想看我的测试报告吗，教练？

　　

　　在2013年3月9日，Alex Ferguson在《Irish Times》上发表了可能对足球运动科学家最鼓舞人心的信息之一："毫无疑问，运动科学是我有生之年见到的最大、最重要的变革。它将我们的比赛提升到了另一个层次，多年前这可能只存在于我们的梦想当中。运动科学给比赛带来了全新的维度"。虽然这样的声明对于世界各地推广运动科学课程的大学和愿意在精英俱乐部拥抱职业生涯的年轻学生来说是宝贵的，但是在某些精英俱乐部或联合会中，运动科学的实际价值可能并不总是被看重。作为一名运动科学家，对训练计划产生影响绝非易事。教练和运动员理解、接受和使用运动科学的方式高度不确定和不可预测。

　　通往有效的运动科学支持的道路是一条漫长而曲折的道路，需要频繁的停靠和不断的调整方向。在历史上，我们在了解数据的真实性和有用性以及在精英运动领域中报告和实施运动科学的最佳方式方面犯了许多错误。在有效的运动科学支持的不同方面中，最重要的三个步骤可能如下：

　　正确理解和分析数据；即使用正确的指标和统计方法。第一个考虑因素是选择最佳变量，即那些在信效度方面可信，并且对教练和运动员实际提出的问题有用的变量。其次，在团体项目中采用的运动员样本往往相对较少，并且无法有效地控制许多变量，这使得传统的分析方法（例如零假设显著性检验（NHST），包括和）难以解释。然而，在过去的十年左右，我们在理解和报告对运动员的影响方面取得了巨大进展，并且存在更为有效和相关的方法，这些方法更容易进行实际解释。我认为，对这些有用的变量和分析方法毫不知情的现代从业者是不称职的，而知道这些方法却坚持过去的做法则有点不诚实。

　　通过改进的数据呈现/可视化方式提供有吸引力和信息丰富的报告。在这一步中的有效性很可能更多地依赖于艺术技巧和创造力，而不是适当的科学知识，这在运动科学课程中经常被忽视。日常的试错很可能是寻找最佳数据可视化策略的关键。

　　拥有适当的沟通技巧和个人态度，以有效地向教练和运动员传递这些数据和报告。这一步毫无疑问是整个过程中最重要的步骤，但大学并没有为此提供培训。在这个阶段，没有什么能取代经验、高个人标准和谦虚，这通常是随着时间的推移逐渐发展起来的。

　　下文将分别对这三个组成部分进行详细介绍。

　　建立成功的运动科学体系的第一步是选择并使用正确的数据。随着（微）技术的指数级增长，从运动员身上收集数据从未如此容易。对于每个训练课程，可以相对容易地完全捕获每个运动员身上的外部负荷（例如跟踪系统、编码器、测力台）和内部负荷（例如心率、肌肉氧合、出汗率）。然而，技术本身可能并不是解决方案；成功的运动科学支持的基础可能首先是在场上打下的，当从业人员选择可以帮助他们回答教练和运动员实际提出的问题的数据类型时，以及他们如何收集这些数据、如何理解每个变量的限制以及如何分析、报告和利用所有这些信息。虽然在寻找最佳变量时研究很重要，但也不应忽视它们的实际实用性，即它们对于影响训练计划的能力。这涉及到"有趣 vs 重要"的数据类型。例如，最大摄氧量与最大有氧速度的测量；只有后者可以用于训练方案设计。

　　统计数据在运动科学中是利用数据做出决策最重要的方面之一。不幸的是，该领域大多数实践者的统计能力常常不足以最大程度地利用其数据，从而对训练计划产生有意义的影响。实践者"统计效率"缺乏的主要原因之一是，迄今为止大学的统计讲座一直独家赞扬NHST，即：

　　不适用于回答来自该领域的问题类型，如表1所述，效应的大小对实践者最为重要------P值不能说明这一点。

　　不适用于评估个体，这是精英运动员监测的核心。事实上，传统统计仅允许对基于总体的响应进行分析（表1）。

　　表1 为什么科研和实践者应该放弃零假设显著性检验（NHST），而应该拥抱数据级数推断（MBI）；SWC = 最小有价值变化图1：使用幅度推断解释变化时可能的决策示例。注意清楚（clear）和不清楚（unclear）的情况(基于置信区间,相对于阴影的微小效应区域)，这首先是幅度推断的美，其次这是无法通过原假设显著性检验来获得。还要注意，对于明确的效应，随着置信区间的缩小，变化的可能性增加。图2：运动员两个赛季中在跑动速度为12km/h时的心率（%HRmax）变化。阴影区域表示微小变化（%1），误差棒为典型测量误差（3%）。*表示心率发生实质性变化，**表示可能，***表示很可能。变化的幅度设置为最小有价值变化( SWC )的倍数；即1 ~ 3x (小)、3 ~ 6x (中)和大> 6x SWC。作为NHST的有效替代方案，可以使用（或翻译为）（MBI，表1）进行更有优势的分析。这种 "新" 的统计方法在过去15年中主要由Will G.Hopkins努力推动，已经改变了我的生活，无论是作为精英运动员的学者还是实践者。我个人希望MBI对其他科学家有影响，就像它对我有影响一样。尽管这场辩论可能会继续下去，但MBI在体育科学和其他领域（尤其是在实际显著性方面往往优先于统计显著性的临床医学中）今天是一种成熟的分析方法。

　　MBI基于两个简单的概念：

　　1）对任何变量的变化/差异进行系统比较，与代表最小重要或有意义变化的典型阈值相比较（稍后称为最小有价值变化，SWC）。

　　a）为什么？ 不是所有的变化都是值得的/有意义的。首先重要的是变化/差异的大小： "变化是否比SWC大？如果是，大多少？" 在这种情况下，可以将1x，3x，6x和10x SWC的变化/差异视为小、中、大和非常大。

　　b）怎么做？ 定义它的最合适方法取决于变量，这迫使研究人员在分析数据时采取有意识的过程。 "NHST很容易，但是会误导。MBI很难，但是很诚实"（W.G. Hopkins的个人表达）。

　　表2提供了计算SWC的建议。

　　表2：得出最小有价值变化的建议方法。有关不同运动表现指标的SWC的详尽列表，请参阅Hopkins9和Buchheit的工作。1x、3x、6x和10x SWC的变化/差异可分别被认为是小的、中等的、大的和非常大的。SWC=最小有价值变化，CMJ=反向纵跳，MAS=最大有氧速度，SD=标准差2）与经典的类型的响应（NHST）不同，报道了这些变化/差异为"真实"的概率（大于SWC）。

　　a）更准确地说：概率在定量上(例如，比SWC大/相似/小的概率百分比为75/25/0)和定性上(例如，也许，可能，非常可能-图1和表3)都有报告。

　　b）怎么做？这些概率和相关的定性解释通常是先验设置的（例如，<1％，几乎肯定不会；1到5％，很不可能；5到25％，不太可能；25到75％，可能；75到95％，可能；95到99%，非常可能；> 99％，几乎肯定）

　　c）实践上：使用专门设计的免费在线电子表格可以轻松获得这些百分比概率。然后，当与教练交谈时，最终决定可以转化为简单的语言："这个进攻者很可能增加了他的冲刺速度。改进的幅度应该足够让他在比赛中赢得更多的球。"

　　与谚语"条条大路通罗马"类似，同样的数据和结果集可以用多种方式呈现（图3）。一旦确定了相关问题，选择了最佳变量并应用了适当的统计方法，对于运动科学家来说，最大的挑战是找到最有效的数据可视化和报告方式来传达他们的信息。下面讨论了优化表格、图形和内容呈现的几个考虑因素，并在表3和图3中进行了说明。

　　1）报告应尽可能简单且具有信息量（"简单而强大"）：

　　a) 仅限于几个"重要"变量（那些可用于回答教练和运动员实际提出的问题，并且对计划有影响的变量）。

　　b) 为了清晰明了，移除额外的小数位数和"噪音"（表3）。

　　c) 所有文本横向书写以增加可读性（图3b）。

　　d) 添加标签以使图表中的确切值也可见（用于模式的图形，用于详细信息的数字，如果需要）（图3b）。

　　e) 醒目地突出有意义的变化或差异，一目了然（如图2所示），可进行不同水平的数据分析。Microsoft Excel的条件格式描绘MBI是一个有用的例子（表2）。

　　f) 在可能的情况下包括误差线以承认不确定性（测量的典型误差以及个人或平均值的置信区间，如图2和3）。

　　g) 使用高级可视化工具，例如Tableau或Microsoft BI。尽管这些工具需要一些培训，但它们可能有助于创建美观且高级的报告，更容易引起教练和运动员的注意。

　　2）信息的格式应与教练和运动员的期望、偏好和习惯相匹配（这与寻找最佳交付路径有关，请参见下文）：

　　a) 视觉与口头信息。

　　b) 纸质与数字化报告。

　　c) 定量与定性解释。

　　d) 表格与图表（以及图表类型，例如条形图与雷达图等）。

　　表3：营养补充剂对弹跳力的影响，用来说明p值的误导性质。在本案例中，增加两个被试(运动员13和14)，即使不影响组均值和标准差的情况下，使用零假设显著性检验(无益vs有益)，研究结论会发生180 °的变化。相比之下，小幅度的效应量(标准化变化> 0.218 ,即前-后/合并SD)和整体数据解释(推论,补剂产生有益效果的概率%)均保持不变；它们显示了营养补充的有效性，与样本量无关。图3：以足球比赛过程中所覆盖的距离为例，说明不同层次的数据可视化。与( a )相比，( b )可能更容易阅读，因为所有文本都是水平显示的，信息更丰富：每条边上都提供了距离标签以提高精度，增加了误差条(测量典型误差, 1%)以反映测量的不确定性，阴影区域代表团队平均值±标准差，这有助于可视化玩家之间的差异。( c )对于给定的兴趣匹配(红十字、球员的顶尖技术表现/对教练员评定的比赛成绩的影响)和个人历史数据(圆形, 90 % CI)，强调运动员内的差异。由于对于这样的数据，最合适的方法来得出一个最小有价值变化仍然是有争议的(表2)，差异的大小在实际单位(距离在90 %置信区间( 90 % CI ,图的右部分)以外的米)中提供，其解释留给从业者。从图中可以看出，整体匹配结果与所覆盖的总距离之间没有明显的联系这最后一部分明显比前面两部分缺乏科学性：它更多地反映了个人观点，这些观点基于在"行业"中的经验和同行们的讨论。这些想法最近在《国际运动生理学与表现杂志》的一篇社论中得到了总结。虽然传递数据只是本文中突出的三个步骤之一，但它可能是最重要的。如果运动科学家无法与教练沟通，无法与教练和球员建立兴趣和互动，那么他们显然无法将信息传递出去，而他们带有高质量统计数据的花哨报告最终将被扔进垃圾桶。作者得出结论："硕士学位和博士资格通常对创造这种协作和生产力环境的追求没有什么益处。了解一项运动或一些非常具体的运动员群体的特定规则需要很多年时间。获得高知名度运动员的尊重和信任往往更多地涉及个性和行为，而不是科学知识和技能。正如Dave Martin精妙描述的那样，我们，运动科学家（猴子）和教练与运动员（猫科动物和大猫）并不属于同一物种。我们有不同的期望，不同的行为方式，并且倾向于基于证据和事实做出决策，而他们依靠感觉和经验。创建这些联系，建立这些桥梁需要时间和努力。由于大多数教练、支持人员和运动员通常不知道俱乐部的科学支持会带来什么效果，因此只有在训练课程和团队总结期间坐在他们旁边、分享餐点和咖啡、在"战壕"中与他们在一起，运动科学家才能体会到教练和运动员可能会发现有用的内容以及他们依靠哪些信息做出决策！"将报告留在桌子或长凳上没有影响力；这种对话使数据有意义，只有在建立关系之后才能发生。此外，虽然在大多数地方拥有强烈的个性是必要的，但开放的心态、谦逊和一种友善的形式可能是在这个世界上产生影响所需的最重要的个性特质之一。

　　有了这些个人和社交参与技巧，不足为奇的是，大多数著名的研究人员、运动科学家和运动表现管理人员，在他们的学术之旅中，都深入接触过精英体育文化，直接（作为运动员）或间接（作为教练）。只有这些人才有能力适当地提供数据报告并相应地影响决策。

　　表4：使用标准化的次最大测试中的的心率反应的变化来报告不同级别的数据的例子。清晰度和有用性水平从左到右依次递增。职业足球运动员在整个两个竞技赛季(%HRmax)以12 km / h的速度奔跑时心率的个体变化。SWC =最小有价值变化(1% ) ，TE =典型测量误差(3%) 。> SWC + TE的变化有75 %的可能性为真。*表示发生实质性变化的可能性，**表示可能发生，***表示非常可能，最右列的数据如图2所示。在精英俱乐部和联合会之间，体育科学的价值和重要性差别很大。在有效的体育科学支持的不同组成部分中，最重要的三个元素可能是以下：

　　1）适当地理解和分析数据；即仅使用最重要和有用的度量标准，并使用基于幅度的推论作为统计学方法。事实上，传统的零假设显著性测试（P值）既不能回答从领域中产生的问题（即评估效果的大小和检查小样本量）也不能评估个人表现的变化。

　　2）通过改进的数据呈现/可视化方式提供有吸引力和有信息价值的报告（"简单但有力"）。

　　3）适当的沟通技巧和个性特征有助于向教练和运动员提供数据和报告。形成这样的个人特质需要时间、努力和最重要的是谦虚。