Resumen
La velocidad crítica (CS) representa el estado metabólico estable máximo en la carrera, y D’ representa la capacidad de distancia finita por encima de CS. Sin embargo, actualmente no existe consenso sobre los métodos óptimos de medición y modelado para obtener estimaciones de CS y D’, cómo CS y D’ influyen en el rendimiento de carrera, o cómo se han aplicado CS y D’ dentro de un entorno de entrenamiento. Los objetivos de esta revisión de alcance fueron determinar los protocolos y métodos de modelado específicos que se han implementado para cuantificar CS y D’ en ejecución; el potencial determinista de CS y D’ para el rendimiento en carreras a pie; y la aplicación de CS y D’ para individualizar la prescripción del entrenamiento de carrera. Se siguieron las directrices PRISMA para las revisiones de alcance. Se realizaron búsquedas sistemáticas en PubMed, Scopus, Embase y SPORTDiscus y se examinó la elegibilidad de los estudios. Se incluyeron un total de 124 estudios en la revisión, de los cuales 23 investigaron CS como el estado metabólico estacionario máximo, 68 investigaron diferentes métodos de medición o modelado de CS y D’, 16 examinaron diferentes métodos de medición solo de CS, seis investigaron la reconstitución de D’, 26 estudios exploraron la relación entre CS o D’ y el rendimiento de carrera, y 16 aplicaron modelos de CS y D’ para individualizar la prescripción de entrenamiento. La CS ha sido validada como el límite entre los dominios de intensidad alta y severa, mientras que existe un conjunto de investigaciones mucho más pequeño que investiga la reconstitución de D’; sin embargo, las variaciones en los protocolos de prueba pueden influir en la estimación de CS y D’. De importancia para los entrenadores y atletas es que el equilibrio CS y D’ son determinantes particularmente fuertes del rendimiento en carreras de media y larga distancia (milla a maratón, y 5000 y 10,000 m, para el equilibrio CS y D’, respectivamente), y el modelado de CS y D’ proporciona una vía para individualizar la prescripción de entrenamiento. Registro en Open Science Framework (OSF): https://osf.io/rq2h3.
