Laskennallinen urheiluanalytiikka auttaa optimoimaan harjoittelua
Urheilussa käytettävät älylaitteet kuten urheilukellot, sykevyöt ja älysormukset ovat yleistyneet huomattavasti viimeisten vuosien aikana. Älylaitteiden maksimisykkeeseen perustuvat algoritmit eivät kuitenkaan riittävästi huomioi yksilöllistä vaihtelua. Sykevälivaihteluanalytiikasta voidaan saada tähän ratkaisuja.
Tekniikan ja mittausmenetelmien kehitys on avannut paljon mahdollisuuksia uudenlaiselle analytiikalle ja päivittäisen hyvinvoinnin, urheilun sekä palautumisen tarkalle seurannalle. Mitattavia ja vertailukelpoisia suureita on jo nyt useita, joista esimerkiksi askelmäärän, leposykkeen ja unenlaadun mittarit ovat yleisessä käytössä monilla ihmisillä myös päivittäisen hyvinvoinnin seurannassa.
Älylaitteet tukena urheilussa
Urheilussa ja treenaamisessa usein käytettävä suure on laitteiden mittaama maksimisyke. Perinteisesti maksimisykettä on hyödynnetty henkilökohtaisten sykealueiden määrittämiseen. Sykealueet voidaan jakaa sykkeen perusteella perus-, vauhti- sekä maksimikestävyysalueisiin, joita erottavat aerobinen sekä anaerobinen kynnys.
Yksilöllisten kynnysarvojen tunteminen on urheilijalle hyvin tärkeää, jotta harjoittelua pystytään optimoimaan ja palautuminen treenistä voidaan maksimoida. Suositusten mukaan jopa 80 prosenttia kestävyysurheilijoiden harjoittelusta tulisi olla peruskuntoharjoittelua, joka totuttaa hengitys- ja verenkiertoelimistöä pitkäkestoiseen rasitukseen. Vastaavasti maksimikestävyysharjoittelua tulisi tehdä vain 5–10 prosenttia koko harjoittelumäärästä. Lisäksi yksilöllisiä kynnysarvoja voi kehittää harjoittelemalla, mikä mahdollistaa urheilijan kehityksen seurannan luotettavasti.
Maksimisykkeen kautta johdetut sykealueet ja kynnykset eivät kuitenkaan aina tuota luotettavia tuloksia, vaikka mittausteknologia olisi hyvin tarkka. Urheilukellojen käyttämät maksimisykkeeseen perustuvat algoritmit eivät usein huomioi yksilöllistä vaihtelua, joka on hyvin merkittävää esimerkiksi satunnaista kestävyysharjoittelua harrastavan kuntoliikkujan ja elämänsä kunnossa olevan huippu-urheilijan välillä. Tämä voi johtaa väärin optimoituun treeniin ja pahimmillaan jopa toistuvaan liian raskaaseen harjoitteluun, joka voi aiheuttaa elimistöön ylikuormitustilan.
Käytännössä kynnysten luotettava määrittäminen onkin tähän asti tehty laboratorio-olosuhteissa ammattilaisfysiologin analyysin pohjalta. Säännöllisesti laboratoriotesteissä veren laktaattipitoisuusmittausten ja hengityskaasuanalyysin pohjalta analysoitavien kynnysten määrittäminen on kuitenkin urheilijalle ja kuntoilijalle kallista sekä vaivalloista.
Uusi sykevälivaihteluanalytiikka tarjoaa tarkempaa tietoa
Koska älylaitteiden nykyinen mittaustekniikka on tutkitusti jo erittäin korkeatasoista, on urheiluanalytiikankin kehityttävä laitteista saatavan hyödyn maksimoimiseksi. Tampereen yliopiston laskennallisen fysiikan tutkimusryhmässä on kehitetty uudenlaista laskennallista analytiikkaa, joka hyödyntää sykevälivaihtelua huomattavasti tarkemmin ja monipuolisemmin kuin mihin on aiemmin pystytty esimerkiksi palautumisen arvioimisessa. Kehitetyn menetelmän avulla aerobinen sekä anaerobinen kynnys on pystytty määrittämään sykevälivaihtelun monimutkaisista korrelaatio-ominaisuuksista perinteisiä menetelmiä tarkemmin.
Uusi menetelmä käyttää jo kuluttajakäytössäkin olevien urheilukellojen mittaamia sykevälejä, joten se olisi helposti integroitavissa erilaisiin älylaitteisiin kuten kelloihin, sormuksiin ja sykevöihin. Analytiikka on myös helposti yhdistettävissä laitteiden lisäksi useiden laitevalmistajien tarjoamiin urheilusovelluksiin. Tämä mahdollistaa harjoittelun optimoinnin lisäksi jatkuvan kehittymisen seurannan huippu-urheilijoiden, valmentajien ja urheiluseurojen käyttöön.
Myös vähemmän resursseja harjoitteluunsa panostavat kuntoliikkujat hyötyvät menetelmän helppoudesta ja voivat selvittää yksilölliset kynnysarvonsa vaivattomasti ilman tarvetta laboratoriotesteille. Tällöin harjoittelusta ei pääse syntymään liian kuormittavaa, mikä puolestaan ehkäisee esimerkiksi erilaisia liikuntavammoja.
Tulevaisuuden älylaite voi auttaa tunnistamaan sydänperäisiä terveysriskejä
Harjoittelun optimoinnin lisäksi myös urheiluun ja liikuntaan läheisesti liittyvää sydänterveyttä ja sydänperäisen äkkikuoleman riskiä on arvioitu älylaitteista saatavasta datasta samassa Tampereen yliopiston käynnissä olevassa tutkimushankkeessa.
Erilaiset sydänsairaudet ovat kansanterveydellisesti merkittävässä roolissa ja sydänsairaudet muodostavatkin suurimman yksittäisten kuolinsyiden ryhmän Suomessa. Kehitteillä olevat uudet laskennalliset menetelmät tarjoavatkin ennennäkemättömiä mahdollisuuksia analysoida älylaitteista saatavaa valtavaa datamäärää.
Matias Kanniainen
tutkimusapulainen/diplomityöntekijä
Tampereen yliopisto
matias.kanniainen(at)tuni.fi
Matias Kanniainen palkittiin Liikuntatieteen päivillä 2023 uran alkuvaiheessa olevien tutkijoiden tutkimuskilpailussa tutkimuksestaan ”Urheilun kynnysarvojen määrittäminen sykevälivaihtelun korrelaatio-ominaisuuksista”.