प्रभावी प्रशिक्षण क्षेत्रों के पीछे के विज्ञान को उजागर करना

खेलों में सर्वोच्च प्रदर्शन प्राप्त करना केवल कड़ी मेहनत, समर्पण और कुशल तकनीक के बारे में नहीं है - यह शरीर की ऊर्जा प्रणालियों और चयापचय मार्गों में महारत हासिल करने के बारे में भी है। इन जटिल प्रक्रियाओं को समझकर, एथलीट और कोच प्रशिक्षण व्यवस्था को अनुकूलित कर सकते हैं और प्रदर्शन को महत्वपूर्ण रूप से बढ़ा सकते हैं। इस लेख में, हम इन आवश्यक अवधारणाओं को स्पष्ट करते हैं और बताते हैं कि वे प्रशिक्षण योजना और क्षेत्र डिजाइन को कैसे प्रभावित करते हैं।

हमारे पिछले लेख, "तैराकी प्रशिक्षण क्षेत्र: तीव्रता प्रिस्क्रिप्शन को आगे बढ़ाना - बेहतर उपकरणों की आवश्यकता" में, हमने व्यक्तिगत तीव्रता प्रिस्क्रिप्शन के महत्व पर प्रकाश डाला। जबकि AI जैसी नई तकनीकें बहुत संभावनाएं प्रदान करती हैं, वे खेल प्रशिक्षण में सभी समस्याओं को अकेले हल नहीं कर सकती हैं। केवल वैज्ञानिक पत्रों और डेटा के साथ AI को खिलाना पर्याप्त नहीं है। AI अभी तक सभी सूक्ष्म खेल सिद्धांतों का प्रभावी ढंग से मूल्यांकन और एकीकरण नहीं कर सकता है। इसलिए, पहले हमारे वैचारिक मॉडल, जैसे प्रशिक्षण क्षेत्र, को परिष्कृत करना महत्वपूर्ण है, ताकि एक ठोस आधार प्रदान किया जा सके जिस पर AI अधिक सटीक और प्रभावी प्रशिक्षण रणनीतियाँ बना सके।

प्रशिक्षण क्षेत्रों को संशोधित करने की आवश्यकता

प्रशिक्षण क्षेत्र व्यायाम तीव्रता की विशिष्ट सीमाएँ हैं जिन्हें एथलेटिक प्रशिक्षण को निर्देशित और अनुकूलित करने के लिए डिज़ाइन किया गया है। हृदय गति (एचआर), लैक्टेट सांद्रता, कथित परिश्रम और वीओ2 अधिकतम के प्रतिशत जैसे शारीरिक मार्करों द्वारा परिभाषित, प्रत्येक क्षेत्र विशिष्ट शारीरिक अनुकूलन को लक्षित करता है और प्रयास के विभिन्न स्तरों से मेल खाता है। ये क्षेत्र व्यायाम शरीर विज्ञान अनुसंधान पर आधारित हैं, जो इस बात पर प्रकाश डालते हैं कि शरीर अलग-अलग व्यायाम तीव्रता पर कैसे प्रतिक्रिया करता है। समय के साथ, प्रशिक्षण क्षेत्रों की अवधारणा विकसित हुई है, जो खेल विज्ञान, चिकित्सा और कोचिंग से प्रभावित है। लैक्टेट थ्रेशोल्ड, वीओ2 अधिकतम और हृदय गति परिवर्तनशीलता जैसे प्रमुख शारीरिक मार्कर इन क्षेत्रों को परिभाषित करने में सहायक रहे हैं, क्योंकि वे विभिन्न व्यायाम तीव्रता पर अलग-अलग शारीरिक प्रतिक्रियाएँ और अनुकूलन प्राप्त करते हैं।

जबकि प्रशिक्षण क्षेत्र प्रभावी प्रशिक्षण कार्यक्रमों की संरचना और मूल्यांकन के लिए मौलिक हैं, कई मौजूदा प्रणालियाँ तैराकों की विशिष्ट आवश्यकताओं को संबोधित नहीं करती हैं। सामान्य प्रशिक्षण क्षेत्र, विशेष रूप से पाँच या उससे कम क्षेत्रों वाले या केवल हृदय गति डेटा पर आधारित, अक्सर इष्टतम प्रदर्शन वृद्धि के लिए आवश्यक सटीकता की कमी रखते हैं। प्रशिक्षण क्षेत्र कई कारणों से महत्वपूर्ण हैं:

• विशिष्टता: वे एथलीटों को विशिष्ट ऊर्जा प्रणालियों और मांसपेशी फाइबर को लक्षित करने में सक्षम बनाते हैं, जिससे अधिक प्रभावी प्रशिक्षण अनुकूलन होता है।

• अनुकूलन: उचित तीव्रता पर प्रशिक्षण एथलीटों को प्रदर्शन को अनुकूलित करने और ओवरट्रेनिंग या अंडरट्रेनिंग से बचने में मदद करता है।

• निगरानी: प्रशिक्षण क्षेत्र प्रशिक्षण तीव्रता की निगरानी और समायोजन के लिए एक रूपरेखा प्रदान करते हैं, यह सुनिश्चित करते हुए कि एथलीट अपने लक्ष्यों को प्राप्त करने के लिए सही स्तर पर प्रशिक्षण लेते हैं।

• रिकवरी: वे रिकवरी सत्रों की योजना बनाने में सहायता करते हैं, जो चोटों को रोकने और दीर्घकालिक एथलेटिक विकास को बढ़ावा देने के लिए महत्वपूर्ण हैं।

• वैयक्तिकरण: प्रशिक्षण क्षेत्रों को उनकी अनूठी शारीरिक प्रतिक्रियाओं के आधार पर व्यक्तिगत एथलीटों के लिए तैयार किया जा सकता है, जिससे प्रशिक्षण अधिक व्यक्तिगत और प्रभावी हो जाता है।

व्यापक प्रशिक्षण क्षेत्र प्रणालियाँ निम्नलिखित तरीकों से खेल प्रशिक्षण के लिए AI उपकरणों के विकास और कार्यान्वयन को महत्वपूर्ण रूप से बढ़ा सकती हैं:

• डेटा-संचालित अंतर्दृष्टि: AI उपकरण प्रशिक्षण सत्रों से बड़ी मात्रा में डेटा का विश्लेषण कर सकते हैं, जिससे यह जानकारी मिलती है कि एथलीट विभिन्न प्रशिक्षण क्षेत्रों पर कैसे प्रतिक्रिया करते हैं। यह इष्टतम प्रदर्शन के लिए प्रशिक्षण कार्यक्रमों को बेहतर बनाने में मदद करता है।

• वैयक्तिकरण: AI व्यापक प्रशिक्षण क्षेत्र प्रणालियों से डेटा का उपयोग व्यक्तिगत प्रशिक्षण योजनाएँ बनाने के लिए कर सकता है जो व्यक्तिगत एथलीटों की अनूठी शारीरिक प्रतिक्रियाओं को पूरा करती हैं।

• निगरानी और प्रतिक्रिया: AI उपकरण लगातार प्रशिक्षण की तीव्रता और मात्रा की निगरानी कर सकते हैं, एथलीटों और कोचों को वास्तविक समय की प्रतिक्रिया प्रदान कर सकते हैं। यह सुनिश्चित करता है कि एथलीट सही तीव्रता से प्रशिक्षण लें और आवश्यक समायोजन करें।

• चोट की रोकथाम: प्रशिक्षण भार और रिकवरी पर डेटा का विश्लेषण करके, AI उपकरण उन पैटर्न की पहचान कर सकते हैं जो ओवरट्रेनिंग और चोटों का कारण बन सकते हैं, जिससे प्रशिक्षण कार्यक्रमों में सक्रिय समायोजन की अनुमति मिलती है।

• प्रदर्शन अनुकूलन: AI व्यापक प्रशिक्षण क्षेत्र प्रणालियों से डेटा का उपयोग प्रदर्शन को बेहतर बनाने के लिए सबसे प्रभावी प्रशिक्षण रणनीतियों की पहचान करने के लिए कर सकता है, जिसमें विशिष्ट लक्ष्यों को प्राप्त करने के लिए विभिन्न प्रशिक्षण क्षेत्रों के बीच संतुलन को अनुकूलित करना शामिल है।

• अनुकूलनशीलता: AI उपकरण एथलीट की स्थिति या प्रदर्शन में बदलावों के लिए जल्दी से अनुकूल हो सकते हैं, प्रशिक्षण कार्यक्रमों में गतिशील समायोजन प्रदान करते हैं ताकि यह सुनिश्चित हो सके कि प्रशिक्षण प्रभावी और प्रासंगिक बना रहे।

प्रशिक्षण क्षेत्र प्रणालियों को संशोधित और विस्तारित करके, हम अधिक सटीक, व्यक्तिगत और प्रभावी प्रशिक्षण कार्यक्रम बनाने के लिए AI उपकरणों का लाभ उठा सकते हैं जो एथलेटिक प्रदर्शन को बढ़ाते हैं और दीर्घकालिक विकास को बढ़ावा देते हैं।

प्रशिक्षण क्षेत्र की नींव

प्रभावी खेल प्रशिक्षण और फिटनेस कार्यक्रम विकसित करने के लिए ऊर्जा प्रणालियों की परस्पर क्रिया को समझना महत्वपूर्ण है। परंपरागत रूप से, ATP के पुनर्संश्लेषण - मांसपेशियों में प्राथमिक ऊर्जा मुद्रा - को तीन एकीकृत प्रणालियों के लिए जिम्मेदार ठहराया गया है: ATP-PCr प्रणाली, एनारोबिक ग्लाइकोलाइसिस और एरोबिक प्रणाली। हालाँकि, हाल के शोध ने व्यायाम के दौरान इन प्रणालियों की जटिलता और ओवरलैप को उजागर किया है, जो इस सरलीकृत दृष्टिकोण को चुनौती देता है।

ATP-PCr प्रणाली छोटे, उच्च-तीव्रता वाले प्रयासों के लिए तत्काल ऊर्जा प्रदान करती है लेकिन जल्दी ही समाप्त हो जाती है। जैसे-जैसे व्यायाम जारी रहता है, एनारोबिक ग्लाइकोलाइसिस ATP का प्रमुख स्रोत बन जाता है, जिससे लैक्टेट संचय होता है। पुरानी धारणा के विपरीत कि एरोबिक प्रणाली केवल लंबे समय तक व्यायाम के दौरान प्रासंगिक हो जाती है, यह पहले से कहीं अधिक और काफी अधिक ऊर्जा उत्पादन में योगदान देना शुरू कर देती है। एरोबिक सिस्टम की यह शुरुआती भागीदारी उच्च-तीव्रता वाले प्रयासों को बनाए रखने और थकान को कम करने में मदद करती है।

स्वानविक और मैथ्यूज (2018) और गैस्टिन (2001) द्वारा किए गए शोध इस बात पर जोर देते हैं कि सभी शारीरिक गतिविधियाँ व्यायाम की तीव्रता और अवधि के आधार पर प्रत्येक ऊर्जा प्रणाली को अलग-अलग डिग्री तक सक्रिय करती हैं। यह अंतःक्रिया एटीपी की निरंतर आपूर्ति सुनिश्चित करती है और प्रदर्शन को अनुकूलित करने के लिए सभी ऊर्जा प्रणालियों को प्रशिक्षित करने के महत्व पर प्रकाश डालती है। उदाहरण के लिए, 60-120 सेकंड तक चलने वाले उच्च-तीव्रता वाले व्यायाम के दौरान, एनारोबिक और एरोबिक दोनों मार्गों की पर्याप्त भागीदारी होती है, जो दर्शाता है कि पारंपरिक रूप से एनारोबिक गतिविधियों में भी अधिकतम ऑक्सीजन अवशोषण (VO2max) प्राप्त किया जा सकता है।

ऊर्जा प्रणालियों के गतिशील परस्पर क्रिया को स्वीकार करके, कोच और एथलीट ऐसे प्रशिक्षण कार्यक्रम तैयार कर सकते हैं जो विशिष्ट चयापचय मार्गों को लक्षित करते हैं, जिससे अधिक प्रभावी अनुकूलन और बेहतर प्रदर्शन होता है। यह व्यापक समझ पारंपरिक 5-ज़ोन हृदय गति मॉडल की सीमाओं को रेखांकित करती है, जो ऊर्जा योगदान को सरल बनाता है और प्रतिस्पर्धी प्रशिक्षण के लिए आवश्यक विशिष्टता का अभाव करता है। विस्तृत मल्टी-ज़ोन सिस्टम जैसे अधिक सूक्ष्म दृष्टिकोण को अपनाने से विभिन्न खेलों की अनूठी ऊर्जा मांगों को बेहतर ढंग से संबोधित किया जा सकता है और एथलेटिक विकास को अनुकूलित किया जा सकता है।

स्वैनविक और मैथ्यूज (2018) के डेटा के आधार पर, संपूर्ण अभ्यास के दौरान कुल ऊर्जा आपूर्ति में प्रत्येक ऊर्जा प्रणाली का प्रतिशत योगदान।

मौजूदा प्रशिक्षण क्षेत्रों का उपयोग क्यों न करें?

मौजूदा प्रशिक्षण क्षेत्र प्रणालियों में अक्सर व्यापक प्रशिक्षण के लिए आवश्यक विशिष्टता और अनुकूलनशीलता का अभाव होता है। उनमें से अधिकांश को सामान्य फिटनेस को ध्यान में रखकर डिज़ाइन किया गया है और विशिष्ट खेल प्रशिक्षण की विशिष्ट शारीरिक मांगों को ध्यान में नहीं रखा जाता है। सामान्य क्षेत्र अपर्याप्त प्रशिक्षण उत्तेजना, व्यर्थ प्रयास और चोट के जोखिम को बढ़ा सकते हैं, और व्यक्तिगत खेल प्रशिक्षण के लिए AI उपकरणों के विकास और कार्यान्वयन का समर्थन करने के लिए उपयुक्त नहीं हैं।

5-ज़ोन या उससे कम प्रशिक्षण प्रणालियों के नुकसान:

• तीव्रता का प्रमुख उपयोग: अधिकांश प्रशिक्षण क्षेत्र प्रणालियाँ, विशेष रूप से वे जो केवल हृदय गति को संदर्भित करती हैं, अवधि, आराम, प्रशिक्षण विधियों और घनत्व जैसे अन्य महत्वपूर्ण चर पर विचार नहीं करती हैं। व्यायाम को प्रभावी ढंग से निर्धारित करने के लिए ये चर आवश्यक हैं। इनमें से किसी भी चर के बदलाव या चूक से प्रशिक्षण भार प्रभाव अज्ञात रह जाते हैं। व्यापक प्रणालियाँ इन चरों को एकीकृत करके अधिक पूर्ण और प्रभावी प्रशिक्षण व्यवस्था प्रदान करती हैं।

• प्रशिक्षण अनुकूलन में सीमित विशिष्टता: सरलीकृत प्रणालियाँ विभिन्न मांसपेशी फाइबर प्रकारों और चयापचय मार्गों को प्रभावी ढंग से लक्षित करने के लिए आवश्यक विशिष्टता प्रदान नहीं कर सकती हैं। 9-ज़ोन मॉडल जैसी व्यापक प्रणालियाँ विशिष्ट ऊर्जा प्रणालियों और मांसपेशी तंतुओं को लक्षित करके अधिक सटीक प्रशिक्षण अनुकूलन की अनुमति देती हैं।

• एरोबिक और एनारोबिक क्षमताओं का अपर्याप्त विकास: एक सरलीकृत प्रणाली एरोबिक और एनारोबिक दोनों क्षमताओं को पर्याप्त रूप से विकसित नहीं कर सकती है। व्यापक प्रणालियाँ एरोबिक और एनारोबिक दोनों ऊर्जा प्रणालियों के लिए लक्षित प्रशिक्षण प्रदान करके एथलीटों की विशिष्ट आवश्यकताओं को बेहतर ढंग से संबोधित कर सकती हैं।

• प्रदर्शन को अनुकूलित करने की कम क्षमता: व्यापक प्रणालियाँ प्रशिक्षण की तीव्रता और मात्रा पर अधिक सटीक नियंत्रण की अनुमति देती हैं, जिससे प्रदर्शन का बेहतर अनुकूलन होता है। एक सरलीकृत प्रणाली में शीर्ष प्रदर्शन के लिए प्रशिक्षण को ठीक करने के लिए आवश्यक बारीकियों की कमी हो सकती है।

• ओवरट्रेनिंग या अंडरट्रेनिंग की संभावना: एक व्यापक प्रणाली की विस्तृत संरचना के बिना, एथलीटों को ओवरट्रेनिंग या अंडरट्रेनिंग का अधिक जोखिम हो सकता है। विस्तृत प्रणालियाँ रिकवरी और तीव्रता के लिए स्पष्ट दिशानिर्देश प्रदान करती हैं, जिससे प्रशिक्षण त्रुटियों का जोखिम कम हो जाता है।

• विस्तृत निगरानी और प्रतिक्रिया का अभाव: सरलीकृत प्रणालियाँ प्रगति को ट्रैक करने और आवश्यक समायोजन करने के लिए आवश्यक विस्तृत निगरानी और प्रतिक्रिया प्रदान नहीं कर सकती हैं। व्यापक प्रणालियाँ प्रशिक्षण प्रभावशीलता का मूल्यांकन करने के लिए अधिक सटीक मीट्रिक प्रदान करती हैं।

• व्यक्तिगत अंतरों को संबोधित करने में असमर्थता: एथलीटों के पास प्रशिक्षण के लिए अद्वितीय शारीरिक प्रतिक्रियाएँ होती हैं। एक व्यापक प्रणाली प्रशिक्षण तीव्रता और पुनर्प्राप्ति प्रोटोकॉल की एक विस्तृत श्रृंखला प्रदान करके व्यक्तिगत अंतरों को बेहतर ढंग से समायोजित कर सकती है।

• विशिष्ट अनुकूलन के लिए छूटे हुए अवसर: व्यापक प्रणालियाँ लैक्टेट थ्रेशोल्ड सुधार, VO2max वृद्धि और एनारोबिक शक्ति विकास जैसे विशिष्ट अनुकूलन को लक्षित कर सकती हैं। व्यापक वर्गीकरण के कारण सरलीकृत प्रणालियाँ इन विशिष्ट अनुकूलनों को याद कर सकती हैं।

• प्रशिक्षण डिज़ाइन में कम लचीलापन: सरलीकृत प्रणालियाँ प्रशिक्षण कार्यक्रमों को डिज़ाइन करने में लचीलेपन को सीमित कर सकती हैं जो विभिन्न तैराकी घटनाओं और व्यक्तिगत एथलीट की ज़रूरतों की विभिन्न माँगों को संबोधित करती हैं। व्यापक प्रणालियाँ प्रशिक्षण कार्यक्रमों को तैयार करने में अधिक लचीलापन प्रदान करती हैं।

इन मुद्दों को संबोधित करने के लिए, वाइज रेसर ने एक व्यापक प्रशिक्षण क्षेत्र प्रणाली विकसित की है जो ऊर्जा प्रणालियों और चयापचय मार्गों की गहरी समझ को एकीकृत करती है। पारंपरिक प्रशिक्षण क्षेत्रों को संशोधित करके, हमारा लक्ष्य कोच, एथलीट और फिटनेस उत्साही लोगों को अधिक सटीक और व्यक्तिगत प्रशिक्षण सहायता प्रदान करना है। अगले लेख के लिए बने रहें, जहाँ हम तैराकी प्रदर्शन को संचालित करने वाले प्रमुख चयापचय मार्गों और लक्षित प्रशिक्षण के माध्यम से उन्हें कैसे अनुकूलित किया जा सकता है, इस पर गहन चर्चा करेंगे।

सारांश

शरीर की ऊर्जा प्रणालियों और चयापचय मार्गों को समझना और उनमें महारत हासिल करना एथलेटिक प्रदर्शन को अनुकूलित करने के लिए महत्वपूर्ण है। पारंपरिक प्रशिक्षण क्षेत्र, जबकि आधारभूत हैं, अक्सर खेल प्रशिक्षण के लिए आवश्यक विशिष्टता का अभाव रखते हैं। अधिक सटीक मार्करों को शामिल करने के लिए इन क्षेत्रों को संशोधित करना अधिक लक्षित और प्रभावी प्रशिक्षण को सक्षम बनाता है। प्रशिक्षण में AI का एकीकरण व्यक्तिगत योजनाओं और वास्तविक समय की प्रतिक्रिया सहित महत्वपूर्ण लाभ प्रदान करता है, लेकिन अच्छी तरह से परिभाषित प्रशिक्षण मॉडल पर निर्भर करता है। ऊर्जा प्रणालियों की जटिलता को पहचानना व्यापक प्रशिक्षण दृष्टिकोणों की आवश्यकता को उजागर करता है। सरलीकृत प्रणालियाँ उप-इष्टतम परिणामों की ओर ले जा सकती हैं, जो अधिक सूक्ष्म, विस्तृत प्रशिक्षण क्षेत्र प्रणाली के लाभों को रेखांकित करती हैं, जैसे कि वाइज रेसर द्वारा विकसित की गई प्रणाली, जिसका उद्देश्य व्यक्तिगत प्रदर्शन को बढ़ाना और प्रशिक्षण-संबंधी जोखिमों को कम करना है।

हम आपसे सुनना चाहते हैं!

हम इस लेख में चर्चा की गई अवधारणाओं पर आपके विचार सुनना पसंद करेंगे। आप अपने प्रशिक्षण या कोचिंग अभ्यासों में ऊर्जा प्रणालियों की समझ को कैसे शामिल करते हैं? क्या आपने विभिन्न प्रशिक्षण क्षेत्र प्रणालियों के साथ प्रयोग किया है, और आपको क्या परिणाम मिले हैं?

संदर्भ

• 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., (McCormick) G. M. C., & Robergs, R. (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.
• 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.
• Garmin. (n.d.). Forerunner 245/245 Music - Heart Rate Features. Retrieved from Garmin.
• 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.
• 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.
• 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. World Book of Swimming: From Science to Performance, 255-275. Retrieved from ResearchGate.
• Olbrecht, J., & Mader, A. (2005). Individualisation of training based on metabolic measures. 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.
• Polar. (n.d.). Running Heart Rate Zones: Basics. Retrieved from Polar.
• Seifert, L., Chollet, D., & Mujika, I. (Eds.). (2011). World Book of Swimming: From Science to Performance. Rodriguez, M. Energy Systems in Swimming. Retrieved from ResearchGate.
• Swanwick, E., & Matthews, M. (2018). Energy Systems: A New Look at Aerobic Metabolism in Stressful Exercise. MOJ Sports Medicine, 2. https://doi.org/10.15406/mojsm.2017.02.00039. 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.
• Vorontsov, A. (1997). Development of Basic and Special Endurance in Age-Group Swimmers: A Russian Perspective. Swimming Science Bulletin. Retrieved from ResearchGate.