RPE/RIR自觉负荷与固定百分比法：如何根据疲劳调整训练？

引言：抗阻训练中的负荷处方模型

在抗阻训练中，传统的负荷设定通常依赖于预先测定的单次最大重量的固定百分比（%1RM）。尽管基于百分比的抗阻训练（PBRT）提供了结构化的进阶模式，但它预设了运动员的最大力量在测试间隔期内保持恒定，并且未能考虑日常准备状态、疲劳或急性恢复状态的波动。

为了解决这些局限性，主观自动调节模型——特别是基于储备次数（RIR）的主观用力感觉等级（RPE）——得到了广泛应用。基于 RIR 的 RPE 量表直接量化了运动员在达到瞬间肌肉力竭前还能完成的额外重复次数 [17]。在深蹲（$r=-0.87$）和卧推（$r=-0.79$）等基础多关节动作中，主观 RIR 评分与杠铃移动速度呈高度负相关，这证实了主观感知的力竭接近度能够反映潜在的神经肌肉速度衰减 [2]。

评估基于 RIR/RPE 的负荷设定与固定百分比负荷设定的有效性，需要从三个关键维度进行考量：最大力量发展、骨骼肌肥大以及神经肌肉疲劳的管理。

+-----------------------------------------------------------------------------------+
|                                   负荷设定方法                                    |
+-----------------------------------------+-----------------------------------------+
|          基于百分比的训练 (%1RM)         |          自动调节训练 (RPE/RIR)         |
+-----------------------------------------+-----------------------------------------+
| • 负荷基于历史 1RM 固定                 | • 负荷根据每日状态动态调整              |
| • 预设日常身体机能稳定不变              | • 针对特定的力竭接近度                  |
| • 状态不佳时存在意外力竭风险            | • 减轻过度的神经肌肉疲劳                |
| • 无论状态如何负荷量保持固定            | • 维持目标强度与动作速度                |
+-----------------------------------------+-----------------------------------------+

最大力量适应（1RM）

荟萃分析和实验证据表明，基于百分比的负荷方案和基于 RIR 的自动调节方案均能显著提高最大力量，且自动调节方法在特定情境下通常表现出微弱优势 [1, 4, 10]。

荟萃分析对比

Hickmott 等人的一项荟萃分析评估了负荷自动调节（基于 RIR 的 RPE 和基于速度的训练）与标准化百分比训练的效果，结果显示两组在汇总的 1RM 力量上无统计学显著差异（MD = 2.07 kg，95% CI: -0.32 至 4.46 kg，$p=0.09$，SMD = 0.21） [4]。无论是客观方法（如速度区间）还是主观方法（基于 RIR 的 RPE），与固定百分比设定相比，均产生了相当的肌肉力量适应 [4]。同样，Liao 等人对比基于速度的训练（VBT）与基于百分比训练的荟萃分析发现，深蹲 1RM（MD = 3.03 kg，95% CI: -3.55 至 9.61 kg）或 60% 1RM 时的移动速度均无显著差异 [6]。

相反，早期一项纳入 8 项针对有训练经验人群研究的荟萃分析报告称，自动调节抗阻训练在整体最大力量表现上显著优于固定负荷（ES = 0.64，$p<0.001$），并在深蹲（ES = 4.64）和卧推（ES = 3.21）中表现出明显的亚组优势 [10]。在进阶模型的排名中，一项评估最大力量增长的网状荟萃分析发现，自动调节模型的排名高于 PBRT，其层级关系为：自动调节渐进式抗阻练习（APRE）> 基于速度的抗阻训练（VBRT）> RPE > PBRT [5]。APRE 被确定为所有自动调节策略中效应量最高的方法（ES = 0.78），且持续 $\le 8$ 周的干预比较长周期（8–10 周，ES = 0.32）产生了更大的相对力量适应（ES = 0.87） [10]。

1RM 力量进阶模型层级排序 (SUCRA / 网状荟萃分析 [5]):

  [ 1. APRE ]  >  [ 2. VBRT ]  >  [ 3. RPE / RIR ]  >  [ 4. PBRT (%1RM) ]
  (1RM 提升最高)                                         (固定基准)

训练有素受试者的实验研究

在有抗阻训练经验者中进行的直接实验对比也反映了这些发现。在 Helms 等人进行的一项为期 8 周的日波动抗阻训练研究中，基于百分比的负荷组（$n=11$）和基于 RIR 的 RPE 负荷组（$n=10$）均在卧推（+9.64 kg vs. +10.70 kg）、深蹲（+13.91 kg vs. +17.05 kg）以及三项总成绩（+23.55 kg vs. +27.75 kg）上取得了显著的力量增长 [1]。尽管传统的零假设检验未显示组间存在统计学显著差异，但基于幅度的推断表明，RPE 负荷组在深蹲（ES = 0.50）、卧推（ES = 0.28）和总成绩（ES = 0.48）上分别具有 79%、57% 和 72% 的概率获得小效应量优势 [1, 2]。

在 Barnes 等人开展的一项随机交叉试验中，自动调节周期化（AR）与传统百分比周期化（TP）在深蹲（$p<0.001$）、硬拉（$p=0.001$）和三大项总成绩（$p<0.001$）上产生了相当的增幅 [9]。AR 在深蹲和硬拉训练课中促成了更高的平均训练强度（%1RM）；然而，卧推 1RM 表现出了显著的方案 $\times$ 时间交互作用，倾向于传统基于百分比的负荷方案（$p=0.014$，$d=1.11$） [9]。

在高负荷训练范式中，负荷超过 60% 1RM 在最大化 1RM 适应方面始终优于低负荷范式（$\le 60\%$ 1RM；ES 差异 = 0.58），且这一效应独立于总负荷量而存在 [16]。

肌肥大适应

在力竭接近度相当且训练量匹配的情况下，RPE/RIR 负荷设定与基于百分比的负荷设定在骨骼肌肥大效果上表现出几乎完全的一致性 [1, 4]。

+-----------------------------------------------------------------------------------+
|               8 周肌肥大对比：%1RM VS. RPE 负荷 (HELMS ET AL. [1])                |
+----------------------------+-----------------------+------------------------------+
| 肌肉部位                   | %1RM 组 (+Δ mm)       | RPE/RIR 组 (+Δ mm)           |
+----------------------------+-----------------------+------------------------------+
| 胸大肌                     | 1.59 ± 1.33           | 1.90 ± 1.91                  |
| 外侧广肌 (50% 股骨长度)    | 2.13 ± 1.95           | 1.85 ± 1.97                  |
| 外侧广肌 (70% 股骨长度)    | 2.40 ± 2.22           | 2.31 ± 2.27                  |
+----------------------------+-----------------------+------------------------------+
*注：组间差异均无统计学显著性 (p > 0.05) [1, 2]。

在 Helms 等人的试验中，肌肉厚度的超声测量显示，百分比组与 RPE 组在胸大肌（+1.59 mm vs. +1.90 mm）、50% 股骨长度处的股外侧肌（+2.13 mm vs. +1.85 mm）或 70% 股骨长度处的股外侧肌（+2.40 mm vs. +2.31 mm）上均无显著差异（$p>0.05$） [1, 2]。

同样，当直接评估力竭接近度时，一项针对有经验训练者的 8 周研究发现，在训练量匹配的条件下，达到瞬间肌肉力竭与预设 1 到 2 RIR 对股四头肌平均厚度的增长效果几乎完全相同（0.181 cm vs. 0.182 cm） [21]。一项为期 10 周的纵向数据对比了周期化力竭接近度模型（在 1 到 4 RIR 之间变化）与恒定 1-RIR 方案，发现两组在股外侧肌截面积增长（6.5% vs. 5.5%）、深蹲 1RM 增长（9.8% vs. 9.2%）以及卧推增长（7.0% vs. 9.6%）方面结果一致，同时周期化 RIR 组在诱导了更大肱三头肌肥大（5.8% vs. 2.2%）的同时伴随更低的单次训练平均 RPE [18]。

荟萃分析评估证实，在相对强度和训练量相等的前提下，训练至瞬间肌肉力竭并非最大化肌肉横截面积（CSA）的必要条件 [4]。当使用速度损失阈值进行容量自动调节时，较高的速度损失阈值（$>25\%$）与保守阈值（$\le 20\%$；MD = 0.64 cm²，$p=0.03$；以及 $\le 25\%$；MD = 0.61 cm²，$p=0.03$）相比能诱导显著更大的 CSA 肥大，而 $>25\%$ 与 20–25% 阈值之间无显著差异（MD = 0.36 cm²，$p=0.28$） [4]。

处方精准度、疲劳与 RIR 准确性

不同处方模型之间的一个关键区别在于它们如何管理急性疲劳以及在不同生理状态下如何维持处方精准度 [12, 20]。

疲劳状态下的准确性与负荷漂移

当训练者在处于疲劳状态下进行抗阻训练时，固定百分比处方会丧失其精准度 [12]。在 Cowley 等人对比 70% 1RM 条件下 %1RM、RPE、RIR 和 VBT 的交叉研究中，VBT 表现出了最高的准确性，能够使 100% 的组数保持在目标速度的 5% 范围内 [12]。相比之下，%1RM 和主观 RPE 导致了显著的处方漂移；随着疲劳累积，固定的 %1RM 频繁迫使训练组达到瞬间力竭，而 RIR 和 VBT 则允许运动员在不发生非预期力竭的情况下维持目标训练量 [12]。

+-----------------------------------------------------------------------------------+
|               不同力竭接近度下的急性疲劳指标 (卧推 [20])                          |
+--------------------------+---------------------+----------------------------------+
| 状态                     | 练后 4 分钟速度损失 (%) | 24 小时神经肌肉功能缺损 (%)      |
+--------------------------+---------------------+----------------------------------+
| 瞬间力竭 (FAIL)          | -25%                | -3%                              |
| 1-RIR                    | -13%                | -3%                              |
| 3-RIR                    | -8%                 | +2% (已恢复)                     |
+--------------------------+---------------------+----------------------------------+

神经肌肉疲劳动力学

与未力竭的重复次数相比，真正的肌肉力竭会带来不成比例的疲劳代价 [17, 20]。在以 75% 1RM 完成 6 组卧推后，力竭组在运动后 4 分钟测得的急性速度损失为 -25%，而 1-RIR 组为 -13%，3-RIR 组为 -8% [20]。此外，从第一组到最后一组的组间速度损失在力竭组（-22%）中显著高于 1-RIR 组（-9%）或 3-RIR 组（-6%） [20]。尽管力竭组（-3%）和 1-RIR 组（-3%）在 24 小时后相比于 3-RIR 组（+2%）仍存在神经肌肉功能减退，但所有疲劳指标在 48 小时内均完全恢复 [20]。固定的速度损失阈值并不能完全消除力竭；以 40% 速度损失阈值进行深蹲时，训练者在约 56% 的组数中会达到真正力竭 [20]。

在运动表现指标方面，网状荟萃分析表明，与高速度损失阈值（$>20\%$ 损失，P-score $\ge 0.50$）、传统百分比训练（P-score $\le 0.46$）和单纯 RIR（P-score $\le 0.46$）相比，低速度损失阈值（$\le 20\%$ 损失）在力量、跳跃和冲刺表现上取得了更高的 P-score（$\ge 0.59$） [8]。在容量自动调节中，当加入辅助练习时，速度损失阈值 $\le 25\%$ 比较阈值 $>25\%$ 产生的 1RM 力量增益显著更高（MD = 2.32 kg，$p=0.02$） [4]。

主观 RIR 评估的准确性

RPE/RIR 处方的一个普遍顾虑是主观误差。然而，在 0 至 3 RIR 范围内训练时，具备抗阻训练经验的个体能够准确预测力竭接近度，误差在约 1 次重复以内 [1, 21]。实验研究显示，在 1-RIR 目标下的预测误差为 $0.40\pm 0.68$ 次，在 3-RIR 目标下为 $0.90\pm 0.81$ 次，且随着长期训练周期的推进，准确性较基线水平进一步提高 [18, 21]。

实践应用与方案制定指南

+-----------------------------------------------------------------------------------+
|                         应用矩阵：%1RM VS. RIR/RPE                                |
+-------------------+--------------------------------+------------------------------+
| 目标              | 推荐处方模型                   | 目标接近度 / 阈值            |
+-------------------+--------------------------------+------------------------------+
| 最大力量          | 自动调节 (RIR/RPE / APRE)       | 1–3 RIR (≥60% 1RM) [10, 16]  |
| 肌肥大            | RIR 或 %1RM (容量匹配)         | 1–2 RIR / >25% VL [4, 21]    |
| 爆发力 / 冲刺     | 低速度损失 VBT                 | ≤20% 速度损失 [8]            |
| 疲劳控制          | 周期化 RIR                     | 1–4 RIR (避免力竭) [18]      |
+-------------------+--------------------------------+------------------------------+

1. 针对 1RM 力量发展：通过 RIR、APRE 或 VBT 进行的自动调节相比于僵化的百分比系统具有微弱优势，因为它能充分利用身体准备状态良好的日子，并防止在疲劳日过早力竭 [1, 5, 10]。负荷应保持在 $>60\%$ 1RM，以优化特定的神经和机械适应 [16]。
2. 针对骨骼肌肥大：只要每组在距离力竭 1 到 3 次重复（1–3 RIR）时终止，基于 RIR 和基于百分比的负荷方案同样可行 [1, 21]。在 1–2 RIR 处结束动作可避免与彻底力竭相关的不成比例的神经肌肉疲劳，同时提供等效的肌肥大刺激 [20, 21]。
3. 处方精准度：在存在急性残留疲劳的训练环境中，应优先考虑 RIR 和 VBT 而非静态的 %1RM，以防止非预期力竭和单次训练内过度的速度衰减 [12, 20]。