SIRM Spodha Impulse Response Model

Existe un conjunto de enfoques para modelar cómo el entrenamiento afecta al rendimiento o la performance. Estos modelos permiten optimizar nuestras rutina de entrenamiento, a través del ajuste de las cargas de trabajo y su gestión de cara a un futuro tapering.

Banister

El pionero en este ámbito fue realizado por Eric Banister en el año 1975. Este modelo y siguientes, parten de una serie de supuestos:

  • Existe una función matemática que representa el stress del entrenamiento, también conocido como impulso y el cual tiene un efecto positivo y negativo sobre el organismo. Banister lo denominó TRIMP (TRaining IMPulse).

  • Existen dos funciones matemáticas que representan el efecto positivo TRIMP, denominada aptitud o carga de entrenamiento crónica; y el efecto negativo TRIMP, denominada fatiga o carga de entrenamiento aguda. La diferencia entre ambas funciones nos dará la adaptación al entrenamiento, o como nuestro organismo asimila los TRIMP.

  • k1: es una constante positiva para la aptitud.
  • k2: es una constante positiva para la fatiga.

Un k1 mayor que k2 indica que el deportista tarda más en recuperarse, mientras que un k2 mayor que k1 indica una recuperación más rápida.

  • r1: es la caída del tiempo en días para la aptitud (cuántos días tarda la aptitud en volver sus valores iniciales).
  • r2: es la caída del tiempo en días para la fatiga (cuántos días tarda la fatiga en volver a sus valores iniciales).

r1 es mayor que r2. Sino se dispone de información suficiente, r1 asume valores de 42 días y r2 de 7 días.

El modelo SPODHA.

El modelo que hemos implementado actualmente (siempre estamos mejorando nuestros productos), es una evolución del modelo de Banister, donde hacemos las siguientes suposiciones:

  • k1 = k2 para simplificar el proceso de cálculo, pues se sabe que estas constantes son específicas a cada persona y al régimen de entrenamiento que esté utilizando en ese momento. En SPODHA hemos observado que la medida de TRIMP utilizada no afecta significativamente a los resultados finales del modelo.
  • En ausencia de información, r1 = 42 y r2 = 7, aunque te permitimos utilizar los valores que desees. De todas formas, hemos implementado un algoritmo para el cálculo automático de los valores r, según el perfil de tus entrenamientos en general, y tus periodos de tapering en particular.
  • Como comprobarás, te permitimos elegir varios tipos de TRIMP: los de Lucía, ECOs, IFcP, KM, RPEc y el ICCV. Este último, un desarrollo experimental nuestro, cuyas características puedes consultar en los siguientes post de nuestro blog: post1 post2 post3 post4

Interpretación del SIRM

En el mismo gráfico podemos observar tres curvas correspondientes a la aptitud, a la fatiga y a la adaptación.

La curva correspondiente a la adaptación recoge, para un día concreto, la diferencia entre aptitud y fatiga del día anterior. Por lo tanto, su valor el día 1 es de 0, al no existir información previa.

La idea es que la adaptación, tome valores próximos a 0 o ligeramente positivos antes de iniciar al tapering de manera tal que antes de comenzar la competición, su valor sea marcadamente positivo.

Cuando dispongamos de suficientes registros en nuestra base de datos, esperamos poder daros unas tablas de referencia con los valores idóneos de trabajo.

Inconvenientes del SIRM

  • El modelo asume un valor único para la adaptación cuando sabemos que es un proceso más complejo.
  • No tiene en consideración el sobre entrenamiento ni la similitud entre entrenamientos diarios.
  • Entrenar no significa mejorar, sino castigar el cuerpo. Es decir, el SIRM pondera más el descanso que el trabajo, está diseñado para optimizar el tapering.

Optimizando el SIRM

Finalmente, estamos desarrollando una función matemática, actualmente en estado Beta, para que dados unos objetivos y unas características de entrenamiento, nos recomiende unas cargas de trabajo para llegar al tapering en un estado ideal.

Manuel Villacorta Tilve