Hva er utøvermonitorering? Slik fungerer sporing av treningsbelastning og restitusjon

Kort svar

Det finnes ikke én måling som forteller hele historien. De fleste etablerte systemer kombinerer en håndfull objektive og subjektive mål og ser på trender over uker i stedet for å reagere på en enkelt måling.

Hva er utøvermonitorering?

Utøvermonitorering viser til systematisk sporing av treningsstress, kroppens respons og restitusjonsstatus over tid. Målet er ganske enkelt, selv når metodene ikke er det: Finn ut hvor stor belastning en utøver tåler, oppdag når belastningen blir for stor, og justér før prestasjonen faller eller en skade dukker opp.

Utøvermonitorering ble stadig mer formalisert etter hvert som idrettsforskere og trenere tok i bruk mer systematiske måter å måle treningsbelastning og utøvernes respons på. En konsensusuttalelse fra 2017 i International Journal of Sports Physiology and Performance samlet trenere, idrettsforskere og medisinsk personell for å beskrive praksisen og foreslå hvordan den kan brukes.

I dag finnes utøvermonitorering på nesten alle nivåer i idretten - fra profesjonelle lag med idrettsvitenskapelige avdelinger på heltid til enkeltløpere som logger pulsdata på en smartklokke.

Hvilke fordeler gir utøvermonitorering?

Utøvermonitorering kan hjelpe trenere med å sammenligne treningsøkter, oppdage uvanlige endringer i utøvernes målinger, føre mer individuelle samtaler og vurdere hvordan et system fungerer over tid. Den kan også bedre kommunikasjonen mellom trenere, utøvere, idrettsforskere og medisinsk personell.

Disse fordelene forutsetter at relevante data samles inn konsekvent og knyttes til en tydelig beslutning. Mer data gir ikke automatisk bedre trenerarbeid.

Hvilke målinger bør lag følge med på?

Det finnes ikke ett sett med målinger som fungerer for alle idretter.

En distanseløper, en basketballspiller og en vektløfter skaper belastning på ulike måter. Monitoreringssystemene deres bør gjenspeile kravene i idretten og beslutningene trenerne må ta. De fleste systemer henter fra følgende kategorier.

Verktøy og metoder for utøvermonitorering

Økt-RPE

Økt-RPE er en av de enkleste og mest brukte metodene for intern belastning. Utøveren blir bedt om å vurdere hvor hard en økt føltes på Fosters modifiserte CR10-skala (0-10) omtrent 30 minutter etter avslutning. En gjennomgang av metodens validitet fant at den korrelerer godt med mer komplekse pulsbaserte mål - helt uten wearables eller tilleggsutstyr.

Hjertefrekvensvariabilitet (HRV)

HRV måler variasjonen i tiden mellom hjerteslag og brukes ofte som én indikator på hjertets autonome aktivitet. Den kan påvirkes av trening, søvn, sykdom, psykisk stress og måleforhold. En narrativ gjennomgang fra 2025 anbefalte rutinemessige målinger under like forhold, der ukesgjennomsnitt og variasjon vurderes i stedet for å bedømme restitusjon ut fra én enkeltmåling.

Acute:chronic workload ratio (ACWR)

ACWR sammenligner en utøvers treningsbelastning den siste uken (akutt) med gjennomsnittsbelastningen de siste fire ukene (kronisk). Idéen er å fange opp utøvere hvis trening har steget godt over det kroppen er vant til. En systematisk gjennomgang med metaanalyse av ACWR-studier fant en bredt støttet sammenheng mellom belastningstopper og skaderisiko på tvers av dusinvis av kohortstudier, selv om styrken på sammenhengen varierer med idrett, metodikk og datasett.

Spørreskjemaer om velvære

Korte spørreskjemaer om søvnkvalitet, sårhet, tretthet, stress og humør er fortsatt rimelige verktøy i utøvermonitorering. En systematisk gjennomgang fant at subjektive mål ofte reagerte på akutt og kronisk treningsbelastning med større følsomhet og konsistens enn de objektive målene som inngikk i gjennomgangen. Nytten avhenger likevel av konsekvente spørsmål, utøvernes tillit og meningsfull oppfølging fra støtteapparatet.

Apper for utøvermonitorering

Plattformer for utøvermonitorering kan samle data fra wearables, trening og egenrapportering i én visning, slik at man slipper å gå gjennom hver enhet eller app hver for seg. I en undersøkelse fra 2022 blant 30 britiske fagfolk i toppidretten oppga 83 % at de brukte et system for utøvermonitorering, og utøvernes egenrapporteringer var blant de vanligste datakildene. Studien fant også at tilbakemeldingene til utøverne ofte var begrensede - et tegn på at datainnsamling bare skaper verdi når informasjonen gjennomgås og formidles.

En sentralisert plattform for utøvermonitorering kan være spesielt nyttig når utøverne i en tropp bruker ulike enheter eller datakilder.

Slik fungerer plattformer for utøvermonitorering i praksis

De fleste moderne systemer følger et lignende forløp.

Etabler en baseline

Samle inn data under like forhold lenge nok til å kartlegge utøverens normale nivå. Riktig periode avhenger av målingen, treningsfasen og målefrekvensen.

Spor konsekvent

Bestem når hver måling skal samles inn, og bruk samme metode så langt det lar seg gjøre. Ujevne tidspunkter, enheter eller formuleringer i spørreskjemaer kan gjøre trender vanskeligere å tolke.

Sett individuelle varsler

Når varsler brukes, bør de baseres på utøverens egen historikk og vurderes sammen med lagets kontekst. Et varsel bør starte en gjennomgang, ikke automatisk endre treningen.

Kombiner objektive og subjektive signaler

Ingen enkeltmåling er pålitelig nok alene, så trenere kombinerer vanligvis HRV og treningsbelastning med daglige velværescorer før de tar en avgjørelse.

Gjennomgå med passende mellomrom

Gjennomgå dataene i den takten beslutningen krever. Daglige sjekker kan støtte umiddelbar oppfølging, mens gjennomganger per uke og per treningsblokk kan hjelpe med å vurdere den bredere tilpasningen.

Slik tolker du monitoreringsdata med KI

Å gå gjennom flere datastrømmer manuelt tar tid, og det er en del av grunnen til at KI-assistenter har blitt et stadig vanligere verktøy for å vurdere utøveres vitale verdier. Et KI-verktøy er bedre til å oppdage trender på tvers av målinger enn en person som leter gjennom flere dashbord etter dem. Kjenner du de riktige promptene og spørringene, blir det lettere å besvare viktige spørsmål om utøvernes prestasjon.

Hva har endret seg? KI-verktøy er gode til å sammenligne ukens tall med en rullerende baseline og oppsummere hvilke målinger som har flyttet seg.

Er endringen utenfor utøverens normale nivå? Dette avhenger av individuelle baselines, så en prompt er bare så nyttig som historikken bak den.

Hvilke andre data støtter eller motsier den? Å kryssjekke søvn, HRV, sårhet og treningsbelastning samlet er akkurat den typen mønstergjenkjenning KI håndterer godt.

Hvilket tiltak er riktig i dag? KI kan se det komplette bildet av hver utøver og foreslå svært persontilpassede anbefalinger.

Noen eksempler på prompter:

"Se på Aarons søvnvarighet, HRV og restitusjonsscore de siste 14 dagene. Hva endret seg de siste fire dagene sammenlignet med de ti dagene før?"

"Lag en treningsplan for halvmaraton for Ashley basert på hennes siste aktivitetslogg, søvnscore, ernæring og restitusjon."

"Hvilke utøvere har restitusjonsscorer utenfor sitt normale nivå?"

Begrensninger å huske på

Utøvermonitorering er nyttig, men ikke feilfri. Noen begrensninger går ofte igjen i forskningen.

Ingen enkeltmåling forteller hele historien. IJSPP-konsensusuttalelsen understreker at markører for treningsbelastning bør kombineres og tolkes av kvalifisert personell i stedet for å behandles som automatiske røde eller grønne lys.

ACWR-terskler er inkonsistente på tvers av studier. En gjennomgang av forskning på profesjonell fotball fant at sammenhengen mellom ACWR og skaderisiko fortsatt varierer med metode og idrett, så eksakte grenser bør ikke brukes for rigid.

Den individuelle variasjonen er stor. Det som er et bekymringsfullt HRV-fall eller en høy sårhetsscore for én utøver, kan være helt normalt for en annen - og nettopp derfor betyr baselines mer enn befolkningsgjennomsnitt.

Etterlevelse påvirker datakvaliteten. Monitorering fungerer bare hvis utøverne fyller ut spørreskjemaer og bruker enhetene sine konsekvent. Manglende data kan umerkelig forskyve en trendlinje.

Ofte stilte spørsmål (FAQ)

Hva er de beste målingene for utøvermonitorering?

Nyttige målinger å starte med er øktvarighet, økt-RPE, søvnvarighet, stress, tretthet og treningsberedskap. Puls, HRV og kondisjonsbelastning kan gi mer kontekst når de er relevante for idretten.

Hva er forskjellen på intern og ekstern belastning?

Ekstern belastning er det fysiske arbeidet som utføres, målt med ting som distanse eller antall sprinter. Intern belastning er hvordan utøverens kropp reagerer på arbeidet, målt gjennom puls, opplevd anstrengelse eller laboratorietester.

Hva er en god acute:chronic workload ratio?

Det finnes ingen universelt gyldig 'god' acute:chronic workload ratio. Ofte siterte intervaller som 0,8-1,3 eller terskler over 1,5 kom fra spesifikke datasett og bør ikke brukes på alle utøvere eller idretter. Beregningsmetode, treningshistorikk og kontekst kan endre resultatet vesentlig. ACWR behandles best som ett beskrivende belastningsmål, ikke som en streng grense.

Er data fra wearables nøyaktige nok for utøvermonitorering?

Nøyaktigheten avhenger av enheten og målingen. Mange wearables er nyttige for å følge gjentatte trender, men søvnstadier, kaloriestimater og produsentenes egne readiness-scorer bør ikke behandles som kliniske målinger. Bruk samme enhet og innsamlingsmetode konsekvent, og tolk deretter dataene sammen med utøverens tilbakemeldinger, treningshistorikk og trenerens kontekst.