跳到正文
恢復與自主神經研究論文3 分鐘閱讀

7名腳踏車運動員:訓練負荷對預測次日HRV幫助有限

MoveVitals 編輯部 · 研究發表 · 解讀更新

原文:Predicting Next Day Heart Rate Variability Based on Training Load in Cyclists Using Machine Learning. · Sports (Basel, Switzerland) · 2026 · 論文原文 ↗

先看重點

在7名男性競技腳踏車運動員16週的監測中(590個運動員日),把總做功(千焦)和訓練後主觀用力程度(RPE)加到過去的HRV上,預測誤差只有小幅下降。樣本只有7人且個體差異很大,這些模型不足以用來預測你自己的HRV。

證據類型

研究論文

解讀依據

公開摘要

閱讀重點

方法與適用範圍

研究在問什麼

許多運動員依據逐日的心率變異性(HRV)判斷恢復情況,但根據已有的訓練資料能否預測明天的HRV並不清楚。作者檢驗機器學習模型能否利用外部負荷(總機械功,單位千焦,kJ)和內部負荷(訓練課主觀用力程度,RPE)預測競技腳踏車運動員的次日HRV。

研究對象與方法

7名男性競技耐力腳踏車運動員每天接受監測,持續16週,共590個運動員日(7條獨立時間序列)。將支援向量迴歸(SVR)和極端梯度提升(XGBoost)與傳統的帶外生輸入的自迴歸模型(ARX)比較。每個模型針對每位運動員單獨訓練,分兩種情形(僅用過去的HRV,或過去的HRV加kJ和RPE),滯後階數為1、4、7、10和14天,以均方根誤差(RMSE)衡量預測精度。摘要沒有說明預測的是哪種HRV指標,也沒有給出RMSE數值。

主要發現

以下為作者報告的結果。數值須連同族群和不確定性一起閱讀。

  1. 1
    在所有運動員中,與僅用HRV的模型相比,在過去HRV基礎上加入kJ和RPE只帶來RMSE的小幅下降。
  2. 2
    XGBoost在短滯後時的單步預測RMSE最低,而滯後階數較長時各模型趨於一致。
  3. 3
    不同運動員的預測精度差異明顯,與自主神經反應的個體特點一致。

限制與不確定性

  1. 1
    只研究了7名男性腳踏車運動員,結果未必適用於女性、其他專案或業餘運動者。
  2. 2
    摘要沒有給出RMSE數值,因此無法判斷加入負荷資料帶來的改進有多大,且模型是按每位運動員分別擬合的。
  3. 3
    只檢驗了kJ和RPE兩項;作者認為可能需要更廣泛的背景變數。本解讀僅基於摘要。

日常健康啟示

除了近期的HRV記錄,總做功和主觀用力程度幾乎不能多告訴你什麼關於明天HRV的資訊。睡眠、壓力、生病等因素可能同樣重要。把HRV當作瞭解身體狀態的參考之一,而不是訓練日誌能預測出來的數字。

如何連結自己的資料

如果你記錄訓練負荷(功率計的kJ、訓練課RPE)和晨起HRV,請在相同條件下與自己近期的範圍比較,不要指望負荷數字能解釋HRV。個體差異很大,別人的規律對你參考價值有限。

如何理解這類證據

索引未明確指出具體研究設計,應先讀方法;核對族群、對照、結果和不確定性,再判斷能否作因果解釋。

作者的結構化摘要 English

以下英文摘要依所記錄的開放授權轉載,屬於作者原始材料,並非 MoveVitals 解讀。上方已提供研究解讀,分別說明作者結果與本站解釋;重要結論可直接查核原文。

Introduction

Day-to-day fluctuations in heart rate variability (HRV) are widely used to infer autonomic recovery in endurance athletes. However, the extent to which HRV can be forecast one day ahead from readily available external and internal training-load metrics remains unclear. In this study, we evaluated whether machine learning models can predict next-day HRV in competitive cyclists using the two load descriptors most commonly collected in practice: external load quantified as total mechanical work in kilojoules (kJ) and internal load quantified as session rating of perceived exertion (RPE).

Methods

Seven male competitive endurance cyclists were monitored daily for sixteen weeks, yielding 590 athlete-days of longitudinal data (seven independent time series). Two machine learning approaches-support vector regression (SVR) and extreme gradient boosting (XGBoost)-were compared with a conventional autoregressive model with exogenous inputs (ARX) as a traditional time-series benchmark. Each model was trained individually per athlete under two predictor scenarios (using past HRV-only or past HRV plus kJ and RPE) and across multiple lag orders (1, 4, 7, 10 and 14 days), with forecasting accuracy expressed as root mean squared error (RMSE).

Results

Across all athletes, adding kJ and RPE to the past HRV produced only modest reductions in RMSE relative to HRV-only models. XGBoost achieved the lowest one-step-ahead RMSE at short lag, while all models converged at longer lag orders. Predictive accuracy differed markedly between athletes, reflecting the well-known individual nature of autonomic responses.

Conclusions

These findings suggest that the two routinely collected load descriptors examined here-total work (kJ) and RPE-add limited information beyond recent HRV history for forecasting next-day HRV, and that broader contextual variables are likely required to meaningfully improve athlete monitoring.

來源與署名

Predicting Next Day Heart Rate Variability Based on Training Load in Cyclists Using Machine Learning.

Barsumyan A, Saukkonen A, Soost C, Graw JA, Burchard R.

Sports (Basel, Switzerland) · 2026-06-30

DOI: 10.3390/sports14070271 ↗PubMed · 42506814 ↗Europe PMC · 所記錄的開放授權: cc by ↗

摘要著作權歸原作者,依來源紀錄的開放授權轉載。中文譯文協助閱讀,英文摘要供查核術語及具體數值;本站的方法學解釋與作者結論分別呈現。

MoveVitals 編輯解讀 · 健康教育內容 · 未記錄個人臨床審閱

來源查核日期 2026-11-01

實用健康指南

放在一起讀

·研究論文

962名軍人慢呼吸時短時HRV更高,無論是否有戰傷

在962名軍人男性(年齡中位數37.6歲)中,以每分鐘6次的節奏慢呼吸5分鐘時,所有短時心率變異性(HRV)指標都高於自然呼吸,無論是否有戰鬥創傷;靜息時每分鐘呼吸15次及以上者的RMSSD從15.57 ms升至21.89 ms(p < 0.001)。這是固定順序的單次比較,只說明即時變化,不能證明長期獲益。

European Journal of Applied Physiology

重點論文精講閱讀論文 →
·隨機試驗統合分析

冷水浸泡:力量無改善、起跳一度變弱、痠痛緩解證據不足

在22項隨機對照試驗(375名參與者,以男性為主)中,運動後單次冷水浸泡沒有改變最大等長力量(g 0.08,95%置信區間−0.11至0.26),運動剛結束時縱跳反而變弱(g −0.68),到24至48小時消失。痠痛和肌酸激酶看似有利,但在敏感性分析中減弱,證據確定性為低至極低。

PeerJ

重點論文精講閱讀論文 →
·方法學與解釋

急慢性負荷比(ACWR):作者稱沒有證據支援用它降低傷病風險

作者認為,目前沒有證據支援在訓練負荷管理中或為降低傷病風險而使用急慢性負荷比(ACWR):尚無研究正確估計過因果效應,而且這一比值在統計上不準確、含義含糊。這是一篇方法學批評而非新的資料分析,因此不能據此認為訓練負荷與傷病無關。

International Journal of Sports Physiology and Performance

重點論文精講閱讀論文 →
恢復與自主神經 →