Uncategorized

Come analizzare la forma recente dei corridori

Il problema che tutti ignorano

Guarda, il primo segnale di un corridore fuori forma è una flessione nei watt per chilometro che sembra una linea di un orologio rotto. Se il tuo pilota ha subito una caduta di più del 5 % negli ultimi due mesi, è il momento di saper leggere i numeri e non solo gli aneddoti.

Dati grezzi vs dati filtrati

Spesso mi chiedono: “Qual è il valore reale, il crudo o il filtrato?” La risposta è semplice: il crudo ti inganna, il filtrato ti salva. Il TSS (Training Stress Score) spiega l’accumulo di fatica, mentre il Normalized Power (NP) livella gli sprint. Confronta sempre NP con il tuo FTP storico, non con il modello di stagione.

Il ruolo del Power Curve

Il Power Curve è la tua lente d’ingrandimento. Se vedi un calo di 0,3 % nella zona 4, ma un salto del 2 % nella zona 3, non è un errore di misurazione, è un cambiamento di strategia. Il tuo ciclista sta conservando energia per i lunghi breakaway, non per i sprint finali.

Indicatori di salute: HRV e Recupero

Non basta il power, devi includere l’HRV (Heart Rate Variability). Un valore HRV sotto la media per tre giorni consecutivi è un campanello rosso. Metti insieme HRV, TSS e NP: ottieni una mappa che indica se il corridore sta correndo “a fuoco” o “in modalità standby”.

Strumenti pratici per la verifica

Qui il deal: apri Strava, filtra le ultime 10 uscite, elimina le corse di recupero, poi confronta i valori di NP, TSS e la durata media. Se la durata media è scesa dal 95 % al 80 % del tempo di zona, il corpo sta segnalando una necessità di pausa.

Il segnale di allarme definitivo

Il punto di rottura è una discrepanza di più di 200 watt tra potenza media di gara e potenza media di allenamento. Quando succede, spegni il ciclocomputer e fai una visita medica.

Azioni immediate

Riporta il corridore a un regime di 60 % di TSS per una settimana, monitora l’HRV, poi riapri gradualmente il carico. Non perdere più tempo a improvvisare; usa il dato, agisci, e riprendi a pedale con data-driven confidence.