雖然這篇副交感神經訓練鄉民發文沒有被收入到精華區：在副交感神經訓練這個話題中，我們另外找到其它相關的精選爆讚文章
在 副交感神經訓練產品中有1篇Facebook貼文，粉絲數超過2萬的網紅徐國峰 HSU KUO FENG，也在其Facebook貼文中提到， 【跑步體能科學化訓練的最後一哩路：疲勞監控】 最近在讀林駿豪 （Jason Lin）提供的FIRSTBEAT文件，不只重讀了有關HRV的解釋，文件裡也看到許多Garmin新產品中的許多新數據，大都跟訓練效果、訓練壓力等疲勞監控的量化有關。在這幾年帶訓練營的過程中，最難掌控的就是學員的疲勞狀況，...
副交感神經訓練 在 艾希斯教練_黃寧 Instagram 的最佳貼文
2021-09-10 21:01:54
我明明很認真訓練，為什麼都沒有進步？ 如果訓練進入平原期，發現進步速度變好慢，或者反而退步了，可以回想一下是不是以下問題造成的。 ❶恢復不夠或者品質不佳 ☑️睡前可以做一些伸展放鬆，甚至可以開始做睡前冥想練習，刺激副交感神經幫助睡眠。 ❷課表過於單調缺乏變化 ☑️嘗試不一樣的課表編排，讓身體嘗試...
副交感神經訓練 在 許藍方 Gracie Hsu Instagram 的最佳解答
2021-08-02 14:48:01
#drgracieofficial 可樂研究社製作人轉發了以下影片給我，以下為我的回覆： ⛔️小孩喜歡飛高高？ —》📌寶寶喜歡的是「輕輕搖晃感」（像搖籃那種，不是往上丟又掉下來）： 寶寶在媽媽子宮羊水中，隨著媽媽的移動會產生搖晃的刺激，整個孕期便一直處於搖晃狀態，出生後，接受搖晃的刺激信號突然...
副交感神經訓練 在 阮彥鈞 Ryan, PT, CSCS Instagram 的精選貼文
2021-06-03 18:09:35
- [競技運動物理治療＿選手比賽前] 以競技舉重運動員為例 一般比賽前，物理治療師的工作： 📍比賽前📍 1️⃣ 賽前一晚 → 筋膜鬆動、輕柔的運動按摩、淋巴引流等 協助肌肉骨骼於最佳張力，並降低身體疲勞 → 主動聆聽、顱薦椎療法 透過交談降低緊張情緒，不受比賽情緒影...
副交感神經訓練 在 徐國峰 HSU KUO FENG Facebook 的最讚貼文
【跑步體能科學化訓練的最後一哩路：疲勞監控】
最近在讀林駿豪 （Jason Lin）提供的FIRSTBEAT文件，不只重讀了有關HRV的解釋，文件裡也看到許多Garmin新產品中的許多新數據，大都跟訓練效果、訓練壓力等疲勞監控的量化有關。在這幾年帶訓練營的過程中，最難掌控的就是學員的疲勞狀況，因為每個人可以吃下去的「量」不一樣，生活與工作壓力也不一樣，所以在練課表時少部分人會過量訓練，這是我最不希望發生的事，所以一直希望能找出一套良好且可操作的方法來客觀量化大家的疲勞。這樣我就可以客觀且有信心地跟某位學員說：「好，你已經超量了，今天減半訓練！」而非只是心證。這是跑步科學化體能訓練的最後一哩路，而這條路要從心率變異度(HRV)走起。
我們的心率是由自律神經所控制，而自律神經可被分為「交感」和「副交感」神經，訓練或面對威脅與壓力下，交感神經會主導，當交感神經主導時心率會變得很有節奏(心臟會跳得更用力)，所以HRV會變低；反之，處在恢復狀態下，自律神經系統改由副交感神經主導，心率會變慢、心率的節奏會「快速依當下的狀況做調控」，當身體狀況很好時，這種調控的機制會變得很敏銳，就像高級的變頻冷氣一樣……此時HRV會提高。
換句話說：當身體恢復不好時、壓力太大時或訓練量吃不下去時，安靜狀態下的HRV就會下降，這是代表身體的調控能力變差了！所以我們可以利用這個數據來判斷學員的恢復狀況，以及今天是否能繼續吃既定的課表。(FIRSTBEAT文件中提到，HRV必須站著量，躺著量時精準度會下降)
所以我們可以想像這樣的場景，這位跑者在基礎期訓練狀況良好，HRV都維持在80附近，但進入大量訓練的巔峰期兩個星期後，HRV連續掉到了50，所以此時身為教練就可以很明確地(也很有自信地)制止他/她吃下今天完整的課表，要求他減半訓練。不然最可能發生的情況是跑者已經很累了、或已經輕微過量訓練了，教練還要求他把課表吃掉(或跑者自我要求很高，硬把課表吃完)，若只是跑垃圾里程倒還好，怕的是在疲勞狀態下訓練造成過度訓練或受傷。
--
目前Garmin是把HRV的數據改成壓力指數，但我個人還是希望可以看到真正的HRV值，所以是使用Connect IQ的第三方開發套件來做實驗。有興趣的朋友，可以參考實驗結果：http://rocky549.blogspot.tw/2015/12/hrv.html
在上一梯次的Garmin全馬PB班中，我們找了幾位熱心的學員進行實驗時發現，HRV的數據並不準確，不像我個人實驗時HRV會依訓練量的大小上下變動。後來找出原因在於每個人每天的量測標準不一：有時站著、有時坐著、有時量測過程中講話；或是量測的時間點不一：有時早上、有時中午、有時在訓練前好幾個小時，有時在訓練前五分鐘……。
不像自己在過去做實驗時都在同一時間、同一個姿勢下進行，所以準確率才能提高。但這可以靠演算法解決，只要限制情境，偵測使用者在移動或心率變動太快就停止偵測，直到使用者全程保持穩定才啟動偵測功能。目前已看到有廠商做出產品，正在實驗中。
我看到Garmin新一代的產品數據後可以知道他們一直在正確的道路上前進。在「訓練效果」(Training Effect)上精進成TE2.0，也多了「訓練量」(Training Load)與「訓練狀況」(Training State)的數據。期待這最後一哩路能被打通，而且變成羅馬大道，使任何有心想變強的耐力運動員都能行走順暢。
--
註：訓練效果(TE)並非愈大愈好，它是一個兩面刃，因為效果愈好也代表壓力愈大。