fbpx Più efficienza per i maratoneti | Page 2 | Scienza in rete

Più efficienza per i maratoneti

Primary tabs

Read time: 2 mins

Pubblicato un rigoroso modello matematico che permette ai maratoneti di calcolare il fabbisogno energetico e il passo che ciascuno può sostenere senza correre il rischio di andare in crisi.
Gli americani parlano di “hitting the wall” (traducibile come “sbattere contro il muro”), immagine molto eloquente per indicare ciò che sperimenta un maratoneta che non ha saputo dosare in modo opportuno il suo passo e l'apporto energetico prima e durante la gara. 

L'organismo non riesce più a reggere la fatica e le gambe proprio non ne vogliono sapere di rispondere al comando di correre. La causa è l'esaurimento delle scorte di carboidrati e la necessità dell'organismo di accedere al deposito di grasso, scelta infelice che non solo porta una riduzione del passo di gara di circa il 30%, ma – a causa delle reazioni metaboliche che producono sempre più chetoni – aumenta incredibilmente la stanchezza e il dolore muscolare.

Le statistiche dicono che interessa oltre il 40% dei maratoneti non professionisti.
Benjamin Rapoport, ricercatore del MIT (Division of Healt Sciences and Technology) e discreto maratoneta, ha pensato di affrontare matematicamente il problema. Il suo modello, pubblicato su PLoS Computational Biology, individua due fondamentali elementi fisiologici dai quali dipendono le prestazioni dei corridori su lunghe distanze: la capacità aerobica e la capacità dei muscoli delle gambe di immagazzinare carboidrati sotto forma di glicogeno (polimero del glucosio). La valutazione dei due parametri porta a determinare il passo di gara ottimale e il consumo energetico corrispondente.

Il modello, inoltre, permette al maratoneta di calcolare quanti carboidrati dovrà assumere durante la corsa nel caso intenda aumentare il suo passo di gara. L'obiettivo, ovviamente, è quello di scongiurare il rischio di “sbattere contro il muro”.

Harvard University

Autori: 
Sezioni: 
Indice: 
Fisiologia

prossimo articolo

Vedere le faglie in 3D grazie al machine learning

prefettura dell aquila dopo il terremoto del 2019

Un sistema di algoritmi di machine learning permette di ricostruire la geometria tridimensionale delle faglie sismiche a partire solo dalla posizione degli ipocentri, rivelando la loro struttura gerarchica e segmentata. L’approccio, sviluppato da un gruppo di ricercatori dell’Università di Napoli Federico II e testato su diverse sequenze sismiche, potrebbe migliorare i modelli di previsione probabilistica operativa dei terremoti. Nell'immagine il palazzo della prefettura a L'Aquila dopo il terremoto del 6 aprile 2009. Credit: TheWiz83/Wikipedia (CC BY-SA 3.0). 

Siamo abituati a immaginare le faglie come piani, a separazione di blocchi di roccia che muovendosi l’uno rispetto all’altro generano i terremoti. In realtà, le faglie hanno geometrie molto più complicate. Più che come piani, dovremmo immaginarle come sottili parallelepipedi, strati di roccia con un certo spessore, all’interno dei quali si trovano altre faglie più piccole, e così via in un meccanismo di segmentazione gerarchico.