介绍

体能教练的最重要职责之一是制定定期训练计划，该计划将适应性反应最大化，从而提高运动成绩。在大多数情况下，通过分配强度或强度超过运动员习惯的锻炼或训练方案（称为超负荷原理），可以实现积极的训练适应。可以通过增加训练量或强度来施加这种超负荷，然后提高健身质量和性能。随着训练的进行，运动员会逐渐适应和疲劳，这在科学文献中已经探讨过。但是，如果引起的疲劳与实现的适应性不匹配，则可能会出现问题。例如，在急性的基础上，如果训练的强度太低，则将不足以引起所需的生理适应。相反，如果强度太高，则会导致疲劳并过早地结束训练。如果随着时间的流逝，健身和疲劳的失调加剧，疲劳可能会掩盖体适能的提高，并导致无法行使功能的状态。非功能性超越是一种极端的超越状态，当训练刺激的强化持续而没有足够的恢复时，就会导致过度超越。这种状态导致运动员容易受伤，生病，情绪状态变化（例如，抑郁，焦虑和倦怠），以及运动能力下降（30）。因此，设计一个能够成功分配和管理运动员休赛期，季前赛和赛季期间训练量和强度的程序，是体能教练的工作。运动员监控策略可能为力量教练提供一种收集有关训练需求和运动员的有用信息的方法疲劳。运动员监视策略可以通过两种方式查看：

量化训练负荷的策略;

随时间推移量化运动员身体状况的策略。

已经描述了训练负荷的监视和量化是在运动员外部还是运动员内部（24）。外部训练负荷可以被认为是运动员完成的体育锻炼的数量，而与他或她的内部特征无关（66）。这些类型的负载代表运动员在训练过程中所做的实际输出，并且可能包括诸如举重，训练量，功率输出，速度，加速度，时间运动分析和神经肌肉功能（例如，跳跃测试）之类的指标（24）。相反，内部负荷取决于运动员的内部特征，并且代表运动员如何对训练过程和先前累积的训练量进行生理反应。内部负荷监测的方法包括：会话感觉等级（sRPE），心率（HR），心率与感觉等级（RPE）之比，训练冲动（TRIMP），乳酸浓度，心率变异性（HRV）和心率恢复（24）。最后，随着时间的流逝，身体状况的量化可能受到对训练的急性和慢性反应以及与训练或比赛没有直接关系的外部压力的影响（30）。例如，由睡眠质量和数量（或缺乏睡眠），职业和人际关系引起的每日压力会影响疲劳反应（2）。身体状况可以通过准备情况调查表进行监测，该调查表可以量化运动员的心理健康状况（30），也可以通过最近研究的方法（例如HRV ）进行监测（24）。

测量和应用训练数据所涉及的一个考虑因素是，力量和体能训练教练必须与团队的主教练合作，以考虑到特定于运动的负荷（练习，比赛）来调整训练负荷。体能教练可以使用前面提到的训练反应度量来跟踪总体疲劳并将其与基本性能模型进行比较。这些标记可以帮助力量和体能训练教练监视对他们的训练计划，运动员的练习时间表和竞技比赛的总体反应。选择每周的训练负荷将受到一周内的游戏和练习数量的很大影响。本文探讨了许多这样的策略，以进一步了解如何量化训练负荷和训练反应可以帮助持续改善运动表现。

量化阻力- 训练负荷

监测阻力训练计划的工作量中最重要的两个因素是体积和强度（10,50）。一般地，体积会话的按重量计的由组重复完成时（数量和数目用于锻炼量相乘来计算22）。该计算得出的值称为总体积。虽然这种策略可以成功地用于跟踪运动员的总容积在整个训练周期，但并不能量化的强度，在其训练量进行。一个必须考虑到相对积累体积的强度，以便更准确地表示运动员承受的压力。例如，可以下蹲300磅的运动员可以通过5组10次重复蹲120磅（40％1次重复最大[1RM]）或5组重复蹲240磅（80％1RM）来积累6,000磅的体积 5次重复。与1RM的80％相比，以1RM的40％累积该体积对压力和疲劳的影响将截然不同。

用于跟踪一个更合适的策略体积是计算的相对量为这些升降机的训练，其中1RM判定是有意义的（背下蹲，硬拉，卧推等）（的59）。该策略涉及将锻炼的次数和重复次数乘以使用的强度，从而得出以任意训练单位（ATU）表示的数字（9）。分配强度值时在练习中，简单地使用运动员当天使用的1RM的百分比似乎很有吸引力。但是，这仍然固有地涉及运动员在进行次最大数量的重复阻力时的不准确性。相反，使用最大重复范围的百分比可能是更好的策略（22）。这涉及计算运动员在理论上可以重复规定次数的最大重量，并将其与当天所规定的重量进行比较（38）。重新考虑理论上的300磅后蹲者，教练可以估计其运动员最多可以进行261磅的5次重复。使用240磅的运动员的工作重量将等于有效地使用92％的5RM进行5组重复5次，因此他们的相对体积为23 ATU（0.92×5次重复×5组= 23 ATU）。

尽管在跟踪相对体积时可以间接监测强度，但测量阻力训练搏动的感知强度仍然很重要。这可以通过使用客观或主观工具来实现。一种监视强度的流行方法是使用RPE。博格15点RPE量表最初是为了监视医学或运动测试中的运动量而开发的。然而，最近，已经开发出一些博格量表的适应方法，以更好地评估阻力训练期间的运动。一种被称为“ OMNI抵抗运动量表”（OMNI-RES）的测量方法可以用来测量感知的运动量，这种运动量可以有效地确定运动发作期间的运动量（图1）（28,35,49）。

图一：OMNI抵抗运动量表（OMNI-RES）用于评估Robertson等人的感知劳累等级。

由于其主观性，RPE在准确测量阻力训练回合的真实强度的能力方面可能会略有限制。一些研究表明，与较轻的负载相比，使用较重的负载时，自报告的RPE值可能会偏斜（18）。换句话说，即使完成次最大的重复，运动员在处理重物时也可能会报告较高的RPE。这可能部分是由于重物对人体的心理影响。此外，同时训练多名运动员的教练可能会发现很难记录RPE每个练习的每组值。在这种情况下，包括运动员报告整个训练课的感知力的练习sRPE可能是更好的选择（51）。早期研究表明，这种方法需要在抵抗训练结束后需要15至30分钟的冲洗时间，然后才能测量sRPE（33,55）。但是，最近的证据表明，运动后立即获得的sRPE值与冲洗期后获得的sRPE值同样有效（11）。这使得sRPE工具对于具有许多运动员和繁忙日程的教练而言更加实用。sRPE已被众多来源证明代表训练负荷的有效量化（12,19,34,43,64）。力量教练使用sRPE的方式是始终如一地跟踪此变量。如果运动员的SRPE向上类似的训练量和强度趋势时，体能教练可能要考虑降低提升强度，提升音量，或两者兼而有之。相反，如果运动员报告的sRPE降低了，但其规定的体积和强度相似，则可能表明该运动员正在适应训练并且需要增加运动刺激。

确定强度和劳累程度的一种更客观的方法是在锻炼的同心部分期间监测杠铃速度。描述性地报道，同心杆速度和相对载荷提升之间存在负线性关系（71）。这表明，随着运动员逐渐接近其真实的1RM，其同心动作的速度将降低。此外，已经确定，即使个体的最大力量增加，他们也将维持恒定的最小速度阈值（在真实RM期间会看到的平均同心速度）（21）。知道相对于平均同心速度存在这些关系后，教练可以使用速度数据来监视应力和疲劳通过两种方式施加在运动员身上：

教练可以制定一项预训练测试，以评估次最大或最大任务期间的杠铃速度，该速度可用于确定运动员的整体疲劳程度。对于教练而言，开发速度曲线以测量运动员向1RM前进时的速度谱也可能是有利的。

可以监测锻炼时的杠铃速度，以客观地了解运动过程的难度。例如，教练可以基于运动员在整个锻炼过程中保持的最小同心速度，将训练负荷分配给他们的运动员。比较休会期间的速度时，应考虑运动顺序和日常训练负荷（在基于速度的训练[VBT]之前）。

当随着时间进行比较并从相同（或尽可能相似）的锻炼中进行比较时，可以最有效地使用条形速度的监视。例如，如果一名运动员通常记录的卧推杠铃速度为1.05 m / s，而最近以相同强度（举重）进行的评估记录的杠铃速度为0.80 m / s，则力量教练将被警告可能会使运动员疲劳，并可能需要调整举重量和强度。

尽管VBT似乎确实消除了与基于RPE的训练相关的可能错误，但需要注意的是，它确实需要使用潜在昂贵的速度跟踪设备。结果，许多人可能很难与运动员一起使用VBT。最近的一项研究比较了RPE与重复速度的有效性（71），并报告了经验丰富的和初学者的RPE值与重复速度之间的强反向关系（r = -0.77，p = 0.001）。此外，研究发现RPE与基于速度的方法相比，它是一种有效的工具，可以分配负荷和估算劳力。鉴于这一发现，建议在可能的情况下尽可能使用VBT，但可以在训练过程中用RPE有效地替代VBT 。除了提供RPE来量化运动员对整个训练课程的整体感觉外，最近的研究表明RPE可用于每个训练集中以确定后备次数（RIR）（71）。RIR反映运动员相对于他们可以执行的重复次数的感知强度（71）。

监视阻力训练运动员的另一种方法涉及通过知觉反应调查表深入了解运动员在给定日期进行训练的意愿。McLean及其同事创建的一种这样的知觉反应问卷已被证明是潜在有效的（40）。该调查表使用李克特量表提供与运动员感知的疲劳，睡眠质量，肌肉酸痛，压力水平和心理情绪状态有关的数据。教练可以将这些数据与到目前为止讨论的内部负荷数据一起使用，以确定适当的强度即将进行的抵抗训练回合。此外，这些数据可用于评估运动员对训练计划的反应以及是否需要减少工作量。表1总结了每种阻力训练疲劳量化量表的优缺点。

量化耐力训练负荷

如上所述，运动员的疲劳状态受多种来源的影响，包括训练和一般生活压力。耐力运动员在训练中会进行大量的有氧运动，因此，应量化此负荷的大小，并在管理此类运动员的整体疲劳时加以考虑。耐力运动员及其教练中广泛使用了几种量化训练负荷的方法。这些可能属于外部或内部训练负荷的类别。计算外部训练负荷涉及对运动员完成的工作的简单测量，例如距离，步速或力量。但是，这种方法忽略了强度变量（就像简单地计算体重室的总体积一样，也忽略了强度变量）。最有用的工具，以量化的耐力运动员有多难训练是那些占两个指标量和强度的锻炼回合。诸如用于骑行的功率计和用于跑步的全球定位系统（GPS）手表之类的技术设备可提供与行进距离和跑步速度有关的数据，以更详细地显示训练负荷。从这些来源计算出的值通常称为训练压力评分（TSS）（56）。骑行TSS考虑了骑行过程中的标准化功率输出以及与运动员的乳酸阈值功率水平有关的强度。乳酸阈值功率水平代表与血液乳酸浓度呈指数增加相对应的功率输出。已经开发出各种公式来量化运行的TSS（56）。这些公式大多数都包含距离，步速，地形特征和相对强度。图2是运行中的TSS公式的示例。重要的是要注意，尽管创建了用于监视外部训练负荷的公式（包括图2）在耐力运动界已经广为接受，但目前他们缺乏足够的科学依据（67）。

图二：用于计算跑步训练压力得分的公式。FTP =功能阈值速度（耐力运动员在全力以赴的1小时跑步中可以保持的平均速度）；IF = 强度因子（由NGP / FTP计算[与运动员的阈值相比，显示锻炼强度 ]）；NGP =标准化的坡度步速（根据地形/海拔的变化调整步速）；s =锻炼持续时间（以秒为单位）。

另外，有许多技术常用于监视耐力运动员的内部训练负荷，这些技术考虑了运动员对训练的反应。这些包括HR，RPE和TRIMP（66）。TRIMP方法最初是由Banister等人提出的。（5），并使用运动员的HR反应以及训练持续时间得出该训练的剂量分数。TRIMP公式是

D =培训时间

b =女性1.67，男性1.92

e = 2.71828

ΔHR比=（HR 运动 -HR 休息）/（HR max -HR 休息），其中HR 静止是休息期间的平均心率，HR 运动是运动期间的平均心率。

使用此方程式可以根据每次训练的强度和持续时间为它分配一个值。较低的TRIMP分数等于运动员的内部训练负荷较低（即，训练对运动员而言相对“容易”），较高的TRIMP分数等于运动员的内部训练负荷较高（即，对于运动员来说，训练课程相对“困难”。随时间推移进行跟踪可以更清楚地了解1次训练所提供的急性内部负荷或累积训练负荷由几天或几周的培训提供。Bannister的TRIMP模型过于简单，因为它基于标准的乳酸曲线，该曲线不考虑个体差异，并且仅占整个疗程的单个平均HR。这使得难以准确地表示非连续或间歇性训练所引起的训练负荷。为了纠正这个问题，Edwards（1993）提出了TRIMP的一种变体，该变体说明了在几个不同的HR区域花费的时间（15,43）。该版本称为Edwards TRIMP（15）。Garcia-Ramos等。（17）提出了与精英游泳运动员相似的TRIMP变种，并且发现该公式提供了更准确的游泳运动员量化指标。训练负担。提到改善的原因可能是由于运动和恢复间隔分别对相应的HR 强度加权（17）。必须进行更多的研究以继续设计改进的方法来训练耐力运动员的负荷量化。表2总结了所讨论的方法的优缺点，这些方法试图量化耐力训练负荷。

量化实践和竞争负担

在管理整体疲劳水平和为团队运动运动员进行训练的拨款时，教练应考虑到以下事实：运动员从多种来源获得训练压力以及力量和体能训练计划，最重要的是现场体育锻炼和比赛。团队运动运动员的实践和游戏在量化训练负荷方面提出了独特的挑战。这些运动本质上是间歇性和反应性的，因为玩家在任何给定时刻的必要体力取决于不断变化的游戏环境。因此，没有2场比赛需要给定运动员进行完全相同的各种努力。多种因素可能会影响运动员的田间运动。首先，运动员在场地上的位置可能会影响游戏过程中所进行的努力类型（69）。其次，情境因素可能会影响游戏玩法特征。例如，来自Lago等人的研究。（36）（2014）表明，西班牙足球联赛的球员在球队输球时可以高强度覆盖更多距离。由于这些因素，疲劳比起单峰，封闭环境的举重等单峰，封闭环境任务，来自现场练习和比赛的量化更难。集成的微技术跟踪系统（GPS，加速度计和陀螺仪）是有效且可靠的工具，使运动科学家和教练们更容易量化在野外活动期间对运动员的外部训练负荷（13,29,52,65） 。

GPS技术最初是为军事目的而开发的（72），但最近已被高级体育组织大量使用。运动员佩戴的GPS装置包含传感器，这些传感器通过卫星传达其位置和运动，从而可以量化运动的距离和速度。三轴加速度计可用于量化在所有三个运动平面上执行的加速度量，并可评估与其他运动员碰撞产生的冲击力（52）。这样可以客观地量化比赛或练习过程中作用在运动员身上的所有力量，从而可以更好地理解在训练过程中产生的压力。这些监控设备的数据可以得出来自任何给定练习或比赛的运动员压力的总计计算（表2）。

GPS数据可通过将努力分为运动概况分类来进行分析，例如低（步行），中（慢跑），高（跑步）和非常高（冲刺）。可以分析来自GPS单元的数据，以确定每个区域花费了多少时间。已经使用不同的速度来表示用于不同运动的某些区域。尽管没有速度区标准，但大多数作者的工作在多项运动中都是相似的。表3代表Dwyer和Gabbett提供的数据汇编，他们通过“将最合适的正态曲线应用于每种运动的速度数据的实际平均分布曲线来确定范围”（14）。该表还参考了Wellman等提供的美式足球数据。（68）。

表一：不同运动的速度范围

跟踪会话中执行的短时冲刺的数量也很重要。这些努力中的许多努力将持续不到足够长的时间，无法达到冲刺阈值速度，但是尽管如此，他们最大的努力还是使他们非常疲劳。Dwyer和Gabbert（14）将冲刺加速度定义为执行的加速度的5％。Wellman等。表示3种国家大学体育协会DI足球运动员的加减速类别：中度（1.5–2.5 m·s -2），高（2.6–3.6 m·s -2）和最大（> 3.5 m·s -2）（68）。如果跟踪了冲刺的次数，力量教练可以监视此数据并根据需要调整训练计划的其他方面。例如，如果一名运动员积累了高数的冲刺较量几天在很短的时期，体能教练可以减少音量下一个预定训练期间身体抵抗力降低锻炼。

当从给定会话中分析所有GPS数据时，可以看到所产生压力的全面视图。这不仅包括覆盖的总距离，还包括每个区域的总距离以及不同的加速力度。这样，可以客观地量化在田间运动过程中施加在运动员身上的负荷程度。

通过心率变异性监测运动员对训练的反应

除了监视训练负荷之外，监视运动员对训练的反应可能会提供有关运动员如何适应整个计划的更详细的信息。HRV已被研究为通过量化自主神经系统（ANS）功能来评估训练适应性的潜在方法（7,24,39,44,61,62）。

由副交感神经和交感神经分支组成的ANS，无需身体控制即可调节身体功能。这两个分支双重作用于心脏，并在调节HR中起补充作用（3,39）。副交感神经活动涉及HR的减慢，而交感神经活动增加HR（3）。HRV用于通过量化心脏的心跳变化来监视这两个分支之间的相互作用（1,3,7,60）。慢性HRV较低与交感神经张力增加，健康受损，炎症标志物增加以及发生心脏事件的可能性更大有关（42,57）。相反，较高的HRV表示较高的副交感神经状态，炎性标志物减少和心脏健康（42,57）。

在运动人群中，HRV可以提供关于有氧健身的见解，因为它与耐力表现（32,48,54），肌肉骨骼损伤（20），疾病（25）和压力恢复（41）有关。HRV的变化也已被研究为过度训练的潜在标志。据信减少的变异性是负训练适应的函数，而增加的适应性被认为会导致较大的变异性和正适应（25,31,37,47,61）。然而，事实证明，了解这些变化非常困难，因为增加，减少，而且没有报告过度训练的运动员HRV都有变化（23,24,37,47,48）。这些发现不一致的原因可能是由于用于分析HRV的指标类型之间的差异，缺乏标准化的测量技术，量化变化的方法学方法（例如，每天或每周）的差异或无法区分不同阶段的差异所致。过度训练（47）。

已经提出了几种最常见的HRV分析方法，包括时域或频域分析（1,6,7）。

尽管不同测量的术语很复杂，但是它们代表了不同的方式来查看HR随时间的变化和分布，并平行地使用相似，独特的平均值，中位数和众数作为总体测量的描述符（39） 。时域表示形式给出了信号在其采样时刻的幅度，而频域则用于对时域信号进行更彻底的分析，尤其是在相对于频率（3）。使用的分析类型可能取决于收集时间的长短或要评估的ANS的分支（7）。一种最常用的方法是QRS波上RR间隔（Ln rMSSD）之间的平方差的平方和的平均值的平方根的自然对数（7,24,47）。这种HRV度量非常适合在体育环境中工作的从业者，因为它不受呼吸频率的严重影响，不需要很长的采集时间（建议5-10分钟；但是，显示了60秒的超短时间可以接受），并且无需特殊软件即可轻松进行计算（7,16,47）。重要的是要注意，尽管在实际环境中使用QRS波的Ln rMSSD估算HRV很普遍，但这种方法不如动态心电图监测（连续24-72小时记录心电图）。

标准化的测量策略可能有助于提高记录之间的可靠性，因为ANS对环境条件敏感（7）。运动后HRV（从运动后立即运动到运动后4小时不等）可用于衡量训练后的恢复情况（39,53,58,60）；然而，通常建议在清醒时以仰卧姿势进行HRV测量，同时控制诸如过度的噪音，光线和温度等条件，以提供最一致的测量结果（7）。即使采用标准化的采集方法，HRV仍可能表现出较高的日常可变性，从而产生误导性的结果（46,47）。为了对抗测量噪声，Plews及其同事（46,48）建议使用每周或7天的滚动平均值表示运动员的自主神经状态的变化。他们的研究表明，这种方法更能说明精英铁人三项运动员的超越能力（47），并且与训练有素的跑步者的最大有氧运动速度和10 km跑步成绩的变化高度相关（46）。当合规性差或在实际环境中难以获得每日价值时，7天滚动平均值可能最有用。因此，建议每周至少录制3张录音，以评估训练有素的运动员的状况（45）。

对基于HRV的培训计划进行更改需要从业人员确定HRV的更改是否对个人有意义。这样，最小的有价值的变化（SWC）可以用来追踪各个运动员随时间的变化（26，27）。对于性能测试，霍普金斯（26）建议SWC是运动员在比赛中的表现的典型变化乘以0.3。通过应用不同大小的幅度（0.2-0.5）（37,46-48,63），对诸如HRV等生理指标也采取了类似的方法。训练有素的运动员可能需要针对他们独特的生理变化的更具个性化的方法。因此，Plews和同事（45,47）使用7天的滚动平均值和0.5×运动员内变异系数的SWC来检测训练适应性和潜在的超范围。尽管有些人告诫不要使用日常录音来做出培训决定（46-48），但其他人已经基于SWC的日常阅读开发了每日指导的培训方法。Vesterinen等。（63）根据4周准备期的rMSSD值确定SWC为运动员内SD的±0.5×。预备期后，将运动员分为HRV指导或预定的训练组，进行为期8周的强化训练。在HRV指导的训练组中的人仅进行中强度和高强度训练在几天内进行培训，发现他们的HRV在各自的SWC范围内。由HRV指导的训练小组进行的中度和高强度训练少于预定训练小组，与预定训练小组相比，在3,000米跑步性能测试中得到了改善。由于在整个训练阶段个体差异和生理适应性可能需要不同的SWC，因此需要进行进一步的研究以确定在实践中应用的最合理的幅度（7）。图3显示了每周12次，每周6次的HRV数据的每周平均值。灰色阴影表示SWC，黑色框表示该周SWC之外的任何内容。

图三：十二周心率变异性（HRV）数据。Ln rMSSD = RR间隔之间平方差的平均值之和的平方根的自然对数。

HRV可以为从业者提供一种简单，无创的方式来获取有关训练适应性和过度训练风险的数据。从业者应尝试标准化收集方法，从而限制数据的噪音。当确定正适应或负适应正在发生时，或者当基于数据寻求对培训计划进行更改时，建议从业者通过计算SWC来建立有意义的阈值。重要的是要记住，HRV不是监控的黄金标准。HRV提供ANS功能的间接评估，但不提供有关其他生理过程的信息。因此，从业者应将HRV与其他经过验证的训练负荷，健康状况和疲劳监测。

监控的实际应用

本文的目的是为从业人员提供在训练过程中监视运动员的方法的概述。为了简洁地描述训练过程，从业者应该意识到内部和外部的负荷因素，这些因素可能决定运动员在给定训练计划中所经历的反应或适应的类型。

并非应立即使用本文中的所有方法，因为它们的可操作性可能是由于从业人员所处的环境所特有的因素。例如，缺乏财务资源可能会限制从业者获得某些技术的能力（例如，线性位置传感器，GPS和HR）；但是，该从业者可能会在低成本解决方案（例如健康调查表）中找到价值。另外，花费在数据收集和分析上的额外时间可能会使从业者执行其他任务（例如，力量和条件，康复和程序设计）的能力丧失。因此，所选择的监视方法应易于收集，易于分析，并适合从业者的日常角色。

考虑到本文的目的和上面讨论的监视的局限性，我们建议从业人员评估他们当前工作的环境，并确定2-3种可以轻松实施的监视方法。此外，建议从业者同时选择内部和外部负荷监测策略，因为多种方法可以使运动员更全面地了解运动员如何承受训练方案。例如，以最少的资金开展业务的从业者可以选择以下方式监视其运动员：

早晨健康调查表，用于评估运动员如何应对训练和非训练压力（生活压力，前一天晚上的睡眠质量以及主观疲倦感）以及他们应对计划的能力。

?练习者如何使用此数据：如果运动员感觉到生活压力和主观疲劳感有所增加，则可以通过降低音量和/或强度来改变训练方式。

培训期间的人力资源监控，以测量内部培训负荷和训练过程中的生理影响。

?从业人员如何使用此数据：如果HR数据升高到超出预期的水平（基于在类似训练强度下获得的先前HR数据），则该培训课程的其余部分或即将到来的培训课程可以相应地更改。

一份关于运动，锻炼和训练强度（％1RM）的书面日记，可以衡量体育锻炼中的外部负荷。

?从业者如何使用此数据：可以通过对运动员的外部负荷进行一致的跟踪来确定外部负荷是否与其他使用的监测方法（早晨健康调查表，HR监测和训练后）有关是正面还是负面结果RPE）。

训练后的RPE，以量化运动员对训练课程的看法，并评估其RPE训练的正负变化。

?从业人员如何使用此数据：如果训练后的RPE数据高于预期（基于以前在类似训练强度下获得的训练后RPE数据），则可以考虑减少训练量和强度。相反，如果训练后RPE数据低于预期（基于以前在类似训练强度下获得的训练后RPE数据），则可以考虑增加训练量和强度。

即使资金有限，从业人员也可以轻松组合简单的监控策略，以客观地评估培训计划。这将使您更好地了解运动员随着时间的推移发生的变化，并更好地协助程序设计，以确保持续改进并减少不良适应症。