先看重點
在237名8~18歲男子足球運動員中,結合短時靜息HRV的最佳隨機森林模型預測Yo-Yo耐力的RMSE為2.82~2.89 ml/kg/min,僅用人口學資訊的模型為3.15。HRV帶來的提升很小,這些模型屬探索性,還不能取代Yo-Yo測試或指導個體訓練。
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
有氧耐力通常用Yo-Yo間歇恢復1級測試等現場測試評估,但這類測試既累又耗時。作者想知道,基本球員特徵加上短時靜息心率變異性(HRV),能否估計青少年男子足球運動員的Yo-Yo成績。
研究對象與方法
275名8~18歲男子球員在賽季前接受測試,最終樣本為237人。用Polar Team 2記錄仰臥和站立位的靜息心率及1~5分鐘的短時RR間期,去除偽跡後分析時域、頻域和非線性HRV特徵。十組資料把球員特徵(年齡、身高、體重、BMI、身體成分、成熟度偏移、訓練年限、比賽狀態)與HRV組合,訓練多種機器學習迴歸模型,並用SHAP值找出關鍵預測因素。
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最佳模型是基於120秒仰臥資料的隨機森林(RMSE 2.89 ml/kg/min,344 m;MAE 2.27 ml/kg/min,270 m)和基於240秒站立資料的隨機森林(RMSE 2.82 ml/kg/min,336 m;MAE 2.26 ml/kg/min,269 m)。
- 2僅用人口學資訊的隨機森林RMSE為3.15 ml/kg/min(375 m),MAE為2.39 ml/kg/min(285 m),所以加入HRV帶來小幅但穩定的提升。
- 3年齡、訓練年限、成熟度偏移和非線性HRV特徵(符號動力學、Higuchi分形維數)是影響最大的預測因素。
- 4年齡的中位數(範圍)為13(8~18)歲,BMI為18.8(13.8~29.3)kg/m²;模型表現中等。
限制與不確定性
- 1摘要未提及在獨立球員群體中驗證,因此對新球員的準確性未知。
- 2樣本是賽季前接受測試的8~18歲男性青少年球員,不一定適用於女孩或成年人。
- 3預測訊號主要來自年齡、訓練年限和成熟度而非HRV,作者也認為HRV的增益很小。
- 4本解讀僅基於摘要。
日常健康啟示
在估計青少年球員的現場體能時,靜息HRV在年齡和成熟度之外只增加很少的資訊。它不應取代Yo-Yo測試,也不能用來決定個別球員的訓練。
如何連結自己的資料
用胸帶或手錶測量的靜息HRV是常見的穿戴式指標,但本研究是在賽季前以固定體位記錄1~5分鐘。比較自己的HRV時,請固定體位、時間和裝置,看趨勢而不是單次讀數。
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/objective
This study evaluated the predictive value of demographic information and short-term resting heart rate variability (HRV) for estimating aerobic endurance fitness assessed via the Yo-Yo Intermittent Recovery Level 1 test in youth male soccer players.
Methods
A total of 275 players (aged 8-18) were tested during pre-season. Data included players' characteristics, resting heart rate and it's variability in supine and standing positions, and Yo-Yo test results. Short-term (1-5 minutes) RR intervals (RRi) were recorded using the Polar Team 2, preprocessed for artifacts, and analyzed for time-, frequency-, and non-linear HRV features. Frequency-domain metrics were extracted from linearly detrended signals to ensure stationarity. Ten datasets combining player characteristics (age, stature, body mass, BMI, body composition, maturity offset, experience, match status) and HRV were used to train multiple machine learning (ML) regression models. Model performance was evaluated using standard metrics, and SHAP values identified key predictors.
Results
The final sample included 237 players median (range) age and BMI were: 13 (8 - 18) years, 18.8 (13.8 - 29.3) kg/m^(2). The best models, Random Forest using 120-second supine data and Random Forrest using 240-second standing data respectively achieved RMSE 2.89 ml/kg/min (344 m), and MAE 2.27 ml/kg/min (270 m), and RMSE 2.82 ml/kg/min (336 m), and MAE 2.26 ml/kg/min (269 m). Compared to a demographics-only baseline for Random Forest returning RMSE of 3.15 ml/kg/min (375 m) and MAE 2.39 ml/kg/min (285 m), the inclusion of HRV features provided a modest but consistent improvement in predictive accuracy. Age, experience, maturity offset, and non-linear HRV features (symbolic dynamics, Higuchi's Fractal Dimension) were most influential.
Discussion
ML models combining basic characteristics and short-term HRV showed moderate performance. The incremental improvement attributable to HRV was modest, and these exploratory models are not currently ready to replace Yo-Yo field testing or guide individual training decisions.
來源與署名
Yo-Yo IR1-derived aerobic endurance machine-learning prediction in youth male soccer players using demographics information and resting heart rate variability parameters.
Korzeniewski K, Makuch R, Mikielewicz M, Rosoł M, Gąsior JS, Młyńczak M.
Frontiers in physiology · 2026-09-11
DOI: 10.3389/fphys.2026.1904809 ↗PubMed · 42798791 ↗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
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
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
高強度運動後冷水浸泡:次日痠痛減輕、爆發力略好,力量無改善
在納入52項隨機對照試驗的統合分析中,高強度運動後冷水浸泡組在24小時後的肌肉痠痛更低(標準化均數差−0.89),主觀恢復感更好(0.66),爆發力也略好(0.22),對力量則無影響。受試者無法設盲、以男性為主,許多合併結果只基於少數研究,異質性較高。
Sports Medicine
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

