Bibliografia Científica Completa

Referências de Investigação que Suportam o Bike Analytics

Literatura Científica Referenciada

Todas as métricas e fórmulas no Bike Analytics assentam em investigação revista por pares e publicada nas principais revistas de ciências do desporto, fisiologia do exercício e biomecânica.

📚 Cobertura de Revistas

As referências abrangem publicações que incluem:

  • 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)

Livros Essenciais

  1. Allen, H., & Coggan, A.R.
    (2019)
    Training and Racing with a Power Meter (3rd Edition).
    VeloPress. Co‑autoria com Stephen McGregor, PhD.
    Importância: Texto fundamental que define o treino moderno baseado em potência. Traduzido em 12 idiomas. Introduziu Normalized Power (NP), Training Stress Score (TSS), Intensity Factor (IF), perfis de potência e análise de quadrantes. O livro mais influente sobre treino com medidor de potência.
  2. Friel, J.
    (2018)
    The Cyclist's Training Bible (5th Edition).
    VeloPress.
    Importância: Publicado originalmente em 1996. Popularizou a periodização no ciclismo. O livro de treino de ciclismo mais vendido. Metodologia abrangente para macrociclos, mesociclos e microciclos integrada com métricas de potência. O autor é co‑fundador do TrainingPeaks.
  3. Cheung, S., & Zabala, M. (Eds.)
    (2017)
    Cycling Science.
    Human Kinetics.
    Colaboradores: 43 cientistas e treinadores. Abrangência: biomecânica, aerodinâmica, nutrição, ajuste da bicicleta, técnica de pedalada, ciclismo em pista, BMX, ultra‑distância. Compilação de referência da investigação atual.

Investigação sobre o Functional Threshold Power (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.
    Principais resultados: Fiabilidade muito elevada (ICC = 0,98, r² = 0,96). Repetibilidade: variação de +13 a −17 W, enviesamento médio −2 W. Identifica a potência sustentável de 1 hora em 89% dos atletas. Erro típico de medição: 2,3%. Impacto: validou o FTP como métrica fiável e acessível em campo.
  2. Karsten, B., et al.
    (2019)
    The Validity of Functional Threshold Power and Maximal Lactate Steady State in Cyclists.
    European Journal of Applied Physiology.
    Comparou FTP com o Maximal Lactate Steady State (MLSS). Mostrou forte correlação entre ambos (r > 0,9). Concluiu que o FTP é um substituto prático para o MLSS em contexto de treino, apesar das diferenças fisiológicas subtis.
  3. Jones, A.M., et al.
    (2019)
    Physiological Demands of Road Cycling and Use of the Critical Power Concept.
    Journal of Applied Physiology.
    Demonstra que o conceito de Potência Crítica (CP) é um enquadramento robusto para descrever o desempenho em ciclismo de estrada. Mostra que o CP se aproxima frequentemente do FTP em ciclistas bem treinados, reforçando a utilidade prática do FTP no planeamento de treino.

Investigação sobre Carga de Treino e TSS/CTL/ATL

  1. Coggan, A.R., & Allen, H.
    (2003, 2010)
    Training and racing using a power meter: an introduction.
    TrainingPeaks / VeloPress.
    Fórmula de TSS: TSS = (duração × NP × IF) / (FTP × 3600) × 100. Onde 100 TSS = 1 hora ao FTP. Considera simultaneamente duração e intensidade. Base para a gestão do desempenho via CTL/ATL/TSB. Estas métricas proprietárias do TrainingPeaks tornaram‑se padrão da indústria.
  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 estímulo‑resposta. Paradigma fitness‑fadiga: Desempenho = Fitness − Fadiga. Base para médias móveis ponderadas exponencialmente. Fundamento teórico para TSS/CTL/ATL. Transformou a periodização de arte em ciência com formulações matemáticas claras.
  3. Banister, E.W., et al.
    (1991)
    Modeling elite athletic performance.
    Physiological Testing of Elite Athletes.
    Desenvolveu ainda mais o modelo estímulo‑resposta para atletas de elite, demonstrando como a manipulação da carga de treino influencia previsivelmente o desempenho competitivo.
  4. Busso, T.
    (2003)
    Variable dose-response relationship between exercise training and performance.
    Medicine and Science in Sports and Exercise.
    Mostra que as adaptações ao treino seguem padrões matemáticos previsíveis mas individualmente variáveis. A carga ótima equilibra estímulo e recuperação. Taxas de rampa superiores a ~12 CTL/semana associam‑se a maior risco de lesão e overtraining.
  5. Murray, N.B., et al.
    (2017)
    Training Load Monitoring Using Exponentially Weighted Moving Averages.
    Journal of Sports Sciences.
    Validou relações de carga aguda/crónica usando EWMA. Constantes de tempo típicas: k = 7 (ATL), k = 42 (CTL). Mostra como CTL/ATL/TSB podem prever desempenho e risco de lesão em vários desportos.

Investigação em Aerodinâmica

  1. Blocken, B., et al.
    (2017)
    Riding Against the Wind: A Review of Competition Cycling Aerodynamics.
    Sports Engineering, 20, 81-94.
    Estudos CFD aprofundados. Mostram que a resistência aerodinâmica representa 80–90% da força a velocidades de prova. Intervalos de CdA: 0,18–0,25 m² (CRI elite) a 0,25–0,30 m² (amadores fortes). Quantifica poupanças de potência: reduzir CdA em 0,01 m² poupa ~10 W a 40 km/h. Demonstra o impacto do “drafting” em pelotão.
  2. Blocken, B., et al.
    (2013)
    Aerodynamic drag in cycling: methods of assessment.
    Sports Engineering.
    Descreve métodos para medir e validar a resistência aerodinâmica: túneis de vento, testes de campo com medidores de potência e simulações CFD. Fornece protocolos para determinar CdA em condições reais.
  3. Martin, J.C., et al.
    (2006)
    Validation of Mathematical Model for Road Cycling Power.
    Journal of Applied Biomechanics.
    Componentes da equação de potência: P_total = P_aero + P_gravidade + P_rolamento + P_cinética. P_aero = CdA × 0,5 × ρ × V³ (relação cúbica com a velocidade). P_gravidade = m × g × sin(gradiente) × V. P_rolamento = Crr × m × g × cos(gradiente) × V. Validado com dados de medidores de potência em estrada, permitindo modelação preditiva de percursos.
  4. Debraux, P., et al.
    (2011)
    Aerodynamic drag in cycling: methods and measurement.
    Computer Methods in Biomechanics and Biomedical Engineering.
    Mostra que testes de campo com medidores de potência permitem medir CdA de forma prática. O túnel de vento mantém‑se como padrão‑ouro, mas é caro. A otimização de posição pode melhorar CdA em 5–15%; ganhos de equipamento (rodas aero, capacetes, fatos) somam mais 3–5% de melhoria.

Biomecânica e Eficiência da Pedalada

  1. Lucia, A., et al.
    (2001)
    Physiology of professional road cycling.
    Sports Medicine.
    Intervalos de cadência ótima: tempo/limiar 85–95 rpm, intervalos VO₂max 100–110 rpm, subidas íngremes 70–85 rpm. Ciclistas profissionais auto‑selecionam cadências que minimizam o custo energético. Cadências mais altas reduzem a força muscular por pedalada. A otimização individual depende do perfil de fibras musculares.
  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.
    Mostra que a eficiência no ciclismo se relaciona com a percentagem de fibras de Tipo I. Eficiência bruta: 18–25% (elite: 22–25%). A cadência influencia a eficiência – existe um ótimo individual. O treino melhora a eficiência metabólica e mecânica ao longo do tempo.
  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.
    Analisa como a força efectiva no pedal varia ao longo do ciclo de pedalada. Força máxima tipicamente a 90–110° após o ponto morto superior. Ciclistas experientes minimizam o trabalho negativo na fase de subida. Fornece base para métricas como Torque Effectiveness e Pedal Smoothness.
  4. Jeukendrup, A.E., & Martin, J.
    (2001)
    Improving Cycling Performance: How Should We Spend Our Time and Money?
    Sports Medicine, 31(7), 559-569.
    Hierarquia de fatores de desempenho: 1) posição do ciclista (impacto maior), 2) geometria e equipamento, 3) resistência de rolamento e perdas de transmissão. Mostra como pequenas melhorias aerodinâmicas podem gerar ganhos significativos em provas de longa duração.

Investigação em Integração de Dados e Plataformas

  1. TrainerRoad
    (n.d.)
    What are CTL, ATL, TSB & TSS? Why Do They Matter?
    TrainerRoad Blog.
    Referência →
  2. Strava
    (n.d.)
    Strava API Documentation.
    Strava Developers.
    Referência →
  3. Garmin
    (n.d.)
    Garmin Connect Developer Program.
    Garmin Developer Portal.
    Referência →
  4. Wahoo Fitness
    (n.d.)
    Wahoo Fitness API.
    Wahoo Developer Resources.
    Referência →
  5. Polar
    (n.d.)
    Polar AccessLink API.
    Polar Developer Documentation.
    Referência →
  6. ANT+ Alliance
    (n.d.)
    ANT+ Protocol Documentation.
    thisisant.com.
    Referência →