骑行训练：极化模型对比金字塔模型

训练强度分布的定义

量化自行车运动中的训练强度分布（TID）依赖于基于代谢与呼吸阈值建立的标准化三区生理模型 [1, 15]：

• 1区（低强度）：负荷低于第一通气阈或第一乳酸阈（VT1/LT1），此时血乳酸维持在基础值附近 [1, 10, 15]。LT1 通常出现在最大有氧功率（MAP）的 52% 左右，大致相当于功能阈值功率（FTP）的 65–70% [10]。
• 2区（中等/阈值强度）：介于 LT1/VT1 与第二通气阈或第二乳酸阈（VT2/LT2/MLSS/FTP）之间的过渡区间，对应节奏（tempo）和甜区（sweet-spot）强度，此时血乳酸升高但保持稳定 [1, 9, 10, 15]。
• 3区（高强度）：负荷高于 VT2/LT2（血乳酸约 4 mmol/L），其特征是体内稳态迅速被打破，乳酸动力学呈现非稳态 [1, 10, 15]。

在该框架内，极化训练（POL）与金字塔训练（PYR）模型以不同的方式分配训练量：

• 极化训练（POL）：强调两端分布，将总训练量的 75–80%（甚至高达 80–90%）分配给 1 区，2 区少于 10%，3 区占 15–20% [1, 11]。
• 金字塔训练（PYR）：将最大比重分配给低强度（约 60–70%），相当比例的中等强度分配给 2 区（15–25%），较少部分分配给 3 区（0–10%），形成随强度递增而时间占比递减的分布 [9, 11]。
• 阈值训练（THR）：与 POL 和 PYR 相比，偏重阈值的模型直接将 >35% 的总训练量分配在 2 区 [1]。

值得注意的是，TID 的分类在很大程度上取决于测量方法；基于距离或区间时间（time-in-zone）的指标可能会将某种方案划分为金字塔式，而基于课表目标（session-goal）或课表 RPE（session-RPE）的指标则常将完全相同的训练结构划分为极化式 [4, 15]。

有氧能力与阈值功率的荟萃分析对比

一项在 PROSPERO 注册、纳入 17 项研究（n = 437）的系统评价与荟萃分析评估了极化训练与其他耐力分布模式的效果对比 [1]。分析表明，总体而言，极化训练在提升 ${\text{VO}}_2\text{peak}$ 方面显著优于其他 TID（SMD = 0.24 [95% CI 0.01, 0.48], p = 0.040, $I^2=0\%$）[1]。

然而，亚组分析揭示了该效应的关键适用边界条件：

• 干预周期：POL 在提升 ${\text{VO}}_2\text{peak}$ 方面的优势仅限于 12 周以内的干预（SMD = 0.40 [95% CI 0.08, 0.71], p = 0.01, n = 163）[1]。持续 12 周或更长时间的干预中，POL 与其他模型在 ${\text{VO}}_2\text{peak}$ 增长上没有显著差异 [1]。
• 运动员水平：这一优势仅见于高水平/国家级运动员（SMD = 0.46 [95% CI 0.10, 0.82], p = 0.01, n = 125）[1]。

在考察阈值功率和功能性表现指标时，极化训练并未展现出明显优于其他 TID 的优势 [1]：

• VT2/LT2 时的速度/功率：SMD = 0.04（95% CI -0.21 至 0.29, p = 0.75, n = 253）[1]。
• 计时赛表现：SMD = -0.01（95% CI -0.28 至 0.25, p = 0.92, n = 221）[1]。
• 力竭时间（TTE）：SMD = 0.30（95% CI -0.20 至 0.79, p = 0.24, n = 66）[1]。

2025 年一项纳入 13 项研究、348 名运动员的全面个体受试者数据网状荟萃分析进一步印证了这些发现，证实极化分布与金字塔分布在 ${\text{VO}}_2\text{max}$ 增幅或计时赛表现上均无统计学上的优劣排序差异 [15]。

干预性与纵向研究证据

各独立干预试验表明，训练适应效果因对照组设置和运动员训练状态而异：

• POL 对比阈值与 HIIT：在 Stöggl 与 Sperlich（2014）针对 41–48 名训练有素的耐力运动员进行的为期 9 周的随机试验中，极化训练使 ${\text{VO}}_2\text{peak}$、峰值功率/速度以及力竭时间提高了 11.7%，而以阈值为重点的方案则导致 ${\text{VO}}_2\text{peak}$ 平均下降了 4% [4, 10, 12, 15]。类似地，Neal 等人（2013）在训练有素的自行车手身上也证实了 POL 相较于 THR 能带来更优的竞技表现提升 [4]。
• 大众健身人群：在 Muñoz 等人（2014）针对大众业余运动员开展的 10 周研究中，75/5/20 极化分布使 10 公里计时赛成绩提升了 5.0%，而 45/35/20 阈值组仅提升了 3.5%；在依从性最高的子人群中，这一差距扩大至 7.0% 对 1.6% [10]。
• POL 与 PYR 的直接对比：在多项铁人三项及自行车场景中，极化与金字塔模型的直接头对头对比通常显示出相当的比赛表现。备战半程大铁（Half-Ironman）距离赛事的铁人三项运动员在分别完成金字塔和极化干预后，完赛成绩平均仅相差两秒，且 2 区训练量与长距离比赛及跑步成绩呈现正相关 [12]。

生理机制与精英选手的实践

对精英耐力表现的观察性追踪表明，大环赛（环法、环意）排名前 5 的自行车手和挪威奥运奖牌得主，常年将 80% 到 90% 的年训练时间安排在 LT1/VT1 以下（低于 80–85% FTP）[5]。

在 6 周的训练周期内，当总做功量和能量消耗匹配时，高强度间歇（5区）在单课训练引发的 ${\text{VO}}_2\text{max}$ 适应（+6.2 对比 +1.8 ml/min/kg）和第二阈值功率增长（+28 W 对比 +11 W）上均大于孤立的 2 区训练 [5]。然而，由于高强度训练会带来沉重的自主神经与肌糖原消耗，大容量的 1/2 区训练充当了可持续的基础负荷，使运动员能够在不发生过度训练的情况下反复保证高强度的训练质量 [5, 6]。

大周期中的周期化安排

证据表明，极化训练与金字塔训练之间的分歧，最理想的解决方案是顺次周期化（sequential periodization），而非死板地长期坚守单一模型 [4, 9]：

• 顺序过渡：Filipas 等人（2022）追踪了 60 名跑者在 16 周内的表现，发现虽然容量匹配的平行对照组（严格 POL 与严格 PYR）取得了相似的进步，但在大周期中采用前期基础阶段为金字塔分布、赛前阶段过渡为极化分布的顺序安排，所产生的 ${\text{VO}}_2\text{max}$ 和计时赛表现提升最为显著（+1.5%）[4]。
• 阶段性分布：大周期周期化框架通常在赛季前的基础期安排每周 3–4 次低强度有氧基础课，在专项构建期减少至每周 2–3 次，而在比赛期则维持每周 2 次，同时配合针对性的阈值和高强度刺激 [6, 9]。