Hvad er atletmonitorering? Sådan fungerer tracking af træningsbelastning og restitution

Det korte svar

Der findes ikke én måling, der fortæller hele historien. De fleste etablerede systemer kombinerer en håndfuld objektive og subjektive mål og ser på tendenser over uger i stedet for at reagere på en enkelt måling.

Hvad er atletmonitorering?

Atletmonitorering betegner den systematiske registrering af træningsstress, kroppens respons og restitutionsstatus over tid. Målet er ret enkelt, selv når metoderne ikke er det: Find ud af, hvor stor belastning en atlet kan klare, opdag når belastningen bliver for stor, og justér, før præstationen falder, eller en skade dukker op.

Atletmonitorering blev gradvist mere formaliseret, i takt med at sportsforskere og trænere tog mere systematiske metoder i brug til at måle træningsbelastning og atleternes respons. En konsensuserklæring fra 2017 i International Journal of Sports Physiology and Performance samlede trænere, sportsforskere og medicinsk personale for at beskrive praksissen og foreslå, hvordan den kan anvendes.

I dag findes atletmonitorering på næsten alle niveauer af sporten - fra professionelle hold med fuldtidsbemandede sportsvidenskabelige afdelinger til individuelle løbere, der logger pulsdata på et smartwatch.

Hvilke fordele giver atletmonitorering?

Atletmonitorering kan hjælpe trænere med at sammenligne træningspas, opdage usædvanlige ændringer i atleternes målinger, føre mere individuelle samtaler og vurdere, hvordan et system fungerer over tid. Det kan også forbedre kommunikationen mellem trænere, atleter, sportsforskere og medicinsk personale.

Disse fordele afhænger af, at relevante data indsamles konsekvent og knyttes til en klar beslutning. Flere data giver ikke automatisk bedre træning.

Hvilke målinger bør hold følge med i?

Der findes ikke ét sæt målinger, som fungerer for alle sportsgrene.

En distanceløber, en basketballspiller og en vægtløfter skaber belastning på forskellige måder. Deres monitoreringssystemer bør afspejle kravene i deres sport og de beslutninger, deres trænere skal træffe. De fleste systemer trækker på følgende kategorier.

Værktøjer og metoder til atletmonitorering

Session-RPE

Session-RPE er en af de enkleste og mest udbredte metoder til at måle intern belastning. Atleten bliver bedt om at vurdere, hvor hårdt et pas føltes, på Fosters modificerede CR10-skala (0-10) cirka 30 minutter efter afslutningen. Et review af metodens validitet fandt, at den korrelerer godt med mere komplekse pulsbaserede mål - helt uden wearables eller ekstraudstyr.

Hjertefrekvensvariabilitet (HRV)

HRV måler variationen i tiden mellem hjerteslag og bruges ofte som én indikator for hjertets autonome aktivitet. Den kan påvirkes af træning, søvn, sygdom, psykisk stress og måleforhold. Et narrativt review fra 2025 anbefalede rutinemæssige målinger under ensartede forhold, hvor ugegennemsnit og variation vurderes i stedet for at bedømme restitution ud fra én enkelt måling.

Acute:chronic workload ratio (ACWR)

ACWR sammenligner en atlets træningsbelastning i den seneste uge (akut) med den gennemsnitlige belastning over de seneste fire uger (kronisk). Idéen er at fange atleter, hvis træning er steget markant over det, kroppen er vant til. Et systematisk review med metaanalyse af ACWR-studier fandt en bredt understøttet sammenhæng mellem belastningsspidser og skadesrisiko på tværs af snesevis af kohortestudier, selvom styrken af sammenhængen varierer med sportsgren, metode og datasæt.

Trivselsspørgeskemaer

Korte spørgeskemaer om søvnkvalitet, ømhed, træthed, stress og humør er fortsat billige værktøjer i atletmonitorering. Et systematisk review fandt, at subjektive mål ofte reagerede på akut og kronisk træningsbelastning med større følsomhed og konsistens end de objektive mål, der indgik i reviewet. Deres nytte afhænger dog stadig af ensartede spørgsmål, atleternes tillid og meningsfuld opfølgning fra staben.

Apps til atletmonitorering

Platforme til atletmonitorering kan samle data fra wearables, træning og selvrapportering i én visning, så man ikke behøver at gennemgå hver enkelt enhed eller app for sig. I en undersøgelse fra 2022 blandt 30 britiske praktikere i elitesport svarede 83 %, at de brugte et atletmonitoreringssystem, og atleternes selvrapporteringer var blandt de mest almindelige input. Undersøgelsen fandt også, at feedbacken til atleterne ofte var begrænset - et tegn på, at dataindsamling kun skaber værdi, når informationen bliver gennemgået og formidlet.

En central platform til atletmonitorering kan være særligt nyttig, når atleterne i en trup bruger forskellige enheder eller datakilder.

Sådan fungerer atletmonitoreringsplatforme i praksis

De fleste moderne systemer følger et lignende forløb.

Etablér en baseline

Indsaml data under ensartede forhold længe nok til at kortlægge atletens normale niveau. Den rette periode afhænger af målingen, træningsfasen og målefrekvensen.

Mål konsekvent

Beslut, hvornår hver måling skal indsamles, og brug så vidt muligt den samme metode hver gang. Skiftende tidspunkter, enheder eller formuleringer i spørgeskemaer kan gøre tendenser sværere at tolke.

Sæt individuelle alarmer

Hvis der bruges alarmer, så basér dem på atletens egen historik, og vurdér dem sammen med holdets kontekst. En alarm bør sætte en gennemgang i gang - ikke automatisk ændre træningen.

Kombinér objektive og subjektive signaler

Ingen enkelt måling er pålidelig nok i sig selv, så trænere kombinerer typisk HRV og træningsbelastning med daglige trivselsscorer, før de træffer en beslutning.

Gennemgå med passende mellemrum

Gennemgå data i den kadence, som beslutningen kræver. Daglige tjek kan understøtte hurtig opfølgning, mens ugentlige gennemgange og gennemgange pr. træningsblok kan hjælpe med at vurdere den bredere tilpasning.

Sådan fortolker du monitoreringsdata med AI

At gennemgå flere datastrømme manuelt tager tid, hvilket er en del af forklaringen på, at AI-assistenter er blevet et stadig mere almindeligt værktøj til at vurdere atleters vitale værdier. Et AI-værktøj er bedre til at spotte tendenser på tværs af målinger end en person, der skimmer flere dashboards efter dem. Kender du de rigtige prompts og forespørgsler, bliver det lettere at besvare centrale spørgsmål om atleternes præstation.

Hvad har ændret sig? AI-værktøjer er gode til at sammenligne ugens tal med en rullende baseline og opsummere, hvilke målinger der har flyttet sig.

Ligger ændringen uden for atletens normale niveau? Det afhænger af individuelle baselines, så en prompt er kun så nyttig som den historik, der ligger bag.

Hvilke andre data understøtter eller modsiger den? At krydstjekke søvn, HRV, ømhed og træningsbelastning under ét er præcis den slags mønstergenkendelse, AI håndterer godt.

Hvilken handling er passende i dag? AI kan se det samlede billede af hver atlet og komme med stærkt personaliserede anbefalinger.

Et par eksempler på prompts:

"Se på Aarons søvnvarighed, HRV og restitutionsscore for de seneste 14 dage. Hvad har ændret sig i de sidste fire dage sammenlignet med de ti dage forinden?"

"Byg en træningsplan til en halvmaraton for Ashley ud fra hendes seneste aktivitetslog, søvnscore, ernæring og restitution."

"Hvilke atleter har restitutionsscorer uden for deres normale niveau?"

Begrænsninger, du bør have i baghovedet

Atletmonitorering er nyttig, men den er ikke skudsikker. Nogle begrænsninger går ofte igen i forskningen.

Ingen enkelt måling fortæller hele historien. IJSPP-konsensuserklæringen understreger, at markører for træningsbelastning bør kombineres og fortolkes af kvalificeret personale i stedet for at blive behandlet som automatiske røde eller grønne lys.

ACWR-grænseværdier er inkonsistente på tværs af studier. Et review af forskning i professionel fodbold fandt, at sammenhængen mellem ACWR og skadesrisiko fortsat varierer med metode og sportsgren, så præcise grænser bør ikke anvendes for rigidt.

Den individuelle variation er stor. Hvad der er et bekymrende HRV-fald eller en høj ømhedsscore for én atlet, kan være helt normalt for en anden - og netop derfor betyder baselines mere end befolkningsgennemsnit.

Efterlevelse påvirker datakvaliteten. Monitorering virker kun, hvis atleterne udfylder spørgeskemaer og bærer deres enheder konsekvent. Manglende data kan umærkeligt forvride en tendenslinje.

Ofte stillede spørgsmål (FAQ)

Hvad er de bedste målinger til atletmonitorering?

Nyttige målinger at starte med er pasvarighed, session-RPE, søvnvarighed, stress, træthed og træningsparathed. Puls, HRV og kredsløbsbelastning kan give ekstra kontekst, når de er relevante for sportsgrenen.

Hvad er forskellen på intern og ekstern belastning?

Ekstern belastning er det fysiske arbejde, der udføres, målt med ting som distance eller antal sprinter. Intern belastning er, hvordan atletens krop reagerer på det arbejde, målt gennem puls, oplevet anstrengelse eller laboratorietest.

Hvad er en god acute:chronic workload ratio?

Der findes ikke en universelt gyldig 'god' acute:chronic workload ratio. Ofte citerede intervaller som 0,8-1,3 eller grænser over 1,5 stammer fra specifikke datasæt og bør ikke overføres til alle atleter eller sportsgrene. Beregningsmetode, træningshistorik og kontekst kan ændre resultatet væsentligt. ACWR behandles bedst som ét beskrivende belastningsmål frem for en fast grænse.

Er data fra wearables præcise nok til atletmonitorering?

Præcisionen afhænger af enheden og målingen. Mange wearables er nyttige til at følge gentagne tendenser, men søvnstadier, kalorieestimater og producenternes egne readiness-scorer bør ikke behandles som kliniske målinger. Brug den samme enhed og indsamlingsmetode konsekvent, og fortolk derefter data sammen med atletens feedback, træningshistorik og trænerens kontekst.