急慢性负荷比（ACWR）用于对比近期负荷与长期基线，帮助识别训练负荷是否增长过快。

急慢性负荷比（ACWR）

你可以把 **急慢性负荷比（ACWR）**理解成：你近期做了多少（急性），相对于你过去一段时间“习惯做多少”（慢性）是不是增长太快。它常被用来监控负荷增长节奏，尤其是在跑步等高冲击项目里。

ACWR 应该被视为筛查信号，而不是伤病预测模型。它的价值在于提醒你：近期负荷变化是否足够激进，值得进一步复查。

A:C

示例卡片：数值仅用于展示样式，实际意义需结合你的训练数据与趋势解读。

核心概念

通常指最近 7 天的平均负荷（类似于 PMC 中的 ATL）。它代表了你当前的疲劳程度。

通常指最近 28 天（或 42 天）的平均负荷（类似于 PMC 中的 CTL）。它代表了你的体能基础或适应能力。

A:C = (Acute Load) / (Chronic Load) \approx ATL / CTL

(注：在 PMC 体系中，这近似于 ATL / CTL 的比值，但具体算法可能因使用滚动平均或指数加权平均而略有差异)

A:C Ratio 更像一个交通信号灯，用来提示负荷是否变化过快：

A:C Ratio 范围	状态	含义与建议
< 0.8	近期负荷偏低	当前负荷明显低于习惯水平，可能是恢复期，也可能是体能回落。
0.8 - 1.3	变化可控	通常表示近期负荷接近长期基线，变化相对温和。
1.3 - 1.5	警告区 (Warning)	负荷增加较快，需要密切关注身体反应。
> 1.5	高变化区	近期负荷明显高于长期基线。继续加量前，应复查疼痛、睡眠、伤病史和后续强度安排。

Trainingload.ai 会用 ACWR 提醒负荷是否突然上升。若 A:C 明显升高，AI 教练可以复查后续训练是否需要保留、降强度或移动到更合适的日期。

这个比值不能单独决定训练调整。更可靠的判断需要同时结合 ATL、CTL、疼痛反馈、训练类型和伤病史。

虽然最经典的是 Gabbett 的 滚动平均 (Rolling Average) 模型，但在现代 PMC 软件（如 WKO5, TrainingPeaks, Trainingload.ai）中，通常直接使用 指数加权移动平均 (EWMA) 的 ATL 和 CTL 来计算比率：

EWMA 模型：对近期的训练赋予更高的权重，通常比滚动平均更灵敏。
解耦 (Uncoupled) vs 耦合 (Coupled)：
- Coupled: 急性负荷包含在慢性负荷的计算周期内。
- Uncoupled: 慢性负荷严格计算急性周期之前的日子。
- Trainingload.ai 默认采用 PMC 标准的 EWMA 逻辑，即 ATL (7d) / CTL (42d)。

避免“周末战士”模式：平时训练很少（慢性负荷低），周末突然大负荷训练（急性负荷高），会导致 A:C Ratio 快速升高。
伤后回归要耐心：受伤停训后，你的慢性负荷（分母）会变得很小。此时复出，即使是很小的训练量（分子），也会导致 A:C Ratio 爆表。你需要用几周时间慢慢重建慢性负荷。
不要追求高比值：对于高水平运动员，耐受度可能更高；而对于新手，可能 1.3 就已经偏激进。请结合自身的伤病史来调整个人警戒线。

在 Trainingload.ai 里监控负荷增长是否过快

A:C Ratio 适合用来发现负荷突然上升。Trainingload.ai 会把它和 ATL、CTL、疼痛反馈与训练趋势一起看，避免只凭单个比值做决定。

The Science of the TrainingPeaks Performance Manager (Andrew Coggan)
Modeling Human Performance (Fellrnr)
Gabbett TJ. The training-injury prevention paradox: should athletes be training smarter and harder? Br J Sports Med. 2016.