龙空技术网

周期训练:定量分析概述

自在庄河9v 39

前言:

当前小伙伴们对“bp和lp怎么算”大致比较关注,姐妹们都需要剖析一些“bp和lp怎么算”的相关知识。那么小编也在网上网罗了一些关于“bp和lp怎么算””的相关知识,希望大家能喜欢,我们一起来了解一下吧!

作者:Greg Nuckols

翻译:木 易

校审:曹 维

从一开始,我就想表明我的意图:我希望这是对现有周期训练文献最彻底、也最容易获得和理解的定量综述。它有时可能会变得有点晦涩,但我的目标是让任何人都能理解它,不管他们的学术背景如何,只要他们愿意仔细并集中注意力阅读。

周期训练是力量训练领域的热门话题。但本质上90%可以归结为“我阅读了一篇文章,指出xyz形式的周期训练是最好的”,或“这里有两项研究支持我的观点,因此我是对的”,或“从理论上讲,xyz周期模型应该导致abc结果,因此无疑是最好的。” 但是,关于此主题的文献很多,至少有60项研究,其中大多数人完全不知道。通过本文,我想为人们提供一个良好的基础,以使人们能够很好地讨论该主题,并提供一个经验起点和一个可供阅读和学习的强大资源清单。

如果你还没有阅读本系列的第一期文章《周期训练:历史与理论基础》,我建议你先阅读再进行后续学习。

在我们开始讨论之前,由于本文较长,我先按顺序介绍本文的要点:

基本定义,只是为了确保每个人在同一水平进行理解。

关于我执行的定量分析的注释。

分析结果。

当前的研究存在问题,以及如何加以改进。

实用方案。

链接到资料和进一步阅读。

定义(Definitions)

首先,我需要确保我们在术语方面都在同一水平,以便你了解本文的其余部分。

周期训练

美国国家体能协会对周期训练的定义如下:“周期训练是一种在小周期、中周期和年度训练计划中对训练量、训练重点和训练任务进行连续或阶段性改变的方法。该方法取决于为特定训练期确定的目标。经过适当设计的阶段性训练计划为训练的适当排序提供了一个框架,以便训练任务、内容和训练量在多个级别以逻辑、阶段性的模式变化,从而确保在预定的时间点形成特定的生理和表现结果。”

这个定义的三个主要部分是:顺序/阶段性(训练分为相互依存的不同部分),多样性(即你的所有训练都不完全相同)和目标导向(在特定时间点——通常是比赛——达到最高表现)。

线性周期训练(LP)

线性周期训练划分(通常称为“传统周期训练”)是指Matveyev和他的同志在50年代和60年代在苏联开发的系统,训练量随时间逐渐减少,训练强度随时间逐渐增加,在大比赛之前逐渐减少。重要的是,此模型中的“训练周期”通常指的是至少整整一年的训练(即一届世锦赛直到下一届世锦赛),有时也指四年的训练(即一个奥运会直到下一届奥运会)。

在最近的时间里,定义已经有所改变。现在,当大多数人谈论线性周期训练时,他们谈论的是随着时间的流逝,总体上通常训练量减少而强度增加的任何训练结构。与最初的定义不同,这可能是指几个月的训练,而不是一年或更长时间的训练。

波动周期训练(UP)

波动周期训练是指训练结构中的量和强度随着时间的推移而反复上升和下降。波动周期训练并没有真正作为一个概念被引入,直到线性周期训练的定义变成了包括更短时间的周期训练。而线性周期训练仍然需要一年的训练组织时,你当然会在那一年中在量和强度上有波动。

波动周期化的两个主要子类别是每周波动周期训练(WUP)和每日波动周期训练(DUP)。使用每周波动周期训练,量和强度的波动会每周发生一次(通常强度较高,而量较小,反之亦然)。例如,如果线性方法让你在第1周提升了70%1RM,在第2周提升了75%,在第3周提升了80%,在第4周提升了85%,那么每周波动周期训练的方法可能会让你在第1周提升了70%,第2周80%,第3周75%,第4周85%(在此示例中,强度可上升,下降,上升,而不仅仅是每周增加)。

而使用每天波动周期训练,量和强度的波动会在单个训练周内发生。例如,假设你第一周的训练强度为75%,并且在那一周的训练中深蹲两次,如果没有DUP,则两次训练都使用75%的负荷;如果使用DUP,你可以在一个训练中使用70%,在另一训练中使用80%。

板块周期训练(BP)

板块周期训练最初是作为一种方式提出的,以使周期训练适用于每年有多个主要比赛的运动(因为LP最初仅设计用于单个主要比赛)。原始版本的BP休赛期看上去与LP基本相同,并增加了“竞争板块(Competitive block)”,其中包括以足够的数量和强度进行训练,以保持表现,而不会在比赛季给运动员造成过多负担。

该定义在最近发生了一些变化,现在BP通常用于表示这样的训练:该训练从侧重于力量耐力的板块开始,然后是侧重于肥大(hypertrophy)的板块,接着是侧重于最大力量的板块,随后是侧重于爆发力和速度板块(如果要与团队运动员打交道,则紧跟竞争板块)。

现在,如果你正在阅读这篇文章并思考“为什么这些东西被定义为不同形式的周期训练?他们看起来一点也不排斥,“你说得对。我以后会更详细地讨论这个问题。但基本上,在过去的40多年里,著名的周期训练论者(Bondarchuk,Issurin,Matveyev等)一直在进行关于谁的模型是最好的(以及为什么其他模型都逊色)的测评,这很大程度上就是为什么人们倾向于把它们当作完全不同的概念。因此,它们被作为独立的概念进行研究。

分析的注意事项(Notes about analysis)

友情提醒,这部分可能会很难。如果你相信我没有把事情搞得太糟,请随意跳过这一部分。这一部分是为那些想知道我到底做了什么的人准备的,这样他们就可以重新创建我的分析,或者理解为什么我做了一些分析决定。

这个项目首先进行公开搜索“周期训练”和“周期化”,然后从现存的综述和关于周期训练的Meta分析中挖掘资源,并检查我发现的研究的参考列表。搜索到的文章共60条。

我的目的只是使用常规的Meta分析程序(即计算效应量并使用随机效应模型)。但是,我在使用该方法时遇到了一些问题。即,一些研究报告的标准差太小,以至于我根本无法认为它们是可信的,结果,它们导致效应量如此之大,我也不认为它们也是可信的。例如,如果你在本研究中使用报告的数据(训练前仰卧推举为体重的1.28±0.002倍,增加了体重的0.13~0.42倍),则你将得出的组内效应量为 65~160,组间效果量从10~95。那显然很可笑。没有其他重大的问题,但是其他几项研究的标准差小(效应量大于5)到使我非常怀疑。

结果,我只使用了百分比变化。当进行个体研究时,百分比变化可能也有一定问题,因为它们对训练前的力量差异敏感(为一开始就比较弱的群体提供了好处),但是所有这些分析中都包含了足够的研究,使较小的训练前力量差异被去掉。我喜欢使用百分比变化,还是因为非学术性的读者更容易直观地理解它们。我以四种不同方式查看了数据:

1. 我只是比较两件事之间的平均百分比变化(即周期化与非周期化,或线性周期训练与波动周期训练),而没有任何进一步操作。

2. 每周的变化百分比。基本上,你希望在较长时间的研究中获得获得更大的总力量增加,这可能会使组之间的差异看起来更大。如果一种方案使人们获得力量的速度快一倍,那么你可能会在6周时看到力量增加3% vs. 6%,但是在12周时力量增加6% vs. 12%。12周时总百分比变化的差异是两倍(分别为6% vs. 3%),但每周力量增加的差异是相同的(每周0.5% vs. 1%)。

3. 将单次练习中的所有练习汇总在一起时的平均百分比变化。这从本质上确保了一项研究不会压倒其他研究。例如,如果一项研究仅测试了深蹲,则其分析中就只有一个数据点。如果另一项研究测试了深蹲,卧推,腿部推举和肩部推举,则在分析中将有四个数据点。这可能存在争议,所有这些影响都应单独包括在内,以便在一项研究中找出练习之间的差异,或者应该合并每个研究,因为每个研究本质上只是在测试单独的训练计划,所以为什么一个研究结果起四倍作用呢?同样,在这一步中,我也汇集了一项研究中不同组的效果。例如,如果我比较周期化和非周期训练,一项研究有一个非周期训练组,一个LP组和一个DUP组,那么我会把在LP和DUP组的效果放在一起。

4. 每周平均(汇总)百分比变化。

就个人而言,我认为第二个和第四个选项可以提供最佳的比较(你将在后面看到图片,汇总训练和未经训练的举重者时使用选择4,其他情况下则使用选择2)。但是,如果我描述的任何操作对你来说都是不合适或不必要的,我也可以理解。总的来说,所有分析均未得出有意义的不同的结果(我报告了何时得出)。对于报告结果,我只使用了四个分析的平均值。置信区间是最低值到最高值。

为了比较,我做的最后一件事是通过研究中受试者的数量来加权。例如,如果一项研究每组有30名参与者,那么其结果将是每组只有10名参与者研究的3倍。这实际上并没有改变任何事情的价值(这很好——如果你的大型研究得出的结论与小型研究得出的结论截然不同,你的研究就存在一定问题)。

有六个主要比较:周期化和非周期训练主要比较1)所有参与者,2)受过训练的参与者和3)未经训练的参与者,以及线性周期训练 vs. 波动周期训练主要比较4)所有参与者,5)受过训练的参与者和6)未经训练的参与者。采用双尾配对t检验进行显著性分析,效应量均为Cohen’s d(注:这些是我进行分析后条件之间的效应量,而不是每个要汇总用于分析的研究的效应量)。

我还查看了周期训练或周期训练方式是否对深蹲或卧推产生较大影响(与上所分析相同),以及是否有证据表明周期训练或特定周期训练方式随着时间的推移变得更加有效。我这样做是通过绘制组(因变量)和研究时长(自变量)之间的差异,并使用简单的线性回归来观察给定比较的组间差异是否随研究时长的增加或减少。

最后几点:

1. 由于这不是正式的Meta分析,因此运行分析时,我还有更多的余地来决定纳入或排除哪些研究和组。通常,我只是选择了年轻健康的人作为研究对象(所以排除了一些老年人的研究),并且包括了至少在数量和强度上大致相当的研究。如果这是一项正式的Meta分析,并且我将“量和强度匹配”作为标准,那么我将不得不排除一些量和强度非常接近但并非完美匹配的研究。如果我不将其作为标准,则需要包括类似的研究,这些研究将轻量、少量的非周期训练与较高、较大量的周期训练进行了比较。值得注意的是,在进行任何分析之前,我决定了需要包括和排除哪些研究。

2. 我只纳入使用动态、等张运动的研究(即深蹲,卧推,腿部推举,肩部推举等),因为我认为,我们大多数人都对周期训练如何影响动态、等张运动的力量增长感兴趣。这意味着我排除了一些在测力计上测试强度或使用等长力量测试的研究。

3. 如果你不喜欢我选择分析或排除的研究或我分析事物的方式,请随意使用我的电子表格来做不同的事情!我已经为你完成了很多工作,并且我当然不会断言我分析事物的方式是解决问题的唯一方法(或者我已经用尽了你在此数据集中提出的所有问题)。

4. 如果你对我如何进行分析做任何疑问,请随时提出。我正在尝试使本节简短,因为我意识到98%的阅读本文的人并不关心本节。不过,我还是喜欢对细节喋喋不休。

结果(Results)

下表列出了纳入综述的研究。将研究排除在外的原因,包括参与者的特征(例如,老年人或儿童),如何评估力量(等长或等速运动)或所用训练计划的详细信息(即,板块和反向线性周期训练没有足够的研究来进行有意义的定量比较)。

作者(年)

训练水平

周期vs非周期?

线性vs波动?

Ahmadizad(2014)

Untrained

Yes

Yes

Apel (2011)

Trained

No

Yes

Baker (1994)

Trained

Yes

Yes

Buford (2007)

Untrained

No

Yes

de Lima (2012)

Untrained

No

Yes

Eifler (2016)

Trained

Yes

Yes

Harris (2000)

Trained

Yes

No

Hartmann(2009)

Trained

No

Yes

Herrick (1996)

Untrained

Yes

No

Hoffman (2009)

Trained

Yes

Yes

Hoffman (2003)

Trained

Yes

No

Kok (2009)

Untrained

No

Yes

Kraemer (2003)

Untrained

Yes

No

Kramer (1997)

Trained

Yes

No

Miranda (2011)

Trained

No

Yes

Monteiro (2009)

Trained

Yes

Yes

Moraes (2013)

Untrained

Yes

No

O’Bryant(1988)

Untrained

Yes

No

Peterson (2008)

Trained

No

Yes

Prestes (2009)

Trained

No

Yes

Rhea (2003)

Trained

No

Yes

Schiotz (1998)

Untrained

Yes

No

Schoenfeld(2016)

Trained

No

Yes

Simão (2012)

Untrained

No

Yes

Souza (2014)

Untrained

Yes

Yes

Stone (2000)

Trained

Yes

No

Willoughby(1993)

Trained

Yes

No

周期化vs.非周期化汇总

根据数据的分析方式,周期训练使平均力量增加21.78~23.62%,平均每周力量增加1.96~2.05%。另一方面,非训练使平均力量增加18.90~19.10%,平均每周力量增加1.59~1.70%。这些在所有分析中均具有显著差异(p <0.05),并且相关的效应量均在0.23~0.30之间(归类为小效应)。平均而言,周期化组的力量增加速度提高了约22%(所有分析95%置信区间为:2.80~39.26%)。< span="">

注:上图显示了单个研究的结果。向下倾斜的线意味着在周期训练中获得更快的收益,而向上倾斜的线意味着在非周期训练中获得更快的收益。下图从左到右显示了一个方框图,即每项研究结果的差异(在本研究下是周期化减去非周期化,因此正数表示周期化的增益更快),以及差异95%置信区间。

线性vs.波动周期训练汇总

根据数据的分析方式,波动周期训练使平均力量增益24.75~27.44%,平均每周力量增加2.37~2.59%。另一方面,线性周期训练使平均力量增长20.33~21.65%,平均每周力量增长1.90~1.96%。除一项分析(非每周分析;p = 0.08)外,所有分析均存在显著差异(p <0.05),相关效应量均在0.21~0.37之间(归类为小效应)。平均而言,波动周期训练组增加力量的速度提高了约17%(所有分析的95%置信区间为:-0.88~36.60%)。< span="">

注:大于零的值表示更快的增益

未经训练者的周期化vs.非周期化

根据数据的分析方式,周期训练使平均力量增加32.85~33.62%,平均每周力量增加2.53~2.70%。另一方面,非周期训练使平均力量增长27.13~27.14%,平均每周力量增长2.06~2.30%。这些是在研究中考虑多重效应之前的总力量和每周力量增益存在显著差异(p <0.05),但在合并之后却没有差异性(p =="" 0.06~0.15)。相关的效果量都在0.23~0.30之间(归类为小效果)。平均而言,周期化组增加力量的速度提高了约17.5%(所有分析的95%置信区间为:-10.51~39.78%)。<="" span="">

注:高于零的值意味着周期化的增益更快

训练者的周期化vs.非周期化

根据数据的分析方式,周期训练可使平均力量增长17.83~18.28%,平均每周力量增长1.64~1.70%。另一方面,非周期训练可使平均力量增长14.36~14.71%,平均每周力量增长1.32~1.37%。除一项分析(非每周分析;p = 0.12)外,所有分析均存在显著差异(p <0.05),相关效应量均在0.31~0.47之间(归类为小效应)。平均而言,周期化组增加力量的速度提高了约23.5%(所有分析的95%置信区间为:-3.42~49.28%)。< span="">

未经训练者的线性vs.波动周期训练

根据分析,这些研究中的训练使力量增加25.09~27.70%,平均每周力量增加2.38~2.67%。所有分析均未显示出任何接近显著的差异,所有效应量均很小(d <0.12)。< span="">

训练者的线性vs.波动周期训练

根据数据的分析方式,波动性周期化使平均力量增长23.72~24.51%,平均每周力量增长2.19~2.24%。另一方面,线性周期化使平均力量增长16.99~18.02%,平均每周力量增长1.57~1.58%。这些在所有分析中均具有显著差异(p <0.05),并且相关的效应量均在0.56~0.76之间(归类为中等效应)。平均而言,采用波动周期训练的组力量提高约28%(所有分析的95%置信区间为:0.47~56.29%)。< span="">

深蹲vs.卧推

我发现这很有意思:周期训练和周期训练方式似乎会影响卧推,但不影响深蹲。

在所有研究中,周期训练使卧推力量每周平均增加1.35%,而非周期训练使卧推力量每周平均仅增加0.87%。平均而言,周期训练可使卧推增益加速55.43%(所有分析的95%置信区间:22.43~88.43%,p <0.05)。然而,周期周期和非周期训练使深蹲增益基本相同:每周1.87% vs.="" 1.83%。<="" span="">

高于零的值表示周期训练的收益更快

在所有研究中,波动周期训练使卧推力量每周平均增加1.63%,而线性周期训练使卧推力量每周平均仅增加1.28%。平均而言,波动周期训练可以使卧推力量增益加速26.55%(所有分析的95%置信区间:1.73~51.37%,p <0.05)。然而,尽管只有六个研究样本,但波动和线性周期化使深蹲增加基本相同:每周2.35% vs.="" 2.36%。<="" span="">

注:大于零的值表示更快的波动性训练增益

随着时间的推移,周期训练或周期训练方式的影响是增大还是缩小?

目前尚不清楚周期训练相对于非周期训练的优势是随着时间推移而增加还是减少。当观察训练有素的举重运动员,未经训练的举重者以及所有同类人群的研究时,研究时间与周期训练的相对优势之间没有显著的关系。当观察多个时间点力量增长的个别研究时,关系同样是未知的。例如,Willoughby等人报告说,周期训练的优势在为期16周的研究过程中逐月增加,而Kraemer等人报告说,在为期32周的研究开始时,周期训练的优势最大,但随着时间的推移逐渐减少。值得注意的是,周期训练对力量增益的影响似乎在训练有素的举重运动员比在未训练的举重者中更大(效应量为0.31~0.46 vs. 0.23~0.30),并且更加一致(训练有素运动员的4次分析中有3次显著影响,未经训练参与者4次分析中有2次显著影响)。

与线性周期训练相比,波动周期训练的优势可能会随着时间的流逝而减弱。研究时间和周期训练相对优势之间没有显著的相关性,但是在未经训练的举重者中存在中等的反比关系(r = -0.52,r2 = 0.27,p = 0.09)。此外,在观察单个研究时,所有超过12周的研究要么没有发现周期训练方式之间没有差异,要么发现线性模型的表现优于波动模型。但是,这可能会使人陷入困境,因为几项为期12周的研究发现,波动模型优于线性模型,而干预时间超过12周的研究最多只进行了16周,这并不是一个很大的差异。

注:X轴=研究时长。Y轴=波动周期训练每周的力量增长减去线性周期训练每周的力量增长。正数表示波动周期训练的增益较快,而负数表示线性周期训练的增益较快。

肌肉肥大

我将在这里放弃自己的分析,因为最近有一项Meta分析比较了UP和LP对肌肉肥大的影响,并且最近进行了系统的综述,比较了周期训练和非周期训练对肌肉肥大的影响(两者均由Grgic等)。简而言之,至少在短期内,周期训练或周期训练方式似乎不会对肌肉肥大产生任何有意义的影响。但是,值得指出的是,很少有旨在比较最大化肌肉肥大的竞争性训练理论的研究。大多数时候,研究使用的是旨在最大程度地增加力量的方式,力量是主要的结果指标,而肥大的测量是次要的。我们需要使用专门为最大程度地增加肌肉肥大而设计的方式(以肥大为主要结果)进行更多的研究,以便确定周期训练或周期训练方式是否会影响肌肉的生长。

注:该图显示了Grgic等的结果,该图首次出现在MASS的第1卷第7期中。图片来源:Katherine Whitfield

解释(Interpretation)

以下是有关此分析的一些总体想法,没有按特定顺序排列:

1)总体而言,周期训练比非周期训练倾向于产生更大的力量增长,尽管效果很小。但是,值得注意的是,训练有素的举重运动员与未经训练的举重者相比效果更大,并且更加一致。此处的结果与Williams等人的结果基本一致,他们消除了异常值(即比较苹果与橙子的研究),并调整了嵌套效应(nesting effects)。这使我更有信心,即使我使用了一种更为简单的分析方法,也不会将任何事情搞得很糟。

2)你不能假设一个人群中的发现将适用于另一人群,甚至不能假设一个动作中的发现将适用于另一个动作。

在这种情况下,对于训练有素的举重运动员,波动周期训练似乎比线性周期训练好得多(事实上,这是在任何主要分析中观察到的最大差异–甚至比周期训练和非周期训练的效果还要大),而对于未训练的举重者来说没有任何差异。

类似地,对于卧推训练,周期训练和波动周期训练分别击败了非周期训练和线性周期训练,但是对于深蹲,却没有任何影响。然而从另一个角度想,也有可能卧推比深蹲的结果更可信。深蹲的训练进度比卧推快50~100%,这可能表明深蹲的整体训练状态较低(这很有意义,大多数在健身房卧推训练的人比深蹲训练的人更努力)。因此,仅通过练习深蹲而获得的收益可能会掩盖周期训练或周期训练样式的任何可能影响,而卧推测试结果使我们看到“真实”效果。

3)波动周期训练是否只是实质上使举重者达到最佳水平的短期策略?如果是这样,短期训练是好的,但对于长期发展而言可能不是最佳的方法。从这些数据中可以看到一些薄弱的证据,但至少在目前,我不赞同这种说法。事实是,我们没有任何真正的长期研究,而且未经训练的举重者的结果趋势可能是随机变化。我很难相信,在12周时间内,UP平均比LP产生更大的收益,但是额外的2~4周就足以颠覆结果。此外,由于LP和UP对肌肉肥大的结果相似,我不明白你似乎是“期望”UP不能长期发展。然而,随着更多研究的发表,这需要切记。

数据问题(Problems with the data)

总的来说,这项研究存在几个问题。有些是相对较小的问题,有些是较大的问题。

1) 绝大多数研究都很短。一项研究进行了长达32周的分析,但其余所有分析均在6到16周之间。因此,我们有大量的证据表明周期训练的短期效应,但关于长期影响的数据非常少。可能会认为短期差异会随着时间的流逝而加剧,但是差异也可能会随着时间的流逝而减少(我认为这很可能,因为肌肉肥大似乎很相似)。新颖性也有可能使短期力量的增强,但这种影响会随着时间的流逝而减弱(尽管我个人对此观念持怀疑态度)。

2) 缺乏对训练有素的举重运动员的研究。我并没有认为“这些运动员深蹲甚至没有达到600磅,因此这项研究是无关紧要”的意思。因为力量增长的倾向变化很大,而且因为举重倾向于选择天赋较高的人。但是,很难在训练有素的举重运动员的研究中观察力量的增长速度并得出结论,这些运动员中大多数都没受过良好的训练。这些研究中训练有素的举重运动员每周力量增加1.32~2.24%。相比之下,未经训练的举重者每周力量增加为2.06~2.70%。但我认为大多数“受过训练”的人并没有以完全未受过训练的人的75%的速度获得力量,他们肯定不会每周增加1.5~2%的力量。因此,我们没有太多关于大多数人真正认为的“训练有素的举重运动员”的数据。

3) 缺少用来比较的匹配峰值强度。对于LP与UP研究而言,这并不是什么大问题,但对于周期训练与非周期训练研究而言是个大问题。一项比较周期训练和非周期训练的典型研究将使非周期组始终进行中等负荷训练(通常为70%~75%1RM或10RM负荷),而周期组将在更大范围负荷训练(可能为60%~90%1RM,或15RM~3RM负荷)。平均强度和量是匹配的,但最终,周期训练组将在接近1RM负荷的情况下进行练习,这意味着与非周期训练组相比,它们具有更高的特异性。在这种情况下,你是在真正测试周期训练的效果,还是在(也许主要是)测试特异性的效果?

4) 缺乏标准化。不同的周期训练模型的定义可能会有些模糊,这反映在这些研究中使用的方案中。指出所有示例都需要花很长时间,但是你可以在我的电子表格中看到它。在“方案标签”栏中,我按照我认为的想法将特定方案设计归类到符合的分类。使用非周期训练和DUP,这通常是相当简单的,但是很多LP、WUP和BP研究可以说包含了其他周期训练因素。

5) 检验和/或假设。这是与问题4完全相反的问题。老实说,我不相信科学可以很好地回答关于不同周期训练模型的问题。在科学中,除了要测试的变量(在本例中为周期训练模型)之外,你应该尽力控制所有变量。但是,在实际研究中,这些概念几乎从未以非此即彼的方式得到应用。如果你多次训练举重,则可以在一周内改变量和强度,将训练分为特定目的不连续的多周训练,并在同一训练计划内逐周逐块进行力量训练,从而结合波动、板块和线性周期训练。对我来说,测试线性和波动周期训练并没有多大意义,就好像它们是两个完全不同的概念,除非你还要添加另一个同时包含线性和波动周期训练的组,来观察这两个模型是否有有益的交互作用(没有研究可以这样做)。测试大多数关于周期训练生态学上有效的假设,需要一些不受控制的变量(不会发表),或者需要大量的组来测试多重交互(不会获得资助,招募/后勤工作将是一场噩梦),但是目前的方法测试模型之间的相互作用,并不能为我们提供现实世界中非常有用的数据。

6) 这有点迂腐,但我也不会对声称测试“线性周期训练与波动周期训练”的个别研究感兴趣。最终,一个单独的研究只是测试一个训练方案与另一个训练方案。这两个方案可以作为两种不同的周期训练方式(或周期训练和非周期训练)的示例,但是你不能认为它们在整个可能方案分类中极好的代表。我认为你需要一个大致概览(像这个)来有意义地测试关于周期训练的假设,综合使用多个属于相同周期训练样式的多个研究结果。这种批判类似于“不要对单个研究抱太大信心,因为单个研究的结果可能是错误的批判,但它要更强烈一些。更像是“不要对单一的周期训练研究抱有太大的信心,因为一个研究首先不能使用单个训练方案来有意义地检验关于整个周期训练模型的假设。”

额外说明(Takeaways)

不论训练状态如何,周期训练似乎比非周期训练产生更快、更大的力量增长。这不会有天差地别,但看起来确实是非常一致且有意义的效果。

在训练有素的举重运动员方案中加入一些波动周期训练可能是明智的,并且由于在研究中使用DUP的频率比使用WUP的频率高,因此目前有更多的证据来支持它。波动周期训练可能不会影响未经训练举重者的力量增长。同样,这并不意味着在排除线性周期训练或板块周期训练的情况下加入波动周期训练。这些可以(可能应该)整合。

相比深蹲,周期训练和非周期训练方式对卧推更为重要。我希望看到一些有关力量举重运动员的研究(他们应该在卧推和深蹲两方面均接受同等的训练),以更加支持这项发现。

周期训练和非周期训练形式似乎并不影响肌肉肥大,至少在目前的文献中如此。这是可以预期的,因为大多数研究将工作量等同训练方案,而到目前为止,量是肥大的最大驱动力。但是,有可能(很可能会这样),旨在随时间逐渐增加量的周期训练计划会比非周期训练计划或不关注逐步增加量的周期训练计划使肌肉更肥大。这个假设需要在未来进行检验。

未来周期训练研究的想法(Ideas for future)

1) 考虑使用标准化的冲刺模块来进行不同的训练干预。这有助于控制在比较周期训练和非周期训练的研究中观察到的峰值强度的差异。如果在非周期训练的人经历了高强度训练的冲刺模块之后,力量有了很大的提高,从而导致了与周期训练的人相同的整体结果,那么这意味着长期发展实际上可能没有真正意义上的区别。

2) 同样,值得比较一下周期训练和非周期训练,其中非周期训练组的训练强度与周期训练组的峰值强度相匹配。如果最终各组之间没有差异,则这表明先前的周期研究会因周期分组中更高的特异性而混淆(即,差异更归因于特异性,而非周期训练本身)。如果最终仍然存在差异,伴随着周期训练组的力量增加更多,那么表明周期训练本身会带来实际的好处。

3) 未来的研究应该用综合组代替对照组。当我看到一项阻力训练研究首先包含一个对照组时,这总是让我感到有点烦(在大多数情况下,有些时候需要一个对照组,而那不是其中一个)。现在我们应该知道,相比不举重,举重更能使人强壮。相反,对于比较两个周期训练模型的研究,可以使用组合方案替换对照组。例如,一项比较线性周期训练和每日波动周期训练的研究可以有一个线性组,一个每日波动组,以及一个第三组,使每周平均强度与线性组匹配,但仍在每周内波动。这将测试看看所使用的两个模型是否具有累加或协同作用。如果发现DUP组的结果优于LP组,但合并组的结果与DUP组相似,则表明结果差异主要是由于波动周期训练,而如果合并组得到比其他两个组都有更好的结果,这表明存在加和或协同作用,这意味着应将DUP和LP整合在一起。

4) 未来的研究应允许自动调节训练量(RPE / RIR或速度限制值最有意义)。当训练量相等时,测试不同周期模型训练的效果很好,但人们还认为某些模型更优,因为它们可以使人们应对更多的训练量。允许自动调节量可以让你验证该假设,同时也可以使方案本身更具有生态有效性。

5) 我们确实需要招募训练有素的举重运动员进行研究,并且研究需要持续更长的时间(6~12个月以上)。周期训练应该专注于长期计划和运动发展,并且有利于帮助高水平运动员不断进步。如果没有长期研究和对高水平举重运动员的研究(或者理想情况下,对高水平举重运动员的长期研究),我们就无法真正检验这些假设。我知道招募会很难,要让参与者参加足够的训练方案,并请人来管理所有与休息/假期/其他相关的训练方案。这将是后勤上的噩梦(这就是为什么我不自愿这样做!),但是在完成这项工作之前,讨论高强度举重运动员长期力量发展的周期训练模型并不科学。这是猜测。

6) 我们需要设计以肌肉肥大为主要结果的周期训练研究,以真正检验周期训练或周期训练方式是否会影响肥大。如前所述,力量通常是主要结果,因此研究通常不使用旨在使肌肉肥大最大化的方案。强度通常是周期化的主要变量,而量是随之而变的。另一方面,一项针对肌肉肥大的周期训练与非周期训练的研究需要将量视为主要变量。例如,一个非周期训练组可能每周做10组卧推,共15周,而一个周期训练组可能进行三个星期的版块,即每周4组,7组,10组,13组和16组。

结尾(Wrapping it up)

嘿! 你已经学习这么多了。如果你想了解有关周期训练的更多信息,我将强烈推荐以下资源。如果你现在还没有意识到这一点,我对周期训练的研究很感兴趣,可能会花费100个小时来阅读所有这些研究,进行分析并撰写本文,但是我也很怀疑并且在某些方面对目前的文献感到略显不足。我认为现有文献中仍然有价值,但我认为当前的发现经常被用来支持大量的推断结论,并且我认为有很大的改进空间。如果你认同我的怀疑,那么你可以思考以下三件事:

21世纪的周期训练范式:以证据为主导还是传统驱动?

周期训练的实证研究值得信赖吗?概念和方法论问题的全面回顾

周期训练理论:面对不便的事实

另外,如果你不信任我的分析,请随时查看有关该主题的评论和Meta分析。我直接提到了Grgic关于肌肉肥大的评论,关于周期训练和非周期训练的结论在很大程度上与Williams相符,因此我对我的分析非常有信心。但是,我认为我的结论中关于相比未经训练的举重者,训练有素举重运动员UP优于LP,是一个新颖的发现(Harries的UP vs. LP meta并未对此问题进行调查),另外我的发现还有:对于卧推,周期训练和UP优于非周期训练和LP(分别),但不用于深蹲。

最大强度下周期训练和非周期抗阻训练的比较:Meta分析。

对周期训练和非周期训练的力量和爆发力训练方案进行的Meta分析。

线性周期训练和每日波动周期抗阻训练方案对肌肉肥大的影响:系统评价和Meta分析。

是否应该通过周期训练进行针对肌肉肥大的抗阻训练方案?周期训练与非周期训练方法的系统评价。

肌肉力量线性周期训练和波动周期抗阻训练方案的系统评价和Meta分析。

肌肉力量与肌肉肥大背景下的传统与波动周期训练:Meta分析

最后提醒,如果你不同意我在分析中纳入或排除的研究,或者你不认可我的分析方式,或者你只是想看看是否有好的数据来解决本文中未提的问题,在本文中,请随时使用我的电子表格来节省一些时间。我有偏见,所以我认为这是目前对研究最好的定量分析,但我并不认为它是完美的,也不认为这是最终定论。

本系列的介绍到此结束。下次我将讨论日常举重运动员周期训练的实践问题和应用。

周期训练:历史与理论基础

运动训练分期理论研究与实践

传统“大周期”训练分期的生物逻辑基础

标签: #bp和lp怎么算