Scoprire la Scienza Dietro le Zone di Allenamento Efficaci

Raggiungere le massime prestazioni nello sport non riguarda solo il duro lavoro, la dedizione e una tecnica efficiente. Richiede anche una comprensione sufficientemente approfondita dei sistemi energetici e delle vie metaboliche del corpo per prendere decisioni di allenamento migliori. Rendendo questi processi più chiari, atleti e allenatori possono organizzare l'allenamento con maggiore precisione, valutare se lo stimolo previsto è stato raggiunto e supportare lo sviluppo della performance a lungo termine. In questo articolo spieghiamo questi concetti essenziali e come influenzano la pianificazione dell'allenamento e la definizione delle zone.

Nel nostro articolo precedente, "Zone di allenamento nel nuoto: Migliorare la prescrizione dell'intensità – La necessità di strumenti migliori", abbiamo sottolineato l'importanza di una prescrizione dell'intensità personalizzata. Sebbene le nuove tecnologie come l'IA offrano un grande potenziale, non possono risolvere da sole tutti i problemi dell'allenamento sportivo. Semplicemente alimentare l'IA con articoli scientifici e dati non è sufficiente. L'IA non è ancora in grado di valutare e integrare efficacemente tutte le sfumate teorie sportive. È quindi importante affinare prima i nostri modelli concettuali, come le zone di allenamento, per fornire una solida base su cui gli strumenti assistiti dall'IA potranno in seguito costruire un supporto all'allenamento più preciso e utile.

Questo articolo apre quella conversazione. L'obiettivo non è rifiutare i sistemi di zone tradizionali, che possono ancora essere utili per la comunicazione, il fitness e l'organizzazione generale dell'allenamento. L'obiettivo è spiegare perché il nuoto ad alto livello potrebbe aver bisogno di una maggiore risoluzione: zone a bassa risoluzione possono nascondere carichi interni diversi sotto la stessa etichetta, confondere le vie metaboliche sollecitate e rendere più difficile valutare cosa ha effettivamente prodotto una sessione.

Concetto chiave: Le zone di allenamento tradizionali sono punti di partenza utili, ma il nuoto ad alto livello necessita di un modello in grado di distinguere intensità, durata, recupero, densità, tecnica e carico interno.

La necessità di rivedere le zone di allenamento

Le zone di allenamento sono intervalli specifici di intensità dell'esercizio progettati per guidare, organizzare e valutare l'allenamento atletico. Ogni zona è solitamente definita da indicatori fisiologici e pratici come la frequenza cardiaca (FC), la concentrazione di lattato, la percezione dello sforzo, il ritmo e le percentuali del VO2 max. Queste zone hanno lo scopo di enfatizzare particolari richieste di allenamento e livelli di sforzo. Si basano sulla ricerca in fisiologia dell'esercizio e sulla pratica dell'allenamento, in particolare su come il corpo risponde a diverse intensità di esercizio. Nel tempo, il concetto di zone di allenamento si è evoluto attraverso le scienze dello sport, la medicina e le metodologie di allenamento. Indicatori fisiologici chiave come la soglia del lattato, il VO2 max e la variabilità della frequenza cardiaca hanno contribuito a definire queste zone, poiché diversi intervalli di intensità sono associati a diverse risposte fisiologiche e obiettivi di allenamento.

Zona di allenamento: Un intervallo di intensità pratico utilizzato per organizzare, prescrivere, monitorare o valutare l'allenamento, solitamente definito attraverso indicatori come ritmo, frequenza cardiaca, lattato, percezione dello sforzo, consumo di ossigeno o indicatori di prestazione specifici dello sport.

Carico interno: Lo stress fisiologico e psicologico sperimentato da un atleta in risposta all'allenamento, distinto dal lavoro esterno prescritto o completato.

Sebbene le zone di allenamento siano fondamentali per strutturare e valutare programmi di allenamento efficaci, molti sistemi esistenti non affrontano le esigenze specifiche dei nuotatori. Le zone di allenamento generiche, in particolare quelle con cinque zone o meno o quelle basate esclusivamente sui dati della frequenza cardiaca, possono mancare della precisione richiesta per il nuoto ad alto livello. Il nuoto aggiunge una complessità specifica dello sport: ritmo, meccanica della bracciata, durata del recupero, densità delle serie, risposta al lattato, percezione dello sforzo, richieste della gara e vincoli di misurazione in acqua possono tutti influenzare il significato pratico di una "zona". Quando queste variabili vengono compresse in categorie ampie, la stessa etichetta di zona può rappresentare carichi interni ed effetti di allenamento molto diversi. Ricerche specifiche per il nuoto recenti supportano la combinazione di indicatori fisiologici e biomeccanici piuttosto che affidarsi a un singolo indicatore. La letteratura sui carichi di allenamento supporta anche l'interpretazione congiunta del lavoro esterno e della risposta interna, piuttosto che presumere che un singolo indicatore racconti l'intera storia (Borresen & Lambert, 2009; Dudley et al., 2023; Fernandes et al., 2024; Pyne & Sharp, 2014). Le zone di allenamento sono importanti per diverse ragioni:

• Specificità: Aiutano atleti e allenatori a enfatizzare particolari sistemi energetici, fibre muscolari e richieste tecniche, il che può rendere più facile individuare e verificare gli adattamenti di allenamento previsti.
• Ottimizzazione: Allenarsi all'intensità appropriata aiuta gli atleti a fare un uso migliore del tempo di allenamento e ad evitare disallineamenti tra lo stimolo previsto e quello reale.
• Monitoraggio: Le zone di allenamento forniscono un quadro di riferimento per monitorare e adeguare l'intensità dell'allenamento, aiutando gli atleti ad allenarsi al livello giusto per raggiungere i propri obiettivi.
• Recupero: Aiutano a pianificare sessioni a bassa intensità e di recupero, importanti per gestire la fatica e supportare lo sviluppo atletico a lungo termine.
• Individualizzazione: Le zone di allenamento possono essere adattate ai singoli atleti in base alle loro risposte fisiologiche, alla storia di allenamento e alle richieste della gara, rendendo l'allenamento più personalizzato ed efficace.

Sistemi completi di zone di allenamento possono anche rafforzare lo sviluppo e l'implementazione di strumenti di IA per l'allenamento sportivo, a condizione che tali strumenti siano validati e costruiti su dati di alta qualità:

• Informazioni basate sui dati: Gli strumenti di IA possono analizzare grandi quantità di dati di allenamento e aiutare a identificare come gli atleti rispondono a diverse zone di allenamento. Questo può supportare adeguamenti più consapevoli ai programmi di allenamento.
• Personalizzazione: L'IA può utilizzare dati strutturati per zone per contribuire a creare piani di allenamento che riflettano meglio le risposte fisiologiche uniche e il contesto di allenamento dei singoli atleti.
• Monitoraggio e feedback: Gli strumenti di IA possono aiutare a monitorare l'intensità e il volume di allenamento, fornendo feedback ad atleti e allenatori quando la qualità dei dati e le regole di interpretazione sono chiare.
• Revisione del rischio: Analizzando i pattern di carico di allenamento, recupero e risposta, gli strumenti di IA possono aiutare a segnalare situazioni associate a un carico eccessivo o a un recupero insufficiente. Questo dovrebbe essere trattato come supporto decisionale, non come prevenzione garantita degli infortuni.
• Supporto alla performance: L'IA può aiutare a confrontare strategie di allenamento e risposte degli atleti, supportando decisioni migliori sull'equilibrio tra diverse zone di allenamento e obiettivi.
• Adattabilità: Gli strumenti di IA possono aiutare ad aggiornare le raccomandazioni di allenamento quando le condizioni, la performance o il contesto di un atleta cambiano, ma queste raccomandazioni richiedono comunque il giudizio e la validazione dell'allenatore.

Rivedendo ed espandendo i sistemi di zone di allenamento, possiamo fornire agli strumenti di IA una base migliore per un supporto all'allenamento più preciso, individualizzato e utile. Il valore non sta nel fatto che l'IA sostituisca il giudizio dell'allenatore, ma che modelli concettuali migliori e dati migliori rendano gli strumenti futuri più capaci di supportare allenatori e atleti.

Fondamenti delle zone di allenamento

Comprendere l'interazione dei sistemi energetici è importante per sviluppare programmi di allenamento sportivo e fitness efficaci. Tradizionalmente, la risintesi di ATP, la principale valuta energetica nei muscoli, è stata attribuita a tre sistemi integrati: il sistema ATP-PCr, la glicolisi anaerobica e il sistema aerobico. Quel modello rimane utile come scorciatoia didattica, ma può far sembrare la fisiologia più semplice di quanto non sia in realtà. Una prospettiva pratica attuale è quella di ragionare in termini di ampi contributi anaerobici e aerobici, riconoscendo al contempo che ogni "sistema" è a sua volta composto da sottosistemi e vie metaboliche interagenti coinvolti nella produzione di energia per il movimento. La ricerca attuale e classica evidenzia questa complessità e sovrapposizione durante l'esercizio, mettendo in discussione una visione semplicemente sequenziale (Baker et al., 2010; Gastin, 2001; Gastin & Suppiah, 2026; Hargreaves & Spriet, 2020).

Il sistema ATP-PCr fornisce energia immediata per sforzi brevi e ad alta intensità, ma si esaurisce rapidamente. Durante sforzi più lunghi ad alta intensità, il contributo glicolitico aumenta sostanzialmente e la produzione di lattato diventa un importante indicatore di stress metabolico e scambio energetico. Il lattato non dovrebbe essere trattato semplicemente come un prodotto di scarto o come la causa diretta della fatica; fa parte del normale scambio metabolico e può anche agire come carburante, precursore e molecola di segnalazione (Brooks, 2018). Contrariamente alla nozione obsoleta secondo cui il sistema aerobico diventa rilevante solo durante l'esercizio prolungato, esso inizia a contribuire alla produzione di energia molto prima e in modo molto più significativo di quanto molti modelli semplificati suggeriscano. Questo coinvolgimento precoce del sistema aerobico aiuta a sostenere gli sforzi ad alta intensità.

La ricerca di Swanwick e Matthews (2018), Gastin (2001) e Gastin e Suppiah (2026) sottolinea che tutte le attività fisiche attivano ciascun sistema energetico in gradi variabili in base all'intensità e alla durata dell'esercizio. Questa interazione garantisce un'offerta continua di ATP e sottolinea l'importanza di allenare tutti i sistemi energetici per supportare la performance. Ad esempio, durante l'esercizio ad alta intensità della durata di 60-120 secondi, vi è un coinvolgimento sostanziale sia delle vie anaerobiche che di quelle aerobiche, dimostrando che il picco di consumo di ossigeno (VO2max) può essere raggiunto anche in attività spesso descritte come anaerobiche.

Riconoscendo l'interazione dinamica dei sistemi energetici, allenatori e atleti possono progettare programmi di allenamento che prendano di mira specifiche vie metaboliche rispettando al contempo il fatto che tali vie si sovrappongono. Questa comprensione completa sottolinea i limiti di un tradizionale modello a 5 zone di frequenza cardiaca quando viene utilizzato come unica prospettiva di allenamento. Un semplice modello basato sulla frequenza cardiaca può essere utile per la comunicazione, ma può semplificare eccessivamente i contributi energetici e mancare della specificità necessaria per il nuoto competitivo. Adottare un approccio più sfumato, come un sistema dettagliato a più zone, può meglio rispondere alle particolari richieste energetiche dei diversi sport e supportare uno sviluppo atletico più individualizzato.

Questo è un problema di risoluzione. Se un'ampia zona contiene sforzi con durate diverse, intervalli di recupero, densità, richieste di bracciata e sollecitazioni predominanti delle vie diverse, la zona registrata può sembrare simile mentre il carico interno reale è diverso. Ciò rende più difficile sapere se una sessione ha sviluppato la capacità prevista, prodotto la fatica prevista o creato la giusta domanda di recupero.

Perché è importante: Se due serie portano la stessa etichetta di zona ma creano diversi stress delle vie e diversa domanda di recupero, il registro di allenamento può sembrare preciso mentre l'effetto di allenamento reale rimane confuso.

Visualizzazione livellata di Wise Racer basata su Swanwick e Matthews (2018), Tabella 2. La figura è intesa come un riassunto visivo concettuale del cambiamento del contributo del sistema energetico nel corso della durata dell'esercizio massimale, non come uno strumento di prescrizione esatta.

Perché non utilizzare le zone di allenamento esistenti?

Molti sistemi di zone di allenamento esistenti possono mancare della specificità e dell'adattabilità necessarie per un allenamento completo. Molti di essi sono utili per il fitness generale, l'allenamento orientato alla salute e la comunicazione semplice, ma non tengono pienamente conto delle distinte richieste fisiologiche e tecniche del nuoto ad alto livello. Le zone generiche possono contribuire a stimoli di allenamento inadeguati, sforzo sprecato o scarsa interpretazione quando vengono utilizzate senza un contesto specifico dello sport. Sono anche una base più debole per l'allenamento sportivo personalizzato supportato dall'IA, a meno che il modello sottostante non catturi le variabili che effettivamente plasmano l'effetto di allenamento.

Limitazioni dei sistemi di allenamento a 5 zone o meno:

• Uso predominante dell'intensità: La maggior parte dei sistemi di zone di allenamento, in particolare quelli che fanno riferimento solo alla frequenza cardiaca, non considerano altre variabili importanti come durata, recupero, metodi di allenamento e densità. Queste variabili sono importanti quando si prescrive l'esercizio e si interpreta il probabile effetto di allenamento. Variazioni od omissioni di qualsiasi di queste variabili rendono gli effetti del carico di allenamento difficili da interpretare. I sistemi completi integrano queste variabili per fornire un quadro di allenamento più completo.
• Specificità limitata negli adattamenti di allenamento: I sistemi semplificati potrebbero non fornire sufficiente specificità per enfatizzare diversi tipi di fibre muscolari e vie metaboliche. Un modello più dettagliato, come il proposto framework a 9 zone di Wise Racer, è concepito per fornire obiettivi di allenamento più precisi distinguendo tra enfasi sui sistemi energetici e scopi dell'allenamento.
• Sviluppo inadeguato delle capacità aerobiche e anaerobiche: Un sistema semplificato potrebbe non descrivere adeguatamente lo sviluppo sia delle capacità aerobiche che anaerobiche. Sistemi più dettagliati possono descrivere meglio le esigenze dell'atleta separando l'allenamento per le enfasi aerobiche e anaerobiche del sistema energetico.
• Ridotta capacità di perfezionare il lavoro sulla performance: Un modello più completo può fornire un controllo più preciso sull'intensità, il volume, il recupero e la densità dell'allenamento, supportando un processo decisionale migliore orientato alla performance. Un sistema semplificato può mancare della granularità necessaria per perfezionare l'allenamento per il picco di performance.
• Potenziale per sovrallenamento o sottosviluppo: Senza la struttura dettagliata di un sistema completo, può essere più facile per gli atleti allenarsi troppo duramente, troppo facilmente o con la struttura di recupero sbagliata. I sistemi dettagliati forniscono indicazioni più chiare per intensità e recupero, riducendo l'ambiguità nella progettazione dell'allenamento.
• Mancanza di monitoraggio e feedback dettagliati: I sistemi semplificati potrebbero non fornire il monitoraggio e il feedback dettagliati necessari per monitorare i progressi e apportare gli aggiustamenti necessari. I sistemi completi possono offrire metriche più precise per valutare l'efficacia dell'allenamento.
• Incapacità di affrontare le differenze individuali: Gli atleti hanno risposte fisiologiche uniche all'allenamento. Un sistema completo può meglio accogliere le differenze individuali fornendo una gamma più ampia di intensità di allenamento, strutture di recupero e opzioni di monitoraggio.
• Opportunità mancate per adattamenti specifici: I sistemi completi possono essere progettati per enfatizzare adattamenti specifici come lo sviluppo della soglia del lattato, lo sviluppo del VO2max, la potenza anaerobica e la capacità di recupero. I sistemi semplificati possono perdere questi adattamenti specifici a causa di una categorizzazione più ampia.
• Ridotta flessibilità nella progettazione dell'allenamento: I sistemi semplificati possono limitare la flessibilità nella progettazione di programmi di allenamento che affrontino le varie richieste delle diverse gare di nuoto e le esigenze individuali degli atleti. I sistemi completi possono offrire maggiore flessibilità nella personalizzazione dei programmi di allenamento.

Per affrontare questi problemi, Wise Racer ha sviluppato un sistema completo di zone di allenamento che integra una comprensione più approfondita dei sistemi energetici e delle vie metaboliche. Rivedendo le zone di allenamento tradizionali, miriamo a fornire un supporto all'allenamento più preciso e individualizzato ad allenatori, atleti e appassionati di fitness. Questa è un'applicazione del modello Wise Racer: è informata dal panorama delle fonti, ma dovrebbe essere affinata attraverso la pratica di allenamento, i dati degli atleti e la validazione continua.

Questo articolo è solo il primo passo. Il prossimo articolo esaminerà più da vicino le vie metaboliche e i sottosistemi che contribuiscono alla performance nel nuoto. Successivamente, mapperemo questi contribuenti a un sistema di zone di allenamento per la performance più completo basato sull'idea di prendere di mira lo stimolo predominante per specifiche vie su durate di esercizio rilevanti. Un articolo successivo stabilirà poi le basi separate del sistema di zone orientato al fitness, dove gli obiettivi, i limiti di sicurezza e la risoluzione necessaria sono diversi.

Sintesi

Comprendere i sistemi energetici e le vie metaboliche del corpo è importante per prendere decisioni migliori orientate alla performance. Le zone di allenamento tradizionali, pur essendo fondamentali, spesso mancano della specificità richiesta per l'allenamento sportivo ad alto livello. Quando le zone sono troppo ampie, possono nascondere differenze importanti nel carico interno, nello stress delle vie, nella domanda di recupero e nell'effetto di allenamento. Rivedere queste zone per includere indicatori più precisi può supportare un allenamento più mirato. L'integrazione dell'IA nell'allenamento offre un potenziale significativo, inclusi piani personalizzati e feedback, ma si basa su modelli di allenamento ben definiti, dati di alta qualità e un'attenta validazione. Riconoscere la complessità dei sistemi energetici evidenzia la necessità di approcci di allenamento completi. I sistemi semplificati possono contribuire a decisioni peggiori quando vengono utilizzati al di là del loro scopo previsto. Questo supporta il valore di un sistema di zone di allenamento più sfumato, come quello sviluppato da Wise Racer, progettato per supportare lo sviluppo della performance individuale e la revisione del rischio legato all'allenamento, rimanendo al contempo adattabile man mano che le evidenze e la pratica evolvono.

Vogliamo sentire la tua opinione!

Ci piacerebbe molto sentire i tuoi pensieri sui concetti discussi in questo articolo. Come incorpori la comprensione dei sistemi energetici nella tua pratica di allenamento o di coaching? Hai sperimentato diversi sistemi di zone di allenamento e quali risultati hai ottenuto?

Nota: Questo articolo è stato originariamente scritto in inglese e tradotto in altre lingue utilizzando strumenti automatizzati di IA per poter condividere queste informazioni con più persone. Facciamo del nostro meglio per mantenere le traduzioni accurate e facili da comprendere, e accogliamo con piacere l'aiuto della comunità per migliorarle. Se qualcosa in una versione tradotta non è chiaro, errato o differisce dalla versione inglese, il testo originale in inglese deve essere considerato la versione ufficiale.

Fonti

• 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.