Descubriendo la Ciencia Detrás de las Zonas de Entrenamiento Efectivas

Alcanzar el máximo rendimiento deportivo no se trata solo de esfuerzo, dedicación y técnica eficiente. También requiere comprender los sistemas energéticos y las vías metabólicas del cuerpo con suficiente profundidad para tomar mejores decisiones de entrenamiento. Al clarificar estos procesos, atletas y entrenadores pueden organizar el entrenamiento con mayor precisión, evaluar si se logró el estímulo buscado y apoyar el desarrollo del rendimiento a largo plazo. En este artículo explicamos estos conceptos esenciales y cómo influyen en la planificación del entrenamiento y el diseño de zonas.

En nuestro artículo anterior, "Zonas de entrenamiento en natación: avanzando en la prescripción de intensidad – La necesidad de mejores herramientas", destacamos la importancia de la prescripción personalizada de intensidad. Si bien las nuevas tecnologías como la inteligencia artificial ofrecen un gran potencial, no pueden resolver por sí solas todos los problemas del entrenamiento deportivo. Simplemente alimentar a la IA con artículos científicos y datos no es suficiente. La IA aún no puede evaluar e integrar de manera efectiva todas las teorías deportivas matizadas. Por ello, es importante refinar primero nuestros modelos conceptuales, como las zonas de entrenamiento, para proporcionar una base sólida sobre la cual las herramientas asistidas por IA puedan construir más adelante un apoyo al entrenamiento más preciso y útil.

Este artículo abre esa conversación. El objetivo no es rechazar los sistemas de zonas tradicionales, que aún pueden ser útiles para la comunicación, el acondicionamiento físico general y la organización amplia del entrenamiento. El objetivo es explicar por qué la natación de rendimiento puede necesitar mayor resolución: las zonas de baja resolución pueden ocultar diferentes cargas internas bajo la misma etiqueta, difuminar las vías metabólicas que se están sometiendo a estrés y dificultar la evaluación de lo que realmente produjo una sesión.

Idea clave: Las zonas de entrenamiento tradicionales son puntos de partida útiles, pero la natación de rendimiento necesita un modelo capaz de distinguir intensidad, duración, descanso, densidad, técnica y carga interna.

La necesidad de revisar las zonas de entrenamiento

Las zonas de entrenamiento son rangos específicos de intensidad de ejercicio diseñados para guiar, organizar y evaluar el entrenamiento atlético. Cada zona generalmente se define mediante marcadores fisiológicos y prácticos como la frecuencia cardíaca (FC), la concentración de lactato, la percepción del esfuerzo, el ritmo y los porcentajes del VO2 máx. Estas zonas tienen como objetivo enfatizar demandas de entrenamiento y niveles de esfuerzo particulares. Se basan en la investigación de fisiología del ejercicio y la práctica del entrenamiento, especialmente en cómo el cuerpo responde a diferentes intensidades de ejercicio. Con el tiempo, el concepto de zonas de entrenamiento ha evolucionado a través de las ciencias del deporte, la medicina y el entrenamiento. Marcadores fisiológicos clave como el umbral de lactato, el VO2 máx y la variabilidad de la frecuencia cardíaca han ayudado a definir estas zonas, ya que diferentes rangos de intensidad están asociados con diferentes respuestas fisiológicas y objetivos de entrenamiento.

Zona de entrenamiento: Un rango de intensidad práctico utilizado para organizar, prescribir, monitorear o evaluar el entrenamiento, generalmente definido mediante marcadores como el ritmo, la frecuencia cardíaca, el lactato, la percepción del esfuerzo, el consumo de oxígeno o indicadores de rendimiento específicos del deporte.

Carga interna: El estrés fisiológico y psicológico que experimenta un atleta en respuesta al entrenamiento, distinto del trabajo externo prescrito o completado.

Si bien las zonas de entrenamiento son fundamentales para estructurar y evaluar programas de entrenamiento eficaces, muchos sistemas existentes no abordan las necesidades específicas de los nadadores. Las zonas de entrenamiento genéricas, en particular las de cinco zonas o menos o las basadas únicamente en datos de frecuencia cardíaca, pueden carecer de la precisión necesaria para la natación de rendimiento. La natación añade una complejidad específica del deporte: el ritmo, la mecánica del estilo, la duración del descanso, la densidad de la serie, la respuesta del lactato, el esfuerzo percibido, las demandas de la prueba y las limitaciones de medición en el agua pueden influir en lo que significa una "zona" en la práctica. Cuando estas variables se comprimen en categorías amplias, la misma etiqueta de zona puede representar cargas internas y efectos de entrenamiento muy diferentes. Trabajos recientes específicos de natación respaldan la combinación de marcadores fisiológicos y biomecánicos en lugar de depender de un único marcador. La literatura sobre carga de entrenamiento también apoya la interpretación conjunta del trabajo externo y la respuesta interna, en lugar de asumir que un solo marcador cuenta toda la historia (Borresen & Lambert, 2009; Dudley et al., 2023; Fernandes et al., 2024; Pyne & Sharp, 2014). Las zonas de entrenamiento son importantes por varias razones:

• Especificidad: Ayudan a atletas y entrenadores a enfatizar sistemas energéticos, fibras musculares y demandas técnicas particulares, lo que puede facilitar la identificación y revisión de las adaptaciones de entrenamiento buscadas.
• Optimización: Entrenar a la intensidad adecuada ayuda a los atletas a aprovechar mejor el tiempo de entrenamiento y a evitar desajustes entre el estímulo previsto y el real.
• Monitoreo: Las zonas de entrenamiento proporcionan un marco para monitorear y ajustar la intensidad del entrenamiento, ayudando a los atletas a entrenar al nivel correcto para alcanzar sus objetivos.
• Recuperación: Ayudan a planificar sesiones de menor intensidad y recuperación, que son importantes para gestionar la fatiga y apoyar el desarrollo atlético a largo plazo.
• Individualización: Las zonas de entrenamiento pueden adaptarse a atletas individuales según sus respuestas fisiológicas, historial de entrenamiento y demandas de la prueba, haciendo el entrenamiento más personalizado y efectivo.

Los sistemas de zonas de entrenamiento integrales también pueden fortalecer el desarrollo e implementación de herramientas de IA para el entrenamiento deportivo, siempre que dichas herramientas estén validadas y construidas sobre datos de alta calidad:

• Perspectivas basadas en datos: Las herramientas de IA pueden analizar grandes cantidades de datos de entrenamiento y ayudar a identificar cómo responden los atletas a las diferentes zonas de entrenamiento. Esto puede apoyar ajustes más informados en los programas de entrenamiento.
• Personalización: La IA puede utilizar datos estructurados de zonas para ayudar a crear planes de entrenamiento que reflejen mejor las respuestas fisiológicas únicas y el contexto de entrenamiento de atletas individuales.
• Monitoreo y retroalimentación: Las herramientas de IA pueden ayudar a monitorear la intensidad y el volumen del entrenamiento, proporcionando retroalimentación a atletas y entrenadores cuando la calidad de los datos y las reglas de interpretación son claras.
• Revisión de riesgos: Al analizar patrones de carga de entrenamiento, recuperación y respuesta, las herramientas de IA pueden ayudar a identificar situaciones asociadas con carga excesiva o recuperación deficiente. Esto debe tratarse como apoyo a la toma de decisiones, no como una garantía de prevención de lesiones.
• Apoyo al rendimiento: La IA puede ayudar a comparar estrategias de entrenamiento y respuestas de los atletas, apoyando mejores decisiones sobre el equilibrio entre las diferentes zonas de entrenamiento y los objetivos.
• Adaptabilidad: Las herramientas de IA pueden ayudar a actualizar las recomendaciones de entrenamiento cuando cambian la condición, el rendimiento o el contexto de un atleta, pero estas recomendaciones aún requieren criterio y validación por parte del entrenador.

Al revisar y ampliar los sistemas de zonas de entrenamiento, podemos proporcionar a las herramientas de IA una mejor base para un apoyo al entrenamiento más preciso, individualizado y útil. El valor no radica en que la IA reemplace el criterio del entrenador, sino en que mejores modelos conceptuales y mejores datos hagan que las herramientas futuras sean más capaces de apoyar a entrenadores y atletas.

Fundamentos de las zonas de entrenamiento

Comprender la interacción de los sistemas energéticos es importante para desarrollar programas de entrenamiento deportivo y físico eficaces. Tradicionalmente, la resíntesis del ATP, la principal moneda energética de los músculos, se ha atribuido a tres sistemas integrados: el sistema ATP-PCr, la glucólisis anaeróbica y el sistema aeróbico. Ese modelo sigue siendo útil como atajo didáctico, pero puede hacer que la fisiología parezca más sencilla de lo que realmente es. Una perspectiva práctica actual es pensar en términos de contribuciones anaeróbicas y aeróbicas amplias, reconociendo al mismo tiempo que cada "sistema" está compuesto por subsistemas y vías metabólicas que interactúan en la producción de energía para el movimiento. Investigaciones actuales y clásicas destacan esta complejidad y superposición durante el ejercicio, desafiando una visión secuencial simplista (Baker et al., 2010; Gastin, 2001; Gastin & Suppiah, 2026; Hargreaves & Spriet, 2020).

El sistema ATP-PCr proporciona energía inmediata para esfuerzos cortos de alta intensidad, pero se agota rápidamente. Durante esfuerzos prolongados de alta intensidad, la contribución glucolítica aumenta sustancialmente y la producción de lactato se convierte en un marcador importante del estrés metabólico y el intercambio energético. El lactato no debe tratarse simplemente como un desecho o como la causa directa de la fatiga; es parte del intercambio metabólico normal y también puede actuar como combustible, precursor y molécula de señalización (Brooks, 2018). Contrariamente a la noción obsoleta de que el sistema aeróbico solo se vuelve relevante durante el ejercicio prolongado, comienza a contribuir a la producción de energía mucho antes y de manera más significativa de lo que muchos modelos simplificados sugieren. Esta activación temprana del sistema aeróbico ayuda a sostener los esfuerzos de alta intensidad.

Las investigaciones de Swanwick y Matthews (2018), Gastin (2001) y Gastin y Suppiah (2026) enfatizan que todas las actividades físicas activan cada sistema energético en distintos grados según la intensidad y la duración del ejercicio. Esta interacción garantiza un suministro continuo de ATP y destaca la importancia de entrenar todos los sistemas energéticos para apoyar el rendimiento. Por ejemplo, durante el ejercicio de alta intensidad que dura entre 60 y 120 segundos, hay una participación sustancial tanto de las vías anaeróbicas como aeróbicas, lo que demuestra que el consumo máximo de oxígeno (VO2máx) puede alcanzarse incluso en actividades frecuentemente descritas como anaeróbicas.

Al reconocer la dinámica de interacción de los sistemas energéticos, entrenadores y atletas pueden diseñar programas de entrenamiento que apunten a vías metabólicas específicas respetando el hecho de que dichas vías se superponen. Esta comprensión integral subraya las limitaciones de un modelo tradicional de frecuencia cardíaca de 5 zonas cuando se utiliza como el único enfoque de entrenamiento. Un modelo simple de frecuencia cardíaca puede ser útil para la comunicación, pero puede simplificar en exceso las contribuciones energéticas y carecer de la especificidad necesaria para la natación competitiva. Adoptar un enfoque más matizado, como un sistema detallado de múltiples zonas, puede abordar mejor las demandas energéticas únicas de diferentes deportes y apoyar un desarrollo atlético más individualizado.

Este es un problema de resolución. Si una zona amplia contiene esfuerzos con diferentes duraciones, intervalos de descanso, densidades, demandas de estilo y estrés predominante sobre una vía, la zona registrada puede parecer similar mientras que la carga interna real es diferente. Eso dificulta saber si una sesión desarrolló la capacidad prevista, produjo la fatiga esperada o generó la demanda de recuperación correcta.

Por qué importa: Si dos series llevan la misma etiqueta de zona pero generan diferente estrés sobre las vías y demanda de recuperación, el registro de entrenamiento puede parecer preciso mientras que el efecto real del entrenamiento sigue siendo difuso.

Visualización suavizada de Wise Racer basada en Swanwick y Matthews (2018), Tabla 2. La figura pretende ser un resumen visual conceptual del cambio en la contribución de los sistemas energéticos a lo largo de la duración del ejercicio a máxima intensidad, no una herramienta de prescripción exacta.

¿Por qué no utilizar las zonas de entrenamiento existentes?

Muchos sistemas de zonas de entrenamiento existentes pueden carecer de la especificidad y adaptabilidad necesarias para un entrenamiento integral. Muchos de ellos son útiles para el acondicionamiento físico general, el entrenamiento orientado a la salud y la comunicación simple, pero no tienen en cuenta plenamente las demandas fisiológicas y técnicas específicas de la natación de rendimiento. Las zonas genéricas pueden contribuir a estímulos de entrenamiento inadecuados, esfuerzo desperdiciado o interpretaciones erróneas cuando se utilizan sin contexto específico del deporte. También constituyen una base más débil para el entrenamiento deportivo personalizado asistido por IA, a menos que el modelo subyacente capture las variables que realmente dan forma al efecto del entrenamiento.

Limitaciones de los sistemas de entrenamiento de 5 zonas o menos:

• Uso predominante de la intensidad: La mayoría de los sistemas de zonas de entrenamiento, especialmente los que hacen referencia únicamente a la frecuencia cardíaca, no consideran otras variables importantes como la duración, el descanso, los métodos de entrenamiento y la densidad. Estas variables importan al prescribir el ejercicio e interpretar su probable efecto de entrenamiento. Las variaciones u omisiones de cualquiera de estas variables dificultan la interpretación de los efectos sobre la carga de entrenamiento. Los sistemas integrales integran estas variables para proporcionar un marco de entrenamiento más completo.
• Especificidad limitada en las adaptaciones de entrenamiento: Los sistemas simplificados pueden no proporcionar suficiente especificidad para enfatizar diferentes tipos de fibras musculares y vías metabólicas. Un modelo más detallado, como el marco de 9 zonas propuesto por Wise Racer, pretende proporcionar objetivos de entrenamiento más precisos distinguiendo entre énfasis en los sistemas energéticos y propósitos del entrenamiento.
• Desarrollo inadecuado de las capacidades aeróbicas y anaeróbicas: Un sistema simplificado puede no describir adecuadamente el desarrollo de las capacidades aeróbica y anaeróbica. Los sistemas más detallados pueden describir mejor las necesidades de los atletas separando el entrenamiento para el énfasis en los sistemas energéticos aeróbico y anaeróbico.
• Capacidad reducida para ajustar el trabajo de rendimiento: Un modelo más integral puede proporcionar un control más preciso sobre la intensidad, el volumen, el descanso y la densidad del entrenamiento, apoyando una toma de decisiones mejor orientada al rendimiento. Un sistema simplificado puede carecer de la granularidad necesaria para ajustar el entrenamiento hacia el rendimiento máximo.
• Potencial de sobreentrenamiento o subentrenamiento: Sin la estructura detallada de un sistema integral, puede resultar más fácil que los atletas entrenen con demasiada intensidad, con demasiada suavidad o con una estructura de recuperación incorrecta. Los sistemas detallados proporcionan una orientación más clara sobre la intensidad y la recuperación, reduciendo la ambigüedad en el diseño del entrenamiento.
• Falta de monitoreo y retroalimentación detallados: Los sistemas simplificados pueden no proporcionar el monitoreo y la retroalimentación detallados necesarios para seguir el progreso y realizar los ajustes necesarios. Los sistemas integrales pueden ofrecer métricas más precisas para evaluar la eficacia del entrenamiento.
• Incapacidad para abordar las diferencias individuales: Los atletas tienen respuestas fisiológicas únicas al entrenamiento. Un sistema integral puede acomodar mejor las diferencias individuales al proporcionar una gama más amplia de intensidades de entrenamiento, estructuras de recuperación y opciones de monitoreo.
• Oportunidades perdidas para adaptaciones específicas: Los sistemas integrales pueden diseñarse para enfatizar adaptaciones específicas como el desarrollo del umbral de lactato, el desarrollo del VO2máx, la potencia anaeróbica y la capacidad de recuperación. Los sistemas simplificados pueden perder estas adaptaciones específicas debido a una categorización más amplia.
• Flexibilidad reducida en el diseño del entrenamiento: Los sistemas simplificados pueden limitar la flexibilidad para diseñar programas de entrenamiento que aborden las diversas demandas de las diferentes pruebas de natación y las necesidades individuales de cada atleta. Los sistemas integrales pueden ofrecer mayor flexibilidad para personalizar los programas de entrenamiento.

Para abordar estos problemas, Wise Racer desarrolló un sistema integral de zonas de entrenamiento que integra una comprensión más profunda de los sistemas energéticos y las vías metabólicas. Al revisar las zonas de entrenamiento tradicionales, buscamos proporcionar un apoyo al entrenamiento más preciso e individualizado a entrenadores, atletas y aficionados al fitness. Esta es una aplicación del modelo de Wise Racer: está informada por el panorama de fuentes disponibles, pero debe refinarse a través de la práctica del entrenamiento, los datos de los atletas y la validación continua.

Este artículo es solo el primer paso. El siguiente artículo examinará más de cerca las vías metabólicas y los subsistemas que contribuyen al rendimiento en natación. Después de eso, mapearemos esos contribuyentes a un sistema de zonas de entrenamiento de rendimiento más integral, basado en la idea de apuntar al estímulo predominante para vías específicas a lo largo de duraciones de ejercicio relevantes. Un artículo posterior establecerá las bases separadas del sistema de zonas orientado al fitness, donde los objetivos, los límites de seguridad y la resolución requerida son diferentes.

Resumen

Comprender los sistemas energéticos y las vías metabólicas del cuerpo es importante para tomar mejores decisiones orientadas al rendimiento. Las zonas de entrenamiento tradicionales, aunque son fundamentales, a menudo carecen de la especificidad necesaria para el entrenamiento deportivo de rendimiento. Cuando las zonas son demasiado amplias, pueden ocultar diferencias importantes en la carga interna, el estrés sobre las vías, la demanda de recuperación y el efecto del entrenamiento. Revisar estas zonas para incluir marcadores más precisos puede apoyar un entrenamiento más dirigido. La integración de la IA en el entrenamiento ofrece un potencial significativo, incluidos planes personalizados y retroalimentación, pero depende de modelos de entrenamiento bien definidos, datos de alta calidad y una validación cuidadosa. Reconocer la complejidad de los sistemas energéticos destaca la necesidad de enfoques de entrenamiento integrales. Los sistemas simplificados pueden contribuir a peores decisiones cuando se utilizan más allá de su propósito previsto. Esto respalda el valor de un sistema de zonas de entrenamiento más matizado, como el desarrollado por Wise Racer, que está diseñado para apoyar el desarrollo del rendimiento individual y la revisión de riesgos relacionados con el entrenamiento, manteniéndose adaptable a medida que la evidencia y la práctica evolucionan.

¡Queremos escucharte!

Nos encantaría conocer tus opiniones sobre los conceptos tratados en este artículo. ¿Cómo incorporas la comprensión de los sistemas energéticos en tus prácticas de entrenamiento o de coaching? ¿Has experimentado con diferentes sistemas de zonas de entrenamiento y qué resultados has obtenido?

Nota: Este artículo fue escrito originalmente en inglés y traducido a otros idiomas utilizando herramientas automáticas de IA para poder compartir esta información con más personas. Hacemos todo lo posible para que las traducciones sean precisas y fáciles de entender, y agradecemos la ayuda de la comunidad para mejorarlas. Si algo en una versión traducida no está claro, es incorrecto o difiere de la versión en inglés, el texto original en inglés debe considerarse la versión oficial.

Fuentes

• 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.