Modelo Fitness-Fatiga
También conocido como: Modelo Banister, Modelo de Dos Componentes, Rendimiento = Fitness − Fatiga
Un modelo matemático de dos componentes sobre cómo el entrenamiento afecta el rendimiento a lo largo del tiempo. Cada sesión de entrenamiento produce simultáneamente dos respuestas: una traza de 'fitness' de construcción lenta y decaimiento lento, y una traza de 'fatiga' de ascenso rápido y decaimiento rápido. El rendimiento en cualquier momento es la diferencia entre ellas. El modelo es la columna vertebral conceptual detrás de las métricas modernas de monitoreo de carga — TSS, CTL/ATL/TSB, ACWR y la tendencia de carga EWMA de Afitpilot descienden de este marco.
Fórmula
Rendimiento(t) = k1 × Fitness(t) − k2 × Fatiga(t)
donde:
Fitness(t) = Σ CargaDeEntrenamiento(i) × e^(−(t − i) / τ1) [τ1 ≈ 35-50 días]
Fatiga(t) = Σ CargaDeEntrenamiento(i) × e^(−(t − i) / τ2) [τ2 ≈ 7-15 días]
k1, k2 = constantes de ponderación específicas del atleta (k2 típicamente 2-3× k1)
En la práctica, esto se reduce a tres proxies observables:
CTL (Carga de Entrenamiento Crónica) = la traza de fitness, suavizada EWMA durante ~42 días
ATL (Carga de Entrenamiento Aguda) = la traza de fatiga, suavizada EWMA durante ~7 días
TSB (Balance de Estrés de Entrenamiento) = CTL − ATL = rendimiento previsto en este momentoEjemplo
Un ciclista completa un mesociclo de construcción de 4 semanas promediando 600 TSS/semana, luego descarga a 250 TSS en la semana 5. Final de la semana 4: CTL ha subido a ~75 (fitness arriba), ATL ha subido a ~85 (fatiga aún más alta), TSB es −10 (rendimiento negativo — fatigado, no puede expresar la ganancia de fitness aún). Descarga de la semana 5: ATL cae rápidamente (-30, reduciéndose a la mitad en una semana) mientras CTL apenas se mueve (-2, vida media de 42 días). Final de la descarga: CTL ~73, ATL ~55, TSB +18 — la ventana de supercompensación. Es por eso que un mesociclo de 4 semanas + 1 semana de descarga es un ritmo productivo: genera un cambio de TSB de negativo a fuertemente positivo sin perder la ganancia de fitness.
Cómo Afitpilot usa esto
El gráfico de tendencia de carga de Afitpilot implementa directamente el modelo fitness-fatigue: las curvas EWMA crónica (28 días) y aguda (7 días) en el gráfico son las trazas de fitness y fatiga con otro nombre, y ACWR (relación aguda:crónica) es una lectura común de dónde se encuentra el atleta en la curva. Deliberadamente no calculamos ni mostramos un número TSB, porque la forma canónica (CTL − ATL con constantes k1, k2 específicas del atleta) requiere entradas que no tenemos para atletas de fuerza autodirigidos — un FTP calibrado para TSS, o una ponderación ajustada de fitness a fatiga por atleta. La carga basada en AU nos da la misma forma crónica/aguda sin la falsa precisión de un solo número de 'rendimiento'. La traducción práctica que el modelo da a los atletas: una traza crónica en aumento junto con una traza aguda moderada significa que el progreso se está acumulando; una traza crónica estancada junto con una traza aguda en aumento significa que la fatiga está ganando; las descargas existen para drenar la traza aguda más rápido de lo que decae la crónica.
Constantes de tiempo y lo que significan
| Quién / Contexto | Valor | Nota |
|---|---|---|
| Fitness time constant (τ1) | 35-50 days half-life | Why detraining gains take weeks to fully fade — and gains take weeks to fully bank |
| Fatigue time constant (τ2) | 7-15 days half-life | Why a 1-2 week deload clears most of the fatigue while preserving fitness |
| Fatigue:fitness weighting (k2:k1) | Typically 2-3:1 | Each unit of training adds 2-3x more fatigue than fitness, short-term |
| Optimal TSB at competition | +15 to +25 in cycling/triathlon literature | Empirically derived; precision drops off in strength sports |
| How long to peak fitness from a deload | 5-10 days for the TSB to swing positive | The mesocycle close-out + 1-week deload cadence engineers exactly this |
| Model age | 1975 (Banister) | The longest-surviving training-science model in continuous use |
Limitaciones conocidas
- •El modelo de dos componentes es una simplificación. Las adaptaciones reales del entrenamiento involucran al menos cuatro escalas de tiempo (neural ~horas-días, metabólica ~días-semanas, estructural ~semanas-meses, tejido conectivo ~meses) que los dos exponenciales comprimen en una imagen de condición física vs fatiga. El modelo capta la forma macroscópica correcta; no predice las microadaptaciones específicas de la disciplina.
- •Las constantes de ponderación específicas del atleta (k1, k2, τ1, τ2) generalmente se ajustan mediante regresión retrospectiva sobre meses de datos de rendimiento. Sin esa calibración, el modelo es cualitativo más que predictivo — útil para explicar por qué funcionó tu último bloque, menos útil para predecir tu próximo resultado en una carrera.
- •Basura entra, basura sale en la entrada de carga. El marco de condición física-fatiga asume una métrica de carga que escala linealmente con el estímulo, lo cual es aproximadamente cierto para el trabajo aeróbico constante (TSS, TRIMP) y solo aproximadamente cierto para el entrenamiento de fuerza (AU, tonelaje). Los días de resistencia pesada producen fatiga neural y estructural que el modelo subestima, y las curvas se ven más suaves que la realidad.
- •El modelo trata la condición física y la fatiga como trazas de una sola cantidad escalar. En deportes con múltiples adaptaciones distintas (VO2max de un corredor vs economía de carrera vs umbral de lactato), un número de carga crónica enmascara trazas divergentes — tu CTL puede aumentar mientras tu adaptación específica de VO2max está retrocediendo porque el bloque fue demasiado fácil en intensidad.
- •La predicción de TSB (forma) a partir de CTL − ATL tiene apoyo empírico en ciclismo y triatlón, pero es débil en deportes de fuerza — alcanzar el pico de un levantador de pesas solo con un cálculo de TSB generalmente pierde la ventana de tiempo. El valor del modelo para los atletas de fuerza es conceptual, no predictivo.
Science Context
El modelo fitness-fatigue se origina con Banister, Calvert y colegas en la Universidad Simon Fraser en 1975, originalmente ajustado a datos de rendimiento en natación. La forma de ecuación diferencial de dos componentes ha sido re-derivada y re-validada docenas de veces en deportes de resistencia y de equipo (Busso 2003 — la revisión exhaustiva; Clarke & Skiba 2013 en ciclismo). Su encarnación moderna como la familia TSS / CTL / ATL / TSB en TrainingPeaks (Coggan, principios de los 2000) es la aplicación de entrenamiento más utilizada del marco hoy. La validez en deportes de fuerza es más débil — Williams et al. 2017 y Vermeire et al. 2021 señalan que el modelo captura la forma crónica/aguda pero no produce predicciones útiles de pico de rendimiento para entrenamiento de resistencia. El resumen honesto: el modelo fitness-fatigue es uno de los pocos marcos de ciencia del entrenamiento donde la imagen cualitativa (ritmo de construcción-descarga, tiempo de supercompensación, por qué la fatiga enmascara el fitness) es lo suficientemente robusta para programar alrededor, mientras que las predicciones cuantitativas de un solo número (este TSB exacto en este día exacto producirá este pico) son confiables solo dentro de deportes aeróbicos estables calibrados. Afitpilot usa el esqueleto cualitativo — carga crónica vs. aguda — y se detiene antes de la lectura cuantitativa por esa razón.