Predicción del rendimiento

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si contin√ļa navegando est√° dando su consentimiento para la aceptaci√≥n de las mencionadas cookies y la aceptaci√≥n de nuestra pol√≠tica de cookies, pinche el enlace para mayor informaci√≥n. Saber m√°s

Acepto

Predicción del rendimiento

Written by: Super User
Creado: 27 Octubre 2015
Visto: 652
Prediccion Rendimiento 1 3 1

Existen muchos trabajos científicos que han estudiado la importancia relativa de estos factores en la predicción del rendimiento en carreras de fondo. Una conclusión general de todos ellos es que las mejores variables para predecir el rendimiento son, en efecto, las marcas en otras distancias de competición (Deason et al 1991, Noakes et al 1990, Farrell et al 1979, Slovic 1977). Pero incluso con datos científicos, esto no aporta soluciones al proceso de entrenamiento, por cuanto no revela explícitamente qué aspectos a nivel fisiológico requieren mayor mejora. El presente apartado identifica la importancia de cada uno de esos aspectos en relación a cada prueba desde el 800 hasta el maratón. Las figuras 1.3.4 a 1.3.9 muestran modelos de regresión múltiple que incluyen en algunos casos variables antropométricas y de entrenamiento previo a la competición.

Hemos preferido centrarnos en ello y no en correlaciones de una sola variable debido a que además en corredores con perfiles distintos la predicción de marcas puede ser muy distinta de la realidad (Noakes 1988).  Dado que el grado y tipo de entrenamiento y el género pueden influir en las predicciones, además del perfil fisiológico individual, esto se indica en los casos que se ha discriminado en el diseño de investigación. En todos los modelos de predicción hemos indicado el nivel de marcas de los/as atletas, de cara a poder aplicar preferiblemente unas u otras ecuaciones. En cada prueba se destacan las variables más a menudo destacadas en los estudios en general como de alta potencialidad predictora (tanto los trabajos de los modelos de regresión como otros).

Para simplificar y filtrar la gran cantidad de datos publicados, tanto en estas figuras como en el texto en general se han seleccionado habitualmente modelos o correlaciones con r>0.8. Tal y como ya se indicó en el artículo factores determinantes del rendimiento las variables fisiológicas relacionadas con el rendimiento son, sintetizando, el VO2max, el Umbral Anaeróbico, la Economía y las prestaciones Anaeróbicas (y sus velocidades relacionadas). Para realizar una exposición más clara, trataremos cada factor por separado.

VO2max, Velocidad desarrollada a VO2max, Velocidad Pico

La velocidad pico en un test progresivo es una variable que habitualmente se ha identificado como gran predictora del rendimiento (Scott y Houmard 1994, Houmard et al 1991, Noakes et al 1990, Scrimgeour et al 1986), así como la velocidad mínima que solicita ya VO2max (Grant et al 1997, Yoshida et al 1993, Daniels y Daniels 1992, Morgan et al 1989). Ésta última, también llamada Velocidad Aeróbica Máxima (VAM, VMA, MAV según traducciones) o Vamáx (según autores), supone un referente muy interesante para establecer intensidades de entrenamiento relativas, ya sea en zonas de velocidad o junto a la frecuencia cardiaca (FC) (Morgan et al 1989). Su ventaja añadida es que no requiere de mediciones de lactato (Yoshida et al 1993), e incluso puede determinarse indirectamente, en caso de no poder medir VO2, como la velocidad media que se puede mantener en un test de 5 min (Berthon et al 1997a, Berthon et al 1997b, Chamoux et al 1996). Se ha indicado que éste sería un gran test para evaluar el VO2max indirectamente y el rendimiento en varias pruebas (especialmente los 3000m) (Berthon et al 1997a) aunque no hay fiabilidad sobre la estimación del valor del mismo en grupos heterogéneos de nivel y género (Berthon et al 1997a), a diferencia de otras pruebas de tiempo o distancia que sí estiman el valor de VO2max.

El valor de VO2max (habitualmente en su expresión relativa mlVkg-1Vmin-1), se relaciona también con el rendimiento en carreras de fondo (Deason et al 1991, Fay et al 1989, Brandon y Boileau 1987, Cisar et al 1986).

Es preciso saber que los valores en tapiz y en campo resultan iguales (Meyer et al 2003), de cara a establecer limitaciones de las evaluaciones en laboratorio. Pero hay que recordar que parece que el VO2max se estabiliza a los pocos años de entrenamiento. En definitiva, es sabido que para el alto rendimiento es preciso un elevado nivel de VO2max, pero a partir de ciertos valores elevados ya no influye tanto en el rendimiento como otras variables (Berg 2003, Kenney y Hodgson 1985).

Umbral Anaeróbico, velocidad desarrollada a umbral anaeróbico, % del umbral anaeróbico relativo al VO2max

El lector debe recordar que bajo esta terminología agrupamos ya en el artículo factores determinantes del rendimiento las diversas metodologías para establecer un segundo umbral fisiológico. Como ya indicamos, lógicamente el Máximo Estado Estable de Lactato parece el más adecuado (Billat 2003). En relación a su determinacióm, Beneke (2003) evaluó 14 métodos distintos para ello, seleccionando las 3 principales variables. Indicó así que se deberían usar cargas constantes de al menos 30 min donde el incremento de la concentración de lactato al final de la prueba, desde la medición realizada a los 10’, no se exceda en más de 1mMolVL-1.

Así, con sus diversas metodologías, este “Umbral Anaeróbico” aparece en los trabajos tanto en su expresión absoluta (mlVkg-1Vmin-1 o concentración de lactato) como relativa al VO2max (%VO2max), así como a la velocidad desarrollada en cada metodología. También la deflexión de la Frecuencia Cardiaca (FC) ha sido un método utilizado en diversas ocasiones, tanto en el protocolo original de Conconi y colaboradores (1980 y 1982) como en variantes del mismo. Se ha visto que está muy relacionado con el VT2, pero que se sitúa por encima de éste en las variables de velocidad, FC y VO2 entre un 7 y un 9% (Zacharogiannis y Farrally 1993). Así mismo que es comparable entre campo y laboratorio (Maffulli et al 1991), y que su velocidad asociada muestra altas correlaciones con el rendimiento desde los 3000 metros (Petit et al 1997, Maffulli et al 1991).

La velocidad de competición óptima en 10 kms sería la del umbral de deflexión de la FC multiplicada por 1,01 en bajo nivel o 1,03 en alto nivel (Petit et al 1997, Daniels y Gilbert 1979). La velocidad del umbral anaeróbico se halló igual a la velocidad de competición en 10 kms para corredores/as con marcas entre 41 y 51 min, usando tanto los métodos de la Dmáx como el de incremento de más de 1mMolVL-1 entre cargas sucesivas en test progresivo escalonado (Nicholson y Sleivert 2001).

La velocidad o ritmo de maratón se relaciona con las velocidades de carga constante en test de campo de 2,5 a 3 mMolVL-1 de lactato (corredores/as de 2h 30 min a 2h 50 min) (Föhrenbach et al 1987), y en todos los niveles (3 h 48 min a 2 h 17 min) con una velocidad ligeramente superior a la del OPLA, entre 3 y 7 metros/min más rápido (Farrell et al 1979). Ciertamente será una velocidad entre umbrales, y según el método se obtendrá más o menos relación con uno de ellos, pues otros vieron que el primer umbral de lactato no se relacionaba tanto con la marca en maratón como el segundo (muestra de 427 hombres y mujeres de nivel heterogéneo) y probablemente el nivel influya, por ello a mayor cantidad de la muestra de bajo nivel mayor peso tenga el primer umbral, y viceversa (Roecker et al 1998).

En los diversos modelos de predicción se pueden hallar las ecuaciones de éstos y otros trabajos. Es preciso indicar que en  algunas de esas ecuaciones se ha usado el término “Umbral Anaeróbico”, con las siglas “UAN”, para simplificar, debido a que algunos autores utilizan términos comunes para referirse a metodologías distintas, aunque se hace referencia a ellas. Además hemos indicado la variable y unidad de medida concreta, lógicamente, para que ello no afecte al uso adecuado de estas ecuaciones.

Economía

La economía, por su parte, parece que no ha sido bien estudiada en la gran mayoría de trabajos, pues no parece discriminar el rendimiento de por sí, únicamente de forma combinada con otras variables en regresiones múltiples (Fay et al 1989). Bien es cierto que se muestra de forma implícita en la Vpico, pues tanto del VO2max como de la economía deberían permitir que el corredor aguante más tiempo en esas pruebas incrementales, tanto por generar una gran potencia como por hacerlo de forma eficiente desarrollando así una mayor velocidad con una determinada energía (Daniels y Daniels 1992, Noakes et al 1990). Quizá por ello la velocidad pico permita predecir el rendimiento en un gran espectro de distancias en corredores entrenados, como observaron Scrimgeour y colaboradores (1986), desde los 10 a los 90 kms, y otros observaron también en los 1500 y 3000 metros (Slattery et al 2006, Roecker et al 1998, Yoshida et al 1993, Noakes et al 1990, Noakes et al 1988, Cisar et al 1986).

La figura 1.3.2 ilustra, con ejemplos posibles, esta importancia relativa del valor de VO2max frente a economías de carrera muy diversas. Concretamente, puede observarse cómo a igual VO2max cada sujeto (“A”, “B” o “C”) alcanza una Vpico o VAM distinta, fruto de sus diferencias en la tendencia general del coste energético.

prediccion rendimiento 1 3 2

Clásicamente se ha indicado que la economía debía medirse a velocidades bajas, como por ejemplo serían las indicadas en la figura 1.3.2, o inferiores (pues para el corredor “A” ya sería muy elevada). Esto permite observar fácilmente un coste energético estable. Pero Daniels y Daniels, en 1992, en un magnífico trabajo, remarcaban que la economía también debería valorarse a altas velocidades, tales como la de competición, y por encima de ella, incluso cerca de VO2max. Medirla al 100% no sería adecuado por estar el VO2 declinando hacia meseta, y aparecería el/la atleta con gran economía en esa velocidad, por lo que indicaron que lo ideal sería medir la economía al 95% de VO2max. El inconveniente con las altas velocidades es la dificultad para lograr un consumo estable debido al componente lento.

Otra opción sería medir la economía siempre a velocidades cercanas a la competición, preferiblemente en distancias superiores a los 1500 (para que sean velocidades iguales o inferiores a la VAM), quizá con largas duraciones o distancias de esfuerzo (1/4 – 2/3 de la prueba), pese a incurrir en dicho componente lento, que en cualquier caso ocurrirá en mayor medida en competición.

Tanto por aspectos morfológicos como metabólicos, como de hábitos de entrenamiento, los fondistas deberían ser más económicos que los mediofondistas. Pero no siempre se ha hallado así a bajas velocidades (Daniels y Daniels 1992). Puede que los mediofondistas puedan parecer más económicos que los fondistas, por mayor tendencia inicial al sistema de potencia glucolítica que junto con el mayor peso puedan mostrar en duraciones cortas de esfuerzo un menor VO2.

En resumen, parece que para evaluar la economía se deberían seleccionar velocidades competitivas o elevadas, y debería tenerse muy en cuenta el efecto de la duración del esfuerzo.

Es lógico que las variables antropométricas y de composición corporal tengan relación con el rendimiento, dado que tiene que ver claramente con un menor coste energético en una actividad como es la carrera a pie, donde debe transportarse el peso corporal con movimientos oscilantes de los segmentos en cadena abierta. Las variables que han demostrado ciertas relaciones con el rendimiento (pero de menor correlación por lo general que las variables de esfuerzo) han sido la mayor ectomorfia, el menor % graso, el menor Índice de Masa Corporal, el peso y el peso libre de grasa (Berg et al 1998, Housh et al 1986, Bale et al 1985).

Como aparente hecho anecdótico, pero de notable importancia, Saltin (2003) halló una modesta (r2=0,6) relación directa entre el menor perímetro de la pierna (no el muslo, sino por debajo de la rodilla) y el menor gasto energético relativo (VO2, expresado en ml/kg0,75/min) pudiéndose estimar el rendimiento de forma indirecta. Biomecánicamente, una pierna más fina y menos pesada es más fácil de mover y controlar en la acción de péndulo de la carrera, que se traduciría en un ahorro energético (Myers y Steudel 1985).

Así, la economía no solo se ha de entender como un menor gasto a cualquier intensidad, pues de esa forma parecería, que solo importa en las pruebas de fondo, como en ocasiones se ha dicho (Deason et al 1991). La economía también puede permitir que con un mismo gasto se logre un mayor rendimiento, concretamente, avanzar más en cada paso, y con ello desarrollar una mayor velocidad. Por ello en este caso se relaciona con los aspectos musculares, y con ello es importante también en los corredores de mediofondo para no solo lograr desarrollar una zancada más potente sino, sobretodo, mantener dicha potencia con la aparición de la fatiga. Con ello hacemos referencia también a la capacidad anaeróbica, pues la economía mide un coste de VO2.

Capacidad anaeróbica, potencia muscular

Sabido es que la habilidad para aclarar lactato e hidrogreniones puede prevenir el inicio de la fatiga (Juel 1996). Bret y col (2003) hallaron que los medifondistas de 800 y 1500 metros tenían mejor capacidad para el intercambio de lactato que los sprinters de 100 y 400 metros, parece que por adaptaciones metabólicas relacionadas con hábitos de entrenamiento. Parece que los mejores corredores de 800 son los que mejor intercambio logran. Sin embargo, hallaron similar habilidad para la remoción en todos (100 a 1500m), puede que porque unos lo remuevan por neoglucogénesis en las fibras rápidas y otros por oxidación. Esto sugiere que no es una habilidad que influya en el rendimiento en estas especialidades. Cierto es que la amplia recuperación entre competiciones (mínimo 1 día habitualmente en la alta competición) puede hacer que eso sea así, mientras que por el contrario, en otros deportes como los de lucha o de equipo, esta habilidad pueda ser crucial.

Ramsbottom y colaboradores (1994) hallaron cierta relación entre el Déficit Acumulado de Oxígeno (AOD) y la marca en 800 en un grupo de hombres de nivel heterogéneo, algo que no hallaron Olesen et al en dos grupos con niveles distintos de corredores (1994), del mismo modo que Craig y Morgan (1998). Quizá la causa sea que en muestras pequeñas y homogéneas el AOD no discrimine el rendimiento. Aunque hayan indicado que el déficit pico de oxígeno o el Máximo AOD sean de las mejores variables para medir la capacidad  anaeróbica, Weyand y colaboradores (1994) hallaron solo una modesta relación del mismo con el rendimiento en 800, 1500 y 5000.

Deason y colaboradores (1991) hallaron un modelo de regresión múltiple para la marca en 800 a partir de las marcas en tests de 100 y 300m, claramente anaeróbicos. Posiblemente, aunque la contribución anaeróbica sea crucial, debido a los datos sobre su participación relativa, donde vemos que ya desde el 800 la contribución total anaeróbica no es predominante (Spencer y Gastin 2001, Spencer et al 1996), es lógico que apenas puedan aplicarse ecuaciones para predecir el rendimiento a partir de aspectos neuromusculares de forma independiente, y que sean necesarias variables tanto de potencia aeróbica como anaeróbica.

El trabajo de Housh y colaboradores (1988) con corredores de 800 a 3000m ejemplifica esta cuestión, aunque fuera con corredores de bajo nivel. Midiendo variables tanto aeróbicas como anaeróbicas y de fuerza y composición corporal, no hallaron que ninguna variable de forma independiente tuviera correlación. Sin embargo, sí la tuvieron en una regresión múltiple todas las principales que se han ido indicando. Otro grupo muy activo al respecto de estos temas ha sido el de los finlandeses Paavolainen, Nummela y Rusko (y colaboradores), evaluando habilidades neuromusculares como el salto o el sprint así como un test anaeróbico (“MART”) y relacionando estas variables con la carrera de 5000 metros (Nummela et al 2006, Paavolainen et al 1999).

El test MART consiste en 10 repeticiones de 150m o 20 s (según sea pista o tapiz) a velocidad creciente hasta la máxima posible y pausas de 100 segundos (Nummela et al 2006, Paavolainen et al 2000, Paavolainen et al 1999). Tanto su aplicación en pista como en tapiz para equivalente en cuanto a poder predecir el rendimiento (Nummela et al 2007). La figura 1.3.7 detalla los cálculos que se derivan de ello y una regresión múltiple para estimar el ritmo de 5000.

Predicción a largo plazo

Otro concepto interesante es el de predecir el margen de mejora en el rendimiento conforme pasen los años. Péronnet y colaboradores proponen en su libro de 2001 una serie de  hipótesis” más o menos optimistas o restrictivas, partir de las siguientes variables de la figura 1.3.9. Esta primera parte del proceso predictivo propuesto tiene como puede observarse una parte subjetiva importante, si bien a partir de ello los autores aplican cálculos del “techo” de mejora en los factores determinantes del rendimiento, y a partir de ahí de las marcas a las que puede aspirar el/a atleta.

prediccion rendimiento 1 3 3

Como conclusión, los factores que determinan el rendimiento son independientes, pero interaccionan entre sí (Brandon 1995). Esta visión global debe tenerse en cuenta de cara a las predicciones del rendimiento. Las figuras 1.3.4 a 1.3.9 permiten calcular las posibilidades de marca del/a atleta a partir de datos de evaluaciones, asumiendo un adecuado planteamiento para la competición en lo psicológico y lo táctico, y condiciones ambientales favorables.

prediccion rendimiento 1 3 4

prediccion rendimiento 1 3 5

prediccion rendimiento 1 3 6

prediccion rendimiento 1 3 7

prediccion rendimiento 1 3 8

prediccion rendimiento 1 3 9

prediccion rendimiento 1 3 9 1

prediccion rendimiento 1 3 9 2

JONATHAN ESTEVEZ LANAO - Doctorado en actividad física y salud.

REFERENCIAS BIBLIOGRÁFICAS EN ESTE APARTADO:

Bale P, Bradbury D, Colley E. Anthropometric and training variables related to 10km running performance. Br J Sports Med 1986;20:170-173.

Bale P, Rowell S, Colley E. Anthropometric and training characteristics of female marathon runners as determinants of distance running performance. J Sports Sci 1985;3:115-126.

Beneke R. Methodological aspects of maximal lactate steady state-implications for performance testing. Eur J Appl Physiol 2003;89:95-99.

Berg K. Endurance training and performance in runners. Research limitations and unanswered questions. Sports Med 2003;33:50-73.

Berg K, Latin RW, Coffey C. Relationship of somatotype and physical characteristics to distance running performance in middle age runners. J Sports Med Phys Fitness 1998;38:253-257.

Berthon P, Fellmann N, Bedu M, Beaune B, Dabonneville M, Coudert J, Chamoux A. A 5-min running field test as a measurement of maximal aerobic velocity. Eur J Appl Physiol Occup Physiol 1997a;75:233-238.

Berthon P, Dabonneville M, Fellmann N, Bedu M, Chamoux A. Maximal aerobic velocity measured by the 5-min running field test on two different fitness level groups. Arch Physiol Biochem 1997b;105:633-639.

Billat V. Fisiología y Metodología del Entrenamiento. Paidotribo, Barcelona 2002.

Brandon LJ, Boileau RA. The contribution of selected variables to middle and long distance run performance. J Sports Med Phys Fitness 1987;27:157-164.

Brandon LJ, Physiological factors associated to middle distance running performance. Sports Med 1995;19:268-277.

Bret C, Messonnier L, Nouck Nouck JM, Freund H, Dufour AB, Lacour JR. Differences in lactate exchange and removal abilities in athletes specialised in different track running events (100 to 1500 m). Int J Sports Med 2003;24:108-113.

Chamoux A, Berthon P, Laubignat JF. Determination of maximum aerobic velocity by a five minute test with reference to running world records. A theoretical approach. Arch Physiol Biochem 1996;104:207-211.

Cisar CJ, Thorland WG, Johnson GO, Housh TJ. The effect of endurance training on metabolic responses and the prediction of distance running performance. J Sports Med Phys Fitness 1986;26:234-240.

Conconi F, Ferrari M, Ziglio PG, Droghetti P, Codeca L. Determination of the anaerobic threshold by a noninvasive field test in runners. J Appl Physiol 1982;52:869-873.

Conconi F, Ferrari M, Ziglio PG, Droghetti P, Codeca L. [Determination of the anaerobic threshold by a noninvasive field in man](italiano) Boll Soc Ital Biol Sper 1980;56:2504-2510.

Craig IS, Morgan DW. Relationship between 800-m running performance and accumulated oxygen deficit in middledistance runners. Med Sci Sports Exerc 1998;30:1631-1636.

Daniels J, Daniels N. Running economy of elite male and elite female runners. Med Sci

Sports Exerc 1992;24:483-489. Daniels JT, Gilbert J. Oxygen Power: Performance tables for distance runners. Oxygen Power, Tempe AZ, 1979(citado por Petit et al 1997)

Davies CT, Thompson MW. Aerobic performance of female marathon and male ultramarathon athletes. Eur J Appl Physiol Occup Physiol 1979;41:233-245.

Deason J, Powers SK, Lawler J, Ayers D, Stuart MK. Physiological correlates to 800 meter running performance. J Sports Med Phys Fitness 1991;31:499-504.

Evans SL, Davy KP, Stevenson ET, Seals DR. Physiological determinants of 10-km performance in highly trained female runners of different ages. J Appl Physiol 1995;78:1931-1941.

Farrell PA, Wilmore JH, Coyle EF, Billing JE, Costill DL. Plasma lactate accumulation and

distance running performance. Med Sci Sports 1979;11:338-344.

Fay L, Londeree BR, Lafontaine TP, Volek MR. Physiological parameters related to distance running perfomance in female athletes. Med Sci Sports Exerc 1989;21:319-324.

Föhrenbach R, Madr A, Hollmann W. Determination of endurance capacity and prediction of exercise intensities for training and competition in marathon runners. Int J Sports Med 1987;8:11-18.

Foster C, Daniles JT. Running by the numbers. Runner’s World 1975;10:14-17. Grant S, Craig I, Wilson J, Aitchison T. The relationship between 3 km running performance and selected physiological variables. J Sports Sci 1997;15:403-410.

Hagan RD, Smith MG, Gettman LR. Marathon performance in relation to maximal aerobic power and training indices. Med Sci Sports Exerc 1981;13:185-189.

Houmard JA, Craib MW, O'Brien KF, Smith LL, Israel RG, Wheeler WS. Peak running

velocity, submaximal energy expenditure, VO2max, and 8 km distance running performance. J Sports Med Phys Fitness 1991;31:345-350.

Housh TJ, Thorland WG, Johnson GO, Hughes RA, Cisar CJ. Body composition and body build variables as predictors of middle distance running performance. J Sports Med Phys Fitness 1986;26:258-262.

Housh TJ, Thorland WG, Pohnson GO, Hughes RA, Cisar CJ. The contribution of

selected physiological variables to middle distance running performance. J Sports Med Phys Fitness 1988;28:20-26. Iwaoka K, Hatta H, Atomi Y, Miyashita M. Lactate, respiratory compensation thresholds, and distance running performance in runners of both sexes. Int J Sports Med 1988;9:306-309. Juel C. Lactate/proton co-transport in skeletal muscle: regulation and importance for pH homeostasis. Acta Physiol Scand 1996;156:369-374

Keeney WL, Hodgson JL. Variables predictive of performance in elite middledistance runners. Brit J Sports Med 1985;4:207-209.

Maffulli N, Capasso G, Lancia A. Anaerobic threshold and performance in middle and long distance running. J Sports Med Phys Fitness 1991;31:332-338.

Mahon AD, Del Corral P, Howe CA, Duncan GE, Ray ML. Physiological correlates of 3-

kilometer running performance in male children. Int J Sports Med 1996;17:580-584

Martin DE, Coe PN. Training distance runners, pp 149. Human Kinetics, Champaign IL, 1991.

Meyer T, Welter JP, Scharhag J, Kindermann W. Maximal oxygen uptakeduring field running does not exceed that measured during treadmill exercise. Eur J Appl Physiol 2003;88:387-389.

Morgan DW, Baldini FD, Martin PE, Kohrt WM. Ten kilometer performance and predicted velocity at VO2max among welltrained male runners. Med Sci Sports Exerc 1989;21:78-83.

Myers, M.J., Steudel, K. Effect of limb mass and its distribution on the energetic cost of running. J Exp Biol 1985;116:363–373.

Nicholson RM, Sleivert GG. Indices of lactate threshold and their relationship with 10-km running velocity. Med Sci Sports Exerc 2001;33:339-342.

Noakes TD. Lore of Running. 4ª edición, Human Kinetics, Champaign, IL, 2003.

Noakes TD, Myburgh KH, Schall R. Peak treadmill running velocity during the VO2 max test predicts running performance. J Sports Sci 1990;8:35-45.

Noakes TD. Implications of exercise testing for prediction of athletic performance: a

contemporary perspective. Med Sci Sports Exerc 1988;20:319-330.

Nummela A, Hamalainen I, Rusko H. Comparison of maximal anaerobic running tests on a treadmill and track. J Sports Sci 2007;25:87-96.

Nummela AT, Paavolainen LM, Sharwood KA, Lambert MI, Noakes TD, Rusko HK. Neuromuscular factors determining 5 km running performance and running economy in well-trained athletes. Eur J Appl Physiol 2006;97:1-8. O’Brien MJ, Viguie CA, Mazzeo RS, Brokks

GA. Carbohydrate dependence during marathon running. Med Sci Sports Exerc 1993;25:1009-1017.

Olesen HL, Raabo E, Bangsbo J, Secher NH. Maximal oxygen deficit of sprint and middle distance runners. Eur J Appl Physiol Occup Physiol 1994;69:140-46.

Paavolainen L, Nummela A, Rusko H. Muscle power factors and VO2max as determinants of horizontal and uphill running performance. Scand J Med Sci Sports 2000;10:286-291.

Paavolainen LM, Nummela AT, Rusko HK. Neuromuscular characteristics and muscle

power as determinants of 5-km running performance. Med Sci Sports Exerc 1999;31:124-130.

Padilla S, Bourdin M, Barthelemy JC, Lacour JR. Physiological correlates of middledistance

running performance. A comparative study between men and women. Eur J Appl Physiol Occup Physiol 1992;65:561-566.

Péronnet F (coord) Maratón. INDE, Barcelona 2001.

Petit MA, Nelson CM, Rhodes EC. Comparison of a mathematical model to predict 10-km performance from the Conconi test and ventilatory threshold measurements. Can J Appl Physiol 1997;22:562-572.

Ramsbottom R, Nevill AM, Nevill ME, Newport S, Williams C. Accumulated oxygen deficit and short-distance running performance. J Sports Sci 1994;12:447- 453. Roecker K, Schotte O, Niess AM, Horstmann T, Dickhuth HH. Prediciting competition performance in long-distance running by means of a treadmill test. Med Sci Sports Exerc 1998;30:1552-1557.

Saltin B. The Kenya Project - Final report (part 2). New Studies in Athletics 2003;18: 15-26.

Scott BK, Houmard JA. Peak running velocity is highly related to distance running performance Int J Sports Med 1994;15:504- 507.

Scrimgeour AG, Noakes TD, Adams B, Myburgh K. The influence of weekly training distance on fractional utilization of maximum aerobic capacity in marathon and ultramarathon runners. Eur J Appl Physiol Occup Physiol 1986;55:202-209.

Slattery KM, Wallace LK, Murphy AJ, Coutts AJ. Physiological determinants of threekilometer

running performance in experienced triathletes. J Strength Cond Res 2006;20:47-52.

Slovic P. Empirical study of training and performance in the marathon. Res Q 1977;48:769-777.

Sparling PB, Cureton KJ. Biological determinants of the sex difference in 12-min run  performance. Med Sci Sports Exerc 1983;15:218-223.

Spencer MR, Gastin PB. Energy system contribution during 200 to 1500m running in highly trained athletes. Med Sci Sports Exerc 2001;33:157-162.

Spencer MR, Gastin PB, Payne WR. Energy contribution in the 400 – 1500m events. New Studies in Athletics 1996;11:59-65.

Takeshima N, Tanaka K. Prediction of endurance running performance for middleaged and older runners. Br J Sports Med 1995;29:20-23.

Weyand PG, Cureton KJ, Conley DS, Sloniger MA, Liu YL. Peak oxygen deficit predicts sprint and middle-distance track performance. Med Sci Sports Exerc 1994;26:1174-1180.

Yoshida T, Udo M, Iwai K, Yamaguchi T. Physiological characteristics related to endurance running performance in female distance runners. J Sports Sci 1993;11:57- 62.

Zacharogiannis E, Farrally M. Ventilatory threshold, heart rate deflection point and middle distance running performance. J Sports Med Phys Fitness 1993;33:337-347.