跑步中间歇与乳酸阈跑量的最佳分配：平衡有氧适应与损伤风险

三区间强度框架

量化跑步强度分布需要客观的生理学模型。在运动生理学中，耐力运动强度通常采用三区间模型进行划分，该模型以第一通气阈/乳酸阈（VT1/LT1，血乳酸约 2 mmol/L）和第二通气阈/乳酸阈（VT2/LT2，血乳酸约 4 mmol/L，标志着无法维持稳态条件的边界）为锚点 [4, 13]。

• 第 1 区间（低强度 / HVLIT）： 低于 VT1/LT1 的配速，此时血乳酸维持在基础水平附近（<2 mmol/L），脂肪氧化率较高 [4, 13]。在基于配速的体系中，这大致对应低于目标比赛配速 85% 的速度 [19]。
• 第 2 区间（阈值 / 中等强度）： 介于 VT1/LT1 与 VT2/LT2 之间的配速，其特征是血乳酸升高但保持稳定（约 2 至 4 mmol/L），并伴随显著的糖原利用 [4, 13]，大致为比赛配速的 85% 至 95% [19]。
• 第 3 区间（高强度 / 剧烈强度）： 高于 VT2/LT2 的配速（血乳酸 >4 mmol/L，最大心率 >90%），此时代谢稳态无法维持 [13]，对应目标比赛配速的 >95% 或最大摄氧量（VO2max）间歇配速 [19]。

训练强度分布（TID）调控着这三个区间之间的跑量分配 [1, 19]。**极化训练（POL）**模型将 75% 至 80% 的跑量分配给第 1 区间，<10% 分配给第 2 区间，15% 至 20% 分配给第 3 区间（Z1 > Z3 > Z2）[1, 13, 16]。**金字塔训练（PYR）**模型将大部分跑量保持在第 1 区间（通常为 70% 至 80%），第 2 区间（15% 至 20%）和第 3 区间（5% 至 10%）的比例依次递减（Z1 > Z2 > Z3）[13, 16, 17]。相比之下，**阈值训练（THR）**将总跑量的 >35% 分配在第 2 区间 [1]。

有氧适应与强度分配

确定每周跑步量中投入到乳酸阈和间歇配速的理想比例，取决于目标生理适应与运动员当前的训练水平 [1, P1, P2]。

一项针对 17 项随机对照试验（n = 437）的系统评价和荟萃分析表明，极化训练在提高峰值摄氧量（VO2peak）方面相比其他 TID 具有统计学上的显著优势（标准化均数差 [SMD] = 0.24, p = 0.040, I2 = 0%）[1, P2]。然而，亚组分析揭示了该效应的关键适用界限：极化训练对 VO2peak 的优势仅限于短期干预（<12 周：SMD = 0.40, p = 0.01）以及高水平或国家级运动员（SMD = 0.46, p = 0.01）[1]。在持续 12 周或更长时间的干预中，或在业余大众人群中评估时，极化训练并未表现出优于其他分布模式的显著优势 [1]。

此外，极化训练的优势并未一致延伸到实际的比赛表现指标上 [1]。在荟萃分析比较中，POL 在以下指标上与其他 TID 相比均未表现出统计学显著差异：

• 计时赛表现： SMD = -0.01 (p = 0.92) [1]
• 力竭时间： SMD = 0.30 (p = 0.24) [1]
• VT2/LT2 时的速度或功率： SMD = 0.04 (p = 0.75) [1]

这些发现表明，虽然高强度间歇训练（第 3 区间占比 15% 至 20%）能在短周期内推动训练有素运动员的有氧功率适应（VO2peak），但以阈值为主的训练（第 2 区间）在改善摄氧量利用率和维持次最大巡航速度方面同样有效 [1, 17]。

在细胞层面上，将 80% 跑量分配给第 1 区间、15% 至 20% 分配给第 3 区间的理论基础在于线粒体生物合成的双重信号通路：低强度、大容量跑步主要刺激细胞内钙信号通路，而高强度训练则通过消耗细胞内 ATP 来激活 5' 腺苷酸活化蛋白激酶（AMPK）[1]。然而，在为期 8 周的极化训练（80% 处于 60% VO2max，20% 处于 90% VO2max）与阈值训练（100% 处于 75% VO2max）的等热量临床前对比实验中，运动肌和呼吸肌中的线粒体生物合成标志物（PGC-1alpha、TFAM）、柠檬酸合酶活性、氧化磷酸化（OXPHOS）以及耐力表现均未见显著差异 [5]。

周期化：从金字塔到极化模式的过渡

对高水平耐力运动员的观察性研究显示，他们既不会单独采用固定的极化模式，也不会单独采用固定的阈值模式 [19, 20]。在分析的 175 个精英耐力队列中，89 个遵循金字塔分布，65 个遵循极化分布；其中长跑运动员始终在第 1 区间完成 >80% 的跑量，第 2 区间 <12%，其余分配在第 3 区间 [19, 20]。精英马拉松运动员通常每周完成 2 至 3 次间歇或更高强度的训练，其余至少 80% 的周跑量以比马拉松配速慢 3 至 5 km/h 的速度完成 [20]。

金字塔模式与极化模式之间的序列周期化能够最大化生理收益 [4, 16, 18]。在一项针对训练有素男性跑者（VO2peak：67 ml/kg/min）的 16 周随机对照试验中，从 8 周金字塔基础期（Z1 > Z2 > Z3）过渡到 8 周极化赛前期（Z1 > Z3 > Z2），相比反向周期化或固定模式产生了更优的适应效果 [16]。这种由 PYR 向 POL 的过渡使相对 VO2peak 提高了约 3.0%，2 mmol/L 乳酸配速提升了约 1.7%，4 mmol/L 乳酸配速提升了约 1.5%，5 公里计时赛成绩提高了约 1.5% [4, 16, 18]。

金字塔分布在基础期优先拓展有氧阈值和代谢经济性，而极化分布则在临近比赛时拔高 VO2peak、提升高负荷乳酸清除能力并强化比赛配速 [17, 18]。

肌肉骨骼负荷与跑步相关损伤风险

在间歇跑和乳酸阈训练中分配跑量时，必须在神经肌肉适应与跑步相关损伤（RRI）的病因机制之间取得平衡 [6, 10]。一项纳入 36 项前瞻性研究、涵盖 23,047 名跑者的系统评价显示，RRI 的总体发生率为 26.2%，而在竞技型跑者中这一比例上升至 62.6% [6]。最常见的损伤部位依次为膝关节（25.8%）、足/踝（24.4%）和小腿（24.4%）[6]。

大规模队列数据对关于训练负荷指标与损伤风险的传统观念提出了挑战 [6, 10, 12]。在追踪了 5,205 名跑者和 588,071 次训练课的 Garmin-RUNSAFE Health 研究中，传统的总量指标（如非耦合的急慢性负荷比 [ACWR] 以及周跑量总距离变化）未能表现出与过度使用性损伤的正相关 [10]。类似地，一项对 735 名马拉松跑者进行的 16 周分析发现，ACWR >1.5 仅使损伤风险增加 6% [12]，同时数学分析强调 ACWR 公式极易受到数据耦合伪影的影响 [11, 12]。

相反，肌肉骨骼损伤风险在很大程度上由相对于跑者近期基线的单次训练负荷激增所驱动 [10]。相对于过去 30 天内完成的最长单次跑步，单次距离的激增会显著提高过度使用性损伤的风险比（HRR）[10]：

• 单次轻度激增（>10% 至 30%）： HRR = 1.64（95% CI：1.31–2.05）[10]
• 单次中度激增（>30% 至 100%）： HRR = 1.52（95% CI：1.16–2.00）[10]
• 单次重度激增（>100%）： HRR = 2.28（95% CI：1.50–3.48）[10]

由于每步的机械负荷随跑步速度的增加而增加，高强度间歇和乳酸阈训练会不对称地加剧下肢结构的组织应力 [6, 10]。将较高强度的训练分散到每周 2 至 3 次独立的训练课中，同时保持每周总跑量的 80% 处于 VT1 以下的低强度，既能为高负荷课次之间提供充足的结构恢复，又不会引发单次负荷激增 [13, 20]。

跑量分配的实践建议

1. 保持 80% 的第 1 区间基础： 将每周约 80% 的跑量保持在 VT1/LT1 以下（血乳酸 <2 mmol/L），以最大化有氧信号传导，同时避免累积过度的自主神经疲劳或机械应变 [1, 13, 20]。
2. 将质量课跑量控制在 15% 至 20%： 将每周剩余 15% 至 20% 的跑量分配给乳酸阈（第 2 区间）和间歇（第 3 区间）训练的组合，且每周分散在 2 次（最多 3 次）训练课中完成 [13, 20]。
3. 阶段特异性调整： 在基础准备期采用金字塔分布（10% 至 15% 第 2 区间，5% 至 10% 第 3 区间）以构建可持续的乳酸阈速度；在赛前 6 至 8 周过渡到极化分布（5% 第 2 区间，15% 第 3 区间），以最大化 VO2peak 和计时赛表现 [4, 16, 17]。
4. 控制单次训练负荷激增： 避免单次跑量或强度超过过去 30 天内完成的最长同类课次的 10% 至 30%，以降低下肢过度使用性损伤的风险 [10]。