Die Wissenschaft hinter effektiven Trainingszonen entschlüsseln

Spitzenleistungen im Sport zu erzielen, hängt nicht nur von harter Arbeit, Hingabe und effizienter Technik ab. Es erfordert auch ein ausreichendes Verständnis der Energiesysteme und Stoffwechselwege des Körpers, um bessere Trainingsentscheidungen zu treffen. Indem diese Prozesse klarer dargestellt werden, können Athleten und Trainer das Training präziser organisieren, beurteilen, ob der gewünschte Trainingsreiz erreicht wurde, und die langfristige Leistungsentwicklung unterstützen. In diesem Artikel erklären wir diese grundlegenden Konzepte und ihren Einfluss auf die Trainingsplanung und Zonengestaltung.

In unserem vorherigen Artikel, „Schwimmtrainingszonen: Intensitätsvorgaben verbessern – Der Bedarf an besseren Werkzeugen", haben wir die Bedeutung personalisierter Intensitätsvorgaben hervorgehoben. Während neue Technologien wie KI ein großes Potenzial bieten, können sie nicht alle Probleme im Sporttraining allein lösen. Es reicht nicht aus, KI einfach mit wissenschaftlichen Publikationen und Daten zu versorgen. KI kann die vielfältigen Sporttheorien noch nicht effektiv bewerten und integrieren. Daher ist es wichtig, zunächst unsere konzeptionellen Modelle – wie etwa Trainingszonen – weiterzuentwickeln, um eine solide Grundlage zu schaffen, auf der KI-gestützte Werkzeuge später präzisere und nützlichere Trainingsunterstützung aufbauen können.

Dieser Artikel eröffnet diese Diskussion. Das Ziel besteht nicht darin, traditionelle Zonensysteme abzulehnen, die für Kommunikation, Fitness und eine allgemeine Trainingsorganisation nach wie vor nützlich sein können. Das Ziel ist es zu erklären, warum leistungsorientiertes Schwimmtraining möglicherweise eine höhere Auflösung benötigt: Zonen mit niedriger Auflösung können unterschiedliche innere Belastungen unter derselben Bezeichnung verbergen, die beanspruchten Stoffwechselwege verschleiern und es erschweren, die tatsächliche Wirkung einer Trainingseinheit zu beurteilen.

Kerngedanke: Traditionelle Trainingszonen sind nützliche Ausgangspunkte, aber leistungsorientiertes Schwimmen braucht ein Modell, das Intensität, Dauer, Pause, Dichte, Technik und innere Belastung unterscheiden kann.

Der Bedarf an einer Überarbeitung der Trainingszonen

Trainingszonen sind spezifische Belastungsbereiche, die dazu dienen, athletisches Training zu steuern, zu organisieren und zu bewerten. Jede Zone wird in der Regel durch physiologische und praktische Marker definiert, wie Herzfrequenz (HF), Laktatkonzentration, empfundene Anstrengung, Pace und Prozentwerte des VO2max. Diese Zonen sollen bestimmte Trainingsanforderungen und Belastungsniveaus betonen. Sie basieren auf sportphysiologischer Forschung und Trainingspraxis, insbesondere darauf, wie der Körper auf unterschiedliche Trainingsintensitäten reagiert. Im Laufe der Zeit hat sich das Konzept der Trainingszonen durch Sportwissenschaft, Medizin und Coaching weiterentwickelt. Wichtige physiologische Marker wie Laktatschwelle, VO2max und Herzfrequenzvariabilität haben dazu beigetragen, diese Zonen zu definieren, da unterschiedliche Intensitätsbereiche mit unterschiedlichen physiologischen Reaktionen und Trainingszielen verbunden sind.

Trainingszone: Ein praktischer Intensitätsbereich zur Organisation, Vorgabe, Überwachung oder Bewertung des Trainings, üblicherweise definiert durch Marker wie Pace, Herzfrequenz, Laktat, empfundene Anstrengung, Sauerstoffaufnahme oder sportartspezifische Leistungsindikatoren.

Innere Belastung: Der physiologische und psychologische Stress, den ein Athlet als Reaktion auf das Training erlebt, im Unterschied zur vorgeschriebenen oder absolvierten äußeren Arbeit.

Obwohl Trainingszonen grundlegend für die Strukturierung und Bewertung effektiver Trainingsprogramme sind, berücksichtigen viele bestehende Systeme nicht die besonderen Bedürfnisse von Schwimmern. Generische Trainingszonen – insbesondere solche mit fünf oder weniger Zonen oder solche, die ausschließlich auf Herzfrequenzdaten basieren – können die für leistungsorientiertes Schwimmen erforderliche Präzision vermissen lassen. Schwimmen bringt sportartspezifische Komplexität mit sich: Pace, Schwimmtechnik, Pausendauer, Satzdichte, Laktatreaktion, empfundene Anstrengung, Wettkampfanforderungen und wasserbezogene Messbeschränkungen können alle beeinflussen, was eine „Zone" in der Praxis bedeutet. Wenn diese Variablen in breite Kategorien zusammengefasst werden, kann dieselbe Zonenbezeichnung sehr unterschiedliche innere Belastungen und Trainingseffekte darstellen. Neuere schwimmspezifische Arbeiten befürworten die Kombination physiologischer und biomechanischer Marker, anstatt sich auf einen einzigen Marker zu verlassen. Die Trainingsbelastungsliteratur unterstützt ebenfalls die gemeinsame Interpretation äußerer Arbeit und innerer Reaktion, anstatt davon auszugehen, dass ein Marker die gesamte Geschichte erzählt (Borresen & Lambert, 2009; Dudley et al., 2023; Fernandes et al., 2024; Pyne & Sharp, 2014). Trainingszonen sind aus mehreren Gründen wichtig:

• Spezifität: Sie helfen Athleten und Trainern, bestimmte Energiesysteme, Muskelfasertypen und technische Anforderungen zu betonen, was die Zielgenauigkeit und Überprüfbarkeit beabsichtigter Trainingsanpassungen erleichtern kann.
• Optimierung: Training in der geeigneten Intensität hilft Athleten, die Trainingszeit besser zu nutzen und Diskrepanzen zwischen dem beabsichtigten und dem tatsächlichen Reiz zu vermeiden.
• Überwachung: Trainingszonen bieten einen Rahmen zur Überwachung und Anpassung der Trainingsintensität und helfen Athleten, auf dem richtigen Niveau zu trainieren, um ihre Ziele zu erreichen.
• Erholung: Sie unterstützen die Planung von Einheiten mit niedrigerer Intensität und Erholungseinheiten, die für das Management von Ermüdung und die langfristige athletische Entwicklung wichtig sind.
• Individualisierung: Trainingszonen können auf individuelle Athleten zugeschnitten werden, basierend auf deren physiologischen Reaktionen, Trainingshistorie und Wettkampfanforderungen, wodurch das Training persönlicher und effektiver wird.

Umfassende Trainingszonensysteme können auch die Entwicklung und Implementierung von KI-Werkzeugen für das Sporttraining stärken, sofern diese Werkzeuge validiert und auf hochwertigen Daten aufgebaut sind:

• Datengestützte Erkenntnisse: KI-Werkzeuge können große Mengen an Trainingsdaten analysieren und dabei helfen zu erkennen, wie Athleten auf verschiedene Trainingszonen reagieren. Dies kann fundiertere Anpassungen von Trainingsprogrammen unterstützen.
• Personalisierung: KI kann strukturierte Zonendaten nutzen, um Trainingspläne zu erstellen, die die einzigartigen physiologischen Reaktionen und den Trainingskontext einzelner Athleten besser widerspiegeln.
• Überwachung und Feedback: KI-Werkzeuge können dabei helfen, Trainingsintensität und -umfang zu überwachen und Athleten sowie Trainern Rückmeldung zu geben, wenn Datenqualität und Interpretationsregeln klar sind.
• Risikoüberprüfung: Durch die Analyse von Trainingsbelastung, Erholung und Reaktionsmustern können KI-Werkzeuge dabei helfen, Situationen zu kennzeichnen, die mit übermäßiger Belastung oder schlechter Erholung verbunden sind. Dies sollte als Entscheidungsunterstützung betrachtet werden, nicht als garantierte Verletzungsprävention.
• Leistungsunterstützung: KI kann dabei helfen, Trainingsstrategien und Athletenreaktionen zu vergleichen und bessere Entscheidungen über die Balance zwischen verschiedenen Trainingszonen und -zielen zu unterstützen.
• Anpassungsfähigkeit: KI-Werkzeuge können helfen, Trainingsempfehlungen zu aktualisieren, wenn sich Zustand, Leistung oder Kontext eines Athleten ändern, aber diese Empfehlungen erfordern weiterhin Trainingsurteilsvermögen und Validierung.

Durch die Überarbeitung und Erweiterung von Trainingszonensystemen können wir KI-Werkzeugen eine bessere Grundlage für präzisere, individuellere und nützlichere Trainingsunterstützung geben. Der Wert liegt nicht darin, dass KI das Trainingsurteil ersetzt, sondern dass bessere konzeptionelle Modelle und bessere Daten zukünftige Werkzeuge besser in die Lage versetzen, Trainer und Athleten zu unterstützen.

Grundlagen der Trainingszonen

Das Verständnis der Wechselwirkung von Energiesystemen ist wichtig für die Entwicklung effektiver Sport- und Fitnesstrainingsprogramme. Traditionell wurde die Resynthese von ATP, der primären Energiewährung in Muskeln, drei integrierten Systemen zugeschrieben: dem ATP-PCr-System, der anaeroben Glykolyse und dem aeroben System. Dieses Modell bleibt als didaktische Abkürzung nützlich, kann die Physiologie aber klarer erscheinen lassen, als sie es tatsächlich ist. Eine praktischere aktuelle Perspektive besteht darin, in Bezug auf breite anaerobe und aerobe Beiträge zu denken, wobei anerkannt wird, dass jedes „System" selbst aus interagierenden Subsystemen und Stoffwechselwegen besteht, die an der Energieproduktion für Bewegung beteiligt sind. Aktuelle und klassische Forschung unterstreicht diese Komplexität und Überlappung während des Trainings und stellt eine einfache sequenzielle Sichtweise in Frage (Baker et al., 2010; Gastin, 2001; Gastin & Suppiah, 2026; Hargreaves & Spriet, 2020).

Das ATP-PCr-System liefert unmittelbar Energie für kurze, hochintensive Belastungen, ist aber schnell erschöpft. Bei längeren hochintensiven Belastungen steigt der glykolytische Beitrag erheblich, und die Laktatproduktion wird zu einem wichtigen Marker für metabolischen Stress und Energieaustausch. Laktat sollte nicht einfach als Abfallprodukt oder als direkte Ursache von Ermüdung betrachtet werden; es ist Teil des normalen Stoffwechselaustauschs und kann auch als Brennstoff, Vorläufer und Signalmolekül fungieren (Brooks, 2018). Entgegen der veralteten Vorstellung, dass das aerobe System erst bei längerem Training relevant wird, beginnt es schon viel früher und deutlich wesentlicher zur Energieproduktion beizutragen, als viele vereinfachte Modelle nahelegen. Dieses frühe Engagement des aeroben Systems hilft, hochintensive Belastungen aufrechtzuerhalten.

Forschungen von Swanwick und Matthews (2018), Gastin (2001) und Gastin und Suppiah (2026) betonen, dass alle körperlichen Aktivitäten jedes Energiesystem in unterschiedlichem Maße aktivieren, abhängig von Intensität und Dauer der Belastung. Diese Wechselwirkung gewährleistet eine kontinuierliche ATP-Versorgung und unterstreicht die Bedeutung des Trainings aller Energiesysteme zur Unterstützung der Leistung. Beispielsweise gibt es bei hochintensiver Belastung von 60–120 Sekunden eine erhebliche Beteiligung sowohl anaerober als auch aerober Stoffwechselwege, was zeigt, dass die maximale Sauerstoffaufnahme (VO2max) selbst bei Aktivitäten erreicht werden kann, die oft als anaerob bezeichnet werden.

Durch die Anerkennung des dynamischen Zusammenspiels von Energiesystemen können Trainer und Athleten Trainingsprogramme entwerfen, die spezifische Stoffwechselwege ansprechen und dabei dennoch berücksichtigen, dass sich diese Wege überschneiden. Dieses umfassende Verständnis unterstreicht die Grenzen eines traditionellen 5-Zonen-Herzfrequenzmodells, wenn es als einzige Trainingslinse verwendet wird. Ein einfaches Herzfrequenzmodell kann für die Kommunikation nützlich sein, vereinfacht aber möglicherweise Energiebeiträge zu stark und verfügt nicht über die Spezifität, die für leistungsorientiertes Schwimmen erforderlich ist. Die Einführung eines differenzierteren Ansatzes, wie etwa eines detaillierten Multi-Zonen-Systems, kann die einzigartigen Energieanforderungen verschiedener Sportarten besser berücksichtigen und eine individuellere sportliche Entwicklung unterstützen.

Dies ist ein Auflösungsproblem. Wenn eine breite Zone Belastungen mit unterschiedlichen Dauern, Pausenintervallen, Dichten, Schwimmanforderungen und dominanten Stoffwechselwegstresses enthält, kann die aufgezeichnete Zone ähnlich aussehen, während die tatsächliche innere Belastung unterschiedlich ist. Das macht es schwieriger zu wissen, ob eine Einheit die gewünschte Kapazität entwickelt, die gewünschte Ermüdung erzeugt oder die richtige Erholungsanforderung geschaffen hat.

Warum es wichtig ist: Wenn zwei Sätze dieselbe Zonenbezeichnung tragen, aber unterschiedlichen Stoffwechselwegstress und unterschiedliche Erholungsanforderungen erzeugen, kann das Trainingsprotokoll präzise wirken, während der tatsächliche Trainingseffekt unklar bleibt.

Wise Racer geglättete Visualisierung basierend auf Swanwick und Matthews (2018), Tabelle 2. Die Abbildung ist als konzeptionelle visuelle Zusammenfassung des sich verändernden Energiesystembeitrags über die Dauer bei Maximalbelastung gedacht, nicht als präzises Vorgabewerkzeug.

Warum keine bestehenden Trainingszonen verwenden?

Viele bestehende Trainingszonensysteme können die für umfassendes Training erforderliche Spezifität und Anpassungsfähigkeit vermissen lassen. Viele davon sind für allgemeine Fitness, gesundheitsorientiertes Training und einfache Kommunikation nützlich, berücksichtigen jedoch nicht vollständig die besonderen physiologischen und technischen Anforderungen des leistungsorientierten Schwimmens. Generische Zonen können zu unzureichenden Trainingsreizen, verschwendetem Aufwand oder fehlerhafter Interpretation führen, wenn sie ohne sportartspezifischen Kontext verwendet werden. Sie sind auch eine schwächere Grundlage für KI-gestütztes personalisiertes Sporttraining, es sei denn, das zugrunde liegende Modell erfasst die Variablen, die den Trainingseffekt tatsächlich prägen.

Einschränkungen von Trainingssystemen mit 5 oder weniger Zonen:

• Vorrangige Verwendung von Intensität: Die meisten Trainingszonensysteme, insbesondere solche, die nur auf Herzfrequenz verweisen, berücksichtigen keine anderen wichtigen Variablen wie Dauer, Pause, Trainingsmethoden und Dichte. Diese Variablen sind wichtig bei der Trainingsvorschreibung und Interpretation des wahrscheinlichen Trainingseffekts. Variationen oder Auslassungen dieser Variablen machen die Auswirkungen der Trainingsbelastung schwer interpretierbar. Umfassende Systeme integrieren diese Variablen, um einen vollständigeren Trainingsrahmen zu bieten.
• Begrenzte Spezifität bei Trainingsanpassungen: Vereinfachte Systeme bieten möglicherweise nicht genug Spezifität, um verschiedene Muskelfasertypen und Stoffwechselwege zu betonen. Ein detaillierteres Modell, wie das von Wise Racer vorgeschlagene 9-Zonen-Framework, soll durch die Unterscheidung zwischen Energiesystemschwerpunkten und Trainingszwecken präzisere Trainingsziele bieten.
• Unzureichende Entwicklung aerober und anaerober Kapazitäten: Ein vereinfachtes System beschreibt möglicherweise nicht ausreichend die Entwicklung sowohl aerober als auch anaerober Kapazitäten. Detailliertere Systeme können Athletenbedürfnisse besser beschreiben, indem sie Training für aerobe und anaerobe Energiesystemschwerpunkte trennen.
• Eingeschränkte Möglichkeit zur Feinjustierung von Leistungsarbeit: Ein umfassenderes Modell kann eine präzisere Kontrolle über Trainingsintensität, -umfang, Pause und Dichte bieten und eine bessere leistungsorientierte Entscheidungsfindung unterstützen. Einem vereinfachten System kann die Granularität fehlen, die zur Feinjustierung des Trainings für Spitzenleistungen erforderlich ist.
• Potenzial für Über- oder Untertraining: Ohne die detaillierte Struktur eines umfassenden Systems kann es für Athleten leichter sein, zu hart, zu leicht oder mit der falschen Erholungsstruktur zu trainieren. Detaillierte Systeme bieten klarere Leitlinien für Intensität und Erholung und reduzieren Mehrdeutigkeiten in der Trainingsgestaltung.
• Mangel an detaillierter Überwachung und Feedback: Vereinfachte Systeme bieten möglicherweise nicht die detaillierte Überwachung und das Feedback, die zur Verfolgung des Fortschritts und zur Durchführung notwendiger Anpassungen erforderlich sind. Umfassende Systeme können präzisere Metriken zur Bewertung der Trainingseffektivität bieten.
• Unfähigkeit, individuelle Unterschiede zu berücksichtigen: Athleten haben einzigartige physiologische Reaktionen auf Training. Ein umfassendes System kann individuelle Unterschiede besser berücksichtigen, indem es ein breiteres Spektrum an Trainingsintensitäten, Erholungsstrukturen und Überwachungsoptionen bietet.
• Verpasste Chancen für spezifische Anpassungen: Umfassende Systeme können darauf ausgelegt sein, spezifische Anpassungen zu betonen, wie Laktatschwellenentwicklung, VO2max-Entwicklung, anaerobe Leistung und Erholungskapazität. Vereinfachte Systeme können diese spezifischen Anpassungen aufgrund breiterer Kategorisierung verpassen.
• Eingeschränkte Flexibilität in der Trainingsgestaltung: Vereinfachte Systeme können die Flexibilität bei der Gestaltung von Trainingsprogrammen einschränken, die den vielfältigen Anforderungen verschiedener Schwimmwettbewerbe und individuellen Athletenbedürfnissen gerecht werden. Umfassende Systeme können mehr Flexibilität bei der Anpassung von Trainingsprogrammen bieten.

Um diese Probleme anzugehen, hat Wise Racer ein umfassendes Trainingszonensystem entwickelt, das ein tieferes Verständnis von Energiesystemen und Stoffwechselwegen integriert. Durch die Überarbeitung traditioneller Trainingszonen streben wir an, Trainern, Athleten und Fitnessbegeisterten eine präzisere und individuellere Trainingsunterstützung zu bieten. Dies ist eine Wise Racer-Modellanwendung: Sie ist vom bestehenden Wissensstand informiert, sollte aber durch Trainingspraxis, Athletendaten und fortlaufende Validierung weiterentwickelt werden.

Dieser Artikel ist nur der erste Schritt. Der nächste Artikel wird die Stoffwechselwege und Subsysteme, die zur Schwimmleistung beitragen, genauer untersuchen. Danach werden wir diese Beiträge einem umfassenderen Leistungstrainingszonensystem zuordnen, das auf der Idee basiert, den dominanten Reiz für spezifische Stoffwechselwege über relevante Belastungsdauern zu adressieren. Ein späterer Artikel wird dann die gesonderten Grundlagen des fitnessorientierten Zonesystems etablieren, bei dem die Ziele, Sicherheitsgrenzen und die erforderliche Auflösung unterschiedlich sind.

Zusammenfassung

Das Verständnis der Energiesysteme und Stoffwechselwege des Körpers ist wichtig für bessere leistungsorientierte Entscheidungen. Traditionelle Trainingszonen sind zwar grundlegend, mangeln aber oft an der für leistungsorientiertes Sporttraining erforderlichen Spezifität. Wenn Zonen zu breit sind, können sie wichtige Unterschiede in innerer Belastung, Stoffwechselwegstress, Erholungsanforderung und Trainingseffekt verbergen. Die Überarbeitung dieser Zonen zur Einbeziehung präziserer Marker kann ein gezielteren Training unterstützen. Die Integration von KI im Training bietet erhebliches Potenzial, einschließlich personalisierter Pläne und Feedback, stützt sich jedoch auf gut definierte Trainingsmodelle, hochwertige Daten und sorgfältige Validierung. Die Anerkennung der Komplexität von Energiesystemen unterstreicht den Bedarf an umfassenden Trainingsansätzen. Vereinfachte Systeme können zu schlechteren Entscheidungen beitragen, wenn sie über ihren beabsichtigten Zweck hinaus eingesetzt werden. Dies unterstützt den Wert eines differenzierteren Trainingszonensystems, wie dem von Wise Racer entwickelten, das darauf ausgelegt ist, individuelle Leistungsentwicklung und trainingsbezogene Risikoüberprüfung zu unterstützen und dabei anpassungsfähig zu bleiben, wenn sich Erkenntnisse und Praxis weiterentwickeln.

Wir möchten von Ihnen hören!

Wir würden uns freuen, Ihre Gedanken zu den in diesem Artikel besprochenen Konzepten zu hören. Wie integrieren Sie das Verständnis von Energiesystemen in Ihre Trainings- oder Coachingpraxis? Haben Sie verschiedene Trainingszonensysteme ausprobiert, und welche Ergebnisse haben Sie erzielt?

Hinweis: Dieser Artikel wurde ursprünglich auf Englisch verfasst und mithilfe automatisierter KI-Tools in andere Sprachen übersetzt, damit wir diese Informationen mit mehr Menschen teilen können. Wir bemühen uns, die Übersetzungen genau und verständlich zu halten, und begrüßen die Hilfe der Community, um sie zu verbessern. Wenn etwas in einer übersetzten Version unklar, falsch oder vom englischen Original abweichend ist, gilt der englische Originaltext als offizielle Version.

Quellen

• Alghannam, A. F., Ghaith, M. M., & Alhussain, M. H. (2021). Regulation of Energy Substrate Metabolism in Endurance Exercise. International Journal of Environmental Research and Public Health, 18(9), 4963. https://doi.org/10.3390/ijerph18094963. Retrieved from NCBI.
• Baker, J. S., McCormick, M. C., & Robergs, R. A. (2010). Interaction among skeletal muscle metabolic energy systems during intense exercise. Journal of Nutrition and Metabolism, 2010, 905612. https://doi.org/10.1155/2010/905612. Retrieved from ResearchGate.
• Barclay, C. J. (2017). Energy demand and supply in human skeletal muscle. Journal of Muscle Research and Cell Motility, 38(2), 143-155. https://doi.org/10.1007/s10974-017-9467-7. Retrieved from PubMed.
• Borresen, J., & Lambert, M. I. (2009). The quantification of training load, the training response and the effect on performance. Sports Medicine, 39(9), 779-795. https://doi.org/10.2165/11317780-000000000-00000.
• Brooks, G. A. (2018). The Science and Translation of Lactate Shuttle Theory. Cell Metabolism, 27(4), 757-785. https://doi.org/10.1016/j.cmet.2018.03.008. Retrieved from PubMed.
• Dudley, C., Johnston, R., Jones, B., Till, K., Westbrook, H., & Weakley, J. (2023). Methods of monitoring internal and external loads and their relationships with physical qualities, injury, or illness in adolescent athletes: A systematic review and best-evidence synthesis. Sports Medicine, 53, 1559-1593. https://doi.org/10.1007/s40279-023-01844-x.
• Fernandes, R. J., Carvalho, D. D., & Figueiredo, P. (2024). Training zones in competitive swimming: A biophysical approach. Frontiers in Sports and Active Living, 6, 1363730. https://doi.org/10.3389/fspor.2024.1363730.
• Gastin, P. B. (2001). Energy system interaction and relative contribution during maximal exercise. Sports Medicine, 31(10), 725-741. https://doi.org/10.2165/00007256-200131100-00003. Retrieved from PubMed.
• Gastin, P. B., & Suppiah, H. T. (2026). Anaerobic and aerobic energy system contribution during maximal exercise: A systematic review. Sports Medicine. https://doi.org/10.1007/s40279-026-02414-7.
• Ghosh, A. K. (2004). Anaerobic threshold: its concept and role in endurance sport. The Malaysian Journal of Medical Sciences: MJMS, 11(1), 24-36. Retrieved from NCBI.
• Hargreaves, M., & Spriet, L. L. (2020). Skeletal muscle energy metabolism during exercise. Nature Metabolism, 2(9), 817-828. https://doi.org/10.1038/s42255-020-0251-4. Retrieved from PubMed.
• Hearris, M. A., Hammond, K. M., Fell, J. M., & Morton, J. P. (2018). Regulation of Muscle Glycogen Metabolism during Exercise: Implications for Endurance Performance and Training Adaptations. Nutrients, 10(3), 298. https://doi.org/10.3390/nu10030298. Retrieved from PubMed.
• Leckey, C., van Dyk, N., Doherty, C., Lawlor, A., & Delahunt, E. (2025). Machine learning approaches to injury risk prediction in sport: A scoping review with evidence synthesis. British Journal of Sports Medicine, 59(7), 491-500. https://doi.org/10.1136/bjsports-2024-108576.
• Maglischo, E. W. (1997). Swim Training Theory. Kinesiology, Volume 2, No. 1, pp. 4-8, 1997. Retrieved from ResearchGate.
• Olbrecht, J. (2011). Lactate production and metabolism in swimming. In L. Seifert, D. Chollet, & I. Mujika (Eds.), World book of swimming: From science to performance (pp. 255-275). Nova Science Publishers. https://www.researchgate.net/publication/286580355_Lactate_production_and_metabolism_in_swimming.
• Olbrecht, J., & Mader, A. (2006). Individualisation of training based on metabolic measures. In P. Hellard, M. Sidney, & D. Lehenaff (Eds.), First International Symposium Sciences and Practices in Swimming (pp. 109-115). Atlantica. Retrieved from ResearchGate.
• Parolin, M. L., Chesley, A., Matsos, M. P., Spriet, L. L., Jones, N. L., & Heigenhauser, G. J. (1999). Regulation of skeletal muscle glycogen phosphorylase and PDH during maximal intermittent exercise. American Journal of Physiology, 277(5), E890-900. https://doi.org/10.1152/ajpendo.1999.277.5.E890. Retrieved from PubMed.
• Pyne, D. B., & Sharp, R. L. (2014). Physical and energy requirements of competitive swimming events. International Journal of Sport Nutrition and Exercise Metabolism, 24(4), 351-359. https://doi.org/10.1123/ijsnem.2014-0047.
• Rodriguez, F. A., & Mader, A. (2011). Energy systems in swimming. In L. Seifert, D. Chollet, & I. Mujika (Eds.), World book of swimming: From science to performance (pp. 225-240). Nova Science Publishers. https://www.researchgate.net/publication/256696190_Energy_systems_in_swimming.
• Swanwick, E., & Matthews, M. (2018). Energy Systems: A New Look at Aerobic Metabolism in Stressful Exercise. MOJ Sports Medicine, 2(1), 15-22. https://doi.org/10.15406/mojsm.2018.02.00039. Retrieved from ResearchGate.
• Tanner, R., & Bourdon, P. (2006). Standardisation of Physiology Nomenclature. Retrieved from ResearchGate.
• van der Zwaard, S., Brocherie, F., & Jaspers, R. T. (2021). Under the Hood: Skeletal Muscle Determinants of Endurance Performance. Frontiers in Sports and Active Living, 3, 719434. https://doi.org/10.3389/fspor.2021.719434. Retrieved from NCBI.
• Vec, V., Tomazic, S., Kos, A., & Umek, A. (2024). Trends in real-time artificial intelligence methods in sports: A systematic review. Journal of Big Data, 11, 148. https://doi.org/10.1186/s40537-024-01026-0.
• Vorontsov, A. (1997). Development of Basic and Special Endurance in Age-Group Swimmers: A Russian Perspective. Swimming Science Bulletin. Retrieved from ResearchGate.