temat zbyt wiele publikacji. Ciężko powiedzieć na ten moment, czy rzeczywiście u wszystkich osób wartość wskaźnika 0,75, będzie równoznaczna z pierwszym progiem.

Ze względu na powyższe fakty oraz relatywną prostotę wyznaczania w dalszej części tekstu, przybliżę proces szacowania pierwszego progu metabolicznego za pomocą RMSSD lub SD1.

Wyznaczanie progu HRV na moim przykładzie

Wykorzystam swój własny przykład, w celu zobrazowania całego procesu szacowania wartości mocy (lub tętna) związanej z pierwszym progiem metabolicznym. Pierwszym krokiem, który musimy podjąć jest wykonanie step testu, lecz potrzebujemy również pasa telemetrycznego, który będzie zapisywał odstępy czasowe pomiędzy kolejnymi uderzeniami serca (Polar H10).

Jest on próbą wysiłkową, w której w równych odstępach czasowych (np. 3 min), zwiększamy generowaną moc o stałą wartość (np.30 W), aż do osiągnięcia wyczerpania. Niemniej jednak do oszacowania wartości mocy lub tętna na pierwszym progu, nie koniecznie test ten musi być maksymalnym (co opiszę w dalszej części tekstu).

Sales wraz ze swoim zespołem, zastosowali protokół, w którym moc zwiększała się o 15 W, co 3 min. Początkową mocą w tymże przypadku było 15 W, natomiast w eksperymencie brały udział z nieco niższym poziomem wydolności. Natomiast trzeba mieć na uwadze, że uczestnicy tego badania cechowali się nieco niższą forma, co uzasadniało taki wybór.

Ja osobiście wybrałem wariant, w którym co 3 min, zwiększałem moc o 30 W, rozpoczynając od 70 W, jednak w moim przypadku test ten wykonałem do wyczerpania. 

Odnosząc się do początkowej wartości mocy, to osobiście arbitralnie przyjąłem wartość 70 W, gdyż byłem pewien, że będzie to dla mnie wystarczająco niska intensywność. Niemniej jednak, myślę, że przyjęcie niskiej wartości 30-40% FTP powinno dobrze się sprawdzić (gdyż intensywność powinna być naprawdę niska).

Warto również wspomnieć, że testu nie powinna poprzedzać żadna rozgrzewka.

Po wykonaniu testu możemy zabrać się za analizę. Jesteśmy w stanie wykonać ją dzięki oprogramowaniu Kubios, które do użytku personalnego jest całkowicie bezpłatne. Należy zapoznać się jednak z instrukcją obsługi lub/i materiałami wideo udostępnionymi przez producenta, w celu poznania podstawowych funkcji oraz uniknąć błędów w użytkowaniu.

Bardzo ważnym elementem analizy HRV jest poprawa błędów pojawiających się podczas pomiaru. Charakteryzują się one min.przedwczesnymi lub pominiętymi uderzeniami, które mogą całkowicie zniekształcić wartości uzyskiwanych parametrów. Oczywiście powyżej wspomniane oprogramowanie jest w stanie je wykryć i poprawić, natomiast musimy pamiętać, że czasem może zdarzyć się tak, że w naszych danych będzie pojawiać się dużo “szumu:, który uniemożliwia dokładne wyznaczenie progu. Ponadto kwestią się z tym wiążącą jest dobór progu redukcji owych zakłóceń, który większość autorów ustawiało na “medium”.

Interesować nas będą dwa wskaźniki:

• RMSSD;
• SD1.

RMSSD (root mean square of successive differences) jest wskaźnikiem aktywności parasympatycznej, a obliczamy go poprzez pierwiastkowanie podniesionej do kwadratu sumy różnic pomiędzy kolejnymi interwałami R-R (czyli odstępami czasowymi pomiędzy kolejnymi uderzeniami serca), podzielonej przez ilość interwałów R-R, pomniejszoną o 1 (Shaffer i Ginsberg, 2017).

SD1, to również wskaźnik aktywności parasympatycznej, który tak naprawdę jest bardzo zbliżony do RMSSD (Michael i inni, 2017). Uzyskiwany jest z wykresu Poincaré’go, na którym dany interwał R-R, zestawiony jest jako funkcja poprzedniego.

Analizę możemy przeprowadzić wybierając jeden ze wskaźników, chociaż w późniejszej części artykułu opisałem podejście wykorzystujące dwie metody. 

Musimy określić wartości wybranego wskaźnika w ostatniej minucie każdego 3 min segmentu step testu. Następnie uzyskane wartości powinniśmy zestawić z mocą lub czasem uzyskanym podczas testu.

Określanie progu HRV, polega na wizualnej analizie uzyskanego w ten sposób wykresu. Musimy zidentyfikować na nim punkt, przy którym wartości HRV stabilizują się na niskim, stałym poziomie, pomimo wzrostu intensywności wysiłku. Można powiedzieć, że jest to jego wypłaszczenie.

W moim przypadku analizowanym wskaźnikiem było RMSSD, a po zestawieniu z mocą uzyskałem poniższy wykres:

Próg HRV (odzwierciedlenie pierwszego progu metabolicznego), znajduje się w momencie wypłaszczenia uzyskanych wartości HRV. W moim przypadku byłoby to 190 W. Niemniej jednak wydaje mi się, że w tym konkretnym przypadku lepiej byłoby przyjąć wartość z wcześniejszego segmentu.

Dzieje się tak dlatego, że RMSSD pomiędzy mocą 160, a 190 W, różniło się w niewielkim stopniu (2,35 vs. 1,99 ms), a ponadto uzyskało tutaj bardzo niską wartość, co może świadczyć, że pierwszy próg metaboliczny przekroczyłem już przy 160 W (lub byłem na jego granicy).

W późniejszej części opisałem również, dlaczego takie postępowanie wydaje mi się właściwe, pomimo, że większość autorów go nie stosowało.

Jeżeli kogoś by to interesowało, to podsyłam link do Stravy z testu: https://www.strava.com/activities/4819301369

Czy próg HRV możemy wyznaczyć bez pomiaru mocy?

Okazuje się, że tak, tylko będziemy potrzebowali w takim przypadku prosty trenażer (np. magnetyczny) oraz pas telemetryczny, który pozwala na pomiar HRV. Z tego co wiem, większość trenażerów typu smart i tak posiada wbudowany miernik mocy, więc raczej się to do nich nie odnosi.

Pomimo, że na zewnątrz prędkość nie jest zbyt dobrym miernikiem intensywności (ze względu na zmienne warunki zewnętrzne – pogodę, ukształtowanie terenu itd.). Jednak na trenażerze warunki zewnętrzne z pewnością jesteśmy w stanie kontrolować, stąd prędkość może jak najbardziej okazać się tutaj przydatna. Możemy więc zamontować na tylnym kole prędkościomierz.

O ile będziemy dobierać zawsze to samo ciśnienie w tylnej oponie (sugerowałbym pompować ją przed każdym treningiem) i będziemy stosować zawsze to samo obciążenie na manetce trenażera (w przypadku rozwiązań magnetycznych), to uzyskamy jak najbardziej stabilne warunki zewnętrzne.

Prędkość w takim wydaniu, będzie podobną miarą intensywności zewnętrznej, jak moc. Wewnętrzną intensywnością moglibyśmy nazwać tętno, gdyż jest to miara reakcji naszego organizmu na zadany wysiłek. Z kolei intensywność zewnętrzna mówi na to ile pracy wkładamy w wysiłek.

Stosując prędkość, również moglibyśmy zastosować step test. co 3 min zwiększalibyśmy ją np. o 2 km/h. Musielibyśmy jednak w takim wypadku określić prędkość, która odpowiada wystarczająco niskiej intensywności wysiłku, która pozwoliłaby na wyznaczenie progu HRV.

Za punkt początkowy testu moglibyśmy przyjąć prędkość odpowiadającą około 60% FTHR, gdyż raczej powinna być ona odpowiednia.

Z kolei za tętno progowe, przyjęlibyśmy jego wartość w ostatniej minucie segmentu step testu, który okazał się progowym.

Niestety te 2 km/h mogą stanowić znacząco odmienny wzrost mocy w zależności od obciążenia na trenażerze, co jest pewnym problemem. Wydaje mi się, jednak, że moglibyśmy po prostu korzystać z obciążenia, które zwykle stosujemy na treningach.

Próg HRV w porównaniu z progiem mleczanowym/wentylacyjnym

Wiemy już w jaki sposób możemy wyznaczyć próg HRV za pomocą RMSSD/SD1. Pozostaje jednak pytanie, czy uzyskana wartość będzie pokrywać się z metodami laboratoryjnymi?

W cytowanej już wcześniej pracy Sales’a i innych (2011), 10 osób prowadzących siedzący tryb życia, oraz 9 osób zmagających się z cukrzycą, wykonało maksymalny test do wyczerpania.

Podczas jego trwania, pierwszy próg metaboliczny wyznaczono zarówno za pomocą analizy wydychanych gazów oraz wentylacji (czyli był to próg wentylacyjny), korzystając ze stężenia mleczanu (był to zatem próg mleczanowy), jak i na podstawie analizy RMSSD oraz SD1 podczas wysiłku.

Jak już wcześniej przytoczyłem, protokół testowy składał się 15 W “schodków”, zwiększanych co 3 min (rozpoczynając od wartości 15 W), aż do wyczerpania.

Okazało się, że obydwie metody były dobrym przybliżeniem zarówno progu mleczanowego, jak i wentylacyjnego, a korelacje pomiędzy mocą związaną z progami HRV oraz wyznaczonymi metodami laboratoryjnymi były naprawdę spore w przypadku osób prowadzących siedzący tryb życia (r=0,91 do 0,98), natomiast u osób zmagających się ze schorzeniem były one wciąż na dobrym, ale jednak niższym poziomie (r=0,68 do 0,87).

Autorzy stwierdzili, że progi HRV są dobrym nieinwazyjnym sposobem na oszacowanie wartości na pierwszym progu metabolicznym.

Próg HRV u zawodowych kolarzy

Wyniki poprzedniej pracy były obiecujące, natomiast niekoniecznie możemy bezpośrednio odnosić je do osób uprawiających sport. Z tego powodu warto byłoby sprawdzić, czy również wśród czynnych kolarzy metoda ta sprawdzi się równie dobrze.

Niestety nie natknąłem się na wiele źródeł, które zweryfikowały skuteczność progu HRV wśród kolarzy. Owszem było dużo publikacji dotyczących biegania, czy chociażby jazdy na nartach, ale udało się mi odnaleźć tylko na jedną odnoszącą się bezpośrednio do kolarstwa (chociaż mogłem po prostu nie natrafić na pozostałe).

Garcia-Tabar wraz ze swoim zespołem (2013), zweryfikował skuteczność progu HRV w przypadku zawodowych kolarzy. Porównał jego wartość do pierwszego progu mleczanowego Wykorzystano tutaj nie koniecznie metodę wizualną, ale kilka wariantów różnych podejść matematycznych, które są bardziej obiektywne, niemniej jednak obiektywizm nie zawsze musi od razu przekładać się na lepszą skuteczność (Candido i inni, 2015 [za:] Soares-Caldeira i inni, 2020).

Opierały się one na wskaźniku SD1 i wykorzystywały trzy różne podejścia:

• wartość o 1 ms wyższa od najniższej zaobserwowanej podczas step testu;
• wartość SD1 poniżej, której wskaźnik ten różnił się o mniej niż 0,5 ms pomiędzy dwoma etapami testu do wyczerpania;
• wartość wyższa o 0,5 ms, niż pierwsza,która znalazła się poniżej 2,5 ms.

Niemniej jednak w późniejszym czasie okazało się, że jedyną dobrą metodą okazała się ta pierwsza. Mimo nie najgorszej korelacji pomiędzy metodami (r= 0,68 do 0,88), w indywidualnych przypadkach czasem okazywało się, że podejście to albo znacznie zawyżało, lub zniżało realną wartość progową.

Trzeba mieć jednak świadomość, co mogło być tego pochodną. Po części mogła to być zastosowana analiza samego progu, ale również sam protokół. Podczas testu do wyczerpania zwiększano moc aż o 58 W / 3 min, co mogło skutkować niższą dokładnością zarówno w przypadku wyznaczenia pierwszego progu mleczanowego, jak i progu HRV.

Dlatego wydaje mi się, że niekoniecznie musi być to dowód na słabą skuteczność samej metody, ale nie koniecznie całej koncepcji. Wydaje mi się, że przydałoby się więcej badań dotyczących dobrze wytrenowanych kolarzy, które pomogłyby wyciągnąć bardziej jasne wnioski. 

Problemy związane z progiem HRV, o których musimy pamiętać

Duża liczba potencjalnych metod wyznaczania

Poza wspomnianym wcześniej podziałem metod wyznaczania progu HRV ze względu na wskaźniki czasowe, częstotliwościowe oraz nieliniowe, również w obrębie tychże podgrup, natrafiamy na różne podejścia do tematu.

Na przykład biorąc pod uwagę wcześniej opisywane metody, wykorzystujące czasowe wskaźniki (min. RMSSD oraz SD1), ich wyniki możemy różnie zinterpretować. Na przykład możemy dokonać analizy wizualnej wskaźników, albo skorzystać z metody matematycznej.

Przykładem matematycznego podejścia była praca dotycząca zawodowych kolarzy, natomiast inni autorzy stosują jeszcze odmienne założenia niż tam przedstawione, np. stałą wartość SD1 równą 3 ms, a próg określają jako pierwszy segment step testu, który spadnie poniżej tej wartości (Duarte i inni, 2014).

Ponadto alternatywną metodą jest również wykorzystanie innego czasowego wskaźnika – SDNN, będącego po prostu odchyleniem standardowym, wszystkich odstępów czasowych pomiędzy uderzeniami serca (Soares-Caldeira i inni, 2020).

Które podejście jest najlepsze? Nie mam pojęcia. Wydaje mi się, że ciekawym byłoby sprawdzenie większości dostępnych metod oraz przeanalizowanie skuteczności każdej z nich, podobnie jak zrobił to N. Jamnick (2018), tylko że w przypadku drugiego progu mleczanowego.

Jak rozwiązać problem?

Jeżeli nie wiemy tak naprawdę, która z metod jest lepsza, możemy przyjąć taktykę podobną do zaprezentowanej przez S. Gaskill’a wraz z zespołem (2001). Odnosi się ona do wyznaczania pierwszego progu wentylacyjnego, ale wydaje mi się, że i w tym przypadku może znaleźć zastosowanie.

Wspomniani autorzy połączyli trzy różne metody wyznaczania wspomnianego progu i okazało się, że łącznie dawały o wiele lepsze rezultaty, niż stosowane osobno. Również tutaj mozemy wykonać analizę zarówno za pomocą SD1 oraz RMSSD.

Myślę, że za próg HRV można byłoby przyjąć (podobnie jak uczyniłem to ja), wartość mocy związaną z jednym segmentem przed stabilizacją HRV. Wracając do mojego przykładu, próg wyznaczony w ten sposób znajduję się przy 160 W. Odnosząc się do klasycznych zaleceń wynosiłby on 190 W.

Niemniej jednak, być może realne wypłaszczenie wykresu nastąpiło przy 175 W, a nie 190 W, a na podstawie step testu nie jesteśmy tego w stanie powiedzieć. Możemy stwierdzić, że próg HRV leży u mnie gdzieś pomiędzy 160, a 190 W, natomiast wydaje mi się, że lepiej jest przyjąć wcześniejszą, bardziej konserwatywną wartość, podobnie jak jest to w przypadku wyznaczania pierwszego progu mleczanowego.

Jeżeli obie uzyskane wartości będą wskazywałe na ten sam segment step testu, przyjmujemy właśnie taką wartość, jeżeli nie to wyciągamy średnia i uzyskana moc traktuejmy jako próg.

Błąd pomiaru

Próg HRV jest dobrą metodą wyznaczenia pierwszego progu metabolicznego, ale jednak nie bezpośrednią, więc musimy liczyć się w tym przypadku z błędem.

Często stosowana w eksperymentach porównujących dwie różne metody pomiaru, analiza statystyczna Bland’a i Altman’a (1986), pozwala min. na określenie maksymalnego błędu, którego możemy spodziewać się przy wyznaczaniu jednej wartości na podstawie innej.

Niestety nie natknąłem się na prace, które podawały by tą wartość w wynikach. Jak najbardziej zdarzały się takie badania, lecz z różnych względów, nie można było zaadaptować tych informacji, czy to ze względu na zastosowanie innej metodologii, czy też ze względu na badaną populację (np. Cunha, 2014).

Zresztą w przytaczanym już wcześniej badaniu dotyczącym zawodowych kolarzy, informacja ta była dostępna, jednak ze względu na wspomniane problemy z zastosowanym protokołem i metodami analitycznymi, nie koniecznie możemy wykorzystać ją do naszych potrzeb (Garcia-Tabar, 2013). 

Z informacji tej moglibyśmy wyciągnąć dosyć ważną wskazówkę, gdyż znając maksymalny prawdopodobny błąd, bylibyśmy w stanie określić “zakres niepewności” wokół uzyskanej wartości mocy na progu HRV.

Jeżeli będziemy przesuwać się do tego zakresu zbyt blisko, prawdopodobieństwo, że rzeczywiście pracujemy poniżej realnej wartości pierwszego progu, będzie maleć.

Generalnie można dobrze zobrazować to na przykładzie treningu w tlenie. Tego typu jednostki treningowe powinniśmy wykonywać poniżej wartości pierwszego progu, wyznaczonego czy to za pomocą analizy stężenia mleczanu we krwii, czy gazów oraz wentylacji.

Być może (chociaż jest to wartość przykładowa, nie mam pojęcia czy rzeczywiście jest tak w rzeczywistości), maksymalny błąd związany z progiem HRV (wyznaczony według wczesniej opisanych metod), w stosunku do pierwszego progu mleczanowego/wentylacyjnego wynosi ±20 W. Jeżeli przyjęlibyśmy założenia treningu w tlenie pod pierwszym progiem, ale uzyskalibyśmy moc o 15 W niższą od jego wartości, to zupełnie nie mamy pewności, czy trenowaliśmy pod czy nad realna wartością progu mleczanowego/wentylacyjnego.

Jednak kiedy zachowalibyśmy odpowiednio duży odstęp, np. 30 W, istniałaby nikła szansa, że pracujemy nad realnym pierwszym progiem (trzeba pamiętać, że próg HRV to tylko przybliżenie), a co za tym idzie moglibyśmy stwierdzić, że dany trening rzeczywiście wykonany był zgodnie z założeniami.

Rozwiązanie problemu

Przy braku możliwości określania, wcześniej wspomnianego “zakresu niepewności”, możemy po prostu przyjąć, że podczas treningów wykonywanych poniżej pierwszego progu metabolicznego, zastosowalibyśmy moc niższą o wartość jednego segmentu step testu (np. -30 W), w stosunku do progu HRV, przez co prawdopodobnie rzeczywiście znajdziemy się pod wartością realnego progu.

Z kolei treningi o średniej intensywności pomiędzy progami metabolicznymi, wykonywaliśmy o jeden segment do przodu w stosunku do progu HRV (np. +30 W). Moglibyśmy wtedy stwierdzić, że istnieje duże prawdopodobieństwo, że rzeczywiście przekroczyliśmy realny pierwszy próg.

Odnosząc to do przykładu mojego testu, mogę przyjąć, że treningi w tlenie, wykonuję na 130 W i poniżej, natomiast te o średniej intensywności, na przynajmniej 190 W, lub powyżej.

Wpływ kadencji na HRV

Okazuje się, że podczas wysiłku, duży wpływ na obserwowane HRV może mieć kadencja (Blain i inni, 2009). Dzieje się tak ze względu na fakt, iż cykliczne ruchy dolnych kończyn podczas jazdy na rowerze, wpływają na pracę serca podczas wysiłku.

Z tego powodu stosowanie dowolnej kadencji podczas step testu, teoretycznie może mieć wpływ na uzyskane wyniki. Rzeczywiście w większości badań dotyczących progu HRV, stosowano stałą kadencję (np. 70 rpm).

Niestety nie znalazłem żadnej pracy, która sprawdzałaby czy może mieć to rzeczywiście wpływ na wyznaczenie progu. Z drugiej strony sytuacja ta tworzy sztuczne warunki, niespotykane na treningu, gdzie zwykle dobieramy kadencję spontanicznie, więc osobiście nie mam pewności, czy przełożenie wyników takiego testu będzie odzwierciedlało później sytuację treningową.

Od razu powiem, że nie wiem jak rozwiązać ten problem. Nie jestem wstanie powiedzieć, czy pomimo wpływu kadencji na HRV podczas wysiłku, będzie miało to jakiekolwiek implikacje dotyczące skuteczności określenia progu HRV.

Z jednej strony możemy zastosować taką taktykę, ale z drugiej nie odzwierciedla to dobrze tego, co spotykamy na treningach. Osobiście w swoim teście nie kontrolowałem kadencji.

Wizualne wyznaczanie progu

Istnieją matematyczne metody wyznaczenia progu, ale jak się okazuję, nie koniecznie muszą być one lepsze od metod wizualnych. U mnie identyfikacja progu była raczej dosyć łatwa, ale w niektórych przypadkach może być ona nieco mniej jasna.

Rozwiązanie problemu

Wydaje mi się, że część problemu można rozwiązać poprzez zastosowanie dwóch metod wyznaczania jednocześnie (SD1 + RMSSD). Wtedy, gdy jeden przypadek będzie zupełnie niejasny, próg będziemy mogli zidentyfikować drugą metodą.

Zwykle w badaniach naukowych, subiektywny charakter takiego sposobu wyznaczania progów metabolicznych rozwiązywany jest przez wyznaczanie ich przez dwie, a czasem trzy różne doświadczone osoby.

My niestety wyznaczając próg HRV, raczej nie posiadamy w tym na początku zbyt wielkiego doświadczenia. Niemniej jednak zawsze można się ze mną skontaktować aby skonsultować wyniki.

Nie ukrywam jednak, że nie uważam się w tej kwestii za jakiegoś eksperta, ale zawsze co dwie głowy to nie jedna.

Oszacowanie progów metabolicznych i wyznaczenie stref intensywności za pomocą progu HRV i FTP/FTHR

W ostatnim artykule na blogu opisałem metodę, dzięki której możemy lepiej dostosować popularny podział stref intensywności, aby zwiększyć prawdopodobieństwo, że znajdujemy się w odpowiedniej strefie metabolicznej (jeżeli chcesz się z nim zapoznać, to Kliknij Tutaj!).

Biorąc pod uwagę fizjologiczne reakcje organizmu na wysiłek, możemy określić trzy (ewentualnie cztery) strefy intensywności (Jamnick, 2019). Bazę do ich wyznaczenia stanowią progi metaboliczne, gdyż rozdzielają one odmienne reakcje organizmu na wysiłek.

Pierwsza strefa metaboliczna znajduję się poniżej pierwszego progu metabolicznego. W przypadku tego rodzaju wysiłku, stężenie mleczanu we krwii utrzymuje się przy wartościach spoczynkowych, a VO2 (czyli wykorzystanie tlenu), osiąga względnie stabilny stan. Regeneracja HRV, czyli jego powrót do wartości przed wysiłkowych, przy tej intensywności, będzie zachodziła bardzo szybko (Seiler i inni, 2007).

Uważa się, że w tej strefie powinniśmy wykonywać treningi o niskiej intensywności (zwane również treningami w tlenie).

Po przekroczeniu pierwszego progu metabolicznego wkraczamy do drugiej strefy. Tutaj mleczan wykroczy poza wartości spoczynkowe, jednak mimo wszystko osiągnie stabilny stan. W przypadku VO2, będziemy obserwowali “slow component”, czyli powolny jego wzrost (zjawisko podobne do dryfu tętna), pomimo, że teoretycznie powinno ono być na niezmiennym poziomie. 

Wzrost ten nie doprowadzi, do tak dużego zwiększenia się VO2, po którym osiągnięty zostałby pułap tlenowy, czyli VO2max.

Po przekroczeniu pierwszego progu metabolicznego regeneracja HRV będzie znaczaco opóźniona, niż miało to w przypadku wysiłku poniżej progu (Stanley i inni, 2013).

Tutaj wykonujem się treningi o średniej intensywności, a intensywność ta zbliżona jest do popularnie zwanego tempo lub sweet spot’a.

Trzecia strefa metaboliczna, to wysiłek powyżej drugiego progu. Tutaj stężenie mleczanu we krwii traci stabilny stan i rośnie do bardzo wysokich wartości, natomiast VO2 “slow component” prowadzi do uzyskania VO2max.

Również w tym przypadku regeneracja HRV po wysiłku będzie znacząco opóźniona. Wydawać by się mogło, że będzie ona jeszcze wolniejsza, niż w przypadku treningu w drugiej strefie.

Rzeczywiście wiele badań wskazuje, że regeneracja HRV zależna jest w większości od intensywności wysiłku, niezależnie od jego długości (Kaikkonen, 2015). Czyli im wyższa intensywność, tym dłuższy powrót HVR do normalnych wartości.

Niemniej jednak zależności pomiędzy intensywnością oraz długością trwania treningu wydają się być nieco bardziej skomplikowane (Reichert i Picanço, 2014; Bechke i inni, 2020).

Wykonując trening interwałowy w drugiej strefie metabolicznej, nie zawsze musi być tak, że HRV będzie regenerować się szybciej, niż w przypadku treningu w trzeciej strefie. Oba treningi mogą mieć taki sam wpływ na regenerację HRV, gdyż będzie to zależało nie tylko od intensywności, ale i od długości interwałów, czy ilości powtórzeń.

Wydaje się, że w ekstremalnym wypadku (o ile jechalibyśmy wystarczająco długo) trening w pierwszej strefie metabolicznej mógłby teoretycznie prowadzić do tak samo długiego powrotu HRV do normy, jak trening powyżej pierwszego, czy drugiego progu metabolicznego.

Jednak generalnie możemy przyjąć, że po wysiłku w pierwszej strefie metabolicznej HRV będzie regenerowało się bardzo szybko, a po przekroczeniu pierwszego progu, proces ten będzie opóźniony. Trening w drugiej w porównaniu do trzeciej strefy metabolicznej, może natomiast mieć taki sam wpływ na HRV po wysiłku w obu przypadkach (Seiler i inni, 2007).

W trzeciej strefie metabolicznej wykonuje się tzw. trening HIIT, stosując krótsze lub dłuższe interwałach.

Pozostaje jeszcze ostatnia czwarta strefa. Będą zaliczały się do niej wszelkiego rodzaju, krótkotrwałe wysiłki sprinterskie. Tutaj ani mleczan, ani VO2 nie osiągnie maksymalnych wartości, prawdopodobnie ze względu na zbyt krótkotrwały charakter wysiłku.

Podobnie jak miało to miejsce w przypadku treningów w drugiej oraz trzeciej strefie metabolicznej, regeneracja HRV po tego rodzaju wysiłku również będzie opóźniona (Buchheit i inni, 2008).

Dlaczego określanie intensywności wysiłku w odniesieniu do progów metabolicznych jest takie ważne?

Generalnie stosując odgórnie narzucone podziały stref intensywności, nie mamy pewności czy pokrywają się one z fizjologicznymi reakcjami naszego organizmu. Na przykład już w 1988 roku, w badaniu przeprowadzonym przez E. Coyle’a i innych, zaobserwowano, że trening na poziomie tego samego %VO2max, wywoływał znacznie odmienne reakcje fizjologiczne u uczestników eksperymentu.

Jedni z nich przy niby tej samej intensywności pracowali poniżej, a inni powyżej swojego progu mleczanowego, więc tak naprawdę wcale nie była to dla nich ta sama intensywność wysiłku.

Podobnych obserwacji dokonano również w przypadku treningu w oparciu o HRmax (Meyer i inni, 1999), porównując go z jedna z metod wyznaczania drugiego progu mleczanowego (IAT – Individual Anaerobic Threshold).

Mimo wszystko określanie intensywności na podstawie %VO2max lub %HRmax łączy jedna kwestia – obie wartości odnoszą się do wartości maksymalnych. Jeżeli drugi próg metaboliczny może występować przy różnym poziomie HRmax lub VO2max, to system stref intensywności lepiej jest oprzeć o wartość progową, a nie maksymalną. Z tego powodu popularny system stref zaproponowany przez A. Coggan’a oparty jest na FTP oraz FHR.

Jednak to nie rozwiązuje wszystkich problemów. FTP jest w miarę dobrym przybliżeniem mocy związanej z drugim progiem metabolicznym, więc granicę pomiędzy drugą, a trzecią strefą metaboliczną jesteśmy w stanie oszacować. Niemniej jednak na podstawie podziału stref intensywności w oparciu o moc, nie jesteśmy w stanie powiedzieć jaki %FTP dana osoba uzyska na poziomie pierwszego z progów.

U różnych osób wartość ta z pewnością może się różnić (Garcia-Tabar i Gorostiaga, 2018). Biorąc pod uwagę trening w tlenie, przyjmując pewien %FTP, jedne osoby mogą znajdować się przy nim poniżej pierwszego progu metabolicznego, a inne powyżej.

Oznacza to, że dla jednych będzie to jeszcze niska, a dla innych już średnia intensywność, a przecież w założeniu miała być ona niska. Ponadto przy wysiłku powyżej lub poniżej pierwszego progu, reakcje organizmu są znacząco odmienne, a co za tym idzie taki wysiłek jest różnym bodźcem treningowym dla dwóch różnych osób.

Jeżeli jest to różny bodziec treningowy dla dwóch różnych osób, to również reakcja ich organizmów, pomimo teoretycznie tego samego treningu, będzie różna.

Problem z odgórnie przyjętymi strefami intensywności polega głównie na tym, że możemy myśleć, że dany trening wywoła u nas określoną reakcję, ale nie koniecznie musi tak być.. Problem w tym, że pod względem metabolicznym, może on stanowić zupełnie inne obciążenie dla naszego organizmu, niż to sobie zakładaliśmy.

W rezultacie nasz trening będzie kierował się w zupełnie nieprzewidywalnym kierunku, gdyż będzie tak naprawdę zupełnie czymś innym, niż to sobie zaplanowaliśmy.

Poza czysto teoretyczną skutecznością systemu stref opartego na progach metabolicznych, istnieją również dowody, że rzeczywiście jest on skuteczniejszy od podejścia opartego na odgórnie przyjętych wartościach.

Obrazuje to badanie A. Wolpern’a i innych z 2015 roku. Pomimo, że odnosi się do osób prowadzących uprzednio siedzący tryb życia, to wyniki są dosyć ciekawe. Uczestników badania podzielono na dwie grupy:

• jedną wykonującą trening w oparciu o %HRR, czyli rezerwy tętna;
• drugą trenującą według stref opartych na progach wentylacyjnych.

Okazało się, że grupa jako całość trenująca według progów, osiągnęła lepszy średni rezultat, ale co ważniejsze wszyscy jej członkowie osiągneli znaczący wzrost VO2max. W drugiej grupie wiele osób poprawiło swoje VO2max, w tak znikomym stopniu, że wzrost ten nie przekroczył błędu związanego z pomiarem pułapu tlenowego.

Różnice te zaobserwowano pomimo zastosowania identycznego programu treningowego. Widzimy, że w tym przypadku, zindywidualizowanie intensywności wysiłku, spowodowało uzyskanie bardziej przewidywalnych adaptacji treningowych.

Pomimo, że rzeczywiście wszystkie osoby z grupy trenującej według progów poprawiły swoje rezultaty, to wciąż jedne w mniejszym, a drugie w większym stopniu. Z tego powodu odpowiedni dobór intensywności nie zapobiegł różnorodności uzyskiwanych efektów z danego programu treningowego, więc nie jest on jedynym czynnikiem odpowiadającym za to zjawisko. 

Niemniej jednak jak pokazały wyniki badania, odpowiedni dobór intensywności wysiłku, jest jednym z ważnych kroków do poprawy skuteczności naszego treningu.

Jak oszacować strefy metaboliczne na podstawie progu HRV oraz FTP/FTHR

Pierwszym krokiem, który powinniśmy podjąć w celu oszacowania wartości progowych oraz wyznaczenia granic stref intensywności jest wykonanie testu FTP/FHR. Wartości te będą przybliżeniem intensywności związanej z drugim progiem metabolicznym.

Klasyczny protokół służący do wyznaczenia FTP składa się z (Allen, Coggan i McGregor, 2019):

• 20 min wysiłku o niskiej intensywności;
• trzech 1 min przyspieszeń o wysokiej kadencji (100 rpm);
• 5 min jazdy o niskiej intensywności
• 5 min maksymalnego wysiłku;
• 10 min jazdy o niskiej intensywności;
• 20 min maksymalnego wysiłku;
• 10-15 min ochłodzenia.

Niemniej jednak osobiście nie wykonuje 3 przyspieszeń przy wysokiej kadencji, gdyż uważam to za bezsensowne. Czy takie postępowanie może mieć wpływ na skuteczność testu? Niestety nie wiem.

Okazuje się, że 5 min wysiłek maksymalny podczas rozgrzewki jest często pomijanym, ale bardzo ważnym elementem rozgrzewki. W przypadku kiedy niektórzy autorzy starali się porównać FTP, z mocą związaną z MLSS (czyli “złotym standardem” wyznaczania drugiego progu), ale nie zastosowali klasycznej rozgrzewki, wyniki okazywały się kiepskie (Inglis i inni, 2020).

Z drugiej strony Borszcz wraz ze swoim zespołem (2019), uzyskał bardzo zbliżone wartości FTP w odniesieniu do mocy na MLSS, stosując właśnie klasyczna rozgrzewkę. Oczywiście najlepiej byłoby znaleźdź pracę która porównywałą by wpływ rozgrzewki na FTP bezposrednio, ale rzeczywiście coś jest na rzeczy.

Z tekstu przytaczanego badania możemy uzyskać, coś czego zabrakło w przypadku progu HRV – przybliżonego, maksymalnego błędu pomiaru. Dzięki tej informacji będziemy w stanie określić wcześniej opisywany “zakres niepewności”.

Tutaj moc na MLSS, mogła maksymalnie być przeszacowana (w przypadku 95% populacji) o 10,2%, a niedoszacowana o 7,5 %. Aby wyznaczyć “zakres niepewności” musielibyśmy odwrócić te wartości (ze względu na to, że test FTP ma tendencję raczej do zawyżania wartości na drugim progu) i w przypadku treningów w drugiej strefie metabolicznej powinniśmy trenować przynajmniej 10% poniżej jego wartości, a w przypadku trzeciej strefy przynajmniej 8% powyżej wartości FTP.

Po wykonaniu testu FTP i obliczeniu jego wartości, moglibyśmy przejść do drugiego etapu, czyli step testu na wyznaczenie progu HRV. Znając wartość FTP, nie musielibyśmy go wykonywać maksymalnie, gdyż i tak występuje on znacznie poniżej wartości drugiego progu metabolicznego.

Z tego względu w niedługim okresie czasu po wykonaniu testu FTP (np. w następnym tygodniu), moglibyśmy wykonać step test. Początkową wartość mocy moglibyśmy określić jako 30-40% FTP (ale wartość tą lepiej zaokrąglić do pełnych wartości, np. jeżeli wyjdzie 75 W, to przyjąć początkową moc 80 W), gdyż powinna być to naprawdę niska intensywność.

Następnie co 3 min powinniśmy zwiększać moc o 30 W (ale wcześniej nie stosujemy rozgrzewki, tylko od razu przechodzimy do step testu). Niemniej jednak tak jak już wcześniej wspominałem, nie wykonujemy takiego testu do wyczerpania, lecz w momencie w którym podczas danego segmentu, osiągniemy lub przekroczymy wartość naszego FTP, test możemy przerwać.

Później obliczamy wartości SD1 oraz RMSSD, w ostatniej minucie każdego z 3 min segmentów, a następnie zestawiamy wartości HRV, czy to z mocą, czy czasem trwania wysiłku.  

Stosując połączone podejście (SD1 + RMSSD) identyfikujemy jeden segment step testu, przed wypłaszczeniem się wykresu HRV, przy niskich wartościach i albo przyjmujemy jedną wartość (kiedy obie metody wskazują na ten sam segment), albo wyciągamy średnią.

Dysponując już wartościami mocy związanymi z progiem HRV oraz FTP, możemy oszacować nasze strefy metaboliczne. Pierwsza z nich powinna znajdować się poniżej pierwszego progu metabolicznego, a ze względu na to, że próg HRV to tylko oszacowana jego wartość, przyjmujemy tutaj moc związaną z jednym segmentem step testu wstecz (czyli -30 W, lecz tutaj już od uzyskanej wartości progowej, a nie samego wypłaszczenia). Treningi w pierwszej strefie metabolicznej powinniśmy wykonywać na uzyskanej w ten sposób mocy, lub poniżej. 

W przypadku drugiej strefy metabolicznej, powinniśmy przyjąć środkową wartość mocy pomiędzy progiem HRV oraz FTP, a aby mieć pewność, że znajdujemy się w trzeciej strefie, powinniśmy trenować przynajmniej 8% powyżej FTP.

Strefy metaboliczne w przypadku FTHR

Tak jak wcześniej to opisywałem, nie posiadając miernika mocy, jesteśmy zmuszeni do wykorzystania trenażera, z prędkościomierzem zamontowanym na tylnym kole. Niemniej jednak od razu muszę zaznaczyć, że podejście związane z miernikiem mocy jest nieco pewniejsze, gdyż nie natknąłem się na wiele publikacji dotyczących FTHR, rozwiewających pewne istotne wątpliwości.

FTHR, podobnie jak FTP jest przybliżeniem intensywności związanej z drugim progiem metabolicznym. Niestety nie natknąłem się na źródła, które porównywałbym tak uzyskaną wartość tętna progowego z MLSS, natomiast zapewne może być ona dobrym jego przybliżeniem.

McGehee wraz z zespołem (2005), porównał kilka nieinwazyjnych metod wyznaczania tętna i prędkości progowej wśród biegaczy. Jedną z nich był 30 min test na FTHR. Jest on maksymalną 30 min próbą wysiłkową, a za FTHR przyjmujemy średnie tętno w ostatnich 20 min wysiłku.

Rzeczywiście w porównaniu z niektórymi metodami wyznaczenia drugiego progu mleczanowego (lecz nie MLSS), metoda ta wydawała się jako tako skuteczna. Z pewnością bezpośrednie porównanie z MLSS pozwoliłoby na uzyskanie większej ilości informacji.

Drugą metodą na wyznaczenie FTHR jest przyjęcie 95% tętna z 20 min maksymalnej próby wysiłkowej (Friel, 2018). Joe Friel w najnowszym wydaniu cytowanej książki podaje również, że jeżeli wykonujemy test 30 min, bierzemy pod uwagę po prostu całość wysiłku, a nie ostatnie 30 min.

Która z metod jest lepsza nie mam bladego pojęcia.

W przypadku wyznaczania progu HRV powinniśmy postąpić podobnie jak w przypadku FTP, a mianowicie nie musimy wykonywać step testu maksymalnie, tylko w tym przypadku w segmencie, w którym osiągniemy FTHR, dokańczamy go, ale nie wykonujemy następnych.

Jak już wcześniej to opisywałem za prędkość początkową step testu przyjmujemy wartość przy której osiągamy około 60% FTHR (również zaokrągloną, jak w przypadku mocy początkowej), a następnie co 3 min zwiększamy intensywność wysiłku np. o 2 km/h.

Próg HRV wyznaczmy analogicznie jak w przypadku mocy, korzystając najlepiej z połączonego podejścia (SD1 + RMSSD), lecz tutaj wartości HRV w ostatniej minucie każdego z 3 min segmentów, zestawiamy, z czasem lub prędkością.

Różnicą będzie tu fakt, że musimy uzyskać jeszcze wartość tętna na progu, co możemy uczynić poprzez uśrednienie tętna w ostatniej minucie segmentu step testu, podczas którego zidentyfikowaliśmy nasz próg.

Gorzej byłoby w przypadku kiedy stosując połączone podejście, uzyskalibyśmy uśrednioną wartość pomiędzy dwoma segmentami. Wtedy możemy wyciągnąć średnią wartość tętna z ostatniej minuty sąsiadujących między sobą segmentów i przyjąć to jako tętno na progu HRV.

Treningi w pierwszej strefie metabolicznej powinniśmy w takim układzie wykonywać z tętnem odpowiadającym ostatniej minucie jednego segmentu step testu, przed tym, który zakwalifikowaliśmy jako próg HRV (znów określona przez na wartość na progu, a nie koniecznie wypłaszczenie na wykresie).

W przypadku drugiej strefy metabolicznej, możemy przyjąć wartość środkową tętna pomiędzy progiem HRV, a FTHR. Niestety nie posiadam wiedzy dotyczącej błędu pomiaru, którym obarczone jest FTHR, więc nie wiem o ile procent większe tętno musielibyśmy uzyskać, aby mieć pewność, że rzeczywiście pracujemy powyżej drugiego progu.     

Czy możemy wykorzystać HRV podczas wysiłku w jeszcze inny sposób?

Muszę przyznać, że o wiele bardziej eksploatowanymi w literaturze zagadnieniami jest HRV albo podczas spoczynku, lub regeneracja po jego zakończeniu. Z tego powodu nie poznałem wielu innych jego zastosowań poza progiem HRV.

Niemniej jednak HRV podczas wysiłku przy tej samej absolutnej intensywności, może określić poziom wydolności danej osoby. Na przykład przy stałej mocy 200 W, ale nie przy danym %FTP, tylko wartości absolutnej, osoby posiadające wyższe HRV podczas wysiłku, cechują się również lepszymi osiągami (Hottenrott i Hoos, 2017).

Fakt ten nie powinien nas jednak dziwić, gdyż wraz ze wzrostem możliwości danej osoby, przy określonej z góry mocy, będzie posiadała ona niższe HRV, ze względu na to, że będzie to dla jej organizmu mniejsze obciążenie.

Przykładowo, jeżeli dana osoba posiada pierwszy próg metaboliczny na poziomie 150 W, a porównamy ją z osobą cechującą się mocą 250 W na jego poziomie, to oczywistym jest, że przy 200 W, lepszy zawodnik lub zawodniczka będzie posiadał(a) niższe HRV. Jeżeli jeszcze pamiętasz, to po przekroczeniu pierwszego progu metabolicznego, HRV spada praktycznie do zera i utrzymuje się na bardzo niskich wartościach, więc w tym konkretnym przypadku, nieco mniej wytrenowana osoba, będzie cechowała się bardzo niskim HRV.

Ponadto wykazano w jednej pracy, że moc związana z progiem HRV może zwiększać się wraz z treningiem (Fronchetti i inni, 2007), co łączy się z wcześniej opisywanym zjawiskiem.

Oznacza to również, że potencjalnie HRV przy odgórnie ustalonej mocy, może stanowić wskaźnik poprawy formy. Jeżeli nasz trening idzie w dobrym kierunku, a nasze możliwości się poprawiają, po jakimś czasie zauważymy, że nasze HRV przy danej, stałej wartości mocy będzie spadać.

Podobnie wykorzystywane są wartości tętna submaksymalnego, przy odgórnie przyjętej mocy lub prędkości w przypadku biegania. Można powiedzieć, że spadek tętna submaksymalnego przy danej mocy lub prędkości, to jedna z podstawowych adaptacji do wysiłku wytrzymałościowego (Rankinen i inni, 2012).

W zasadzie to dość intuicyjne. Im jesteśmy lepsi, tym niższe tętno uzyskamy przy danej generowanej mocy na rowerze.

Stąd też niektórzy autorzy zaproponowali submaksymalne testy, których elementem jest min. analiza zachowania tętna submaksymalnego przy odgórnie przyjętej absolutnej intensywności (Lamberts i inni, 2011, Buchheit i inni, 2012).

Pomimo, że publikacja Buchheit i innych (2012) dotyczyła młodych piłkarzy, a nie sportowców wytrzymałościowych, to zaobserwowano w niej ciekawe zjawisko. Spadek tętna piłkarzy, przy biegu z odgórnie przyjętą prędkością (9 km/h), był najlepszym predyktorem wzrostem osiągnięć w teście do wyczerpania na bieżni.

Spadek tętna submaksymalnego był więc związany z poprawą wydolności tlenowej piłkarzy, a zatem świadczył o wzroście możliwości wytrzymałościowych zawodników.

Być może HRV mierzone podczas wysiłku, jest w stanie zapewnić nam podobne informacje w stosunku do tętna – im wyższe HRV, tym lepsza forma. Niemniej jednak ciekawym byłoby przekonanie się, który ze wskaźników okazałby się w tym względzie skuteczniejszy.  

Niestety nie natrafiłem na więcej potencjalnych zastosowań, niemniej jednak jestem pewien, że w wartościach HRV uzyskiwanych podczas treningu, kryje się całe mnóstwo potencjalnie przydatnych informacji, niemniej jednak na ten moment ciężko powiedzieć, jak można by je wykorzystać.

Podsumowanie:

• wraz ze wzrastającą intensywnością wysiłku, HRV osiąga coraz niższe wartości, by przy intensywności około 50-60% VO2max, ustabilizować się na bardzo niskim poziomie;
• okazuje się, że stabilizacja ta wydaje się występować przy podobnej intensywności co pierwszy próg metaboliczny; 
• ze względu na to zjawisko za pomocą analizy HRV podczas step testu jesteśmy w stanie oszacować intensywność wysiłku związaną z pierwszym progiem metabolicznym;
• dzięki temu w nieinwazyjny sposób możemy wyznaczyć przybliżone granice stref metabolicznych, natomiast musimy mieć świadomość, że nie jest to metoda bezpośrednia i wiąże się z pewnego rodzaju błędem;
• odpowiedni dobór intensywności, oparty na progach metabolicznych jest jednym z kroków do poprawy skuteczności naszego programu treningowego;
• HRV podczas wysiłku jest również wstanie zidentyfikować wydolność danej osoby oraz może stanowić wskaźnik postępów.

Źródła:

1. Electrophysiology, Task Force of the European Society of Cardiology the North American Society of Pacing. „Heart rate variability: standards of measurement, physiological interpretation, and clinical use.” Circulation 93.5 (1996): 1043-1065.
2. Singh, N., Moneghetti, K. J., Christle, J. W., Hadley, D., Plews, D., & Froelicher, V. (2018a). Heart Rate Variability: An Old Metric with New Meaning in the Era of using mHealth Technologies for Health and Exercise Training Guidance. Part One: Physiology and Methods. Arrhythmia & electrophysiology review, 7(3), 193–198. 
3. Singh, N., Moneghetti, K. J., Christle, J. W., Hadley, D., Froelicher, V., & Plews, D. (2018b). Heart rate variability: an old metric with new meaning in the era of using mhealth technologies for health and exercise training guidance. part two: prognosis and training. Arrhythmia & electrophysiology review, 7(4), 247.
4. Aubert, A. E., Seps, B., & Beckers, F. (2003). Heart rate variability in athletes. Sports medicine, 33(12), 889-919.
5. Billman, G. E. (2011). Heart rate variability–a historical perspective. Frontiers in physiology, 2, 86.
6. Shaffer, F., & Ginsberg, J. P. (2017). An overview of heart rate variability metrics and norms. Frontiers in public health, 5, 258.
7. de Geus, E. J., Gianaros, P. J., Brindle, R. C., Jennings, J. R., & Berntson, G. G. (2019). Should heart rate variability be “corrected” for heart rate? Biological, quantitative, and interpretive considerations. Psychophysiology, 56(2), e13287.
8. Michael, S., Graham, K. S., & Davis, G. M. (2017). Cardiac autonomic responses during exercise and post-exercise recovery using heart rate variability and systolic time intervals—a review. Frontiers in physiology, 8, 301.
9. Hautala, A. J., Kiviniemi, A. M., & Tulppo, M. P. (2009). Individual responses to aerobic exercise: the role of the autonomic nervous system. Neuroscience & Biobehavioral Reviews, 33(2), 107-115.
10. Tulppo, M. P., Makikallio, T. H., Seppänen, T., Laukkanen, R. T., & Huikuri, H. V. (1998). Vagal modulation of heart rate during exercise: effects of age and physical fitness. American Journal of Physiology-Heart and Circulatory Physiology, 274(2), H424-H429.
11. Garcia-Tabar, I., Sánchez-Medina, L., Aramendi, J. F., Ruesta, M., Ibañez, J., & Gorostiaga, E. M. (2013). Heart rate variability thresholds predict lactate thresholds in professional world-class road cyclists. J Exerc Physiol Online, 16, 38-50.
12. Dourado, V. Z., & Guerra, R. L. F. (2013). Reliability and validity of heart rate variability threshold assessment during an incremental shuttle-walk test in middle-aged and older adults. Brazilian Journal of Medical and Biological Research, 46(2), 194-199.
13. Cottin, F., Leprêtre, P. M., Lopes, P., Papelier, Y., Médigue, C., & Billat, V. (2006). Assessment of ventilatory thresholds from heart rate variability in well-trained subjects during cycling. International journal of sports medicine, 27(12), 959-967.
14. Rogers, B., Giles, D., Draper, N., Hoos, O., & Gronwald, T. (2021). A new detection method defining the aerobic threshold for endurance exercise and training prescription based on fractal correlation properties of heart rate variability. Frontiers in Physiology, 11, 1806.
15. Nascimento, E. M. F., Antunes, D., do Nascimento Salvador, P. C., Borszcz, F. K., & de Lucas, R. D. (2019). Applicability of Dmax Method on Heart Rate Variability to Estimate the Lactate Thresholds in Male Runners. Journal of Sports Medicine, 2019.
16. Galán-Rioja, M. Á., González-Mohíno, F., Poole, D. C., & González-Ravé, J. M. (2020). Relative proximity of critical power and metabolic/ventilatory thresholds: systematic review and meta-analysis. Sports Medicine, 1-13.
17. Jamnick, N. (2019). An examination of current methods to prescribe exercise intensity: validity of different approaches and effects on cell signalling events associated with mitochondrial biogenesis (Doctoral dissertation, Victoria University).
18. Jones, A. M., Burnley, M., Black, M. I., Poole, D. C., & Vanhatalo, A. (2019). The maximal metabolic steady state: redefining the ‘gold standard’. Physiological reports, 7(10), e14098.
19. Muniz-Pumares, D., Karsten, B., Triska, C., & Glaister, M. (2019). Methodological approaches and related challenges associated with the determination of critical power and curvature constant. The Journal of Strength & Conditioning Research, 33(2), 584-596.
20. Billat, V. L., Sirvent, P., Py, G., Koralsztein, J. P., & Mercier, J. (2003). The concept of maximal lactate steady state. Sports medicine, 33(6), 407-426.
21. Borszcz, F. K., Tramontin, A. F., & Costa, V. P. (2019). Is the functional threshold power interchangeable with the maximal lactate steady state in trained cyclists?. International journal of sports physiology and performance, 14(8), 1029-1035.
22. Sales, M. M., Campbell, C. S. G., Morais, P. K., Ernesto, C., Soares-Caldeira, L. F., Russo, P., … & Simões, H. G. (2011). Noninvasive method to estimate anaerobic threshold in individuals with type 2 diabetes. Diabetology & Metabolic Syndrome, 3(1), 1-8.
23. Bland, J. M., & Altman, D. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. The lancet, 327(8476), 307-310.
24. Cunha, F. A., Montenegro, R. A.,  Midgley, A. W., Vasconcellos, F., Soares, P. P., & Farinatti, P.  (2014). Influence of exercise modality on agreement between gas exchange  and heart rate variability thresholds. Brazilian Journal of Medical and Biological Research, 47(8), 706-714.
25. Hottenrott, K., & Hoos, O. (2017). Heart rate variability analysis in exercise physiology. ECG time series analysis: Engineering to medicine, 245-257.
26. Fronchetti, L., Nakamura, F. Y., De-Oliveira, F. R., Lima-Silva, A. E., & De Lima, J. R. (2007). EFFECTS OF HIGH-INTENSITY INTERVAL TRAINING ON HEART RATE VARIABILITY DURING EXERCISE. Journal of Exercise Physiology Online, 10(4).
27. Candido, N., Okuno, N. M., da Silva, C. C., Machado, F. A., & Nakamura, F. Y. (2015). Reliability of the heart rate variability threshold using visual inspection and Dmax methods. International journal of sports medicine, 36(13), 1076-1080. [Za:] Soares-Caldeira, L. F., da Silva, C. C., Chierotti, P., de Souza Dias, N., & Nakamura, F. Y. (2020). Influence of aerobic fitness on the correspondence between heart rate variability and ventilatory threshold. Revista Brasileira de Educação Física e Esporte, 34(4), 555-566.
28. Duarte, T. S., Ferreira Júnior, A. J., Rezende, E. C., Pertence, L. C., Bouzas Marins, J. C., & de Lima, J. R. P. (2014). Association between Heart Rate Variability Threshold and Post-Exercise Vagal Reactivation. Journal of Exercise Physiology Online.
29. Jamnick, N. A., Botella, J., Pyne, D. B., & Bishop, D. J. (2018). Manipulating graded exercise test variables affects the validity of the lactate threshold and V˙ O 2 peak. PloS one, 13(7), e0199794.
30. Gaskill, S. E., Ruby, B. C., Walker, A. J., Sanchez, O. A., SERFASS, R. C., & LEON, A. S. (2001). Validity and reliability of combining three methods to determine ventilatory threshold. Medicine & Science in Sports & Exercise, 33(11), 1841-1848.
31. Blain, G., Meste, O., Blain, A., & Bermon, S. (2009). Time-frequency analysis of heart rate variability reveals cardiolocomotor coupling during dynamic cycling exercise in humans. American Journal of Physiology-Heart and Circulatory Physiology, 296(5), H1651-H1659.
32. Seiler, S., Haugen, O., & Kuffel, E. (2007). Autonomic recovery after exercise in trained athletes: intensity and duration effects. Medicine & Science in Sports & Exercise, 39(8), 1366-1373.
33. Stanley, J., Peake, J. M., & Buchheit, M. (2013). Cardiac parasympathetic reactivation following exercise: implications for training prescription. Sports medicine, 43(12), 1259-1277.
34. Kaikkonen, P. (2015). Post-exercise heart rate variability: a new approach to evaluation of exercise-induced physiological training load. Studies in sport, physical education and health, (224).
35. Reichert, F., & Picanço, L. (2014). Effects of different training protocols on the heart rate variability of trained cyclists. Journal of Science and Cycling, 3(2), 79.
36. Bechke, E., Kliszczewicz, B., McLester, C., Tillman, M., Esco, M., & Lopez, R. (2020). An examination of single day vs. multi-day heart rate variability and its relationship to heart rate recovery following maximal aerobic exercise in females. Scientific Reports, 10(1), 1-7.
37. Buchheit, M., Millet, G. P., Parisy, A., Pourchez, S., Laursen, P. B., & Ahmaidi, S. (2008). Supramaximal training and postexercise parasympathetic reactivation in adolescents. Medicine and science in sports and exercise, 40(2), 362-371.
38. Coyle, E. F., Coggan, A. R., Hopper, M. K., & Walters, T. J. (1988). Determinants of endurance in well-trained cyclists. Journal of Applied Physiology, 64(6), 2622-2630.
39. Meyer, T., Gabriel, H., & Kindermann, W. I. L. F. R. I. E. D. (1999). Is determination of exercise intensities as percentages of VO2max or HRmax adequate?. Medicine & Science in Sports & Exercise, 31(9), 1342-1345.
40. Garcia-Tabar, I., & Gorostiaga, E. M. (2018). A “Blood Relationship” Between the Overlooked Minimum Lactate Equivalent and Maximal Lactate Steady State in Trained Runners. Back to the Old Days?. Frontiers in physiology, 9, 1034.
41. Wolpern, A. E., Burgos, D. J., Janot, J. M., & Dalleck, L. C. (2015). Is a threshold-based model a superior method to the relative percent concept for establishing individual exercise intensity? a randomized controlled trial. BMC sports science, medicine and rehabilitation, 7(1), 16.
42. Allen H., Coggan A.R., McGregor S. (2019). Training and racing with a power meter. VeloPress;
43. Inglis, E. C., Iannetta, D., Passfield, L., & Murias, J. M. (2020). Maximal Lactate Steady State Versus the 20-Minute Functional Threshold Power Test in Well-Trained Individuals:“Watts” the Big Deal?. International Journal of Sports Physiology and Performance, 15(4), 541-547.
44. McGehee, J. C., Tanner, C. J., & Houmard, J. A. (2005). ACOMPARISON OF METHODS FOR ESTIMATING THE LACTATE THRESHOLD. The Journal of Strength & Conditioning Research, 19(3), 553-558.
45. Friel, J. (2018). The cyclist’s training bible: the world’s most comprehensive training guide. VeloPress.
46. Rankinen, T., Sung, Y. J., Sarzynski, M. A., Rice, T. K., Rao, D. C., & Bouchard, C. (2012). Heritability of submaximal exercise heart rate response to exercise training is accounted for by nine SNPs. Journal of Applied Physiology, 112(5), 892-897.
47. Lamberts, R. P., Swart, J., Noakes, T. D., & Lambert, M. I. (2011). A novel submaximal cycle test to monitor fatigue and predict cycling performance. British Journal of Sports Medicine, 45(10), 797-804.
48. Buchheit, M., Simpson, M. B., Al Haddad, H., Bourdon, P. C., & Mendez-Villanueva, A. (2012). Monitoring changes in physical performance with heart rate measures in young soccer players. European journal of applied physiology, 112(2), 711-723.