Tendencias de Calidad de Sesión
También conocido como: Estado de Entrenamiento, Tendencia de Preparación
Una evaluación compuesta de tu trayectoria de entrenamiento basada en las tendencias del delta de esfuerzo y las tendencias de adherencia durante tus últimas 6 sesiones completadas.
Fórmula
Regresión lineal en los deltas de esfuerzo (pendiente > 0.05 = "aumentando", < -0.05 = "por debajo") combinada con la tendencia de adherencia (pendiente > 0.02 = "mejorando", < -0.02 = "disminuyendo"). Estado general: mejorando / estable / riesgo / datos insuficientes.Ejemplo
Tendencia de esfuerzo: estable. Tendencia de adherencia: mejorando. Estado general: "Mejorando" — te estás volviendo más consistente mientras te mantienes dentro de la intensidad prescrita.
Cómo Afitpilot usa esto
Las tendencias de calidad aparecen en los paneles de entrenamiento y alimentan la generación semanal de planes de la IA. Un estado de "riesgo" (esfuerzo creciente + adherencia decreciente) puede provocar una recomendación de deload o un ajuste del plan.
Lo que cada estado de calidad significa para ti
| Quién / Contexto | Valor | Nota |
|---|---|---|
| Improving | More consistent + on-target effort | Ideal trajectory — keep going |
| Stable | Ticking along fine | No action needed |
| Risk | Effort creeping up + adherence dropping | Classic pre-burnout pattern — consider deload |
| Insufficient data | < 2 completed sessions | Keep logging — trends need data |
| Runner's equivalent | ACWR > 1.3 = injury risk | Same concept, different math |
Limitaciones conocidas
- •Requiere un mínimo de 2 sesiones completadas para cualquier tendencia, y la regresión es más significativa con 4-6 puntos de datos. Al principio de un programa, la tendencia no es confiable.
- •Los umbrales de pendiente de regresión son estáticos (0.05 para esfuerzo, 0.02 para adherencia) y no están individualizados. Los atletas con una variación naturalmente mayor entre sesiones pueden activar banderas de "riesgo" falsas.
- •El estado general es una clasificación basada en reglas simples, no un modelo de aprendizaje automático. Captura patrones comunes pero puede perder escenarios matizados.
Qué estamos mejorando
Science Context
Monitorear las tendencias de carga de entrenamiento es una práctica bien establecida en las ciencias del deporte. La relación carga aguda:crónica (ACWR) es un enfoque más sofisticado utilizado en deportes de equipo; nuestro análisis de tendencias es una versión simplificada de este concepto aplicado a métricas a nivel de sesión.