Razão de carga aguda:crônica (ACWR)
Entenda como o Trainingload.ai calcula a ACWR com Fadiga e Condicionamento físico do mesmo dia e por que ela serve para analisar a carga, não para prever lesões.
A razão de carga aguda:crônica (ACWR) compara a carga recente modelada com a carga de longo prazo. No Trainingload.ai, A:C é a Fadiga (ATL) de hoje dividida pelo Condicionamento físico (CTL) de hoje.
Ela pode destacar uma mudança de contexto, mas não prevê lesão nem prontidão.
ACWR_today = ATL_today / CTL_todayCom ATL 60 e CTL 50, a ACWR é 1.20. Se a CTL for zero, o produto retorna 0.
O Trainingload.ai usa uma razão exponencial acoplada do PMC: a carga de hoje entra tanto na ATL, com constante de tempo de sete dias, quanto na CTL, com constante de 42 dias. Não é uma média simples de 7/28 dias nem uma variante desacoplada.
Acima de 1, ATL supera CTL; perto de 1, as curvas são semelhantes; abaixo de 1, ATL é menor. A razão esconde a escala: 12 / 10 e 120 / 100 resultam em 1,20. Uma CTL muito pequena também pode gerar valor alto após uma única sessão.
As faixas <0.8, 0.8–<1.3, 1.3–<1.5 e ≥1.5 são regras visuais, não evidência de estado ótimo, seguro ou perigoso.
Referências
Forma (TSB)
Entenda como o Trainingload.ai calcula a Forma (TSB) com Condicionamento físico e Fadiga do mesmo dia, sem confundi-la com prontidão.
Monotonia do treinamento
Entenda como o Trainingload.ai calcula Monotonia e Training Strain com as sete cargas diárias mais recentes e como isso difere das métricas clássicas de Foster.