Análisis de período
Una guía práctica para la revisión semanal del entrenamiento — qué analiza el Asistente AI a lo largo de un período de entrenamiento completo, qué revela que el análisis de sesión individual no puede, y cómo usarlo de manera más efectiva.
Qué produce el análisis
El análisis de período revisa un rango de fechas definido y devuelve un informe estructurado con hasta siete secciones:
| Sección | Qué contiene |
|---|---|
| Punto destacado de la semana | El único punto más importante del período, con métricas específicas |
| Resumen de entrenamiento | Volumen completado, tipos de entrenamiento y cómo la semana se alinea con la fase de entrenamiento actual |
| Salud y recuperación | HRV, FC en reposo, calidad y duración del sueño, nivel de fatiga — con valores reales y tendencias |
| Análisis de carga de entrenamiento | Carga aguda y crónica, ratio de carga, progresión semana a semana y patrón de 4 semanas |
| Perspectivas de rendimiento | Tendencias de ritmo, comportamiento de FC, deriva cardíaca, eficiencia aeróbica — solo incluidas cuando existen datos significativos |
| Áreas de preocupación | Señales de sobreentrenamiento, violaciones de progresión de volumen, déficits de recuperación — solo incluidas cuando existen preocupaciones reales |
| Recomendaciones | Orientación específica y medible para la próxima semana: volumen objetivo, estructura de sesión, zonas de FC, protocolos de recuperación |
Las perspectivas de rendimiento y las áreas de preocupación se omiten cuando no hay nada significativo que decir. El informe no rellena espacio con observaciones genéricas.
Qué obtiene el sistema automáticamente
El Asistente AI recupera una ventana histórica de 21 días anclada al final del período de análisis. No necesitas proporcionar ningún dato manualmente.
Métricas de carga de entrenamiento:
- Carga aguda (promedio de 5 días en AU) y carga crónica (promedio de 21 días en AU)
- Ratio de carga (fatiga relativa, rTFF) — el rango óptimo es 8–13
- Volúmenes semanales para la semana actual, la semana pasada y la semana anterior
- Fecha del último entrenamiento intenso y días consecutivos de entrenamiento intenso
Datos de salud y recuperación:
- HRV — entradas diarias individuales para el análisis de tendencias frente a la línea base de 7 días
- FC en reposo — con línea base de 7 días para comparación
- Duración, consistencia y puntuaciones de calidad del sueño
- Niveles de fatiga, enfermedad y dolor (cada uno en una escala de 0–4)
- Nivel de estrés (0–100)
Historial de entrenamiento:
- Todos los entrenamientos completados durante el período, con duración, carga y cualquier comentario del atleta
- Estadísticas semanales de las últimas 4 semanas: duración total, recuento de entrenamientos, recuento de sesiones intensas
- Dirección de la tendencia de volumen y días de descanso
Perfil del atleta:
- Edad, género, peso
- Zonas de FC, umbrales y FTP si están configurados en Good Coach App
- Rendimiento reciente en 10K como punto de referencia de condición física
Contexto de fase de entrenamiento:
- Fase de entrenamiento actual (base, construcción, pico, recuperación, transición) — inferida del mesociclo activo en Good Coach App
- Próximas competiciones y objetivos con fechas
- Memoria del entrenador — tu metodología y preferencias, que moldean cómo el Asistente AI enmarca el análisis y las recomendaciones
- Memoria del atleta — el perfil acumulado de este atleta construido a partir de análisis anteriores
Tus entradas
Atleta y rango de fechas (obligatorio): El atleta a analizar y las fechas de inicio y fin del período. El rango de fechas no necesita comenzar un lunes — se acepta cualquier rango.
Notas del entrenador (opcional): Contexto o áreas de enfoque que guían el análisis. Tratadas como instrucciones de alta prioridad. Úsalas para revelar cosas que los datos no pueden capturar — una semana estresante en el trabajo, un cambio de objetivos, un resultado de carrera que afectó la motivación, o un patrón específico que quieres que el Asistente AI investigue.
Evaluación del riesgo de sobreentrenamiento
El Asistente AI evalúa automáticamente cinco señales e informa cuántas están presentes:
| Señal | Umbral |
|---|---|
| Disminución del HRV | >20% por debajo de la línea base de 7 días durante 3+ días consecutivos |
| FC en reposo elevada | >5 lpm por encima de la l ínea base de 7 días durante 3+ días consecutivos |
| Sueño deficiente | Promedio <7 horas por noche durante 7 días |
| Alto ratio de carga | rTFF >15 |
| Alta fatiga subjetiva | Puntuación de fatiga ≥3 en la escala de 0–4 |
Niveles de riesgo:
- 1 señal — riesgo bajo; monitorear pero no se necesita acción inmediata
- 2 señales — riesgo moderado; recomendar reducción de carga y monitoreo cercano
- 3 o más señales — riesgo alto; intervención inmediata requerida
Cuando la sección de áreas de preocupación aparece en el informe, siempre cuantifica el recuento de señales (p. ej., "2/5 señales de sobreentrenamiento presentes") para que la gravedad sea clara de un vistazo.
Interpretación de la carga de entrenamiento
El ratio de carga (rTFF) es el ratio del promedio agudo de 5 días del atleta con respecto a su promedio crónico de 21 días. Captura si el estrés de entrenamiento actual es proporcional a la línea base establecida del atleta.
| Ratio de carga | Interpretación |
|---|---|
| Por debajo de 8 | La carga de entrenamiento está por debajo de la línea base del atleta — posible desentrenamiento si se mantiene |
| 8–13 | Rango óptimo — el estrés actual es proporcional a la carga crónica |
| Por encima de 13 | La carga aumenta más rápido que la línea base — monitorear la fatiga acumulada |
| Por encima de 15 | Riesgo de sobreentrenamiento — una de las cinco señales de sobreentrenamiento está activa |
Un alto ratio de carga no siempre es un problema. Una semana de carga planificada en una fase de construcción debería producir un ratio temporalmente elevado. El contexto de la fase de entrenamiento y los datos de salud determinan si necesita intervención.
El Asistente AI también verifica la regla de progresión del 10%. Un aumento de volumen semanal superior al 10% se marca, superior al 15% es una preocupación de alta prioridad, y el porcentaje específico siempre se indica — no solo se describe como "significativo" o "grande".
Cómo la fase afecta el análisis
La fase de entrenamiento se infiere del mesociclo activo del atleta en Good Coach App. Moldea lo que el Asistente AI considera apropiado para la semana.
| Fase | Mezcla de intensidad esperada | Qué busca el Asistente AI |
|---|---|---|
| Base | 70–80% fácil | Construcción de base aeróbica, consistencia de volumen, sin sesiones intensas excesivas |
| Construcción | 60–70% fácil | Carga progresiva, 2–3 sesiones intensas, trabajo de umbral e intervalos |
| Pico | Alta intensidad mantenida, volumen reducido | Calidad preservada, volumen reducido 20–40%, señales de frescura |
| Recuperación | 90%+ fácil | Cumplimiento total con entrenamiento solo fácil, descanso adecuado |
Una discrepancia entre la fase y el entrenamiento real se marca. Si el atleta está en una fase base pero corre cuatro sesiones intensas por semana, el Asistente AI lo señalará.
Si el atleta no tiene un mesociclo activo, el análisis toma por defecto los supuestos de la fase base.
Notas del entrenador — qué las hace útiles
El análisis de período sintetiza una semana de datos. Las notas del entrenador son más valiosas cuando proporcionan contexto que los datos no pueden transmitir.
| Menos útil | Más útil |
|---|---|
| "Revisar entrenamiento" | "El atleta reportó piernas pesadas toda la semana — ¿los datos de carga lo explican?" |
| "El volumen fue bajo" | "El atleta viajó de lunes a miércoles — semana reducida planificada" |
| "Semana difícil" | "Esta fue la semana de mayor volumen del bloque de 4 semanas — evaluar en consecuencia" |
| "Se acercan las carreras" | "El atleta corre el domingo — marcar cualquier cosa que sugiera que no está listo" |
El Asistente AI no inventará contexto. Si algo importante sucedió durante la semana que no está en los datos, no lo sabrá a menos que lo indiques.
Memoria y continuidad
Consulta la memoria del Asistente AI para obtener una explicación completa de cómo funcionan ambos tipos de memoria en todos los generadores.
Después de cada análisis de período, la memoria del atleta se actualiza automáticamente con observaciones que vale la pena conservar — patrones de entrenamiento, cómo el atleta responde a la carga, tendencias de salud, tendencias de calibración del esfuerzo. Esta es la forma principal en que crece la memoria del atleta: cada análisis de período añade a la imagen acumulativa.
La memoria del entrenador no se actualiza a partir del análisis de período. Se construye a partir de la generación semanal y la generación de ciclos.
Un nuevo atleta sin análisis previos no tendrá memoria de atleta todavía. El Asistente AI trabajará a partir de los datos del perfil y tus notas, y la memoria comenzará a construirse a partir del primer análisis que ejecutes.
Lo que el análisis no puede hacer
No puede decirte qué planificar la próxima semana. La sección de recomendaciones proporciona orientación específica, pero el Asistente AI no sabe qué tenías en mente, cómo es el bloque más amplio, o qué importa a este atleta más allá de los datos. Usa las recomendaciones como punto de partida, no como prescripción.
No puede dar cuenta del contexto fuera de los datos. Estrés externo, interrupción del sueño por causas no relacionadas con el entrenamiento, fatiga por viajes, enfermedad que el atleta no registró — nada de esto es visible a menos que el atleta lo registre o tú lo señales. Si sabes que algo sucedió durante la semana, indícalo en las notas del entrenador.
No prescribirá entrenamiento específico de carrera. Para próximas competiciones dentro de 3 semanas, el Asistente AI marca el cronograma y recomienda la revisión del entrenador. No prescribe taperes, protocolos de semana de carrera o entrenamientos específicos del tipo de carrera — esas decisiones corresponden al entrenador.
Analiza el período que le das, no un arco más largo. Para el reconocimiento de patrones a nivel de bloque de 4 semanas, el Asistente AI usa las estadísticas semanales de las semanas anteriores como contexto — pero si quieres una revisión más profunda de varias semanas, ejecuta el análisis en un rango de fechas más largo.