Methodology · TRAINING_DECISION_ENGINE_V2_1

所有结论都能沿着数据路径走回去。

Compatibility 是“今天这节课与当前证据的匹配程度”，不是身体状态真值。FatigueLab 不生成 CNS fatigue 或通用 readiness 分数。

原始测量

保留数值、单位、来源、协议、质量与时间

训练目标

先识别最大力量、增肌、爆发、等长、速度等目标刺激

晨间 context

主观疲劳、局部酸痛、压力和睡眠不加权成总分

任务专项探针

CMJ 只影响相关爆发目标；其他目标使用相关首组表现

热身验证

计划 RIR/输出与实际表现比较，安全优先

最小必要调整

保留目标刺激、标记证据类型、下一组重新验证

Robust baseline

为什么使用 median + MAD？

偶发熬夜、疾病或测量错误不应轻易拉偏个人正常范围。稳健统计可以降低异常值影响，但当 MAD 太小或协议来源改变时，系统会停止计算而不是制造伪精确。

median = median(valid_history[-28:])
mad = median(abs(x - median))
robust_z = 0.6745 × (current - median) / mad

if history < 7 or mad <= epsilon:
  return INSUFFICIENT_OR_UNSTABLE_BASELINE

Task compatibility

HIGH

当前证据支持按计划保留目标刺激

MODERATE

先做最小调整并在下一组复核

LOW

安全或任务表现与计划明显不匹配

UNCERTAIN

缺少相关观测，必须依赖热身验证

readiness_rule_v0.1 已归档，只保留 median/MAD 等底层 signal processor 用于迁移与历史测试。

安全与限制

不诊断中枢疲劳、过度训练综合征或疾病。
不把 HRV 单日下降直接翻译为疲劳。
不输出伤病概率，不使用 ACWR 作为伤病预测器。
浏览器 PPG 在完成自有设备验证前保持实验性且不影响付费核心结论。
明显胸痛、晕厥、严重呼吸困难时停止训练优化并提示及时就医。