跑步課表如何不要受傷？把警戒線設在對的變數上

note_type: wiki-human · 全民/專業 · 最後審閱

標籤4
跑步課表如何不要受傷？把警戒線設在對的變數上

跑步課表如何不要受傷？

摘要

跑步過度使用傷害的常見「警戒線」（每週里程、10% 法則、急慢性負荷比 ACWR）在跑者族群都缺乏證據：10% 法則已被隨機對照試驗否證，ACWR 在跑者身上甚至呈反向，且其構念有數學耦合等統計缺陷。訓練負荷可分為系統負荷（與過度訓練相關）與機械負荷（與過度使用傷害相關）兩個面相，內部負荷指標（如 session-RPE）無法捕捉後者。目前訊號最一致的單一外部指標，是「單次跑距相對於近 30 天最長跑的暴衝幅度」（一份 5,205 人前瞻世代研究）；盯住它可能比盯週里程更好，但仍屬觀察性證據、非因果定論。實務上，控制單次最長跑的成長幅度、以提高頻率而非拉長單次累積週量、以 80/20 分配強度、並將比賽與超長跑單獨處理，是與現有證據一致的可操作原則。

跑者最反覆糾結的問題是：「我這樣練，會不會受傷？」坊間給的警戒線幾乎都是單一數字：每週跑量別增加超過 10%、把「急慢性負荷比」(acute:chronic workload ratio, ACWR) 壓在 0.8 到 1.3 的「甜蜜區」、或盯著每週里程。這些線聽起來精確，卻多半把警戒設在了錯的變數上。

比起把警戒線設在「週累積量」，盯住 「單一次跑步相對於近期最大刺激暴衝了多少」 可能是更好的做法。必須先說清楚：這條線尚未經因果證實，只是目前在跑者身上訊號最一致的一條。要理解它，得先承認訓練負荷有兩個面相。

一、負荷的兩個面相：為什麼「總負荷」不能取代「距離」

輕鬆跑 10 公里與配速跑 10 公里，對身體的負擔天差地別，光看距離當然不夠。所以要先把「負荷」拆對（Impellizzeri 等人，2019）：

  • 外部負荷（external load） 是跑者做的客觀功，也就是施加的「刺激（dose）」。它本身有兩軸：量（距離、時長）與強度（配速、跑步功率），兩軸都可量化。
  • 內部負荷（internal load） 是這個刺激在個體身上引發的生理與心理反應，也就是「反應（response）」。常用代理包括 session-RPE（單次自覺費力程度乘以時長；Foster 等人，2001）、TRIMP（心率乘以時長）、以及跑步訓練壓力分數（running TSS）。

把內部負荷各指標併成單一數字，就是常被討論的「總訓練負荷」（total training load），也就是「能不能用總負荷取代距離」這個提問的核心。Mujika 的《Endurance Training》教科書把整合方法講得很清楚：session-RPE 最實用（不需心率錶，賽後一分鐘到十四天都穩定）、TRIMP 需要連續心率、跑步 TSS 的預測效度最佳（相關係數 0.70，相對 session-RPE 的 0.60 與 TRIMP 的 0.65）。

但這把尺對「受傷」有一個致命盲點：內部負荷量到的是系統性壓力，抓不到局部的機械與組織應力（Mujika 教科書引 Vanrenterghem 等人，2017）。負荷的兩個面相於是分立：

  • 系統負荷高，意味自律神經、內分泌與代謝壓力大，失效模式是過度訓練。強度會把它拉得很陡：跨過第一乳酸閾值之後，壓力隨強度與時長急升，皮質醇上升、心率變異恢復延遲。
  • 機械負荷高，意味局部結構反覆承受高應力，失效模式是過度使用傷害：疲勞性骨折、髂脛束症候群、肌腱病變。這正是 session-RPE 這類總負荷指標會低估的那一軸。

所以總負荷是管「過度訓練」的好工具，能把強度納進來；但要管「過度使用傷害」，還需要另外一條機械負荷的軸。目前最站得住的那條警戒線，正是機械負荷的粗略代理。

二、三條傳統警戒線為何都站不住

「每週增量不超過 10%」流傳最廣，也最早被隨機對照試驗否證。 荷蘭 GRONORUN 試驗（Buist 等人，2008；n=532 名新手跑者）把人隨機分到「依 10% 法則漸進的十三週課表」與「標準八週課表」，兩組受傷率幾乎相同：20.8% 對 20.3%，P=.90。一篇 Cochrane 系統綜述（Yeung 等人，2011）覆核後同樣是陰性（單一試驗 n=486，相對風險 1.02）。這裡證據的「方向」值得分清楚：這是高等級（隨機對照試驗）的證據，但結果為陰性，高等級指向的是「這條規則無效」，而非支持它。

週里程與週對週變化的訊號也很微弱。 後面那篇大型世代研究顯示「週對週里程比」與受傷無關；兩篇系統綜述（Fredette 等人，2022，納入 36 篇、23,047 名跑者，評為「不一致」；Damsted 等人，2018，僅 4 篇符合，直指「負荷變化與受傷的直接證據非常有限」）都收斂到「無法穩定連結」。

ACWR 在跑者身上甚至是反向的。 一份荷蘭跑者世代（Nakaoka 等人，2021；n=435）顯示 ACWR 越高、受傷率反而越低（小於 0.70 對應 9.6% 受傷機率，大於 1.38 對應 1.3%）。另一份 GPS 世代（Cloosterman 等人，2026；n=461）呼應這個方向：時長型 ACWR 與受傷的微弱正相關，在排除原本就帶傷的跑者後便消失。一個被廣泛推崇的指標，為什麼會在跑者身上翻轉？這個問題需要單獨一節來拆。

三、ACWR 的因果推論解剖：一個教科書級的假象

ACWR 源自 Gabbett（2016）提出的「訓練-傷害預防悖論」，其後的興衰幾乎集齊了因果與統計推論的每一種陷阱，是極好的反面教材。

數學耦合（mathematical coupling）。 急性負荷本身是慢性負荷的一部分（分子是分母的一段），兩個自相關的量相除，本來就會生出假性相關（Lolli 等人，2017）。這和「把 x 拿去與 x/y 相關」是同一類錯。

比值變數的病理。 比值並不會乖乖地「用分母把分子標準化」，其統計性質本身就會製造不準確與雜訊。Impellizzeri 等人（2020）在〈Conceptual Issues and Fundamental Pitfalls〉中指出，即使改用沒有耦合的版本仍有缺陷；問題不只在耦合，而在「拿一個比值當暴露變數」這件事本身。

迴歸至均值（regression to the mean）。 一個特別高的急性週，下一週本來就傾向回落，與訓練無關；用「高 ACWR」去篩人，會篩到一部分只是迴歸至均值的雜訊。這條批判出自 Lolli 與 Atkinson 的個體內分析，常被誤掛到 Impellizzeri 名下，兩者論點其實不同。

決定性的反證：隨機亂數也能重現「效果」。 Impellizzeri 等人（2020）的〈Time to Dismiss ACWR〉把慢性負荷換成隨機產生的數字，原本的受傷模型照樣跑出勝算比 1.89（真實 ACWR 是 2.45）。如果隨機分母給得出同等的「效果」，那效果就是分子被重新縮放的數學產物，不是真的捕捉到慢性負荷的因果訊號。

統計顯著不等於臨床有用。 同一篇顯示 ACWR 的判別力（c-statistic）只有 0.574，而純截距模型是 0.5。換言之，就算「顯著」，它分辨會不會受傷的能力與擲骰子相去不遠。這是實證醫學的老課題：p 值過關不等於有預測或臨床效用。

武斷切點與離散化。 0.8 到 1.3 的「甜蜜區」是研究者選定的切點；把一個連續暴露離散化、再挑一個參考組，本身就會「製造」出倒 U 形的關係（Impellizzeri 等人將此列為方法學陷阱之一）。

可移植性失敗與健康跑者選擇偏差。 甜蜜區源自團隊運動，搬到跑者卻翻轉方向。一個合理的解釋是反向因果與選擇偏差：能長期承受高慢性負荷而不受傷的人，本來就是耐受度高的那一群，高 ACWR 是在「標記」強韌，而不是「造成」安全。這也是整片觀察性文獻共同的威脅：受傷導致減量、減量壓低 ACWR 的反向路徑，以及資料裡只看得到「目前還沒受傷的人」的選擇偏差。

把這些問題收束起來，它們其實是同一件事：因果問題沒被問清楚。借用 Hernán 的目標試驗框架去問：介入是什麼、對誰、對照為何、時間零點在哪、要調整哪些混淆、這個暴露究竟可不可被操作。ACWR 把「劑量」和「一個與自己糾纏的比值」混為一談，難怪它在不同族群得出相反方向。相對地，下一節那條「單次距離暴衝」之所以較站得住，正是因為它的暴露較乾淨（沒有把自己除以自己）、更貼近機械負荷這條真實的致傷路徑，而且暴露是在受傷之前就定義好的（守住了時間零點的紀律）。即便如此，它仍是觀察性的、仍帶有健康跑者選擇偏差，所以一路採「相關與原則」而非「因果鐵律」的語氣才比較誠實。

四、真正站得住的警戒線：單次距離暴衝

目前在這個題目上規模最大、設計最好的前瞻世代研究，給出了一條乾淨的警戒線（Schuster Brandt Frandsen 等人，2025）：十八個月、5,205 名跑者、588,071 次跑步，其中 1,820 人（35%）發生過度使用傷害。在三個受檢的負荷指標裡，只有「單一次跑距相對於前 30 天最長一次跑」與受傷正相關：

  • 暴衝 10% 到 30%：危險率比 1.64（95% 信賴區間 1.31 到 2.05）
  • 暴衝 30% 到 100%：危險率比 1.52（1.16 到 2.00）
  • 暴衝超過 100%：危險率比 2.28（1.50 到 3.48）

ACWR 在這份資料裡是反向的，週對週比則無關。也得把限制說清楚：前兩格並非單調（中度的 1.52 略低於小幅的 1.64），明確的劑量梯度只出現在「暴衝超過 100%」那一格，不宜把它說成漂亮的線性。但方向清楚：警戒的不是絕對距離，而是相對於近期最大刺激的跳幅，這恰好是機械負荷暴衝的代理。

五、強度這一軸：可量化、機制上更兇、但證據還沒補上

既然強度可以用配速或功率量化，「暴衝」就不該只定義在距離軸上。一名習慣以每公里 6 分鐘配速跑步的跑者，某天以每公里 5 分鐘的配速完成 10 公里，這是一次強度軸上的暴衝，而且機制上可能比距離暴衝更兇：配速越快，單步的地面反作用力、衝擊負荷率、肌腱與骨的「峰值」應力都更高，等於把上一節談的機械負荷拉得比距離暴衝更高。這也是為什麼導入速度訓練要當成一個獨立、且需要逐步加量的刺激，不能毫無鋪墊地突然插進一節快跑。

但這條軸的直接證據還沒補上。目前沒有任何研究單獨直接檢驗過「配速暴衝與受傷」。最接近的是 Ramskov 等人（2022；n=586），它直接測「週量變化與配速進展」對受傷的交互作用，結果並不顯著（風險差 8.1%，95% 信賴區間 −9.3% 到 25.6%，跨過零）。在系統綜述層級，強度與受傷的關聯被評為「不一致」（Fredette 等人，2022）或「直接證據稀少」（Damsted 等人，2018）。

所以這條軸的定位是：機制上重要、可量化，但在跑者受傷的實證上仍是缺口。實務上目前最好的折衷，是把強度交給「分布管理」（後述的 80/20 原則），把「單次相對暴衝」當外部代理並理解它低估了高強度日，必要時把高強度日視為「等效更長」來計。

六、頻率：把量拆散到更多次，現在有一篇直接證據

把固定的週量拆散到更高頻、每次較短的跑步，是否較不易受傷？過去這多半只能從機制推論；現在有一篇大型世代研究可參考（Abrahamson 等人，2025，Garmin-RUNSAFE；n=7,391）：跑步頻率與受傷呈近乎線性的反向關係，以「每跑 1000 公里的累積受傷比例」計，從每週 1 次以下的 71.8% 一路降到每週 7 次的 24.7%。

但三個因果上的但書必須講清楚，因為這是觀察性資料的典型陷阱。其一，這是累積發生比例與風險差，並非危險比，而且時間軸是「公里」而非時間。其二，每週 2 次相對於 1 次以下其實並不顯著（風險差 −5.0，信賴區間 −10.8 到 0.7，跨過零），明確的保護要到每週 3 次才出現。其三，存在健康跑者選擇與反向因果：能維持每週 7 次而不受傷的人，本來就是耐受度高的一群，作者本人也用「誰比較容易受傷」而非因果的語氣陳述；樣本 78% 為男性、96% 來自歐美。

較穩妥的講法是：把固定週量拆散到更多次、每次較短，與較低的受傷風險相關，方向也與「避免單次機械暴衝」一致，且有一篇大型世代研究支持；但因果強度有限，宜當合理原則，而非已證實的因果定律。

七、致傷的生物框架：組織負荷與承載力

為什麼「相對最長跑的暴衝」會比「絕對距離」更對？因為它隱含了正確的致傷模型（Bertelsen 等人，2017）：

傷害發生於單一結構承受的累積負荷，超過了該結構當下的承載力（load capacity）。

關節層級也有對應的概念，即組織恆定與「功能包絡」（Dye，2005，專家意見等級）。關鍵在於承載力不是固定值，而是被近期訓練「養」出來的；近 30 天最長的那次跑，正是承載力的合理代理。於是「相對最長跑暴衝多少」實質上就是在問「這次的負荷超出目前養出的承載力多少」，與框架一致，也解釋了絕對距離門檻為何注定失敗：同一個絕對距離，落在不同人的承載力包絡上，意義完全不同。Hreljac（2005）的老觀察也呼應這點：幾乎所有過度使用跑步傷害都可歸因於訓練錯誤，原則上都可預防。

八、把原則放進課表：量化、分布、週期化、監測、卸載

把前面的原理收斂成可操作的流程，可借 Mujika《Endurance Training》（第二版，2023）教科書的架構（國際奧會 2016 年「負荷與受傷風險」共識亦持相近的負荷管理立場）：

  1. 量化兩個面相。 系統負荷用 session-RPE（最實用）或跑步 TSS（效度最佳）；機械軸用「單次相對最長跑暴衝」把關。兩者不能互相取代。
  2. 強度用分布來管（80/20 原則）。 採 Seiler 的三區模型，約 75% 到 80% 的跑量維持在第一乳酸閾值以下（真正輕鬆），15% 到 20% 在第二乳酸閾值以上，讓出中間的閾值區。關鍵紀律是輕鬆日要真的輕鬆，它很容易不知不覺漂進中強度，而那正是過度使用風險的來源。這裡也要把證據強度標清楚：80/20 的表現效益證據較強（Muñoz 等人，2014 的隨機對照試驗；以及 Seiler 的概念框架），但在受傷與過度訓練上的證據偏弱、多為外推，幾乎沒有以受傷率為主要終點的大型試驗。
  3. 週期化。 把握過負荷、專一性、漸進、變化、個體化五項原則；準備期堆疊低強度量，接近比賽再減量並提高高強度比例；交叉訓練在教科書中被明確列為預防傷害與避免單調的手段。
  4. 監測過度訓練。 功能性過度延伸（短期表現下降後超補償）、非功能性過度延伸（數週至數月的表現、情緒、荷爾蒙紊亂）、到過度訓練症候群，是一條連續譜（Mujika 教科書引 Meeusen 等人，2013 的 ECSS/ACSM 共識）。能量與醣類不足、感染、心理壓力都是共病因子；用心率變異、情緒、表現來追蹤。
  5. 恢復。 恢復金字塔的底層是睡眠（最高槓桿，運動員常只睡約 6.5 小時、實需 8 小時）與營養，往上才是冷水浸泡、壓縮等，主動恢復對表現的恢復其實效果有限。恢復本身就是降低受傷風險的一環。
  6. 卸載與減量（taper）。 維持強度、把訓練量降 41% 到 60%、約十四天的指數遞減（Mujika 教科書引 Bosquet 等人，2007 的統合分析，結論是「減量不可犧牲強度」）。一個可以記住的數字：設計良好的賽前減量能讓肌酸激酶（creatine kinase, CK）下降達 70%。

九、把警戒線放到三個常見情境

情境一：剛完賽全馬，三天後想再跑更長（例如 46 公里），安全嗎？ 不安全，而且這個情境恰好同時踩到兩個陷阱。表面上，46 公里相對於三天前那場 42 公里的全馬只多了約 9%，落在「暴衝 10% 以下」之內，看似安全。但那 42 公里是一場「比賽」而非一次訓練跑：全馬造成顯著的骨骼肌損傷，CK 升高並需要數日才漸漸回落（Brancaccio 等人，2007），三天遠遠不夠。對照上一節的數字會更清楚：連「賽前」都要用兩週的結構性減量才把 CK 壓低約 70%，而「賽後」三天的肌肉是反方向地剛被重創。更關鍵的是，如果不把比賽排除在計算之外，這場全馬會把「近期最長跑」的基準灌水到 42 公里，讓隨後的 46 公里在數字上「看似合法」。若改以最長的「訓練」跑（假設約 30 公里）為基準，46 公里其實是約 53% 的中大幅暴衝。

情境二：為了「安全」，賽前一個月內必須先跑一次很長的 LSD（例如 38 公里）嗎？ 這個推論恰好自我矛盾。警戒線從來不是「最近必須跑過很遠」，而是「不要單次暴衝」；那一記 38 公里本身就是一次大暴衝。馬拉松準備的長跑上限一般落在 30 到 35 公里，再往上邊際生理效益遞減、肌肉損傷與受傷成本卻陡增。準備一場全馬靠的是逐步把最長跑往上推，而不是賽前一記英雄式的 38 公里。

這兩個情境也說明了為什麼比賽必須被排除在常規的負荷遞增模型之外：全馬是一次極端的機械暴衝外加多日肌損，其傷害流行病學自成一類（Toresdahl 等人，2023；備賽期受傷率 40%、賽中或賽後 16%）。若不排除，模型會用比賽灌水後的基準「鼓勵」跑者賽後立刻再衝，給出危險的建議。比賽與超長跑應單獨處理，並配套賽後的恢復安排。

十、證據限制與結論

這個領域的證據多為觀察性世代，且不乏陰性結果（Nielsen 等人，2014 整體無顯著、僅次族群危險比 1.59 但 P=.07；Ramskov 等人，2022 的配速與量交互為陰性；兩篇系統綜述評為「不一致」或「稀少」）。「單次相對暴衝」是目前訊號最一致的一條，但仍非隨機對照試驗等級。機械軸（單次距離暴衝）有證據，配速軸與內部負荷複合指標在跑者受傷上則是缺口；「強度應計入」在理論上成立、在實證上未補。頻率反向與 80/20 護傷都帶有健康跑者選擇與反向因果的風險，宜當原則而非定論。而 ACWR 的崩解要解讀成「量錯了」，不是「負荷不重要」。

落到實務，可操作的訊息很具體：管理跑步傷害風險，與其盯著週里程或追求某個 ACWR 甜蜜區（兩者證據都站不住），盯住「單次最長跑的成長幅度」或許是更務實的選擇，把每次拉長控制在相對近期最長跑的小步之內；用提高頻率而非拉長單次來累積週量；用 80/20 的強度分布管住總負荷；並把比賽與超長跑單獨處理、配套賽後恢復。把警戒線設在對的變數上，比記住任何一個神奇公里數都重要。

附錄：研究方法與 AI 協作揭露

本文為人機協作的文獻綜述，在此作最低限度的誠實揭露（非完整方法學報告）。檢索採多來源平行進行：本地醫學知識庫與教科書（含 Mujika《Endurance Training》）、OpenEvidence、Gemini Pro（經 Antigravity，含 Google 搜尋）、Grok（含 X 即時討論）等，交叉比對後由 Claude（Opus）統整為以論點為主軸的綜述。引用紀律為「只引用看過全文」，每筆參考文獻另經 Crossref／PubMed 逐筆核對，過程中更正了約 10 筆 AI 誤植的文獻識別碼（DOI／PMID／篇名）。流程分起草、獨立事實查核、去 AI 語氣三步，由不同代理執行；命題、審讀與最終修訂由作者主導。AI 會出錯，保留獨立查核與作者把關正是為此。

參考文獻

依第一作者排序。6S 證據分級（Haynes）：Studies＝原始研究（RCT 或世代），Syntheses＝系統綜述／統合分析，Summaries＝指引／教科書，概念與評論不分級。所列文獻均經 Crossref／PubMed 查證。

  • Abrahamson J, et al.（Garmin-RUNSAFE）。Scand J Med Sci Sports 2025;35(1):e70004. https://doi.org/10.1111/sms.70004 〔Studies｜cohort〕
  • Bertelsen ML, et al. A framework for the etiology of running-related injuries. Scand J Med Sci Sports 2017;27(11):1170-80. https://doi.org/10.1111/sms.12883 〔Syntheses〕
  • Brancaccio P, et al. Creatine kinase monitoring in sport medicine. Br Med Bull 2007;81-82:209-30. https://doi.org/10.1093/bmb/ldm014 〔Syntheses〕
  • Buist I, et al.（GRONORUN）。No effect of a graded training program on the number of running-related injuries in novice runners. Am J Sports Med 2008;36(1):33-9. https://doi.org/10.1177/0363546507307505 〔Studies｜RCT〕
  • Cloosterman KLA, et al. Association between GPS-based training load and injury risk in recreational runners. J Athl Train 2026;61(5):341-7. https://doi.org/10.4085/1062-6050-0030.25 〔Studies｜cohort〕
  • Damsted C, et al. Is there evidence for an association between changes in training load and running-related injuries? A systematic review. Int J Sports Phys Ther 2018;13(6):931-42. https://doi.org/10.26603/ijspt20180931 〔Syntheses〕
  • Dye SF. The pathophysiology of patellofemoral pain: a tissue homeostasis perspective. Clin Orthop Relat Res 2005;(436):100-10. https://doi.org/10.1097/01.blo.0000172303.74414.7d 〔專家意見〕
  • Foster C, et al. A new approach to monitoring exercise training (session-RPE). J Strength Cond Res 2001;15(1):109-15. https://doi.org/10.1519/00124278-200102000-00019 〔Studies〕
  • Fredette A, et al. The association between running injuries and training parameters: a systematic review. J Athl Train 2022;57(7):650-71. https://doi.org/10.4085/1062-6050-0195.21 〔Syntheses〕
  • Gabbett TJ. The training-injury prevention paradox. Br J Sports Med 2016;50(5):273-80. https://doi.org/10.1136/bjsports-2015-095788 〔概念模型；已被後續批判〕
  • Hreljac A. Etiology, prevention, and early intervention of overuse injuries in runners. Phys Med Rehabil Clin N Am 2005;16(3):651-67. https://doi.org/10.1016/j.pmr.2005.02.002 〔Syntheses〕
  • Impellizzeri FM, et al. Internal and External Training Load: 15 Years On. Int J Sports Physiol Perform 2019;14(2):270-3. https://doi.org/10.1123/ijspp.2018-0935 〔概念〕
  • Impellizzeri FM, et al. Acute:Chronic Workload Ratio: Conceptual Issues and Fundamental Pitfalls. Int J Sports Physiol Perform 2020;15(6):907-13. https://doi.org/10.1123/ijspp.2019-0864 〔方法學批判〕
  • Impellizzeri FM, et al. Time to Dismiss ACWR and Its Underlying Theory. Sports Med 2020;51(3):581-92. https://doi.org/10.1007/s40279-020-01378-6 〔方法學批判〕
  • IOC consensus statement on load in sport and risk of injury (Part 1). Br J Sports Med 2016;50(17):1030-41. https://doi.org/10.1136/bjsports-2016-096581 〔Summaries｜guideline〕
  • Lolli L, et al. Mathematical coupling causes spurious correlation within the conventional ACWR. Br J Sports Med 2019（editorial）. https://doi.org/10.1136/bjsports-2017-098110 〔editorial〕
  • Mujika I (ed.). Endurance Training: Science and Practice, 2e, 2023.（內文引 Vanrenterghem 2017、Seiler 強度分布模型、Meeusen 2013 ECSS/ACSM 過度訓練共識、Bosquet 2007 減量統合分析、Stephens & Halson 2022 恢復金字塔）〔Summaries｜textbook〕
  • Muñoz I, et al. Does polarized training improve performance in recreational runners? (RCT). Int J Sports Physiol Perform 2014;9(2):265-72. https://doi.org/10.1123/ijspp.2012-0350 〔Studies｜RCT〕
  • Nakaoka G, et al. The association between the acute:chronic workload ratio and running-related injuries in Dutch runners. Sports Med 2021;51(11):2437-47. https://doi.org/10.1007/s40279-021-01483-0 〔Studies｜cohort〕
  • Nielsen RØ, et al. Excessive progression in weekly running distance and risk of running-related injuries. J Orthop Sports Phys Ther 2014;44(10):739-47. https://doi.org/10.2519/jospt.2014.5164 〔Studies｜cohort〕
  • Ramskov D, et al. Interactions between running volume and running pace and injury occurrence. J Athl Train 2022;57(6):557-63. https://doi.org/10.4085/1062-6050-0165.21 〔Studies｜cohort〕
  • Schuster Brandt Frandsen J, et al. How much running is too much? Identifying high-risk running sessions in a 5200-person cohort study. Br J Sports Med 2025;59(17):1203-10. https://doi.org/10.1136/bjsports-2024-109380 〔Studies｜cohort〕
  • Seiler S. What is best practice for training intensity and duration distribution in endurance athletes?（narrative review；提出「中強度黑洞」概念）。Int J Sports Physiol Perform 2010;5(3):276-91. https://doi.org/10.1123/ijspp.5.3.276 〔概念/敘述〕
  • Toresdahl BG, et al. Training patterns associated with injury in New York City Marathon runners. Br J Sports Med 2023;57(3):146-52. https://doi.org/10.1136/bjsports-2022-105670 〔Studies｜cohort〕
  • Yeung SS, et al. Interventions for preventing lower limb soft-tissue running injuries. Cochrane Database Syst Rev 2011;(7):CD001256. https://doi.org/10.1002/14651858.CD001256.pub2 〔Syntheses〕