https://x.com/kakapark/status/2026835540809801899?s=20
Vollständige Analyse als Twitter-Thread mit Diagrammen:
TL;DR von dem, was ich gefunden habe:
– Tennisstunden vs. Gewichtsveränderung: r = 0,00 (buchstäblich Null)
– Aber Tennisstunden vs. Körperfettanteil im nächsten Monat: r = −0,21
→ Die Verzögerung beträgt einen vollen Kalendermonat
– HRV nach Wochentag: Freitag ist mein wöchentlicher Tiefstwert, jede einzelne Woche
– Optimale Ruhetage nach dem Training: genau 2 (48 Std.)
– 10.000+ Schritte → niedrigere HRV als <5.000 Schritte pro Tag
Jede Erkenntnis ergab sich erst nach der Kombination von zwei
Variablen, die scheinbar nichts miteinander zu tun hatten.
Datensatz: 1.200 Trainingseinheiten, 483 Gewichtsprotokolle,
Über 1.800 Tage HR/HRV/RHR. Alles in Google Sheets.
Gerne teile ich die Methodik mit oder beantworte Fragen.
Von ExtensionStress1977
2 Kommentare
I think adding calorie intake to this would be useful if you keep on tracking data! Seeing the change (or no change) in energy expenditure over time vs tennis hour time
r = 0.00 is such a humbling result after five years of tracking. I love it.
The one month lag on body fat is the interesting part to me. It actually makes intuitive sense if training volume shifts behavior, sleep, appetite, etc., and the composition change just shows up slower than scale weight. Did you check different lag windows or was one month clearly the strongest signal?
Also the 10k steps lowering HRV is spicy. I wonder if that’s a recovery debt issue where high step days stacked on tennis days push you slightly over your recoverable volume.
This is the kind of n=1 dataset that gets way more interesting once you start combining variables. Makes me want to go back and look at my own training logs differently.