为了提前预估马拉松的完成时间和平均配速,跑者在跑步训练时往往会根据训练指标来预测马拉松成绩,如马拉松次数、每周训练天数、每天平均训练距离、每周最大训练距离、每周平均训练距离、平均训练配速等。跑步者似乎期望距离越长,平均训练速度越快,马拉松成绩就越好。
Tanda (2011)记录了22名28-54岁的马拉松运动员在为期8周的马拉松训练中的日常运动训练数据。这项研究还记录了受试者的46场马拉松比赛,成绩从167分钟到216分钟不等。在记录的训练指标中,发现马拉松跑成绩主要受训练期间每周平均跑的距离(K)和平均训练步速(P)的影响(如下两图)。结果表明,8周训练过程的训练指数可以用来预测马拉松跑的平均配速。PM(秒/公里)=17.1 140.0exp [-0.0053k(公里/周)] 0.55p(秒/公里),预测公式的估计标准误差为4分钟。本研究发现,马拉松次数的训练指针数据和每次训练的平均距离与马拉松成绩并不相关。
马拉松成绩与平均每周跑步距离(K)和平均训练速度(P)之间的关系图(Tanda,2011)
通过训练指针数据对马拉松跑成绩的预测方程有很多,但对于不同能力的跑者,没有单一的预测方程。基奥等(2019)收集了36篇研究论文中114个预测方程的数据,其中61个预测方程是通过训练指标和人体测量变量预测的,另外53个预测方程是通过添加实验室测试变量预测的;只有68个预测方程提供了R2值(R2=.10-.99),只有19个预测方程提供了估计的标准误差数据(见0.27-27.4分钟)。这项研究质疑预测方程的实际应用。显然,不存在适用于所有马拉松跑者的成绩预测方程,训练指标变量的影响因素,如坡度、性别、天气条件等通常不包含在预测方程中,大部分预测方程也没有显示R2值。
Doherty等人(2020)收集了85轮研究,共收集了137组马拉松运动员(25%为女性)进行荟萃分析。平均每周跑步距离、每周跑步次数、单翼完成的最大跑步距离
ek)、跑步≥32公里的次数 (number of runs ≥32 km completed in the pre-marathon training block)、平均跑步训练速度 (average running pace during training)、最长跑步距离 (distance of the longest run)、以及每周跑步小时数 (hours of running per week) 等训练指标变项,被用来预测马拉松的跑步时间。研究结果发现这些训练指标变项与马拉松跑步时间呈现负相关,R2值介于0.38-0.81之间 (p<0.001)。也就是说,所有的变项都呈现可以用来预测马拉松表现。研究结果呈现马拉松跑者、跑步教练可以依据预期完成的马拉松成绩,进行训练指标的规划与训练。