Przejdź do treści

Których wskaźników z Garmina nie brać do decyzji (i co zamiast)

Training Readiness, Body Battery i VO2max z zegarka to modele producenta, nie pomiary. Co mówią badania i na czym oprzeć decyzję: odpuścić czy cisnąć.

Rowerzysta w rękawiczkach wskazuje na dane treningowe na zegarku.

Training Readiness, Body Battery, czas regeneracji, Training Status i VO2max z zegarka to wyniki zamkniętych modeli producenta, a nie pomiary. Większości nikt niezależnie nie sprawdził, a VO2max myli się za bardzo, by na nim decydować „dziś odpuszczam” albo „dziś cisnę”. Do takich decyzji bierz to, co czujniki mierzą wprost, i własne odczucia.

W skrócie

  • Gotowość, Body Battery, czas regeneracji i status treningowy to modele z zamkniętym algorytmem. Nie znaleźliśmy ich niezależnej walidacji.
  • VO2max z zegarka jest niezły dla grupy, ale u pojedynczej osoby myli się o ok. ±10 ml/kg/min. Sprawdzano go w biegu, nie na rowerze.
  • FTP liczone jako 95% z 20 minut zawyża próg średnio o kilkanaście watów. Lepiej udokumentowana jest moc krytyczna (CP).
  • Zamiast modeli: krzywa mocy i CP, ocena wysiłku po jeździe (sRPE), decoupling na równych jazdach, test w rozgrzewce i odporność na zmęczenie.
  • Poranną zmienność rytmu serca czytaj jako średnią z tygodnia na tle własnej normy, nie jako ocenę dnia. Nawet wtedy zysk jest mały.

Pomiar czy model – od tego zależy, czy liczba nadaje się do decyzji

Pomiar to wielkość, którą czujnik rejestruje wprost: moc, tętno z paska, czas, kadencja. Ma znany błąd i da się go sprawdzić.

Model to liczba wyliczona z innych liczb, często też szacowanych. Producent nie publikuje, jak je liczy, i zmienia to z aktualizacjami. Wszystko z pierwszego akapitu, a do tego Training Effect, automatyczne FTP i prognozy wyników, to modele.

Modele powielają błędy danych. Tętno z czujnika w kamizelce różniło się od wzorca średnio o 3,3%, a z paska o 0,8%. Ale wyliczony z niego EPOC, jedna z miar obciążenia w zegarkach, różnił się już o 54% (Parak i in. 2021).

Optyka na nadgarstku daje gorsze dane niż pasek. Tam, gdzie liczy się dokładność, lepszy jest pasek z elektrodami (Gillinov i in. 2017).

W trzech jazdach licznik brał tętno z optycznego czujnika zegarka zamiast z paska. Za każdym razem zapisał płaską, „zamrożoną” linię: przy sprincie 877 W, przy wysiłku 472 W i na podjeździe o nachyleniu 12,7%. Każdy model zasilony takim plikiem uznałby te fragmenty za lekką jazdę.

Modele producenta: co wiadomo o ich trafności

VO2max, progi i prognozy

VO2max to najlepiej zbadany wskaźnik z tej listy. W metaanalizie 14 walidacji urządzenia średnio trafiały, ale granice zgodności to ok. ±10 ml/kg/min (Molina-Garcia i in. 2022). Zegarek może więc pokazać 50, gdy w laboratorium wyszłoby 40 albo 60. Dla grupy wystarczy, dla jednej osoby błąd jest duży.

Garmin w pojedynczych badaniach zawyżał. Forerunner 265 przeszacował VO2max o ok. 3 ml/kg/min, a czas półmaratonu przewidywał średnio o 7,5 minuty za optymistycznie (Howard i in. 2026). Mylił się też w tętnie progowym, średnio o 11 ud./min (Lu i in. 2025).

Wszystkie te szacunki pochodziły z biegu (Železnik Mežan 2025). Niezależnej walidacji VO2max liczonego na rowerze z miernikiem mocy nie znaleźliśmy. Zmiana o 1–2 punkty w tydzień to szum; sens ma najwyżej zgrubny trend z kilku miesięcy.

Training Readiness, Body Battery, czas regeneracji

Według opisu producenta te liczby łączą sen, nocne tętno i jego zmienność, obciążenie i stres, ale nie wiadomo, w jakich proporcjach. W PubMed i Crossref (stan na październik 2026) nie znaleźliśmy niezależnej pracy, która sprawdzałaby, czy Training Readiness albo Body Battery przewidują wynik treningu lub przeciążenie.

Wiadomo za to, jak wypadają składniki. Nocna zmienność rytmu serca z Garmina Fenix 6 miała wobec EKG średni błąd 10,5% (Dial i in. 2025). Opaski dobrze wykrywają sen, ale słabo czuwanie (Schyvens i in. 2025). Samo tętno lepiej niż „stres” z Garmina przewidywało, jak zestresowani czuli się badani (Rosenbach i in. 2025).

W dwóch tygodniach przeciążenia wyraźnie wzrosły odczuwane zmęczenie i bolesność mięśni. Nocne wskaźniki regeneracji z opaski, łącznie ze wskaźnikiem producenta opaski, nie zmieniły się spójnie (Nuuttila i in. 2025). U autora było podobnie: gotowość z zegarka nie przewidywała, czy jazda wyjdzie dobrze, czy źle.

Training Status, obciążenie, Performance Condition

Status treningowy zestawia trend VO2max z obciążeniem z ostatnich dni na tle kilku tygodni. To bliski krewny ACWR, czyli stosunku obciążenia z ostatnich dni do obciążenia z ostatnich tygodni. Taki iloraz dodaje szum i tworzy artefakty statystyczne (Impellizzeri i in. 2020). Suma obciążenia dobrze opisuje, co zrobiłeś, ale formy nie przewiduje.

Ostrożnie też ze wskaźnikami, które czytają formę z relacji tętna do mocy lub tempa, np. Performance Condition. W przeciążeniu tętno przy danej mocy zwykle spada, a ocena wysiłku rośnie (Roete i in. 2021). Model, który nie pyta o odczucia, weźmie zmęczenie za formę.

Poranna zmienność rytmu serca: przydatna, ale mierzona zawsze tak samo

Tu dowody są lepsze, choć skromniejsze, niż sugerują aplikacje. Biegacze, którzy robili lekki dzień, gdy poranny pomiar spadał poniżej ich normy, poprawili prędkość maksymalną bardziej niż ci ze sztywnym planem (Kiviniemi i in. 2007).

U wytrenowanych kolarzy, którym trening ustalano według porannego pomiaru, 40-minutowa jazda na czas poprawiła się o 7,3%, ale różnica między grupami nie była istotna (Javaloyes i in. 2019). W metaanalizie przewaga takiego treningu była mała i nieistotna statystycznie (Manresa-Rocamora i in. 2021). Mniej było za to osób, które w ogóle nie reagowały na trening (Düking i in. 2021).

Najważniejsze jest, jak liczysz. Zmiana wydolności po 9 tygodniach prawie nie wiązała się z pomiarem z jednego dnia, za to wyraźnie ze średnią z tygodnia (Plews i in. 2013). Minimum to 3 poprawne pomiary w tygodniu (Plews i in. 2014).

Wskaźnik reaguje na trening, alkohol, chorobę i cykl miesiączkowy. Jest więc czuły, ale sam nie powie, co się stało (Altini i Plews 2021). Przegląd markerów przeciążenia nie zaliczył go do nich (Roete i in. 2021).

  • Mierz zawsze tak samo: po przebudzeniu w tej samej pozycji albo w nocy tym samym urządzeniem, co najmniej 3 razy w tygodniu.
  • Patrz na średnią z 7 dni na tle własnej normy z kilku tygodni. Długość okna to praktyka, nie wynik konkretnej pracy.
  • Reaguj na spadek, który trwa kilka dni i zgadza się z innymi sygnałami, a nie na jedną noc po winie czy podróży.

Stan HRV w Garminie idzie w dobrą stronę, bo pokazuje średnią z tygodnia na tle normy. Liczy go jednak z nadgarstka i według zamkniętej definicji normy. Traktuj go jako surowy trend, nie sygnalizator.

Jeśli nocne tętno rośnie, a zmienność rytmu spada przez wiele dni bez wyraźnej przyczyny, to sprawa dla lekarza, nie dla planu. A przy kołataniu, bólu w klatce czy duszności na rowerze zejdź z roweru i idź do lekarza.

FTP z testu, FTP z zegarka i moc krytyczna

Moc progowa (FTP) jako 95% najlepszych 20 minut to reguła praktyczna z książki Allena i Coggana (2010), nie wynik badania. W laboratorium zawyżała moc przy maksymalnym stanie równowagi mleczanowej (MLSS) średnio o 12 W. Indywidualny przelicznik wynosił średnio 91% (Lillo-Beviá i in. 2022).

Kolarze jadący na FTP do odcięcia wytrzymali średnio 34 minuty, nie godzinę (Wong i in. 2022).

„Auto-FTP” z licznika to kolejny model: metoda niepublikowana, niezależnej walidacji nie znaleźliśmy. Do stref – proszę bardzo, ale skok o 5 W po jednej jeździe to nie fakt fizjologiczny.

Lepiej udokumentowana jest moc krytyczna (CP) z modelu P = CP + W′/t, liczona z kilku maksymalnych prób. Przegląd wprost zaleca unikać testów z jednej próby, takich jak FTP (Leo i in. 2022).

CP z najlepszych 3, 7 i 12 minut z treningów i wyścigów różniła się od laboratoryjnej o ok. 5% (Karsten i in. 2015). CP z danych wyścigowych też się sprawdziła, ale W′, czyli zapas pracy powyżej CP, już nie (Spragg i in. 2023).

Co brać zamiast

sRPE: jedna liczba po jeździe

Oceń wysiłek w skali 0–10 i pomnóż przez minuty. To sRPE (Foster i in. 2001). U kolarzy amatorów tylko obciążenie z oceny wysiłku zgadzało się ze spadkiem mocy po różnych treningach. TSS i TRIMP przeszacowywały intensywność (Vermeire i in. 2023).

Na ośmiodniowej imprezie kolarskiej dla amatorów zmęczenie i gotowość zapisane po 3 dniach jazdy trafnie rozdzieliły 78% uczestników na przejściowo zmęczonych i przeciążonych (ten Haaf i in. 2017). Według przeglądu 56 badań odczucia reagują na obciążenie czulej niż miary obiektywne (Saw i in. 2016).

Decoupling tylko na równych jazdach

Decoupling, czyli dryf tętna, porównuje stosunek mocy do tętna w pierwszej i drugiej połowie jazdy. Ma sens na bloku od godziny wzwyż przy stałej mocy, bez pierwszych 10 minut.

Dryf tętna przy stałej mocy wiązał się ze spadkiem mocy na pierwszym progu w długiej jeździe (Rothschild i in. 2025). Zaburza go odwodnienie: każdy 1% masy ciała utracony z potem to ok. +3 ud./min w upale (Adams i in. 2014). Próg „poniżej 5%” to reguła praktyków, nie wynik badań.

Jak policzyć go z pliku FIT i kiedy wynik coś znaczy, piszemy w osobnym tekście o decouplingu.

Przy 16 g/h węglowodanów i IF 0,82 decoupling wyniósł +10,4% i jazda skończyła się „ścianą”. Trzy tygodnie później, przy 60 g/h i cięższym IF 0,89 – +0,5%. Na porównywalnych jazdach w Z2 moc przy tym samym tętnie wzrosła w niecałe trzy tygodnie ze 181 do 202 W. Jeden zawodnik, amator – ale widać, że dryf mówi tyle samo o paliwie co o formie.

Test submaksymalny w rozgrzewce (LSCT)

Lamberts Submaximal Cycle Test trwa ok. 17 minut: 6 min przy 60% tętna maksymalnego, 6 min przy 80%, 3 min przy 90%, potem 90 s siedzenia bez pedałowania (Lamberts i in. 2024). Patrzysz na moc i ocenę wysiłku na drugim i trzecim stopniu oraz na spadek tętna po teście. Te wyniki są powtarzalne (Lamberts i in. 2011).

Kolarze, którym interwały ustalano według tego testu, poprawili 40 km na czas o 48 s, a ci ze sztywnym planem o 8 s. Badanie było jednak małe, objęło 15 osób (Capostagno i in. 2014).

Więcej mocy przy tym samym tętnie i niższa ocena wysiłku znaczą, że forma rośnie. Więcej mocy przy wyższej ocenie wysiłku i szybszym spadku tętna to wzorzec przeciążenia, czyli dzień bez interwałów (Roete i in. 2021). Ograniczenia: test na trenażerze, badani głównie wytrenowani mężczyźni, a badania prowadził prawie wyłącznie zespół autora testu.

Odporność na zmęczenie

Odporność na zmęczenie (ang. durability) mówi, ile z twoich progów zostaje po kilku godzinach jazdy (Maunder i in. 2021). U amatorów po 1000 kJ pracy moc na 20 minut spadała o 6,5% u lepszych kolarzy i o 12,5% u słabszych (Barsumyan i in. 2025).

Liczy się jedzenie. Po 2 h ciężkiej jazdy moc krytyczna spadła o 9%, a przy 60 g/h węglowodanów spadku nie było (Clark i in. 2019). Co 6–8 tygodni porównaj najlepsze 5 i 20 min po ok. 1000 kJ z wynikiem na świeżo, przy podobnym jedzeniu.

Ściąga: wskaźnik po wskaźniku

WskaźnikPomiar czy modelDo decyzji?Zamiast tego
Training Readinessmodel, algorytm zamkniętynieodczucia rano, test w rozgrzewce
Body Batterymodelnieodczucia, długość snu
Czas regeneracjimodelniesRPE, nogi w rozgrzewce
Training Status, proporcja obciążeniamodel (iloraz obciążeń)nietygodniowa suma sRPE i kJ
Training Effectmodel (szacowany EPOC)niesRPE, czas w strefach mocy
VO2max z zegarka lub licznikamodel, błąd ok. ±10 ml/kg/minnie, najwyżej trend z miesięcykrzywa mocy, CP
Prognozy wynikówmodelniewłasne czasy na znanych odcinkach
Auto-FTP, automatyczne progimodeltylko do strefCP z kilku maksymalnych prób
FTP = 95% z 20 minszacunek z pomiarudo stref tak, jako próg ostrożnieCP
Stres całodobowymodel z tętna i jego zmiennościnieodczucia
Ocena i fazy snumodelniedługość i pora snu
Nocne tętnopomiar z nadgarstkatak, jako trend z tygodnia–
Nocne HRV (Stan HRV)pomiar z nadgarstka, zaszumionytak, jako średnia z tygodnia wobec normyrazem z nocnym tętnem i odczuciami
Moc z miernika, tętno z paskapomiartak–
Tętno z optyki na rowerzepomiar, zawodny przy zrywachnie przy interwałachpasek na klatce
Pomiar – czujnik rejestruje wielkość wprost. Model – liczba z algorytmu, którego zasad producent nie publikuje.

Co mówią badania

W metaanalizie walidacji VO2max błąd systematyczny wyniósł tylko −0,09 ml/kg/min (Molina-Garcia i in. 2022). Pojedyncze zegarki myliły się bardziej: Fenix 3 HR średnio o 8% (Carrier i in. 2020), a Forerunner 265 zawyżał tempo progowe przy średnim błędzie 26% (Lu i in. 2025).

W badaniu biegaczy normą była średnia z 10 dni minus odchylenie standardowe (Kiviniemi i in. 2007). Korelacja zmiany wydolności z pomiarem z jednego dnia wynosiła r = −0,06, a ze średnią z tygodnia r = 0,72 (Plews i in. 2013).

U zawodowców w Wielkich Tourach wyraźnie rosły stosunki RPE do mocy i RPE do tętna, a moc do tętna niewiele (Sanders i in. 2018). Test Lambertsa miał powtarzalność ICC 0,85–1,00 i błąd typowy 1,3–4,4% (Lamberts i in. 2011).

Co z tym zrobić

Zegarek nie jest bezużyteczny: rzetelnie zapisuje dane z czujników, a nocne dane jako trend potrafią wcześnie pokazać, że coś się dzieje. Decyzję „odpuścić czy cisnąć” opieraj jednak na pomiarach i odczuciach, a nie na jednej liczbie z modelu, którego poza producentem nikt nie sprawdził.

  1. Na ekranach licznika zostaw moc, tętno z paska, czas i kadencję. Wskaźniki złożone traktuj jak ciekawostkę.
  2. Rano 20 sekund: zmęczenie, bolesność mięśni, sen, stres i chęć do jazdy w skali 1–7, porównywane z własną medianą z ostatnich tygodni.
  3. Po każdej jeździe zapisz sRPE: ocena 0–10 × minuty.
  4. Przed mocnym treningiem rozgrzej się testem submaksymalnym. Gdy ocena wysiłku jest wyraźnie wyższa niż zwykle albo nie dochodzisz do tętna z ostatniego stopnia, zamień interwały na spokojną jazdę (praktyka wzorowana na Capostagno i in. 2014).
  5. Co ok. 4 tygodnie licz CP z najlepszych 3, 6–7 i 12 minut z krzywej mocy, tylko z prób naprawdę maksymalnych i na świeżo. Co 6–8 tygodni sprawdź odporność na zmęczenie. Decoupling licz tylko na równych blokach.
  6. Gdy odczucia i test w rozgrzewce mówią to samo, słuchaj ich, nawet jeśli zegarek pokazuje co innego. Gdy się różnią, wybierz spokojniejszą opcję. To praktyka, nie pewnik.

Źródła

  1. Adams WM, Ferraro EM, Huggins RA, i in. (2014). Influence of Body Mass Loss on Changes in Heart Rate During Exercise in the Heat. Journal of Strength and Conditioning Research, 28(8), 2380–2389. doi:10.1519/JSC.0000000000000501
  2. Allen H, Coggan A (2010). Training and Racing with a Power Meter. Wyd. 2. Boulder: VeloPress.
  3. Altini M, Plews D (2021). What Is behind Changes in Resting Heart Rate and Heart Rate Variability? A Large-Scale Analysis of Longitudinal Measurements Acquired in Free-Living. Sensors, 21(23), 7932. doi:10.3390/s21237932
  4. Barsumyan A, Soost C, Burchard R (2025). Enhanced durability predicts success in amateur road cycling: evidence of power output declines. Frontiers in Sports and Active Living, 7, 1530162. doi:10.3389/fspor.2025.1530162
  5. Capostagno B, Lambert MI, Lamberts RP (2014). Standardized Versus Customized High-Intensity Training: Effects on Cycling Performance. International Journal of Sports Physiology and Performance, 9(2), 292–301. doi:10.1123/ijspp.2012-0389
  6. Carrier B, Creer A, Williams LR, i in. (2020). Validation of Garmin Fenix 3 HR Fitness Tracker Biomechanics and Metabolics (VO2max). Journal for the Measurement of Physical Behaviour, 3(4), 331–337. doi:10.1123/jmpb.2019-0066
  7. Clark IE, Vanhatalo A, Thompson C, i in. (2019). Dynamics of the power-duration relationship during prolonged endurance exercise and influence of carbohydrate ingestion. Journal of Applied Physiology, 127(3), 726–736. doi:10.1152/japplphysiol.00207.2019
  8. Dial MB, Hollander ME, Vatne EA, i in. (2025). Validation of nocturnal resting heart rate and heart rate variability in consumer wearables. Physiological Reports, 13(16), e70527. doi:10.14814/phy2.70527
  9. Düking P, Zinner C, Trabelsi K, i in. (2021). Monitoring and adapting endurance training on the basis of heart rate variability monitored by wearable technologies: A systematic review with meta-analysis. Journal of Science and Medicine in Sport, 24(11), 1180–1192. doi:10.1016/j.jsams.2021.04.012
  10. Foster C, Florhaug JA, Franklin J, i in. (2001). A New Approach to Monitoring Exercise Training. Journal of Strength and Conditioning Research, 15(1), 109–115. doi:10.1519/00124278-200102000-00019
  11. Gillinov S, Etiwy M, Wang R, i in. (2017). Variable Accuracy of Wearable Heart Rate Monitors during Aerobic Exercise. Medicine & Science in Sports & Exercise, 49(8), 1697–1703. doi:10.1249/mss.0000000000001284
  12. Howard J, Ellis R, Fortner CK, i in. (2026). Validity of the garmin Forerunner 265 to predict VO2max and race performance times. Journal of Medical Engineering & Technology, online przed wydaniem drukowanym, 1–12. doi:10.1080/03091902.2026.2741912
  13. Impellizzeri FM, Tenan MS, Kempton T, i in. (2020). Acute:Chronic Workload Ratio: Conceptual Issues and Fundamental Pitfalls. International Journal of Sports Physiology and Performance, 15(6), 907–913. doi:10.1123/ijspp.2019-0864
  14. Javaloyes A, Sarabia JM, Lamberts RP, i in. (2019). Training Prescription Guided by Heart-Rate Variability in Cycling. International Journal of Sports Physiology and Performance, 14(1), 23–32. doi:10.1123/ijspp.2018-0122
  15. Karsten B, Jobson SA, Hopker J, i in. (2015). Validity and reliability of critical power field testing. European Journal of Applied Physiology, 115(1), 197–204. doi:10.1007/s00421-014-3001-z
  16. Kiviniemi AM, Hautala AJ, Kinnunen H, i in. (2007). Endurance training guided individually by daily heart rate variability measurements. European Journal of Applied Physiology, 101(6), 743–751. doi:10.1007/s00421-007-0552-2
  17. Lamberts RP, Swart J, Noakes TD, i in. (2011). A novel submaximal cycle test to monitor fatigue and predict cycling performance. British Journal of Sports Medicine, 45(10), 797–804. doi:10.1136/bjsm.2009.061325
  18. Lamberts RP, van Erp T, Javaloyes A, i in. (2024). Reliability of recovery heart rate variability measurements as part of the Lamberts Submaximal Cycle Test and the relationship with training status in trained to elite cyclists. European Journal of Applied Physiology, 124(6), 1659–1668. doi:10.1007/s00421-023-05385-z
  19. Leo P, Spragg J, Podlogar T, i in. (2022). Power profiling and the power-duration relationship in cycling: a narrative review. European Journal of Applied Physiology, 122(2), 301–316. doi:10.1007/s00421-021-04833-y
  20. Lillo-Beviá JR, Courel-Ibáñez J, Cerezuela-Espejo V, i in. (2022). Is the Functional Threshold Power a Valid Metric to Estimate the Maximal Lactate Steady State in Cyclists? Journal of Strength & Conditioning Research, 36(1), 167–173. doi:10.1519/jsc.0000000000003403
  21. Lu C, Cui W, Zhu Z, i in. (2025). Validity of smartwatch-derived estimates of lactate threshold heart rate and pace compared to graded exercise testing. Frontiers in Physiology, 16, 1621996. doi:10.3389/fphys.2025.1621996
  22. Manresa-Rocamora A, Sarabia JM, Javaloyes A, i in. (2021). Heart Rate Variability-Guided Training for Enhancing Cardiac-Vagal Modulation, Aerobic Fitness, and Endurance Performance: A Methodological Systematic Review with Meta-Analysis. International Journal of Environmental Research and Public Health, 18(19), 10299. doi:10.3390/ijerph181910299
  23. Maunder E, Seiler S, Mildenhall MJ, i in. (2021). The Importance of ‘Durability’ in the Physiological Profiling of Endurance Athletes. Sports Medicine, 51(8), 1619–1628. doi:10.1007/s40279-021-01459-0
  24. Molina-Garcia P, Notbohm HL, Schumann M, i in. (2022). Validity of Estimating the Maximal Oxygen Consumption by Consumer Wearables: A Systematic Review with Meta-analysis and Expert Statement of the INTERLIVE Network. Sports Medicine, 52(7), 1577–1597. doi:10.1007/s40279-021-01639-y
  25. Nuuttila OP, Schäfer Olstad D, Martinmäki K, i in. (2025). Monitoring Sleep and Nightly Recovery with Wrist-Worn Wearables: Links to Training Load and Performance Adaptations. Sensors, 25(2), 533. doi:10.3390/s25020533
  26. Parak J, Salonen M, Myllymäki T, i in. (2021). Comparison of Heart Rate Monitoring Accuracy between Chest Strap and Vest during Physical Training and Implications on Training Decisions. Sensors, 21(24), 8411. doi:10.3390/s21248411
  27. Plews DJ, Laursen PB, Kilding AE, i in. (2013). Evaluating Training Adaptation With Heart-Rate Measures: A Methodological Comparison. International Journal of Sports Physiology and Performance, 8(6), 688–691. doi:10.1123/ijspp.8.6.688
  28. Plews DJ, Laursen PB, Le Meur Y, i in. (2014). Monitoring Training With Heart-Rate Variability: How Much Compliance Is Needed for Valid Assessment? International Journal of Sports Physiology and Performance, 9(5), 783–790. doi:10.1123/ijspp.2013-0455
  29. Roete AJ, Elferink-Gemser MT, Otter RTA, i in. (2021). A Systematic Review on Markers of Functional Overreaching in Endurance Athletes. International Journal of Sports Physiology and Performance, 16(8), 1065–1073. doi:10.1123/ijspp.2021-0024
  30. Rosenbach H, Itzkovitch A, Gidron Y, i in. (2025). Assessing Stress Level Scores Against Wearables‐Driven Physiological Measurements. Stress and Health, 41(6), e70125. doi:10.1002/smi.70125
  31. Rothschild JA, Gallo G, Hamilton K, i in. (2025). Durability of the moderate-to-heavy intensity transition can be predicted using readily available markers of physiological decoupling. European Journal of Applied Physiology, 125(10), 2911–2920. doi:10.1007/s00421-025-05815-0
  32. Sanders D, Heijboer M, Hesselink MKC, i in. (2018). Analysing a cycling grand tour: Can we monitor fatigue with intensity or load ratios? Journal of Sports Sciences, 36(12), 1385–1391. doi:10.1080/02640414.2017.1388669
  33. Saw AE, Main LC, Gastin PB (2016). Monitoring the athlete training response: subjective self-reported measures trump commonly used objective measures: a systematic review. British Journal of Sports Medicine, 50(5), 281–291. doi:10.1136/bjsports-2015-094758
  34. Schyvens AM, Peters B, Van Oost NC, i in. (2025). A performance validation of six commercial wrist-worn wearable sleep-tracking devices for sleep stage scoring compared to polysomnography. Sleep Advances, 6(2), zpaf021. doi:10.1093/sleepadvances/zpaf021
  35. Spragg J, Leo P, Swart J (2023). An improved methodology for estimating critical power from mean maximal power output data. Journal of Sports Sciences, 41(10), 964–971. doi:10.1080/02640414.2023.2254574
  36. ten Haaf T, van Staveren S, Oudenhoven E, i in. (2017). Prediction of Functional Overreaching From Subjective Fatigue and Readiness to Train After Only 3 Days of Cycling. International Journal of Sports Physiology and Performance, 12(s2), S2-87–S2-94. doi:10.1123/ijspp.2016-0404
  37. Vermeire KM, Caen K, Bourgois JG, i in. (2023). Training Load and Acute Performance Decrements Following Different Training Sessions. International Journal of Sports Physiology and Performance, 18(3), 284–292. doi:10.1123/ijspp.2022-0157
  38. Wong S, Burnley M, Mauger A, i in. (2022). Functional threshold power is not a valid marker of the maximal metabolic steady state. Journal of Sports Sciences, 40(23), 2578–2584. doi:10.1080/02640414.2023.2176045
  39. Železnik Mežan L (2025). Accuracy of wearables for determining the maximal oxygen uptake and lactate threshold: a qualitative systematic review. Frontiers in Sports and Active Living, 7, 1707991. doi:10.3389/fspor.2025.1707991

Piszemy na podstawie badań z recenzją i udokumentowanej praktyki. Zasady redakcyjne

Czytaj dalej