Relación de carga aguda:crónica (ACWR)
Descubre cómo Trainingload.ai calcula ACWR con Fatiga y Condición física del mismo día y por qué sirve para revisar carga, no para predecir lesiones.
La relación de carga aguda:crónica (ACWR) compara la carga reciente modelada con la carga a largo plazo. En Trainingload.ai, A:C es la Fatiga (ATL) de hoy dividida por la Condición física (CTL) de hoy.
Puede señalar un cambio de contexto, pero no predice lesiones ni preparación.
Fórmula y variante
ACWR_today = ATL_today / CTL_todayCon ATL 60 y CTL 50, ACWR es 1.20. Si CTL es cero, el producto devuelve 0.
Trainingload.ai usa un cociente exponencial acoplado del PMC: la carga de hoy entra tanto en ATL, con una constante de tiempo de siete días, como en CTL, con una de 42 días. No es una media simple 7/28 ni una variante desacoplada.
Interpretación
Por encima de 1, ATL supera CTL; cerca de 1 ambas curvas son parecidas; por debajo de 1, ATL es menor. El cociente oculta la escala: 12 / 10 y 120 / 100 dan 1,20. Una CTL muy pequeña también puede producir un valor grande tras una sola sesión.
Los tramos <0.8, 0.8–<1.3, 1.3–<1.5 y ≥1.5 son reglas visuales, no pruebas de un estado óptimo, seguro o peligroso. Combina valores absolutos, actividades, configuración, sueño, dolor, enfermedad y fatiga subjetiva.
Referencias
Forma (TSB)
Descubre cómo Trainingload.ai calcula la Forma (TSB) con la Condición física y la Fatiga del mismo día, sin confundirla con la preparación competitiva.
Monotonía del entrenamiento
Descubre cómo Trainingload.ai calcula Monotonía y Training Strain con las siete últimas cargas diarias y en qué se diferencian de las métricas clásicas de Foster.