Supplementary files for "A unified framework for performance predictors in endurance sports" / "Un cadre unifié pour les prédicteurs de performance dans les sports d’endurance"

<p dir="ltr">Supplementary files for article " A unified framework for performance predictors in endurance sports" / "Un cadre unifié pour les prédicteurs de performance dans les sports d’endurance"<br><br><b><u>Summary</u></b></p><p dir="ltr"><b>Aim.</b> — We analyse popular performance metrics/predictors for endurance sports: functional threshold power (FTP) for cycling; Jack Daniels’ ‘‘VDOT’’ calculator, and Jeff Galloway’s Magic Mile for running; Kurt Jensen’s Golden Standard for rowing.</p><p dir="ltr"><b>Methods.</b> — We place all of these in a simple, unifying framework by showing that they can be viewed, approximately, as special cases of a power-law model in which the parameter governing endurance is fixed and typically calibrated based on elite-athlete performances.</p><p dir="ltr"><b>Results</b>. — This explains why these predictors tend to overestimate the performance of recrea?tional athletes. Our work further suggests that we can potentially make more accurate performance predictions (and over a wider range of distances or durations) by instead fitting a power-law model to multiple recent performances.<br><br>FR:<br><b><u>Résumé</u></b></p><p><br></p><p dir="ltr"><b>Objectifs</b>. — Nous analysons les métriques/prédicteurs de performance populaires pour les sports d’endurance : seuil de puissance fonctionnelle (FTP) pour le cyclisme ; la calculatrice « VDOT » de Jack Daniels et le Magic Mile de Jeff Galloway pour la course ; Golden Standard de Kurt Jensen pour l’aviron.</p><p dir="ltr"><b>Méthodes</b><b>.</b> — Nous plac¸ons tous ces éléments dans un cadre simple et unificateur en montrant qu’ils peuvent être considérés, approximativement, comme des cas particuliers d’un modèle de loi de puissance dans lequel le paramètre régissant l’endurance est fixe et généralement calibré en fonction des performances des athlètes d’élite.</p><p dir="ltr"><b>Résultats.</b> — Cela explique pourquoi ces prédicteurs ont tendance à surestimer la performance des athlètes récréatifs. Nos travaux suggèrent en outre que nous pouvons potentiellement faire des prédictions de performances plus précises (et sur une gamme plus large de distances ou de durées) en ajustant à la place un modèle de loi de puissance à plusieurs performances récentes<br><br>.©The Author(s), CC BY 4.0</p>