Bibliografía Científica Completa

Referencias de Investigación que Respaldan Bike Analytics

Literatura Científica Referenciada

Todas las métricas y fórmulas en Bike Analytics están respaldadas por investigación revisada por pares y publicada en las principales revistas de ciencias del deporte, fisiología del ejercicio y biomecánica.

📚 Cobertura de Revistas

Las referencias abarcan publicaciones que incluyen:

  • Journal of Applied Physiology
  • Medicine and Science in Sports and Exercise
  • European Journal of Applied Physiology
  • International Journal of Sports Medicine
  • Journal of Sports Sciences
  • Sports Medicine
  • Journal of Applied Biomechanics
  • Sports Engineering
  • Journal of Strength and Conditioning Research
  • Scandinavian Journal of Medicine & Science in Sports
  • Sensors (MDPI)

Libros Esenciales

  1. Allen, H., & Coggan, A.R.
    (2019)
    Training and Racing with a Power Meter (3rd Edition).
    VeloPress. Co-authored with Stephen McGregor, PhD.
    Importancia: Texto fundamental que define el entrenamiento moderno basado en potencia. Traducido a 12 idiomas. Introdujo Normalized Power (NP), Training Stress Score (TSS), Intensity Factor (IF), perfilado de potencia y análisis de cuadrantes. El libro más influyente sobre entrenamiento con potenciómetro.
  2. Friel, J.
    (2018)
    The Cyclist's Training Bible (5th Edition).
    VeloPress.
    Importancia: Publicado originalmente en 1996. Popularizó la periodización en el ciclismo. El libro de entrenamiento ciclista más vendido. Metodología integral para macrociclos, mesociclos y microciclos integrados con métricas de potenciómetro. Co-fundador de TrainingPeaks.
  3. Cheung, S., & Zabala, M. (Eds.)
    (2017)
    Cycling Science.
    Human Kinetics.
    Colaboradores: 43 científicos y entrenadores. Cobertura: Biomecánica, aerodinámica, nutrición, ajuste de bicicleta, técnica de pedaleo, ciclismo en pista, BMX, ultradistancia. Compilación autorizada de la investigación actual.

Investigación sobre el Umbral de Potencia Funcional (FTP)

  1. MacInnis, M.J., Thomas, A.C.Q., & Phillips, S.M.
    (2019)
    Is the FTP Test a Reliable, Reproducible and Functional Assessment Tool in Highly-Trained Athletes?
    International Journal of Exercise Science. PMC6886609.
    Hallazgos clave: Alta fiabilidad (ICC = 0.98, r² = 0.96). Repetibilidad: varianza de +13 a -17W, sesgo medio -2W. Identifica la potencia sostenible de 1 hora en el 89% de los atletas. Error típico de medición: 2.3%. Impacto: Validó el FTP como métrica confiable y accesible en campo.
  2. Karsten, B., et al.
    (2019)
    The Validity of Functional Threshold Power and Maximal Oxygen Uptake for Cycling Performance in Moderately Trained Cyclists.
    PMC6835290.
    Hallazgos clave: W/kg en FTP 20-min correlaciona con el rendimiento (r = -0.74, p < 0.01). VO₂máx no muestra correlación significativa (r = -0.37). Impacto: El FTP es más válido que el VO₂máx para predecir el rendimiento ciclista.
  3. Gavin, T.P., et al.
    (2012)
    An Evaluation of the Effectiveness of FTP Testing.
    Journal of Sports Sciences.
    El protocolo de prueba de 20 minutos muestra alta correlación con el umbral de lactato medido en laboratorio. También se validaron la prueba rampa y la prueba de 8 minutos con diferentes características. La variabilidad individual requiere validación personalizada con el tiempo.

Potencia Crítica y W' (Capacidad Anaeróbica)

  1. Monod, H., & Scherrer, J.
    (1965)
    The work capacity of a synergic muscular group.
    Journal de Physiologie.
    Trabajo seminal: Estableció la teoría de la Potencia Crítica. Relación hiperbólica entre potencia y tiempo hasta el agotamiento. PC como asíntota - máxima potencia sostenible indefinidamente. W' (W-prima) como capacidad finita de trabajo anaeróbico por encima de PC. Relación lineal: Trabajo = PC × Tiempo + W'.
  2. Jones, A.M., et al.
    (2019)
    Critical Power: Theory and Applications.
    Journal of Applied Physiology, 126(6), 1905-1915.
    Revisión exhaustiva: 50+ años de investigación sobre PC. PC representa el estado metabólico estable máximo—frontera entre dominancia aeróbica/anaeróbica. Hallazgos clave: PC típicamente 72-77% de la potencia máxima de 1 minuto. PC cae dentro de ±5W del FTP para la mayoría de ciclistas. W' oscila entre 6-25 kJ (típico: 15-20 kJ). PC más robusto fisiológicamente que FTP entre protocolos de prueba.
  3. Skiba, P.F., et al.
    (2014)
    Modeling the Expenditure and Reconstitution of Work Capacity Above Critical Power.
    Medicine and Science in Sports and Exercise.
    Modelo W'BAL: Seguimiento en tiempo real del estado de la batería anaeróbica. Gasto: W'exp = ∫(Potencia - PC) cuando P > PC. Cinética de recuperación: Exponencial con constante de tiempo τ = 546 × e^(-0.01×ΔCP) + 316. Aplicación: Esencial para MTB (88+ picos por carrera de 2h), optimización de estrategia de carrera, gestión de ataques/sprints. Ahora en WKO5, Golden Cheetah y computadoras de ciclismo avanzadas.
  4. Skiba, P.F., et al.
    (2015)
    Intramuscular determinants of the ability to recover work capacity above critical power.
    European Journal of Applied Physiology.
    Refinamiento adicional del modelo de reconstitución de W'. Examinó los mecanismos fisiológicos subyacentes a la dinámica de recuperación de W'.
  5. Clark, I.E., et al.
    (2021)
    A Comparative Analysis of Critical Power Models in Elite Road Cyclists.
    PMC8562202.
    Ciclistas de élite: VO₂máx = 71.9 ± 5.9 ml·kg⁻¹·min⁻¹. Diferentes modelos de PC generan valores diferentes de W' (p = 0.0002). PC similar al punto de compensación respiratoria. W' del modelo Nonlinear-3 comparable al trabajo en Wmáx.
  6. Poole, D.C., et al.
    (2016)
    Critical Power: An Important Fatigue Threshold in Exercise Physiology.
    Medicine and Science in Sports and Exercise.
    PC representa la demarcación entre ejercicio sostenible e insostenible. Por debajo de PC: estado metabólico estable, lactato se estabiliza. Por encima de PC: acumulación progresiva de subproductos metabólicos → fatiga inevitable.

Carga de Entrenamiento y Gestión del Rendimiento

  1. Coggan, A.R., & Allen, H.
    (2003, 2010)
    Training and racing using a power meter: an introduction.
    TrainingPeaks / VeloPress.
    Fórmula TSS: TSS = (duración × NP × IF) / (FTP × 3600) × 100. Donde 100 TSS = 1 hora al FTP. Contabiliza tanto duración como intensidad. Base para la gestión del rendimiento CTL/ATL/TSB. Las métricas propietarias de TrainingPeaks ahora son estándar de la industria.
  2. Banister, E.W., Calvert, T.W., Savage, M.V., & Bach, T.
    (1975)
    A Systems Model of Training for Athletic Performance.
    Australian Journal of Sports Medicine, 7, 57-61.
    Modelo original impulso-respuesta. Paradigma fitness-fatiga: Rendimiento = Fitness - Fatiga. Base de promedios móviles ponderados exponencialmente. Base teórica para TSS/CTL/ATL. Transformó la periodización de arte a ciencia con precisión matemática.
  3. Banister, E.W., et al.
    (1991)
    Modeling elite athletic performance.
    Physiological Testing of Elite Athletes.
    Desarrollo adicional del modelo impulso-respuesta de entrenamiento. Aplicación a la periodización y predicción del rendimiento de atletas de élite.
  4. Busso, T.
    (2003)
    Variable dose-response relationship between exercise training and performance.
    Medicine and Science in Sports and Exercise.
    Las adaptaciones al entrenamiento siguen patrones matemáticos predecibles. La variabilidad individual requiere modelado personalizado. La carga de entrenamiento óptima equilibra estímulo y recuperación. Tasas de rampa >12 CTL/semana asociadas con riesgo de lesión.
  5. Murray, N.B., et al.
    (2017)
    Training Load Monitoring Using Exponentially Weighted Moving Averages.
    Journal of Sports Sciences.
    Validó las relaciones de carga aguda/crónica EWMA. Constantes de tiempo: k=7 (ATL), k=42 (CTL). Alpha: α = 2/(n+1). Rastrea rendimiento y riesgo de lesión.

Investigación en Aerodinámica

  1. Blocken, B., et al.
    (2017)
    Riding Against the Wind: A Review of Competition Cycling Aerodynamics.
    Sports Engineering, 20, 81-94.
    Estudios CFD exhaustivos. Resistencia aerodinámica: 80-90% de la fuerza a velocidad. Rangos CdA: 0.18-0.25 m² (TT élite) a 0.25-0.30 m² (aficionados buenos). Coeficiente de arrastre: 0.6 (TT) a >0.8 (erguido). Ciclista pedaleando: ~6% más de resistencia. Ahorro de potencia: Cada reducción de 0.01 m² de CdA ahorra ~10W a 40 km/h. Drafting: 27-50% de reducción de potencia siguiendo la rueda.
  2. Blocken, B., et al.
    (2013)
    Aerodynamic drag in cycling: methods of assessment.
    Sports Engineering.
    Métodos para medir y validar la resistencia aerodinámica. Protocolos de túnel de viento vs. pruebas de campo. Estudios de validación CFD.
  3. Martin, J.C., et al.
    (2006)
    Validation of Mathematical Model for Road Cycling Power.
    Journal of Applied Biomechanics.
    Componentes de la ecuación de potencia: P_total = P_aero + P_gravedad + P_rodadura + P_cinética. P_aero = CdA × 0.5 × ρ × V³ (cúbica con la velocidad). P_gravedad = m × g × sin(gradiente) × V. P_rodadura = Crr × m × g × cos(gradiente) × V. Validado con datos reales de potenciómetro. Permite modelado predictivo de recorridos.
  4. Debraux, P., et al.
    (2011)
    Aerodynamic drag in cycling: methods and measurement.
    Computer Methods in Biomechanics and Biomedical Engineering.
    Las pruebas de campo con potenciómetros proporcionan medición práctica de CdA. El túnel de viento sigue siendo el estándar de oro pero costoso. Optimización de posición: mejora del 5-15% en CdA. Las ganancias de equipamiento se componen para mejoría total del 3-5%.

Biomecánica y Eficiencia del Pedaleo

  1. Lucia, A., et al.
    (2001)
    Physiology of professional road cycling.
    Sports Medicine.
    Rangos de cadencia óptima: Tempo/umbral 85-95 RPM, intervalos VO₂máx 100-110 RPM, subidas empinadas 70-85 RPM. Los ciclistas de élite auto-seleccionan cadencias que minimizan el coste energético. Cadencias más altas reducen la fuerza muscular por pedalada. La optimización individual varía con el tipo de fibra.
  2. Coyle, E.F., et al.
    (1991)
    Cycling efficiency is related to the percentage of type I muscle fibers.
    Medicine and Science in Sports and Exercise.
    La eficiencia ciclista se relaciona con el % de fibras musculares Tipo I. Eficiencia bruta: 18-25% (élite: 22-25%). La tasa de pedaleo afecta la eficiencia—existe un óptimo individual. El entrenamiento mejora la eficiencia metabólica y mecánica.
  3. Patterson, R.P., & Moreno, M.I.
    (1990)
    Bicycle pedalling forces as a function of pedalling rate and power output.
    Medicine and Science in Sports and Exercise.
    La fuerza efectiva del pedal varía a lo largo del ciclo de pedaleo. Fuerza pico: 90-110° pasado el punto muerto superior. Los ciclistas expertos minimizan el trabajo negativo durante la fase ascendente. Cuantificación de Efectividad del Torque y Suavidad del Pedaleo.
  4. Jeukendrup, A.E., & Martin, J.
    (2001)
    Improving Cycling Performance: How Should We Spend Our Time and Money?
    Sports Medicine, 31(7), 559-569.
    Jerarquía de rendimiento: 1. Posición del ciclista (mayor impacto), 2. Geometría del equipamiento, 3. Resistencia de rodadura y pérdidas de transmisión. La selección de cadencia afecta la economía. Equilibrio entre aerodinámica y producción de potencia.
  5. Atkinson, G., Davison, R., Jeukendrup, A., & Passfield, L.
    (2003)
    Science and Cycling: Current Knowledge and Future Directions for Research.
    Journal of Sports Sciences, 21, 767-787. PubMed: 14579871.
    Determinantes de la producción de potencia y velocidad. Marcadores fisiológicos predictivos: Potencia en LT2, potencia pico (>5.5 W/kg), % fibras Tipo I, MLSS. Aplicaciones de modelado matemático.

Rendimiento en Escalada

  1. Padilla, S., et al.
    (1999)
    Level ground and uphill cycling ability in professional road cycling.
    European Journal of Applied Physiology.
    La escalada está determinada principalmente por W/kg en el umbral. Aerodinámica despreciable en gradientes pronunciados (>7%). Eficiencia bruta ligeramente menor en subida vs. llano. Los cambios de posición corporal afectan potencia y comodidad.
  2. Swain, D.P.
    (1997)
    A model for optimizing cycling performance by varying power on hills and in wind.
    Journal of Sports Sciences.
    Ecuación de potencia para escalada. Cálculo VAM: (ganancia de elevación / tiempo) predice W/kg. Benchmarks VAM: 700-900 m/h (club), 1000-1200 (competidores), 1300-1500 (élite), >1500 (World Tour). Estimación: W/kg ≈ VAM / (200 + 10 × % gradiente).
  3. Lucia, A., et al.
    (2004)
    Physiological characteristics of the best Eritrean runners—exceptional running economy.
    Applied Physiology, Nutrition, and Metabolism.
    Análisis de escaladores de Grandes Vueltas. W/kg en umbral: Competitivo 4.0+, élite amateurs 4.5+, semi-profesionales 5.0+, World Tour 5.5-6.5. Peso corporal bajo crítico—1kg importa en nivel de élite. VO₂máx >75 ml/kg/min común en escaladores de élite.

Validación y Precisión de Potenciómetros

  1. Maier, T., et al.
    (2017)
    Accuracy of Cycling Power Meters Against a Mathematical Model of Treadmill Cycling.
    International Journal of Sports Medicine. PubMed: 28482367.
    Probados 54 potenciómetros de 9 fabricantes. Desviación media: -0.9 ± 3.2%. 6 dispositivos se desviaron >±5%. Coeficiente de variación: 1.2 ± 0.9%. Variabilidad significativa entre dispositivos. Importancia de la calibración y consistencia.
  2. Bouillod, A., et al.
    (2022)
    Caveats and Recommendations to Assess the Validity and Reliability of Cycling Power Meters: A Systematic Scoping Review.
    Sensors, 22(1), 386. PMC8749704.
    Revisión PRISMA: 74 estudios analizados. Precisión métrica más estudiada (74 estudios). SRM más utilizado como estándar de oro. Potencia probada: hasta 1700W. Cadencia: 40-180 RPM. Recomendaciones exhaustivas de metodología de validación.

Periodización y Distribución del Entrenamiento

  1. González-Ravé, J.M., et al.
    (2023)
    Training Periodization, Intensity Distribution, and Volume in Trained Cyclists: A Systematic Review.
    International Journal of Sports Physiology and Performance, 18(2), 112-126. PubMed: 36640771.
    Comparación de periodización por bloques vs. tradicional. Volumen: 7.5-11.68 horas/semana. Ambos mejoran VO₂máx, potencia pico, umbrales. No hay evidencia que favorezca un modelo específico. Distribución de intensidad de entrenamiento piramidal y polarizada ambas efectivas.
  2. Rønnestad, B.R., Hansen, J., & Ellefsen, S.
    (2014)
    Block Periodization of High-Intensity Aerobic Intervals Provides Superior Training Effects in Trained Cyclists.
    Scandinavian Journal of Medicine & Science in Sports, 24(1), 34-42. PubMed: 22646668.
    4 semanas de entrenamiento concentrado de VO₂máx. Carga frontal de intensidad dentro del mesociclo. La periodización por bloques produce adaptaciones superiores comparada con enfoque mixto.

VO₂máx y Umbral de Lactato

  1. Støren, Ø., et al.
    (2013)
    Physiological Determinants of the Cycling Time Trial.
    Journal of Strength and Conditioning Research, 27(9), 2366-2373.
    Potencia en umbral de lactato: mejor predictor de laboratorio. UL más predictivo que VO₂máx solo. Utilización fraccionada crítica. Élite: 82-95% VO₂máx en UL vs. 50-60% no entrenados.
  2. Faude, O., Kindermann, W., & Meyer, T.
    (2009)
    Lactate Threshold Concepts: How Valid Are They?
    Sports Medicine, 39(6), 469-490.
    Comparó múltiples métodos de determinación del UL. MLSS como estándar de oro. FTP20 sobreestima vs. MLSS. MLSS = 88.5% del FTP20.
  3. Coyle, E.F.
    (1995)
    Integration of the Physiological Factors Determining Endurance Performance Ability.
    Exercise and Sport Sciences Reviews, 23, 25-63.
    Revisión clásica de fisiología de resistencia. Integración: VO₂máx, umbral de lactato, economía. Determinantes del rendimiento ciclista. Trabajo seminal sobre fisiología del rendimiento.

Referencias Adicionales

  1. Seiler, S.
    (2010)
    What is Best Practice for Training Intensity and Duration Distribution in Endurance Athletes?
    International Journal of Sports Physiology and Performance.
    Trabajo pionero sobre distribución polarizada del entrenamiento. Regla 80/20: 80% baja intensidad (Zona 1-2), 20% alta intensidad (Zona 4-6). Observada en múltiples deportes de resistencia y atletas de élite.
  2. Jeukendrup, A., & Gleeson, M.
    (2010)
    Sport Nutrition (2nd Edition).
    Human Kinetics.
    Libro de texto exhaustivo de nutrición deportiva. Sistemas energéticos, metabolismo de macronutrientes, hidratación, suplementación, estrategias de nutrición periodizada para entrenamiento y competición.

Recursos en Línea y Documentación de Plataformas

  1. TrainingPeaks
    (n.d.)
    The Science of the TrainingPeaks Performance Manager.
    TrainingPeaks Learn Articles.
    Referencia →
  2. TrainingPeaks
    (n.d.)
    Training Stress Scores (TSS) Explained.
    TrainingPeaks Help Center.
    Referencia →
  3. TrainingPeaks
    (n.d.)
    A Coach's Guide to ATL, CTL & TSB.
    TrainingPeaks Coach Blog.
    Referencia →
  4. TrainerRoad
    (n.d.)
    What are CTL, ATL, TSB & TSS? Why Do They Matter?
    TrainerRoad Blog.
    Referencia →
  5. Strava
    (n.d.)
    Strava API Documentation.
    Strava Developers.
    Referencia →
  6. Garmin
    (n.d.)
    Garmin Connect Developer Program.
    Garmin Developer Portal.
    Referencia →
  7. Wahoo Fitness
    (n.d.)
    Wahoo Fitness API.
    Wahoo Developer Resources.
    Referencia →
  8. Polar
    (n.d.)
    Polar AccessLink API.
    Polar Developer Documentation.
    Referencia →
  9. ANT+ Alliance
    (n.d.)
    ANT+ Protocol Documentation.
    thisisant.com.
    Referencia →

Referencias de Plataformas Competidoras

  1. WKO5
    (n.d.)
    WKO5 Advanced Cycling Analytics Software.
    TrainingPeaks / WKO.
    Referencia →
    Software de escritorio. $169 compra única. Analítica más avanzada disponible. Modelado de potencia-duración, FRC, Pmáx, zonas individualizadas. Sin suscripción. Integración con TrainingPeaks.
  2. Intervals.icu
    (n.d.)
    Intervals.icu Free Power-Based Training Platform.
    intervals.icu.
    Referencia →
    Freemium (soporte opcional $4/mes). Estimación automática de FTP (eFTP). Gráfico Fitness/Fatiga/Forma. Detección automática de intervalos. Planes de entrenamiento con IA. UI web moderna. Actualizaciones semanales.
  3. Golden Cheetah
    (n.d.)
    Golden Cheetah Open-Source Cycling Analytics.
    goldencheetah.org.
    Referencia →
    100% código abierto y gratuito. Suite completa de análisis de potencia. 300+ métricas. Altamente personalizable. Solo escritorio. Sin app móvil. Sin sincronización en la nube. Para usuarios avanzados.

Programas de Investigación Institucionales

  1. British Cycling
    (n.d.)
    British Cycling Research Programs.
    British Cycling / UK Sport.
    Áreas de enfoque: Identificación y desarrollo de talento, análisis y modelado del rendimiento, monitoreo de carga de entrenamiento, componentes psicológicos del rendimiento de élite, fisiología ambiental, optimización de equipamiento.
  2. Journal of Science and Cycling
    (n.d.)
    Journal of Science and Cycling - Open Access.
    Editor: Dr. Mikel Zabala, University of Granada.
    Revista de acceso abierto revisada por pares. Temas recientes: Análisis de carga de entrenamiento en élite, rendimiento en ciclismo e-sports, análisis cinemático 2D, protocolos de acumulación de lactato, protocolos de rehabilitación para ciclistas.

Analítica Ciclista Basada en Ciencia

Estas 50+ referencias científicas forman la base de evidencia para Bike Analytics. Cada fórmula, métrica y recomendación está fundamentada en investigación revisada por pares y publicada en las principales revistas de fisiología del ejercicio, biomecánica e ingeniería deportiva.

La bibliografía abarca trabajos fundacionales desde la década de 1960 (Potencia Crítica de Monod & Scherrer) hasta investigación de vanguardia de la década de 2020 sobre modelado de balance de W', aerodinámica y optimización de carga de entrenamiento.

Integración Continua de Investigación

Bike Analytics se compromete a la revisión continua de nueva investigación y actualizaciones de algoritmos a medida que las metodologías se refinan y validan. La ciencia evoluciona—nuestra analítica evoluciona con ella.

Resumen de Investigación → Fórmulas Técnicas Volver al Inicio