《Sports》：Running Performance Decline in IRONMAN-Distance Triathlon: A Scoping Review of Existing Evidence and Research Gaps
在IRONMAN距离铁人三项比赛中，跑步表现与骑行一样，是整体比赛成绩的特别强相关因素。尽管诸如配速、表现预测和实验室生理学等个别研究领域已被分别综述，但这些领域尚未被整合以确定导致跑步表现下降的因素或识别关键知识空白。本范围综述旨在描绘IRONMAN距离铁人三项中跑步表现下降的现有证据并识别关键空白，特别关注年龄组运动员。遵循Arksey和O'Malley框架及PRISMA-ScR指南，研究人员检索了PubMed和SPORTDiscus，以获取报告IRONMAN比赛或自行车-跑步转换方案中定量跑步表现结局的研究。在896条去重记录中，共纳入70项研究。研究结果被组织为五个子问题，涉及证据范围、下降的量化、生理与生物力学变化、潜在机制以及个体间差异。配速模式和表现预测因子已被充分描述，而机制研究几乎完全依赖短时控制方案。关键的是，本综述未发现任何研究量化了“情境间下降”，即运动员的独立马拉松表现与其实际IRONMAN跑步表现之间的差异。解决这些空白需要利用真实IRONMAN比赛数据进行观察性研究和个体层面分析，特别是针对年龄组运动员。
**1. 引言**
在IRONMAN距离铁人三项中——包括3.8公里游泳、180公里自行车和42.2公里跑步——最后的马拉松赛段与骑行一样，是整体比赛成绩的特别强相关因素。大规模研究表明，跑步分段时间与总完赛时间强相关，其相关程度与自行车相当，且显著大于游泳。由于跑步分段是总比赛时间的一部分，同时也反映了比赛早期积累的疲劳，这种关联的强度本身并不能确定跑步决定了比赛结果。IRONMAN铁人三项中与年龄相关的表现下降在跑步和游泳中比在自行车中更为显著。马拉松个人最好成绩（PB）连同训练量和奥运会距离PB，始终是IRONMAN比赛时间的最强预测因子之一。然而，这些预测模型中相当大的未解释方差意味着，快慢完赛者之间的差异不仅取决于基础跑步能力，还取决于该跑步能力在IRONMAN比赛期间受损的程度。总体而言，表现不仅取决于运动员的跑步速度，还取决于在先前游泳和自行车赛段之后表现下降的幅度。
大量研究在多个领域调查了IRONMAN距离铁人三项中的跑步表现下降。实验性实验室研究测量了自行车运动对后续跑步的影响，包括心肺反应、神经肌肉疲劳、步态力学和主观疲劳感。在观察性方面，研究人员描述了按表现组、性别和年龄划分的配速模式。另外，预测研究已确定训练变量和既往比赛时间是整体IRONMAN表现的重要相关因素。
这些领域产生了有价值的发现，但并未直接解决本综述的核心问题。机制研究已显示在受控条件下自行车-跑步转换的生理影响。观察性研究描述了群体层面的比赛模式。预测研究揭示了与完赛时间相关的因素。然而，一个关键空白仍然存在：这些研究均未量化运动员的IRONMAN跑步表现与其独立跑步能力之间的差异程度，也未解释为什么这种差异在个体间存在显著不同。
跑步表现下降可以用多种方式衡量，不同的衡量方式回答不同的问题。在比赛内，可以从跑步过程中跑步速度的变化来描述。在实验研究中，它被衡量为骑车后进行跑步与不预先骑车进行跑步之间的差异；由于两次跑步由同一运动员在匹配条件下完成，这种差异可以合理地归因于先前的自行车运动。第三种比较是运动员的独立马拉松表现与其IRONMAN跑步表现之间的比较，研究人员在此称之为“情境间下降”。这里两种表现在时间上是分开的，并在不同的赛道和条件下进行，因此该量描述的是两种表现情境之间的总体差异，而非仅先前游泳和自行车的影响：赛道剖面、环境条件、装备、比赛策略和随时间的体能变化都有贡献。这也是文献中几乎缺失的比较，原因包括难以获得可比较的独立参考表现、在实验室中无法复制完整的IRONMAN比赛，以及真实比赛数据中存在许多不受控制的变量。
鉴于这种情况，需要对已知和未知进行系统性的梳理。Knechtle等人提供了一篇关于表现预测因子的叙述性综述，Rico Bini等人系统综述了自行车-跑步转换研究。这些综述涵盖了各个研究领域，但证据尚未跨领域综合以识别现有知识空白并确定解决这些空白所需的研究类型。因此，本综述是一项证据映射工作：它描绘了已研究的内容，识别了证据缺失之处，并为未来研究设定优先事项，而非检验假设。
年龄组运动员是本综述的主要焦点，原因有二。首先，精英和职业铁人三项运动员往往表现出较小的跑步表现下降和较少的个体间差异。其次，更实际的是，年龄组运动员占IRONMAN完赛者的绝大多数。他们的训练背景、比赛经验和生理能力更加多样化，导致更大的个体间差异，从而增加了识别对教练和运动员备赛具有实际意义因素的潜力。
本范围综述解决以下主要研究问题：关于IRONMAN距离铁人三项中跑步表现下降的现有研究的性质和范围是什么，以及哪些关键证据空白仍然存在，特别是关于年龄组运动员？
此外，本综述还解决以下五个子问题：
1. 跑步表现下降在IRONMAN比赛距离上的研究程度如何，相对于较短比赛和受控方案？
2. 跑步表现下降的幅度在多大程度上被量化，包括比赛内和相对于独立跑步能力？
3. 在自行车-跑步转换期间和跑步段内观察到哪些生理和生物力学变化？
4. 已识别哪些因果机制来解释跑步表现下降，证据的一致性如何？
5. 已识别哪些因素导致个体间表现下降幅度的差异？
**2. 方法**
**2.1. 方法学框架**
研究人员遵循Arksey和O'Malley的框架进行了本范围综述，并纳入了Levac等人的方法学改进。报告遵循了范围综述的PRISMA扩展（PRISMA-ScR）清单。正式综述方案未在公共注册表中预先注册；然而，方法学框架、资格标准、检索策略和数据图表字段在全文筛选和数据提取之前已定义。
**2.2. 资格标准**
人群：参加铁人三项赛事的运动员，主要关注IRONMAN距离形式（游泳：3.8公里，自行车：180公里，跑步：42.2公里）和年龄组（非职业）参与者。
概念：检验三铁中定量跑步表现结局的研究，包括跑步分段时间、跑步速度或配速、比赛内配速模式，或跑步相关因变量，如步态参数、跑步段覆盖距离或跑步表现下降。
情境：比赛数据观察性研究、比赛期间进行的现场测量研究，以及在现场或实验室进行的受控自行车-跑步研究均符合条件。下文描述的IRONMAN全程距离要求仅适用于比赛数据观察性研究。
纳入标准：
•同行评审的原始研究文章（无语言限制）。
•将跑步表现作为结局变量报告的研究；跑步段时间、速度、配速、距离或跑步相关因变量测量（如步幅、配速剖面和表现下降）必须定量报告。
•符合条件的研究属于以下四类之一，距离要求仅适用于第一类：
(i) 比赛数据观察性研究，分析了官方比赛数据库的比赛成绩。这些研究必须使用IRONMAN全程距离比赛数据（游泳3.8公里，自行车180公里，跑步42.2公里）。
(ii) 现场测量研究，在比赛期间直接测量跑步表现或跑步运动模式。这些研究必须测量跑步表现下降（跑步过程中速度或配速的下降）或自行车赛段后跑步运动模式的变化（步幅和步频参数，或跑步运动学）。对比赛形式没有限制，因为这些研究直接测量自行车-跑步转换，而非从比赛结果推断。
(iii) 在现场进行的受控自行车-跑步研究，其中跑步在跑道或公路赛道上进行。
(iv) 在实验室进行的受控自行车-跑步研究，其中跑步在跑步机或实验室测量区域内进行。
在(iii)和(iv)中，规定的自行车运动后，在研究者设定的条件下进行跑步。这些研究必须测量自行车赛段后的跑步表现下降（速度、配速、力竭时间或覆盖距离的下降）或跑步运动模式的变化（步幅和步频参数、跑步运动学或肌肉激活）。
排除标准：
•综述文章。
•无全文的会议摘要，除非没有完整的同行评审版本。
•仅检查游泳和/或自行车表现而无跑步结局测量的研究。
•仅限于铁人两项或水上两项形式的研究。
•使用IRONMAN全程距离以外形式比赛成绩的比赛数据观察性研究（包括中距离、奥运会距离、短距离和超铁人三项赛事）。
•仅评估固定速度下生理成本变量（摄氧量
2、跑步经济性、心率）而不测量跑步表现恶化或运动模式变化的实验研究。
•无法获得全文的研究。
•解决相关但不同主题的研究（例如，总比赛时间的预测因子、人口统计学相关因素和群体层面表现比较），其中跑步表现不是研究设计要解释的结局之一。
不符合资格标准的研究未被图表化。此类研究的一部分在本综述其他地方被引用，以将研究结果置于更广泛的IRONMAN文献中；这些引用在文中被标识为如此，不构成图表化证据基础的一部分。
**2.3. 检索策略**
PubMed和SPORTDiscus被选为本综述的主要数据库。PubMed索引生物医学文献，包括运动生理学，而SPORTDiscus是运动与锻炼科学的主要书目数据库，覆盖了PubMed未索引的期刊。两者共同被认为覆盖了与本综述相关的两方面的文献：IRONMAN比赛分析和自行车-跑步转换研究。
PubMed通过NCBI界面检索，SPORTDiscus通过EBSCOhost于2026年2月25日检索。策略采用双块OR结构，旨在捕获：(a) IRONMAN和IRONMAN距离铁人三项中的跑步表现结局（观察性块），和(b) 报告跑步表现测量的自行车-跑步转换研究（实验块）。
块1结合了IRONMAN距离术语（例如，ironman、“IRONMAN-distance triathlon”和“ultra-distance triathlon”）与跑步表现术语（例如，running、marathon、pacing、“run split”和“race time”）。块2结合了铁人三项人群术语（triathlete*和triathlon）与自行车术语（例如，cycling和bike）和跑步结局术语（例如，running、stride和“transition run”）。两个块用OR合并。所有术语在标题和摘要字段中检索，并根据数据库特定语法调整。在SPORTDiscus中，使用逐步检索历史功能以避免括号误解，同时将结果限制为学术期刊并排除杂志内容。PubMed返回681条记录，SPORTDiscus返回600条，去重后产生896条唯一记录。每个数据库的完整检索字符串见补充表S2。
**2.4. 来源选择**
标题和摘要由第一作者（Y.T.）使用ASReview LAB v2.2（ASReview Project, Utrecht University, Utrecht, The Netherlands）以oracle模式筛选。该工具应用主动学习按估计相关性对未筛选记录排序，并按该顺序呈现给审阅者。
模型以47条在主动学习筛选开始前标记的记录初始化。这些记录通过搜索导入的数据集而非随机选择识别：19条涉及自行车-跑步转换、铁人三项表现趋势或IRONMAN配速的记录，以及28条明显不符合资格标准的铁人三项相关记录。提供两个类别，使分类器在开始时具有相关和不相关记录的标记示例。记录使用词频-逆文档频率特征（unigrams和bigrams，亚线性词频）表示，用支持向量机分类，并在训练期间平衡；每一步呈现估计相关性最高的记录。根据筛选开始前指定的规则停止筛选：一旦连续50条记录被标记为不相关，筛选结束。
筛选于2026年2月25日完成。在达到停止规则之前，另外188条记录通过主动学习筛选（63条相关，125条不相关）。总共896条记录中的237条（26.5%）由审阅者标记，其中84条标记为相关，153条标记为不相关。其余659条记录（73.5%）排名低于停止点，未被筛选。后续没有标记决定被撤销。
筛选停止后，标记的记录与检索前综述团队已知的研究集进行核对。此核对识别出一项在主动学习筛选期间未呈现的符合条件的研究；其记录在数据集中定位，手动筛选，并标记为相关。84条相关记录对应81项独特研究：三项研究各由两条记录代表，这两条记录在去重期间未被识别为重复，因为它们在两个数据库中的书目详细信息略有不同。这81项研究根据纳入和排除标准进行了全文评估。
**2.5. 数据图表化**
使用Arksey和O'Malley描述的图表化方法提取数据。对于每项研究，记录书目详细信息、参与者和方案特征、子问题标签（1-5）以及研究结果摘要和任何已识别的研究空白。数据提取由单一审阅者（Y.T.）进行。对于也出现在相关主题先前系统综述中的研究，查阅已发表的数据提取作为交叉核对。
**3. 结果**
**3.1. 研究选择过程**
PRISMA-ScR流程图总结了研究选择过程（图1）。在896条去重记录中，81篇论文进行了全文审查。十一项研究被排除在综述之外：五项会议摘要已被同一研究的完整同行评审出版物取代，两篇论文全文无法获得，两篇无原始数据的综述文章，以及两篇主要结局不符合纳入标准的研究。被排除的研究、每项排除的原因，以及在可确定的情况下取代被排除摘要的完整出版物列于补充表S3。其余70项研究纳入最终分析。
使用IRONMAN比赛记录识别总完赛时间预测因子而非分析跑步表现本身的研究不符合资格，在标题和摘要筛选时被排除；其中一部分在讨论中被引用以定位本研究的发现。
**3.2. 纳入研究概述**
子问题标签分布如下：子问题1，4项研究；子问题2，32项；子问题3，41项；子问题4，50项；子问题5，19项（图2）。许多研究涉及多个子问题，子问题2和4是最常配对的。子问题4总体计数最高，因为实验文献高度关注潜在的生理和生物力学机制。子问题1仅分配给分析运动员如何完成全程IRONMAN比赛的研究。群体平均值的分析，如前100名完赛者，也包括在内，以及个体运动员的分析。仅使用IRONMAN比赛记录比较年龄组之间跑步时间的研究被标记为子问题5。
纳入本范围综述的研究发表于1996年至2025年之间。在70项纳入研究中，5项分析了官方IRONMAN比赛记录，3项在比赛期间直接测量跑步，62项使用受控自行车-跑步方案；后者中，21项在现场进行，41项在实验室进行。大多数受控研究比较了骑车后跑步与无预先骑车跑步，使用随机交叉或重复测量设计（补充表S1）。
**3.3. 子问题1：研究背景与生态效度**
子问题1询问跑步表现下降在IRONMAN比赛距离上的研究程度，相对于较短比赛和受控方案。
四项研究被标记为子问题1，均分析了运动员如何完成全程IRONMAN比赛。Knechtle等人和Angehrn等人使用官方比赛数据库，分别覆盖2022年IRONMAN世界锦标赛和2014年举行的11场IRONMAN比赛。Johnson等人和Pryor等人将比赛计时数据与比赛期间运动员身上记录的测量相结合，包括心率、功率和位置数据。这四项研究均未将IRONMAN跑步表现与同一运动员的独立跑步能力进行比较。其研究结果在第3.4节中描述。
70项纳入研究中有5项使用了IRONMAN全程距离比赛数据。其中4项分析了运动员如何完成比赛并被标记为子问题1；第五项（K?ch等人）仅使用IRONMAN比赛记录比较年龄组之间的跑步时间，因此将在子问题5下讨论。其余65项研究在较短比赛距离或受控方案下进行。3项在奥运会距离比赛期间直接记录跑步运动；其他62项使用受控自行车-跑步方案，其中自行车段远短于IRONMAN自行车段。纳入研究均未将跑步表现下降作为其主要研究问题。
**3.4. 子问题2：下降的量化**
子问题2关注跑步表现下降的量化：实际测量和报告了多少下降。
**3.4.1. 比赛内配速下降**
IRONMAN比赛中已报告了跑步速度的比赛内下降。Angehrn等人分析了11场比赛的前100名完赛者，发现每场比赛中跑步速度从马拉松开始到结束逐渐下降，速率为每分段0.06至0.34公里/小时。Knechtle等人分析了2022年IRONMAN世界锦标赛前30名职业完赛者的25个马拉松分段，发现所有组中模式相同，较慢完赛者的下降更陡峭。Johnson等人使用了一种相关但不同的测量方法，量化了运动员在11个跑步分段中偏离自己赛前目标配速的程度；跑步是三个项目中偏差最大的，排名较高的运动员比排名较低的运动员偏差小得多。在一项单运动员案例研究中，Pryor等人发现在赢得的一场具有较大海拔变化的赛道上的IRONMAN比赛中，各圈之间速度或标准化分级配速无显著变化。
**3.4.2. 实验性下降测量**
在实验文献中，几项研究测量了骑车后跑步表现的下降。Olcina等人发现，与单独跑步相比，20分钟自行车计时赛后12分钟跑步距离下降了5.8%。Suriano等人报告，在85%最大有氧速度下，变速骑车后的跑步力竭时间比相同平均功率的恒速骑车后长40%。这表明骑车策略可能影响表现下降的幅度。Tew报告，65分钟骑车后10公里跑步时间显著受损，Bernard等人报告了自行车段后3公里跑步下降。
**3.4.3. 情境间差距**
尽管对配速和实验诱发的表现下降进行了广泛研究，但研究人员未发现任何研究量化了“情境间下降”，即个体运动员的独立马拉松能力与其实际IRONMAN跑步分段之间的差异。执行此分析所需的数据基本可用。马拉松PB是公开可用的，IRONMAN成绩数据库庞大，预测研究中的散点图已将马拉松PB与IRONMAN跑步时间作图。这些图直观地表明，马拉松PB非常相似的运动员可能表现出显著不同的IRONMAN跑步表现，回归线周围观察到大量分散。然而，研究人员未发现任何研究在个体层面量化了这种表现下降。此外，本综述识别的研究未提供关于情境间下降平均幅度、个体间变异性、其分布或与个体间差异相关的因素的证据。这些基本描述性方面仍未得到解决。
**3.5. 子问题3：转换期间和之后观察到的变化**
第三个子问题询问在自行车-跑步转换期间和跑步段内观察到哪些生理和生物力学变化。
在实验文献中，骑车后跑步期间主观疲劳感升高是最一致的发现。其他变量，如步态参数、心肺测量和关节运动学，在各研究间表现出不一致的模式，反映了骑车方案、跑步测试条件和参与者表现水平的差异。
纳入研究的几项具体发现说明了这些模式。对于时空参数，da Rosa等人报告，中级铁人三项运动员在骑车后跑步时比单独跑步时表现出更短的步幅和更高的步频（分别为2.60对2.65米和1.46对1.43赫兹），而机械效率比保持不变，尽管代谢成本增加了约12%。Connick和Li报告，在3小时骑车后转换跑步开始时，步幅时间变异性增加了45%（Cohen's d = 0.95），伴有更短的步幅和踝关节和髋关节活动范围的短暂减少，在10分钟内恢复。Gottschall和Palmer证明，跑步步频紧密跟踪先前骑车节奏；高节奏骑车（+20%）产生10%更高的跑步步频，这归因于神经放电模式的持续。总体而言，转换跑步中步幅的减少伴随着步频的增加。
对于神经肌肉控制参数，Bonacci等人报告，精英国际铁人三项运动员，包括四名奥运选手和一名世界冠军，在低强度和高强度骑车后均保持了肌电图模式和矢状面关节角度，只有七名运动员中的一名（14%）表现出肌肉募集的任何改变。相比之下，46%的中等训练水平运动员表现出改变的神经肌肉模式。
对于跑步经济性和代谢反应，da Rosa等人报告，骑车后运输成本显著增加（3.71对3.31焦耳·公斤
?1·米
?1）；然而，通过补偿性步幅调整保持了总机械功和机械效率。Bonacci等人报告精英运动员跑步经济性仅出现微小变化。
比赛期间获得的证据有限且不一致。Landers等人拍摄了奥运会距离世界锦标赛中51名精英男性，发现转换后1.2公里处步幅显著短于10公里跑中段，并且在终点前再次缩短，表明存在转换效应和疲劳效应；步幅而非步频与跑步和整体表现相关。Cala等人分析了精英奥运会距离世界杯铁人三项赛的10公里跑，发现自行车段后第一圈跑步运动学无变化；步幅和速度仅在最后一圈下降，作者将其归因于跑步期间积累的疲劳而非先前的自行车运动。同一研究指出，比赛期间的跑步速度远快于实验室自行车-跑步方案中使用的速度。
这些研究中值得注意的是其结果不一致。步幅是增加还是减少，跑步经济性是恶化还是保持不变，取决于骑车方案、跑步测试条件，特别是运动员的表现水平。不存在单一的典型生理或生物力学转换反应，比赛期间进行的少数观察不一定再现实验室报告的反应。
**3.6. 子问题4：已识别的因果与机制**
子问题4检查了为解释为什么跑步在骑车后恶化而提出的已识别机制。
在实验文献中，神经肌肉疲劳是骑车后跑步表现下降最常提出的解释。然而，具体的因果途径（外周肌肉疲劳、中枢疲劳、糖原耗竭或生物力学补偿）仍不清楚，因为使用不同方案的研究产生了相互矛盾的结果。
**3.6.1. 骑车强度与策略**
在图表化研究中，Suriano和Bishop表明较高的骑车强度与较大的跑步受损相关。Suriano等人报告，以低功率结束的变速骑车比相同平均功率的恒速骑车将后续跑步力竭时间提高了40%，尽管平均生理反应相似。这表明转换前最后几分钟的代谢状态可能比整个骑行过程中的平均努力更重要。
**3.6.2. 营养因素与糖原耗竭**
McGawley等人报告，骑车期间碳水化合物的摄入改善了后续跑步，提供了营养影响后续跑步表现的直接证据。糖原耗竭经常被引用为超耐力赛事中观察到的跑步表现逐渐下降的促成因素，因为运动员无法完全补充比赛期间消耗的能量。
**3.6.3. 非IRONMAN方案中的证据**
在一项短距离现场研究中，Hausswirth等人表明，骑车期间跟骑，将摄氧量
2降低了14%并将血乳酸减半，导致后续5公里跑步表现改善。尽管跟骑在IRONMAN比赛中不允许，但这一发现支持了骑车期间较低的能量消耗可能有助于改善后续跑步表现的假说。
目前尚不清楚这些机制在真实IRONMAN比赛中是否类似地运作，因为运动员在8-17小时内积累疲劳，同时经历渐进性糖原耗竭、热应激和营养挑战，这些在实验室方案中未被完全复制。因此，真实IRONMAN条件下跑步表现下降的机制仍未得到充分研究。
**3.7. 子问题5：个体间变异性的潜在因素**
第五个子问题询问哪些因素驱动跑步表现下降幅度的个体间差异。
**3.7.1. 表现水平作为调节变量**
较高的表现水平似乎降低了自行车-跑步转换期间神经肌肉控制改变的可能性。在一项单一研究中，Millet等人证明，精英铁人三项运动员在骑车后氧气成本降低了3.7%，而中级铁人三项运动员氧气成本增加了2.3%。这些结果表明表现水平调节转换质量，尽管潜在原因仍不清楚。
**3.7.2. 年龄与性别**
几项纳入研究检查了先前骑车反应的性别差异，结果不一。Vivan等人发现，男性在90%功能阈值功率骑车后5公里计时赛表现显著受损，而在80%时则没有，但在女性中则没有，作者将其归因于底物利用和肌纤维组成的差异。Cala等人报告，世界杯比赛中男性步幅和速度在跑步过程中下降，而女性保持。相比之下，Angehrn等人发现11场IRONMAN比赛中跑步配速模式无性别差异，Knechtle等人发现男性和女性在跑步配速的变异性而非整体轨迹上有所不同。
年龄的证据更为有限。K?ch等人报告，女性30-34岁年龄组和男性35-39岁年龄组开始出现与年龄相关的跑步下降，职业运动员中IRONMAN跑步时间的性别差异已缩小，但在40-49岁年龄组中扩大。这描述了随年龄的下降而非先前劳累引起的下降；研究人员未发现任何研究检查年龄是否改变了先前劳累引起的跑步表现下降的幅度。
**3.7.3. 整体表现的预测**
超越本综述的正式范围，更广泛的IRONMAN文献已识别了总完赛时间的预测因子。马拉松PB连同奥运会距离铁人三项PB、每周训练量和身体成分，始终是IRONMAN表现的最强预测因子之一。Knechtle等人全面总结了这些预测因子，最近一项对687,696名年龄组完赛者的分析确认并扩展了这些发现。
**3.7.4. 现有预测研究中的分析框架**
本综述识别的一个空白是，预测文献主要关注预测总完赛时间或跑步分段时间，而非量化跑步表现与运动员独立马拉松表现的差异程度。马拉松PB是IRONMAN表现的最强预测因子之一，但研究人员未发现任何研究将其作为衡量表现下降的基线。“IRONMAN跑步分段减去预期马拉松时间”的简单计算——询问什么预测了这种差异——在研究人员识别的任何研究中均未尝试。预测研究中的散点图已显示回归线周围的大量变异性，表明马拉松PB相似的运动员可能表现出显著不同的IRONMAN跑步表现。这种变异性背后的因素仍不清楚，但可能包括训练历史、骑车强度、营养策略、年龄、身体成分和配速的差异。识别这种变异性的决定因素可能对教练和比赛准备具有重要意义。然而，这种变异性在研究人员识别的研究中未被正式量化，且没有一项研究检查其预测因子。
**4. 讨论**
**4.1. 主要发现总结**
本范围综述检查了70项与IRONMAN距离铁人三项中跑步表现下降相关的研究。检索到的其余记录主要涉及相关但不同的主题，如总比赛时间预测因子、人口统计学比较、非IRONMAN比赛数据和无跑步表现测量的实验室研究。尽管对IRONMAN表现有大量研究兴趣，但本综述识别的研究未直接将其主要研究问题集中于跑步表现下降。
关于证据来源（子问题1），70项纳入研究中只有4项分析了全程IRONMAN比赛中跑步表现如何随时间变化，即使这些研究也以不同方式表征下降：从逐分段跑步速度、从运动员自身目标配速的偏差，以及单运动员的逐圈变化。其余研究中，一项使用IRONMAN比赛记录比较年龄组之间的跑步时间而非分析跑步本身，其余在较短比赛距离或受控方案下进行，其中自行车段远短于IRONMAN自行车段。
关于跑步表现下降的程度（子问题2），综述识别了文献中的一个主要空白。群体运动员的比赛内配速减慢已被描述，受控自行车-跑步研究报告了短转换跑中约2-6%的下降。然而，情境间下降，定义为运动员独立马拉松表现与其IRONMAN跑步表现之间的差异，在研究人员识别的任何研究中均未被量化。因此，关于该测量值的幅度、分布和变异性的基本描述性统计目前无法获得。
关于生理和生物力学变化（子问题3），证据显示自行车-跑步转换期间反应范围广泛，但研究间发现不一致。步幅调整和较高的主观疲劳感是最可重复的发现。
关于表现下降的原因（子问题4），神经肌肉疲劳是最常提出的机制；然而，证据不一致，具体因果途径仍不清楚。骑车强度和营养作为可改变因素有一些实证支持，尽管这些证据来自不复制IRONMAN条件的短方案，比赛期间进行的少数测量也不一致地再现实验室报告的反应。
关于驱动个体间变异性的因素（子问题5），证据表明精英运动员比年龄组运动员受骑车诱导疲劳的影响较小。许多变量预测整体IRONMAN比赛时间，但研究人员识别的任何研究均未调查相对于独立跑步能力的下降幅度。这种分析框架的转变——从预测比赛时间到量化表现下降——在研究人员识别的研究中未被观察到。
**4.2. 对真实比赛研究的意义**
总之，已识别的空白突出了未来研究的几个优先事项。特别是，需要利用真实IRONMAN比赛数据的研究来：(i) 定义相对于每位运动员基线跑步能力的跑步表现下降；(ii) 量化这种下降的幅度和变异性；以及 (iii) 识别与个体间下降差异相关的因素。
三个实际困难有助于解释为什么情境间下降在研究人员识别的任何研究中均未被量化，每个都有研究设计意义。首先，需要独立参考表现，而马拉松PB是不完美的代理：它可能在不同赛道和环境条件下、训练周期的不同时间点或几年前记录。实验室衍生的替代物如乳酸阈配速或较短计时赛结果有其自身局限性，因为基于群体平均值的预测模型无法捕获个体耐力特征。因此，参考表现应既近期又在赛道和条件上合理可比较，未来研究应指定并报告其应用的资格窗口。其次，在实验室中复制完整的IRONMAN比赛——3.8公里游泳、180公里自行车、然后42.2公里跑步——作为实验方案不可行；现有方案通常为20-50分钟骑车，远短于实际比赛的需求。第三，真实比赛数据受众多不受控制变量影响，包括温度、赛道剖面、营养、配速决策、训练状态和运动员当天的目标。尽管这些局限性是真实的，真实比赛数据仍可能为调查在受控实验条件下难以解决的研究问题提供宝贵机会。
鉴于此，年龄组运动员值得特别关注。他们构成IRONMAN完赛者的绝大多数，参与人数最多的是40-44岁男性。与职业运动员不同，年龄组运动员将多样化的训练背景、比赛经验和生理能力带到起跑线。这种多样性为调查跑步表现下降的个体间差异提供了机会，因为更广泛的训练背景、比赛经验和生理特征范围可能有助于识别与表现下降差异相关的因素。
此类研究的实际意义重大。如果能够表征跑步表现下降并识别其预测因子，这些知识可用于赛前基准测试、基于个体能力设定现实跑步分段期望，以及优化配速策略、营养计划和识别严重下降高风险运动员。此类知识可促进针对性训练和比赛日干预措施的开发。
**4.3. 本范围综述的局限性**
本综述有一些局限性应予以承认。标题和摘要筛选由单一审阅者（Y.T.）在ASReview LAB中主动学习算法的协助下进行，筛选前与H.N.商定了资格标准，但个体筛选决定未由第二审阅者独立验证；这可能引入了选择偏倚。主动学习程序按估计相关性对记录排序，在预先指定的停止规则下，一旦连续50条记录被标记为不相关，筛选结束。因此，896条记录中的659条（73.5%）排名低于停止点，未被单独筛选，因此相关研究可能仍留在其中。为部分缓解这一点，筛选后将标记记录与综述团队已知的研究集核对；此核对识别出一项在主动学习筛选期间未呈现的符合条件研究，随后被筛选并纳入。这一发现表明主动学习方法非常有效，尽管不能排除少量符合条件研究仍未筛选的可能性。
检索限于两个数据库（PubMed和SPORTDiscus）。其他数据库如Scopus、Web of Science和Embase未被检索，可能索引了此处未检索到的相关研究。尽管未应用语言限制，仅英文检索词可能遗漏了以其他语言发表的研究。遵循标准范围综述方法学，未对纳入研究进行正式质量评估，目标是绘制可用证据范围而非评估其质量。在11项被排除研究中，两项因全文无法访问而被排除；未联系这些论文的作者，因此可能遗漏了相关数据。
将观察性研究限于IRONMAN全程距离排除了中距离、奥运会距离和其他铁人三项形式的数据，这些可能提供相关证据。然而，这种限制被认为是必要的，因为只有IRONMAN全程距离包括在数小时先前劳累后进行的马拉松长度跑步，这是本综述的重点。还排除了在固定跑步速度下仅测量生理成本变量而非定量解决跑步表现下降或运动模式变化的实验研究。由于这种较窄的综述范围，来自较短距离实验研究的一些机制导向证据未在本综述中详细考虑。
**4.4. 未来研究建议**
基于本范围综述识别的空白，提出以下研究优先事项：
(1) 量化情境间下降。未来研究应计算并报告个体层面独立马拉松能力（或验证的替代物）与IRONMAN跑步表现之间的差异。差异可以用多种方式表示，每种选择都有后果：绝对时间差保留了决定比赛结果的单位；相对差异或比率允许不同能力的运动员在共同尺度上比较；对数转换差异产生更对称的分布，更适合回归建模。研究应说明使用哪种形式及其原因，并应说明参考表现必须多近和多可比较。报告该差异的描述性统计（平均值、标准差、范围和分布形状）将有助于表征其幅度和变异性，这些方面在研究人员识别的研究中未被描述。
(2) 将个体间变异性作为主要结局。未来研究应明确建模和解释下降幅度的个体差异，而非仅报告群体平均值。纳入马拉松PB、训练量、骑车强度、配速策略、年龄、性别和环境条件的多元回归将有助于估计每个因素的贡献。尽管现有研究主要关注预测总比赛时间，但研究人员未发现任何研究量化或建模了表现下降本身。
(3) 使用真实IRONMAN比赛数据进行观察性研究。将比赛成绩与运动员马拉松PB和比赛日变量联系起来的大规模分析将直接解决上述空白。尽管这些研究面临方法学挑战，如定义有效跑步基线和控制混杂变量（如天气、赛道剖面和比赛营养），但这些挑战可通过适当的统计方法解决。
(4) 关注年龄组运动员。鉴于他们构成IRONMAN参与者的多数并表现出最大的表现变异性，该人群需要专门的研究关注。
(5) 弥合实验室到现场的差距。机制研究可能受益于使用更接近IRONMAN持续时间和条件的方案，或评估从较短方案获得的发现是否推广到真实比赛环境。
**5. 结论**
本范围综述对70项研究的审查表明，关于IRONMAN距离铁人三项中跑步表现下降的文献在几个方面取得了进展：配速模式已被描述，表现预测因子已被识别，实验室研究已开始阐明自行车-跑步转换的生理效应。然而，这些研究流未解决与跑步表现下降个体变异相关的关键问题。特别是，IRONMAN跑步表现与独立马拉松表现之间的差异，以及与个体间差异相关的因素，在研究人员识别的研究中未被系统调查。情境间下降的基本描述性统计，如平均值、方差和分布，未被报告。现有散点图中清晰可见的个体差异未被分析性追求。机制证据几乎完全来自无法复制真实IRONMAN比赛条件的短受控方案，比赛期间进行的少数测量不一致地再现实验室发现。
因此，需要利用真实IRONMAN比赛数据的观察性研究来量化个体层面的情境间下降，并识别与个体间下降变异相关的因素。年龄组运动员可能代表此类研究的特别相关人群，因为他们构成IRONMAN参与者的多数并表现出相当大的表现异质性。
