Fraktale Charakteristik der Herzfrequenz in Abhängigkeit von Belastungsgestaltung und ausgewählten Beanspruchungs-indikatoren während erschöpfender Ausdauerbelastungen mit und ohne Endpunktorientierung.

Einleitung: Das größte Schlüsselmerkmal für einen erfolgreichen Langstreckenlauf ist Pacing. Pacing ist die Modulation der Laufgeschwindigkeit für die maximale Ausnutzung der Leistungsfähigkeit in Richtung des bekannten Endpunktes „Ziellinie“. Pacing beinhaltet die kontinuierliche Integration von I...

Full description

Saved in:
Bibliographic Details
Main Author: Boeselt, Tobias
Contributors: Beneke, Ralph (Prof. Dr.) (Thesis advisor)
Format: Dissertation
Language:German
Published: Philipps-Universität Marburg 2015
Sportwissenschaft und Motologie
Subjects:
Online Access:PDF Full Text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Einleitung: Das größte Schlüsselmerkmal für einen erfolgreichen Langstreckenlauf ist Pacing. Pacing ist die Modulation der Laufgeschwindigkeit für die maximale Ausnutzung der Leistungsfähigkeit in Richtung des bekannten Endpunktes „Ziellinie“. Pacing beinhaltet die kontinuierliche Integration von Informationen über bislang gespeicherte Erfahrungen, der verbleibenden Distanz, den Umgebungsbedingungen und den Grad des subjektiven Belastungsempfindens (RPE). Ergänzend zu der Form des Makro-Pacings belegen Studien, dass hochfrequente Modulationen der Laufgeschwindigkeit, nicht durch Zufall entstehen. Das Skalierungs-verhalten der Geschwindigkeitsvariationen stellt mit seiner Selbstähnlichkeit, eine Form des Mikro-Pacings dar. Die fraktale Skalierung der Geschwindig¬keits¬regulation des Mikro-Profils, ist charakterisiert durch ein nicht stationäres fraktales Brownian motion (fBm) mit inhärenten Langzeitkorrelationen. Aus dieser Erkenntnis heraus testet die Teilstudie I, unter anderem die Hypothese, dass mit zunehmender Laufstrecke das nicht-stationäre fraktale fBm mit inhärenten Langzeitkorrelationen zunimmt. In einer nicht-Endpunkt orientierten Teilstudie II, bestritten die Probanden auf einem Radergometer eine invariante Leistungsvorgabe bis zum Belastungsabbruch. Ziel war der Vergleich zwischen der Entwicklung der nicht-linearen Kenngröße α1 und dem subjektiven Belastungs¬empfinden (RPE). Methodik: In der Teilstudie I nahmen insgesamt 20 männliche Ausdauerathleten (MW ± SD Alter: 37±7a; Größe: 1,78±0,06 m; Gewicht: 73±8,8 kg) teil, die an unterschiedlichen zertifizierten Straßenläufen eine Halbmarathon- und Marathondistanz absolviert haben. Hochauflösende Daten der Geschwindigkeit (V; m/s), Schrittfrequenz (SF; Hz) und Schrittlänge (SL; m) wurden mit einer Leichtbau-Accelerometrie am Fuß gemessen und telemetrisch in einer Pulsuhr gespeichert (Polar RS800sd mit s3-Sensor, Kempele, Finnland). Der spektrale Skalierungsexponent (beta) berechnet sich aus der Steigung zwischen der log-power und log-frequency. Beta Werte zwischen 1,04 und 3 werden als nicht stationäres fraktales Brownian motion (fBm) mit Langzeitkorrelationen klassifiziert. Ist ein fBm detektiert worden, wurde analog dazu die fraktale Dimension (FD) berechnet. In der Teilstudie II nahmen insgesamt n=19 Radsportler (Alter: 24,7±3,5a, Größe: 1,79± 0,06; Gewicht: 74,3±7,4kg) teil. Die Athleten absolvierten auf dem Radergometer, nach einem Ausbelastungstest, eine submaximale Dauerbelastung mit IANS-Leistung bis zum Belastungsabbruch. Alle fünf Minuten wurden subjektives Belastungsempfinden (RPE, CR-10), Blutlaktat, Sauer¬stoff¬aufnahme (VO2) sowie die HRV-Kenngrößen der Gesamtvariabilität (SDNN) und der nichtlinearen Dynamik (α1) erfasst und relativ zur Gesamtbelastungszeit analysiert. Alle Datenverarbeitungsverfahren beider Teilstudien wurden mit selbstprogrammierten Profilen in Origin 8.0 (OriginLab, Northampton/USA) und Autosignal v1.7 (Seasolve Software, Framingham/USA) verarbeitet. Die statistische Analyse (SPSS 20, IBM Chicago) beinhaltete neben dem Test auf Normalverteilung mittels Kolomogorv-Smirnov, die deskriptiven Ergebnisse aus Mittelwert (MW) und Standardabweichung (SD). Ergebnisse: Mittelwerte der v (3,54 ± 0,38 vs 3,39 ± 0,44 m · s-1), SF (1,43 ± 0,07 vs 1,43 ± 0,07 Hz) und SL (2,58 ± 0,22 vs 2,47 ± 0,24 m) und CV von v (4,2 ± 1,05 vs 5,38 ± 1,65%) und SF (1,12 ± 0,26 vs 1,26 ± 0,27%) blieben zwischen der ersten und zweiten Marathonhälfte unverändert. CV von SL (3,84 ± 0,98 vs 4,79 ± 1,46%) erhöhte (p <0,05) sich mit zunehmender Wettkampfbelastung. SL erklärt 79,6 ± 23,3% der Varianz von v, die in einem Model unter Berücksichtigung der SF auf 94,2 ± 18,8% (beide p <0,001) erhöht werden konnte. In der zweiten Hälfte war beta-v (1,73 ± 0,17 vs 1,86 ± 0,2) erhöht (p <0,05) und FD-v (1,63 ± 0,09 vs 1,57 ± 0,1) verringert (p <0,05), während beta-SF (1,31 ± 0,16 vs 1,41 ± 0,19), beta-SL (1,52 ± 0,22 vs 1,65 ± 0,23), FD-SF (1,84 ± 0,08 vs 1,8 ± 0,09), FD-SL (1,74 ± 0,11 vs 1,67 ± 0,11) mit zunehmender Wettkampfbelastung unverändert blieben. Beta und FD von v, SF und SL zeigten unabhängig von der Laufbelastung Unterschiede (p <0,05) auf. Bei Abbruchzeiten von 77,53±15,28min und hochsignifikant steigender Beanspruchung können neben der hohen positiven Korrelation von RPE und Hf erstmals auch hohe negative Korrelationen von RPE und HRV-Kenngrößen der Gesamtvariabilität (SDNN) bzw. des Korreliertheitsgrades (α1) nachgewiesen werden. In beiden Teilstudien (Dauertest vs. Marathon) kam es im Vergleich der beiden Belastungshälften (erste vs. zweite Hälfte) zu einer signifikanten Reduktion der α1 Werte (p <0,05). Diskussion: Fraktale Eigenschaften der Fluktuationen in v, SF und SL während des Marathon-Rennens zeigen ein nicht-stationäres ein fBm mit inhärenter Langzeitkorrelation. Sie deuten auf eine erhöhte systemische Kopplung bei zunehmender Wettkampfbelastung in v, aber nicht in SL, obwohl die Fluktuationen in V hauptsächlich durch SL vermittelt werden. Die hohen RPE-Werte bei erschöpfender Ausdauerbelastung gehen sowohl mit einem Verlust der Gesamtvariabilität, als auch der fraktalen Skaliertheit einher. Dies lässt vermuten, dass Belastungen ohne Endpunktorientierung und invarianter Leistung stärker zu einem Verlust der Skaliertheit neigen, als endpunktorientierte Belastungen mit variabler Leistung. Weitere Zusammenhänge sollten in zukünftigen Untersuchungen weitergehend beleuchtet werden.
DOI:https://doi.org/10.17192/z2015.0349