Gymnastik- och idrottshögskolan, GIH

Aim: The aim of the study was to improve the understanding on the relationship between different training- and match load variables and subsequent perceived rating of fatigue. This was done by investigating whether traditionally used workload variables (e.g GPS, HR data) functions as a good indicator of the players' perceived ratings of fatigue. A secondary aim was to quantify the size and distribution of the accumulated workload variables effects, in a three-days sequence, on perceived rating of fatigue by using a distributed lag model. That is the workload measured the day before, two days before and three days before the perceived rating of fatigue.

Method: The current study is a retrospective observational study. Heart Rate data, data from a 10Hz GPS tracking system and data from Wellness Questionnaire were collected from a convenience sample of 13 professional male football players (average age ± SD: 24.62 ± 3.01 years, height 180.23 ± 5.04 cm, weight 74.77 ± 5.89 kg) from Swedish Allsvenskan team during a pre-season. A correlation analysis and distributed lag regression were used to detect the association between training- and match load variables and perceived rating of fatigue.

Results: Moderate correlations were found between fatigue and several internal- and external- training load variables from the previous day session. A model with Fatigue explained by Training load Score (TLS) showed a significant positive (higher TLS = more fatigue) effect from all of the three previous days training sessions or matches with the largest effect from the session closest in time, i.e the day before (size of coefficient = 0.0100) followed by decreasing effect for the session two days ago (size of coefficient = 0.0074) and three days ago (size of coefficient = 0.0036). 

Conclusions: The results showed in this study provides practitioners with a helpful tool to plan training and to estimate the dose-response relationship based on the group and training methods used. Diverse internal- and external training load variables can be used effectively to quantify the training load. The size of the coefficients can be used as an index or multiplier when estimating the effect from the last three days training load on fatigue.

Nevertheless, a large variation in the group response depends on individuals responding differently which gives extra weight on monitoring the load on individual level and not only team-level. A larger sample, with fixed characteristics like age, playing position and gender, could provide more general conclusions.

Syfte och frågeställningar: Syftet med studien är att bedöma sambandet mellan olika traditionellt använda tränings- och match load variabler och efterföljande uppskattning av trötthet. Detta gjordes genom att undersöka om traditionellt använda arbetsbelastnings variabler (t.ex. GPS, HR-data) fungerar som en bra indikator på spelarnas självuppskattning av trötthet. Ett sekundärt mål var att kvantifiera storleken och fördelningen av de ackumulerade workload variablernas effekt, i en tre-dagars sekvens, på upplevd trötthet genom att använda Distributed lag modell. Det är den arbetsbelastning som mättes dagen före, två dagar före och tre dagar före den upplevda bedömningen av trötthet.

Metod: Den aktuella studien är en retrospektiv observationsstudie. Hjärtfrekvens data, data från 10 Hz GPS-system och data från Wellness frågeformulär samlades in under en försäsong. Urvalet var ett bekvämlighetsurval av 13 professionella manliga fotbollsspelare (ålder ± SD: 24.62 ± 3.01 år, längd 180.23 ± 5.04 cm, vikt 74.77 ± 5.89 kg) från en Allsvensk klubb. En korrelationsanalys och Distributed lag Regressionsanalys användes för att upptäcka sambandet mellan tränings- och match variabler samt upplevd trötthet.

Resultat: Måttlig korrelation hittades mellan trötthet och olika interna och externa träningsvariabler från föregående dags träning. En modell med trötthet förklarad av Training load Score (TLS) visade en signifikant positiv (högre TLS = mer trötthet) effekt från alla de tre föregående dagars träningspass eller matcher med störst effekt från träningen närmast i tid, dvs. dagen innan (koefficient storlek = 0.0100) följt av minskande effekt för träningen för två dagar sedan (koefficient storlek = 0.0074) och för tre dagar sedan (koefficient storlek = 0.0036). 

Slutsats: Resultaten i denna studie ger utövare ett användbart verktyg vid träningsplanering och för att uppskatta förhållandet mellan träningsdos och respons baserat på gruppen och de träningsmetoderna som används. Olika interna och externa träningsbelastning variabler kan användas effektivt för att kvantifiera träningsbelastningen. Storleken på koefficienterna kan användas som en index eller multiplikator när man uppskattar den totala effekten av träningsbelastningen, de senaste tre dagarna, på trötthet.

En stor variation i gruppens träningsrespons beror på den individuella variationen i respons  vid träning vilket ger extra vikt vid att belastningen ska planeras och övervakas på individnivå och inte bara på lagnivå. Ett större urval kontrollerat för egenskaper som ålder, position och kön skulle dock kunna ge mer generella slutsatser.