优化 VO2 Max：基于循证的训练强度、间歇结构与训练量分布

Introduction

最大摄氧量（$\dot{V}\text{O}_2\text{max}$）是有氧耐力水平和整体心肺耐力的核心决定因素。对于业余受训运动员——通常定义为基线体能水平男性最高为 55 mL·kg⁻¹·min⁻¹、女性最高为 49.5 mL·kg⁻¹·min⁻¹ [1]——需要系统性地进阶训练强度和训练量，以持续诱发中枢与外周的生理适应。运动生理学文献广泛探讨了间歇结构、强度区间以及微周期训练量分布的独立效应与交互效应，旨在确定提升 $\dot{V}\text{O}_2\text{max}$ 的最佳训练方案。

Exercise Intensity Domains and Work Modalities

与标准的持续有氧耐力训练相比，间歇训练模式能显著且可靠地提升 $\dot{V}\text{O}_2\text{max}$ [1, 4, 6]。一项涵盖 37 项研究、334 名从久坐到经常参加业余运动受试者的元分析发现，间歇训练方案（每周 ≥3 天，≥80–85% $\dot{V}\text{O}_2\text{max}$ 的高强度运动时间 ≥10 分钟，且功歇比至少为 1:1）在 6 至 13 周内平均提升 $\dot{V}\text{O}_2\text{max}$ 达 0.51 L·min⁻¹ [1]。相比之下，中等强度持续训练的平均提升幅度通常较低（在 20 周内约提升 0.40 L·min⁻¹），且个体差异更大、无应答者比例更高 [1]。

在评估不同的间歇训练模式时，针对受训人群和运动爱好者的网状元分析表明，多种高强度训练手段均行之有效 [4, 18]：

• Repeated Sprint Training (RST): 持续时间 ≤10 秒（通常为 3–7 秒）的极限冲刺，间歇恢复极短（≤60 秒）。与传统持续训练（$g = 0.29$）相比，RST 在提升 $\dot{V}\text{O}_2\text{max}$ 方面的效应量达到了 $g = 1.04$ [4]。在每周进行 3 次训练的情况下，短至 2 周的干预即可带来显著提升 [4]。
• High-Intensity Interval Training (HIIT): 强度在最大能力的 80–100% 的次极量至近极限运动（相对对照组的效应量 $g = 1.01$）[4]。HIIT 在改善健康人群以及超重/肥胖人群的心肺耐力方面均表现出高度的一致性 [6, 18]。
• Sprint Interval Training (SIT): “全力以赴（All-out）”的超极限冲刺（通常为 20–30 秒），中间穿插较长时间的被动或主动恢复（$g = 0.69$）[4]。尽管 SIT 能有效诱发健康运动员的新陈代谢适应并减少脂肪量 [6]，但如果恢复间歇设置不当，其对有氧能力提升的效果会明显减弱 [4]。

统计学比较显示，RST、HIIT 与 SIT 之间在净 $\dot{V}\text{O}_2\text{max}$ 提升幅度上并无显著差异（$p > 0.05$）[4]。跨强度三分位数（约 60–70%、约 80–92.5% 以及约 100–250% $\dot{V}\text{O}_2\text{max}$）的元回归分析证实，高强度间歇运动在绝对 $\dot{V}\text{O}_2\text{max}$ 提升上效果相当（+0.26 至 +0.35 L·min⁻¹），而所需的训练量和单次课时长远少于中等强度持续训练 [16]。

Optimizing Interval Structure and Work-to-Rest Ratios

间歇架构——尤其是单组运动时间、间歇恢复时长以及功歇比（WRR）——决定了单次训练课中处于或接近 $\dot{V}\text{O}_2\text{max}$ 状态的累积时间。

Long vs. Short HIIT Intervals

在高强度间歇处方中，单组运动时长显著影响适应幅度。元分析数据的亚组分析显示，采用较长间歇时长（例如在 ≥85–90% $\dot{V}\text{O}_2\text{max}$ 强度下持续 3–5 分钟）的方案带来的 $\dot{V}\text{O}_2\text{max}$ 平均提升达 0.8 至 0.9 L·min⁻¹，显著优于较短时长的方案 [1]。

三层元回归分析揭示了 HIIT 各参数呈现倒 U 型的剂量-效应关系 [4]：

• Optimal Work Duration: 当每组运动时长约为 140 秒时，$\dot{V}\text{O}_2\text{max}$ 的适应效果达到峰值 [4]。
• Optimal Work-to-Recovery Ratio: 约 0.85 的功歇比（相当于 140 秒的高强度运动配合约 165 秒的恢复）可使有氧适应最大化 [4]。

Recovery Constraints for SIT

对于超极限冲刺间歇训练，间歇时长是一个极其敏感的参数。网状元回归分析表明，当运动员的恢复间歇超过 97 秒时，$\dot{V}\text{O}_2\text{max}$ 的提升在统计学上不再显著 [4]。最有效的 SIT 训练架构是将冲刺时间控制在 ≤30 秒，且恢复时间严格限制在 97 秒以内，按每周 3 天安排并持续 3 至 6 周 [4]。

Weekly Training Intensity Distribution: Polarized vs. Pyramidal

耐力运动科学通常采用基于血乳酸和通气阈值标志物定义的三区模型来规范训练分布 [8]：

1. Zone 1 (Low-Intensity Training, LIT): 低于第一通气阈值（$\text{VT}_1$）/ 血乳酸 $<2\text{ mmol·L}^{-1}$。
2. Zone 2 (Moderate-Intensity Training, MIT): 介于 $\text{VT}_1$ 和 $\text{VT}_2$ 之间 / 血乳酸 $2–4\text{ mmol·L}^{-1}$（阈值区间）。
3. Zone 3 (High-Intensity Training, HIT): 高于第二通气阈值（$\text{VT}_2$）/ 血乳酸 $>4\text{ mmol·L}^{-1}$。

Comparing Distribution Models

• Polarized Model (POL): 将大约 75–80% 的训练量分配给 1 区，2 区训练量极少（0–5%），15–20% 分配给 3 区 [8]。
• Pyramidal Model (PYR): 将 >70% 的训练量分配给 1 区，2 区和 3 区的比例依次递减 [8]。
• Threshold Model (THR): 将总训练量的 >40% 分配给 2 区 [8]。

系统评价证实，与偏重阈值训练的分布模式相比，极化模型和金字塔模型在提高 $\dot{V}\text{O}_2\text{max}$、次极限运动经济性以及计时赛表现方面均更为优越 [8, 9]。在综合对比竞技运动员和业余运动员时，POL 与 PYR 之间在 $\dot{V}\text{O}_2\text{max}$ 适应上的总体差异微乎其微（标准化均数差 [SMD] = -0.06，$p = 0.68$）[12]。

然而，个体受试者数据元分析表明，在不同水平的运动员之间存在显著差异（$p < 0.05$，SMD = -0.63）[12]：

• 高水平竞技运动员从极化分布中获得的生理提升略大 [12]。
• Recreational athletes 在金字塔分布下则能获得相当甚至更优的提升 [12]，因为这种模式允许在保持高强度间歇刺激的同时，积累更多稳态节奏/乳酸阈训练量（2区）。

按顺序对这些框架进行周期化安排（例如先进行 8 周金字塔训练，随后进行 8 周极化训练），同样已被证明在同时提升乳酸阈和 $\dot{V}\text{O}_2\text{max}$ 方面高度有效 [9]。值得注意的是，追踪训练分布时必须考虑量化方式：与功率、配速或主观用力感觉相比，用心率量化强度往往滞后于剧烈的负荷变化，从而低估 3 区的实际训练暴露 [9]。

Periodization and Dose-Response Considerations

对于接受规律训练的业余群体，各种周期化结构——包括线性周期、反向线性周期和波动周期——都能可靠地改善其 $\dot{V}\text{O}_2\text{max}$、跑步经济性和乳酸阈功率输出 [14]。在一项针对自行车运动员的试验中，研究对比了采用 4×16 分钟（2区）、4×8 分钟（2/3区）和 4×4 分钟（3区）中周期的不同周期模型，结果发现线性进阶在维持功率提升方面的个体正应答率更高（87%），优于反向线性（63%）和波动模型（56%）[14]。

从剂量-效应的角度来看，贝叶斯网状元分析表明，间歇训练在广泛的附加训练剂量范围内（以 MET-min/周 衡量）均能带来显著改善，且在经常运动的人群中不受基线 $\dot{V}\text{O}_2\text{max}$ 或年龄的明显调节 [18]。然而，对于高水平受训群体，必须严密监控间歇训练量；监测间歇训练课的训练冲量（IT S TRIMP）至关重要，因为在缺乏充足低强度基础的情况下进行过量的高强度训练会削弱进一步的适应效果 [15, 20]。业余耐力运动员则应在增加高强度间歇训练频次之前，先建立起扎实的低强度训练量基础，以确保肌肉骨骼系统的良好准备 [15]。