主觀疲勞量表（RPE）評估足球運動員訓練負荷的實證研究

陳彥龍，毛萬麗，劉鴻優

訓練負荷作為運動訓練中的核心因素，是運動員訓練期間機體內部生理和心理承受的總刺激[1]。準確地收集、量化、評估和控制訓練負荷，有助于改進運動員的訓練計劃，減少運動員傷病，提高運動水平[2，3]。

足球作為同場對抗的球類集體運動項目，具有集體性和對抗性強的特征，其訓練負荷的影響因素復雜，量化評估的難度較大[4，5]。一般認為，足球訓練負荷主要包括外部負荷和內部負荷兩種形式[2，6]。現階段，對足球訓練外部負荷的量化主要是通過錄像分析和GPS定位技術對運動員的跑動距離和跑動速度進行跟蹤來實現的，而足球訓練內部負荷的量化則通過監控運動員的心率、攝氧量、血乳酸、機體供能等生理學指標來進行。但以上監測方法和手段均需要借助造價昂貴的外部設備，部分測試還需在實驗室內完成，測試條件嚴苛，操作過程繁瑣，不便實施日常訓練監控，反饋及時性和實用性因此受限，同時，還不利于在資金缺乏的草根足球運動隊內推廣運用[2]。因此，尋求更加經濟實惠、更具有可操作性的足球訓練負荷監控方法具有極高的實踐價值。

主觀疲勞量表 （Rating of Perceived Exertion Scale，以下簡稱RPE，見表1），作為一種高效便捷的心理測試量表，在采集運動員訓練負荷數據時具備簡單、直接、經濟和可操作性強等優勢，在國外已被廣泛運用于測算足球運動員的訓練負荷[2]。但應用RPE的訓練負荷評價過程是一個心理生理過程，因而，相對于生理學指標評定結果的客觀性和準確性，RPE訓練負荷量化結果具有較大的主觀性和不確定性。因此，若要在運動訓練實踐中推廣RPE，首先要保障RPE量化訓練負荷的有效性。

表1 主觀疲勞量表（RPE）Table I Rating of Perceived Exertion Scale（RPE）

Impellizzeri等首次對應用RPE監控足球運動員訓練負荷的有效性進行評定，采取“訓練后RPE值×有效訓練時間”的方式來估算19名足球運動員在27次訓練任務中的訓練負荷，并證實估算值與心率測算值具有較好的相關性（不同運動員的相關系數略有不同，介于0.50和 0.85之間，P值皆小于0.01）[6]。該研究并未搜集運動員的訓練前RPE值，因此無法探索訓練累積RPE值對訓練負荷的測算效能。劉鴻優等對主觀疲勞量表進行了細微的修改（見表1），使其能夠同時測得運動員在訓練前和訓練后的RPE值，并將修改后的量表運用于波蘭職業足球運動員的訓練負荷監控，其研究結果顯示，運動員在訓練中的體重流失與訓練后RPE值不存在顯著相關性（P＞0.05），而與訓練累積 RPE 值呈現中度相關（P＜0.05，R=0.49），從而得出了 “訓練累積RPE值比訓練后RPE值能更準確地反應足球運動員的訓練負荷”的結論[2]。該研究雖然納入了運動員的訓練前RPE值，引入了訓練累積RPE值，但并未納入有效訓練時間，與此同時，該研究的參考指標為易受個體差異和外部環境因素影響的“體重流失”，實驗結果的準確性尚有較大欠缺。

基于上述，本文引入訓練前RPE值、訓練累積RPE值，納入運動員的有效訓練時間，對RPE估算的足球運動員訓練負荷與心率傳感器監測到的運動員內部訓練負荷進行相關性分析，進一步驗證RPE在足球運動員訓練負荷量化評估中的有效性。

1 研究方法

1.1 實驗測試

1.1.1測試對象

本研究的測試對象為廣東省華南師范大學乙組足球隊的 16 名運動員[年齡（21±2） 歲，身高（176.6±5.1）cm，體重（67.3±5.8） kg，BMI指數 21.6±2.0]，該足球隊是廣東省傳統足球強隊，長期占據省大學生足球聯賽的前三名。實驗測試在獲得教練員和所有運動員的同意之后進行。

1.1.2測試工具和量表

本研究采用的測量工具和量表分別為芬蘭產的心率采集系統（Polar Team2，每名測試對象運動員都配有一個專用心率傳感器）和劉鴻優等改進后的主觀疲勞量表（見表1）。

1.1.3測試過程

測試對象運動隊的常規訓練日定為學校每個正常教學周的周一、周三和周四。訓練開始時間約為下午 3：30，持續時間 70～120 min不等，主要訓練內容包括熱身、小范圍傳接球練習和比賽戰術演練等。本研究對測試對象從2016年3月至2016年11月的所有訓練日進行了數據采集和跟蹤，為了盡可能地保證實驗測試的客觀性，實驗人員不干涉或更改教練員的訓練計劃。由于選修課時間沖突和個人事務的原因，所有的測試對象運動員皆出現了不同次數的缺席情況，沒有任何一名運動員參與了所有的測試（最多參與19次，最少參與9次）。

每次訓練開始前15 min，實驗人員通過量表采集每位運動員的訓練前RPE值，同時幫助運動員佩戴并激活心率傳感器（Polar Team2）。訓練結束后的15～30 min，實驗人員通過量表采集每位運動員的訓練后RPE值，解除運動員佩戴的心率傳感器設備。每次訓練的開始時間和結束時間被精確記錄。

1.2 數據分析

每次訓練結束之后，每名實驗對象運動員的RPE數據和心率數據都被導入到個人電腦中進行分析。采取常見的4種基于心率的內部訓練負荷算法，同時采取 “訓練后RPE值×有效訓練時間”（以下簡稱Foster1）和“訓練累積RPE值×有效訓練時間”（以下簡稱Foster2，訓練累積RPE值=訓練后RPE值-訓練前RPE值）兩種RPE算法，對每名運動員每次訓練的內部負荷進行測算。

常見的4種基于心率 （Heart Rate，以下簡稱HR）的內部訓練負荷計算方法是：（1）Banister等的初始算法（以下簡稱Banister1）：訓練負荷=有效訓練時間×訓練期間平均 HR[8]；（2）Banister等的改進算法（以下簡稱 Banister2）：訓練負荷 =A×B×C，A=有效訓練時間 ，B=[(HRT-HRB)/(HRmax-HRB)]（HRT：訓練期間平均 HR，HRB： 靜息 HR，HRmax： 最大HR），C=0.64eDB[e= 自 然 對 數 （2.172），D=1.92（男子）、1.67（女子）][9]；（3）Edwards 等的算法（以下簡稱 Edwards）：詳見表 2[10]；（4）Stagno 等的算法（以下簡稱Stagno）：詳見表2[11]。以上所有算法的計算時間都以“min”為單位，訓練負荷的單位為AU[3]。

表2 Edwards等和Stagno等的訓練負荷算法[10，11]Table II Training Load Algorithms by Edwards et al.and Stagno et al.[10，11]

在所有訓練跟蹤和測算完成之后，將每一個實驗對象運動員當成單獨的研究對象，采用Pearson簡單相關分析法，對兩種RPE算法（Foster1和 Foster2）所得每名運動員每次訓練的內部訓練負荷值與4種HR算法（Banister1、Banister2、Edwards 和 Stagno）所得的內部訓練負荷值的相關性進行檢驗。P＜0.05被認定為具有顯著相關性，相關性越高則證明算法的有效性越高。相關性的高低采取Pearson相關系數（R）來界定：|R|＜0.1 極弱相關；0.1≤|R|＜0.3 弱相關；0.3≤|R|＜0.5低度相關；0.5≤|R|＜0.7 中度相關；0.7≤|R|＜0.9 高度相關；|R|≥0.9 極高度相關[12]。

2 研究結果

如表3所示，測試對象運動員在訓練中以Banister1算法所得的訓練負荷均值為12 187 AU，以Banister2算法所得的訓練負荷均值為90 AU，以Edwards算法所得訓練負荷均值為205 AU，以Stagno算法所得訓練負荷均值為118 AU，以Foster 1算法所得訓練負荷均值為593 AU，以Foster2算法所得訓練負荷均值為300 AU。

表3 基于HR的4種算法與基于RPE的2種算法所得訓練負荷的描述性數據一覽表Table III Descriptive Data of Training Load Based on Four HR Algorithms and Two RPE Algorithms

由表4可見，16名測試對象運動員在訓練過程中由Banister1算法和Foster1算法所得訓練負荷之間呈現非常顯著的高度到極高度相關性 （R介于0.87 和 0.96 之間，P＜0.01）；由 Banister1 算法和Foster2算法所得訓練負荷之間同樣全部呈現顯著相關性（P＜0.05），其中 13人呈現高度到極高度相關（R介于 0.71和 0.91），3人呈現中度相關（R介于 0.61和 0.66）；Banister2算法和 Foster1算法所得訓練負荷之間有9人呈現顯著相關性（P＜0.05），其中7人為高度相關（R介于0.73和0.86），2人為中度相關（R分別為 0.50和 0.55）；Banister2算法和Foster2算法所得訓練負荷之間有10人呈現顯著相關性（P＜0.05），其中6人為高度到極高度相關（R介于 0.72和 0.91），4人為低度到中度相關 （R介于0.49和0.67）；Edwards算法和Foster1算法所得訓練負荷之間有15人呈現顯著相關性 （P＜0.05），其中11人為高度到極高度相關 （R介于0.75和0.91），4人為中度相關 （R介于 0.50和 0.65）；Edwards算法和Foster2算法所得訓練負荷之間有14人呈現顯著相關性（P＜0.05），其中8人為高度到極高度相關（R介于0.75和0.91），6人為中度相關（R介于 0.50和0.68）；Stagno算法和Foster1算法所得訓練負荷之間有10人呈現顯著相關性（P＜0.05），其中6人為高度相關（R介于0.71和0.82），4人為中度相關（R介于0.56和 0.67）；Stagno算法和 Foster2算法所得訓練負荷之間有 9人呈現顯著相關性（P＜0.05），其中7人為高度相關 （R介于0.71和0.84），2人為中度相關（R分別為0.54和0.66）。

表4 基于HR的4種算法與基于RPE的2種算法所得訓練負荷的線性相關關系一覽表Table IV Linear Correlations between Training Load Based on Four HR Algorithms and Training Load Based on Two RPE Algorithms

（續表 4）

3 討論與分析

RPE量表由Borg創制，最初是一個6～20級的醫用量表，用于評價人們在身體活動過程中的主觀疲勞感覺和用力程度，之后修改為0～10級[13]。Foster等對量表進行改編（改編后的量表見表1中的“原始RPE”），并將改編后的RPE運用于運動訓練負荷評估，采取“運動訓練時間（min）×RPE值”的方法來評定訓練負荷的大小[7]。至此以后，RPE因其簡捷、經濟和極強的可操作性而受到體育從業人員的青睞，但該量表收集的數據存在較大的主觀性，其有效性往往容易被質疑。因此，對應用RPE量化評估不同運動項目訓練負荷的有效性進行實證研究就極其重要。而驗證RPE有效性的最佳方法則是將RPE量化的訓練負荷結果與生理學指標評定結果進行比對。國內外學者已采取此方法對應用RPE在多種運動項目訓練負荷監控中的有效性進行了驗證。

Tabben等利用RPE來估算空手道運動員的訓練負荷，結果證實其估算值與采取心率和血乳酸的測試方法測算出來的訓練負荷值具有高度相關性[14]。Wallace等對游泳運動員的訓練負荷進行研究，得出RPE估算的訓練負荷值與心率測算值和運動員的實際游泳練習距離存在顯著相關性[15]。Wallace等還對長跑運動員的訓練進行了研究，其結果顯示，RPE值和心率測算值估算的訓練負荷在長跑運動員的訓練表現評價模型中都體現出顯著性[16]。Herman等采取RPE來估算運動員在抗阻訓練中的訓練負荷，結果顯示RPE訓練負荷估算值與攝氧量測算值和心率測算值估算的訓練負荷都存在高強度相關性[17]，與此同時，Egan等、McGuigan等和 Sweet等的研究則顯示，在各類抗阻訓練中，運動員反饋的RPE值與訓練強度的實際變化值具有較高的一致性[18-20]。何志金等對運動健身強度的判定方法進行了實證研究，其結果顯示RPE值、攝氧量值、心率值、脂肪消耗量、糖消耗量和總能輸出量在健身運動中具有高度的相關性[21]。張勇和魏明涓的研究則顯示，在中等強度范圍內的遞增負荷跑臺運動過程中，RPE值能可靠地預測運動員的最大耗氧量[22]。

如前文所述，Impellizzeri等和劉鴻優等分別采取不同的方法對RPE量化足球運動員訓練負荷的有效性進行了驗證[2，6]。Impellizzeri等利用RPE值、采用Foster1算法，同時收集訓練時的HR數據、采取Banister2算法、Edwards算法和 Lucia算法對 19名足球運動員的訓練負荷進行量化，研究結果顯示通過RPE（Foster1算法）估算的不同運動員每次訓練的負荷與采取Banister2心率算法測算出的運動負荷的相關性平均為0.60（介于0.50～0.77），與采取Edwards心率算法測算出的運動負荷的相關性平均為0.63（介于 0.54～0.78），與采取 Lucia心率算法測算出的運動負荷的相關性平均為0.70（介于0.61～0.85），基于此結果，Impellizerri等認為，采取 “訓練后RPE值×有效訓練時間”測算出的運動員訓練負荷可以作為一個有效的綜合訓練負荷指標[6]。本研究的研究結果則顯示通過RPE（Foster1算法）估算的不同運動員每次訓練的負荷與采取Banister1心率算法測算出的運動負荷的相關性平均為0.91（介于0.87～0.96），與采取Banister2心率算法測算出的運動負荷的相關性平均為 0.62（介于 0.23～0.86），與采取 Edwards心率算法測算出的運動負荷的相關性平均為0.75（介于0.50～0.91），與采取Stagno心率算法測算出的運動負荷的相關性平均為 0.55（介于 0.07～0.82），與 Impellizerri等的研究結果相近，因而可以得出類似結論。圖1展示了Banister1和Foster1算法測算出來的某測試對象運動員在每一個訓練日的訓練負荷大小。

圖1 某測試對象運動員在測試期間每一個訓練日的訓練負荷值Figure 1 Training Load Value of a Subject Athlete on Each Training Day during the Test

劉鴻優等對主觀疲勞量表進行了細微的修改（見表1），使其能夠同時測得運動員在訓練前和訓練后的RPE值，從而可以獲取“訓練累積RPE值”[2]。該研究對18名足球運動員在一次訓練中的體重流失進行測量，將測量結果與訓練后RPE值和訓練累積RPE值進行相關性分析，得出了“訓練累積RPE值比訓練后RPE值能更準確地反應足球運動員的訓練負荷”的結論。本研究采用了劉鴻優等改編的RPE量表，收集了所有測試對象運動員每次訓練的訓練前和訓練后RPE值，進而引入了“累積RPE值×有效訓練時間”這一新的訓練負荷算法（Foster2算法）。由表4中的結果可以看到，通過Foster2算法估算的不同運動員每次訓練的負荷與采取Banister1心率算法測算出的運動負荷的相關性平均為0.79（介于0.61～0.91），與采取Banister2心率算法測算出的運動負荷的相關性平均為0.57（介于0.15～0.91），與采取Edwards心率算法測算出的運動負荷的相關性平均為 0.69（介于 0.38～0.91），與采取 Stagno 心率算法測算出的運動負荷的相關性平均為0.54（介于0.09～0.84）。不難發現，Foster2算法結果與4種心率算法結果的相關性全面低于Foster1算法，與此同時，兩種基于HR的計算方法所得的訓練負荷與Foster1算法所得訓練負荷之間呈現顯著相關性的運動員人數（Edwards算法15人、Stagno算法10人）也高于與Foster2算法所得訓練負荷之間呈現顯著相關性的運動員人數（Edwards算法14人、Stagno算法9人）。由此可見，本研究的結果與劉鴻優等2015年的研究結論存在較大矛盾。如前文所述，劉鴻優等2015年的研究并未納入有效訓練時間來測算運動負荷，且只對一次訓練進行了跟蹤，與此同時，該研究的參考指標為易受個體差異和外部環境因素影響的“體重流失”，驗證結果的準確性相對于本研究的結果，存在較大欠缺。因此，本研究有充足的證據否定“訓練累積RPE值比訓練后RPE值能更準確地反應足球運動員的訓練負荷”這一研究結論。

需要引起注意的是，在本研究和Impellizerri等2004年的研究中，不同運動員的相關系數存在較大差異（最大 0.96、最小 0.07）。 Impellizerri等認為，足球訓練有較多的時間是處在高強度無氧狀態的，不同運動員對該狀態的主觀感覺不一致，導致不同運動員通過RPE估算的訓練負荷值與心率測算估算的訓練負荷的相關性之間出現不一致的相關性[6]。但Haddad等卻并不認可這一解釋，而認為Impellizzeri等未能對翻譯成意大利語版本的RPE量表進行有效的驗證才是導致相關性出現浮動的根本原因[23]。Haddad等對法語版本的RPE量表的翻譯效力進行檢驗之后，將法語版RPE量表運用于25名法國足球運動員的訓練負荷評估，結果顯示RPE估算的訓練負荷值與心率值測算的訓練負荷的相關性介于0.79和0.83之間，大大提升了應用RPE量表估算足球運動訓練負荷的準確性。本研究直接采取了劉鴻優等改編的中文的RPE量表，也有可能是導致本研究結果中出現相關性浮動大的原因。因此，還需要進一步的研究對RPE進行標準化翻譯和譯文驗證，以更加充分地保證RPE量表對中國足球運動員的訓練負荷量化的有效性。

4 結論

4.1通過“RPE值×有效訓練時間”的方法測算出的足球運動員訓練負荷與HR測算方法計算出的運動負荷具有較高的相關性，證明“RPE值×有效訓練時間”可以作為一個有效地評估足球運動員訓練負荷的指標，即RPE能夠有效地量化評估足球運動員的訓練負荷。

4.2通過“訓練后RPE值×有效訓練時間”的測算方法得出的足球運動員訓練負荷與HR測算方法計算出的運動負荷的相關性比“（訓練后RPE值-訓練前RPE值）×有效訓練時間”的測算方法更高，證明“訓練后RPE值”比“訓練累積RPE值”能更加準確地反映足球運動員的訓練負荷。

4.3基于RPE的監控方法與基于HR的監控方法之間的相關性還存在較大的浮動性，因此，該監控方法還無法完全替代心率監控。RPE的翻譯效力被認為是導致該浮動性的主要原因，后續的研究需對RPE進行標準化翻譯和譯文驗證，以更加充分地保證RPE量表對中國足球運動員訓練負荷量化的有效性。