Oscilaciones de ritmo como gestión del maratón de corredores del top mundial

Oscilaciones de ritmo como gestión del maratón de corredores del top mundial

En su estudio””Marathon Performance Depends on Pacing Oscillations between Non Symmetric Extreme Values”, (“El rendimiento en maratón depende de las oscilaciones de ritmo entre valores extremos no simétricos”), Veronique Billat estudia la gestión de la carrera de 3 de los mejores maratonianos actuales.

ritmo top maraton runner

La conclusión y las observaciones son interesantes, a saber, que la velocidad de carrera en atletas de muy alto nivel es una variación constante del ritmo con tendencia al “negative split”. La pregunta es si esta observación se puede trasladar a todos los millones de corredores que un día u otro se embarcan en una maratón.

Os recuerdo que tenéis disponibles calculadora de ritmos y una calculadora de tiempo intermediaros a cada km de una carrera en la web “MRC” 

Objetivo del estudio

El artículo trata sobre la hipótesis de que el rendimiento en el maratón depende de las oscilaciones de ritmo entre valores extremos asimétricos y no de un ritmo constante. Aunque en el pasado se pensaba que el ritmo constante era el mejor para establecer un nuevo récord, ahora se sabe que las oscilaciones en el ritmo son beneficiosas para el rendimiento. Con el avance de la tecnología, se pueden medir los datos fisiológicos en tiempo real durante el ejercicio, lo que permite analizar la hipótesis de las oscilaciones de ritmo. Los autores del estudio analizan las mejores marcas mundiales de maratón establecidas por Dennis Kimoto y Eliud Kipchoge para encontrar la firma de ritmo óptima para el rendimiento máximo. También se analiza la importancia de la oscilación en el ritmo para mantener un equilibrio entre la energía consumida, la recuperación y evitar la fatiga. Además, se destaca que las oscilaciones fisiológicas son inherentes al cuerpo y que la idea del ritmo constante para el rendimiento máximo es anticuada.

Método del estudio

El estudio se basa en datos de seis carreras de maratón realizadas por tres corredores: Dennis Kimetto, Eliud Kipchoge y Kenenise Bekele. Los datos se obtuvieron de una fuente que proporciona información sobre los tiempos de cada segmento de 1 km de la carrera, lo que permite un mayor nivel de precisión que los datos de GPS individuales. Se utiliza la notación estándar de probabilidad y estadística para analizar los datos, incluyendo la secuencia de ritmo de la carrera, la media del ritmo, la desviación estándar, el coeficiente de variación y la asimetría. Los resultados se resumen en una tabla que muestra la media, la desviación estándar, el coeficiente de variación y la asimetría para cada una de las seis carreras. Se discute el hecho de que, a pesar de que dos carreras parecen haber sido corridas con un ritmo uniforme, en realidad ninguna de las seis carreras lo fue.

Resultados

  • El ritmo no es uniforme En términos cotidianos, la uniformidad del ritmo significa que la carrera se corre a un ritmo aproximadamente constante. Matemáticamente, la secuencia (p) es en este caso una constante, o una muestra de mediciones extraídas de una distribución altamente concentrada alrededor del ritmo promedio, por ejemplo, una distribución normal con una media  y una varianza muy pequeña. La no uniformidad del ritmo puede medirse por el rango de la distribución observada de ritmo, es decir, la diferencia entre los valores más grandes y más pequeños observados. La no uniformidad del ritmo también se puede medir por la diferencia entre los 10 km más rápidos y los más lentos, o por la diferencia entre la media maratón más rápida y la más lenta. Los valores se dan en una tabla. En ninguna de las seis carreras se muestra un rango atribuible a fluctuaciones aleatorias alrededor de una velocidad objetivo promedio. Es decir, ninguna se corrió a un ritmo aproximadamente constante, a pesar de que dos de ellas, Monza 2017 y Viena 2019, se planearon para correrse a un ritmo constante. Los rangos más pequeños se logran (como se esperaba en Monza) en las carreras diseñadas para correrse a un ritmo constante. La variación más espectacular ocurrió en la r21 de Tokio 2021, con más de 4 minutos entre la media maratón más rápida y la más lenta en la misma carrera.
  •  El ritmo no es simétrico. Una vez que se ha demostrado que la dispersión del ritmo es significativa, es legítimo plantear la cuestión de su forma, en particular, su simetría o falta de simetría. Las seis carreras pertenecen a la clase de curvas de campana moderadamente asimétricas: las frecuencias de clase presentan un máximo y caen rápidamente en un lado del máximo en comparación con el otro. Para distribuciones asimétricas con sesgo negativo, el valor de la mediana suele ser mayor que el de la media, lo que significa en nuestro caso que el corredor correrá más de la mitad de la carrera a un ritmo superior al valor del ritmo promedio, lo que hace que la carrera sea más cómoda. Estadísticamente, se puede afirmar que nuestras secuencias de ritmo no se comportan como muestras aleatorias de poblaciones con distribuciones simétricas, por ejemplo, normales. Grandes valores positivos o negativos de γ1 indican una desviación de la normalidad o simetría.
  • El análisis de los datos de ritmo también revela que el ritmo no es uniforme, sino que presenta variaciones y oscilaciones en diferentes escalas. Estas variaciones pueden ser causadas por varios factores, como el terreno, las condiciones meteorológicas, la fatiga del corredor y la estrategia de ritmo. Para cuantificar la variabilidad del ritmo, los autores utilizaron una herramienta matemática llamada análisis de fluctuación desestacionalizada (DFA), que es un método para detectar correlaciones a largo plazo en datos de series temporales.

    El análisis DFA mostró que los datos de ritmo exhiben correlaciones a largo plazo, lo que significa que las variaciones de ritmo en un punto en el tiempo son influenciadas por las variaciones de ritmo en puntos de tiempo anteriores, incluso si estos puntos de tiempo están muy separados. Esto sugiere que la estrategia de ritmo no es aleatoria, sino que implica cierto grado de memoria y planificación. Los autores también encontraron que las correlaciones a largo plazo son más fuertes para los corredores más lentos, lo que indica que estos corredores son más afectados por el terreno y las condiciones meteorológicas.

Conclusiones

Analizamos las tres mejores actuaciones en maratón de la vida real para comprobar la hipótesis de que Kipchoge optimiza su ritmo en relación a su potencia aeróbica y anaeróbica y resistencia. Las conclusiones obtenidas pueden ser una fuente de inspiración para los más de 9 millones de corredores de maratón que cruzaron la línea de meta en 2018 (Esther Fleming, https://www.sidmartinbio.org/how-many-runners-are-there/, consultado el 1 de septiembre de 2021). Utilizando las matemáticas y la fisiología, abrimos nuevas perspectivas sobre cómo optimizar la resistencia y la potencia en un maratón. La estrategia de ritmo de los corredores de maratón de élite es comenzar rápido y luego recuperarse corriendo justo por debajo de su ritmo promedio durante 2/3 de la distancia de carrera, generando una asimetría negativa, es decir, una velocidad media por debajo del promedio. Esta carrera “perezosa” confirma los descubrimientos de AV Hills sobre el concepto de producción de energía “an-aeróbica” durante el ejercicio, siendo la restauración oxidativa en la recuperación un factor que determina la variación de la velocidad con la distancia. Sin embargo, nuestro objetivo no fue reemplazar los consejos de un entrenador, sino simplemente mostrar que el futuro de las mejores actuaciones, como en los récords mundiales, quizás sea buscar la forma variable del ritmo.

 

Fuente:

“Marathon Performance Depends on Pacing Oscillations between Non Symmetric Extreme Values”

https://www.mdpi.com/1660-4601/19/4/2463

de Jean-Renaud Pycke y Véronique Billat

 

image_pdfDescargar el pdf del plan de entrenamiento/páginas