Individualisierte Trainingsplanung: Der nächste Schritt der evidenzbasierten Fitness

Individualisierte Trainingsplanung: Der nächste Schritt der evidenzbasierten Fitness
(Zuletzt aktualisiert am: 16. März 2018 )

Von Menno Henselmans | Benötigte Lesezeit: 14 Minuten |


Bret Contreras und James Krieger veröffentlichen vor kurzem einen sehr guten Artikel darüber, wie Menschen unterschiedlich auf Training und Ernährung ansprechen: „Individuelle Unterschiede: Der wichtigste Faktor für deinen Fitnesserfolg, bei dem dir die Wissenschaft dir nicht helfen kann“ (frei übersetzt) (1).

Sie zeigten die beträchtliche Variation auf, wie jedes Individuum auf Training reagiert und schlussfolgerten, dass gute Trainings- und Ernährungsprogramme diese individuellen Unterschiede miteinbeziehen müssten. Nicht jeder reagiert gleich gut auf das gleiche Programm.

Dies ist eine Aussage, die nicht genug betont werden kann: Optimale Programmdesigns bedürfen Individualisierung. Wie auch Anzüge, so sind die besten Fitnessprogramme maßgeschneidert.

Dennoch ist diese Aussage auch gefährlich, da sie Tür und Tor für Broscience öffnen kann.

  • „Dir ist aber bewusst, dass eine Detox-Diät keine wissenschaftliche Basis hat, oder?“
  • „Nun, bei mir funktioniert es.“

Wann wird Individualisierung zu Broscience?

Anmerkung: Wenn du kein Interesse daran hast, wissenschaftliche Studien und Statistiken und die daraus folgenden logischen Schlussfolgerungen zu verstehen, dann springe einfach zu den Anwendungsabschnitten.

Individualisierte Trainingsplanung: Der nächste Schritt der evidenzbasierten Fitness

Varianz vs. Individuelle Unterschiede

Das Verstehen des statistischen Konzepts der Varianz ist maßgeblich, um Wissenschaft zu interpretieren. Eine Studie, die Bret und James in ihrem Artikel zitieren, ist Karavirta et al. (2011), welche die Effekte eines kombinierten Kraft- und Ausdauertrainings testete (2). Ich habe schon oft darauf herumgeritten, wie das Hinzufügen eines Ausdauertrainings zum Krafttraining (gleichläufiges Training, engl. „Concurrent Training“) den Aufbau von Kraft und Muskelmasse reduzieren kann (Interferenz-Effekt). Karavirta et al. wollten herausfinden, wie sich die Menschen in ihrer Reaktion auf ein gleichläufiges Training unterscheiden. Bret und James zeigen folgende Grafik aus den Ergebnissen der Studie.

Individualisierte Trainingsplanung: Der nächste Schritt der evidenzbasierten Fitness

„Die Grafik repräsentiert die Zuwächse der Kraft in einer isometrischen Beinpresse über die 21-wöchige Trainingsperiode. Ein Subjekt wurde 12% schwächer, ein anderes Subjekt wurde 87% stärker!“ (Bildquelle: Karavirta et al, 2011)

 

Statistiker nennen dies die Varianz: Die Reaktion auf das Trainingsprogramm variierte. Und in der Tat war die Varianz hoch. Man kann die Varianz mathematisch quantifizieren und sogar mithilfe des Variationskoeffizienten (CV) standardisieren, um sie mit anderen Varianzen zu vergleichen. Zum Beispiel könnten wir sehen, dass eine Kalorienrestriktion bei fast jedem in einem Fettverlust resultiert, manche Menschen jedoch als Reaktion auf Cardiotraining viel mehr Fett verlieren als andere.

Die Gefahr liegt darin, zu sagen, dass manche Menschen den Interferenz-Effekt als normal empfinden, während andere Menschen ihre Kniebeugekraft erhöhen, wenn sie mit dem Laufen anfangen. Die Varianz sagt uns nichts über die Kausalität.

Manche Menschen werden also während eines gleichläufigen Trainings stärker als andere. Vielleicht haben sie sich einfach mehr angestrengt. Vielleicht haben sie generell bessere Gene. Wie auch immer, diese Studie beweist keineswegs, dass manche Menschen immer stärker und andere Menschen immer schwächer werden, wenn sie Cardio zu ihrem Krafttraining hinzufügen. Es zeigt einfach nur, dass die Rate der Kraftentwicklung variiert. Die Ergebnisse sagen uns nicht, was diese Varianz verursacht. Wie Karavirta et al. selbst sagen:

„Die Untersuchung möglicher Determinanten der Trainierbarkeit lag außerhalb der Möglichkeiten dieser Studie.“ (frei übersetzt)

Korrelation vs. Kausalität – revisited

Wir können einen Schritt weiter an den eigentlichen Individualisierungsbedarf von Programmen herankommen, indem wir die Gründe für die Varianz analysieren. Nehmen wir beispielsweise Finlayson et al. (2009) (3), eine weitere Studie, die Bret und James zitieren:

„Die Forscher beobachteten das kompensatorische Essverhalten der Subjekte in Reaktion auf die Trainingseinheit. In anderen Worten, wenn sie in einer Trainingseinheit 100 kcal verbrannten, würden sie dies kompensieren, indem sie später 100 kcal mehr konsumierten?“

Die folgende Grafik zeigt die Variation des kompensatorischen Essverhaltens von einem Subjekt zum Nächsten. Die durchgehende Linie zeigt an, wo die Kalorienaufnahme in der Trainings- und Nicht-Trainings-Gruppe gleich wäre – wo also keine Kompensation stattfände (das heißt, die Subjekte äßen nicht mehr, um die beim Training verbrannten Kalorien zu kompensieren). Die gestrichelte Linie zeigt an, wo die Subjekte die verbrannten Kalorien perfekt kompensieren würden (wenn sie also beispielsweise 100 kcal verbrannt hätten, hätten sie auch 100 kcal mehr gegessen).

Subjekte zwischen der durchgehenden und der gestrichelten Linie zeigten somit nur etwas kompensatorisches Verhalten (sie verbrannten beispielsweise 100 kcal, aßen aber nur 50 kcal mehr), während Subjekte auf oder über der gestrichelten Linie eine perfekte- beziehungsweise Überkompensation zeigten (sie aßen also später mehr Kalorien als sie während des Trainings verbrannten).

Individualisierte Trainingsplanung: Der nächste Schritt der evidenzbasierten Fitness

Relative Energiezufuhr (und Varianz) von 23 Individuen (Bildquelle: FInlayson et al, 2009)

 

Schau dir einmal die große Variation in den Reaktionen an.

Einige Leute endeten nach der Trainingseinheit bei einem Kaloriendefizit von 300-600 kcal, andere hingegen mit  in selbiger Höhe! Die Subjekte der ersten Gruppe verbesserten ihre Ergebnisse dramatisch, indem sie die Kalorienzufuhr nach dem Cardiotraining noch reduzierten, während die Teilnehmer der zweiten Gruppe ihren Fettverlust sabotierten, indem sie mehr Kalorien zuführten, als sie während des Kardiotrainings verbrannten.

Auch hier haben wir wieder eine Varianz. Und wieder entsteht die Gefahr, fälschlicherweise eine Kausalität herein zu interpretieren: Diese Studie beweist nicht, dass manche Menschen nach einem Cardiotraining immer einen erhöhten Appetit empfinden, während andere eine Senkung erfahren. Sie zeigt einfach nur, dass es eine Varianz darin gibt, wie Cardiotraining den Appetit beeinflusst.

Um den eigentlichen Effekt des Cardiotrainings auf den Appetit festzustellen, vollführten die Wissenschaftler Signifikanztests.

Signifikanztests werden genau aus diesem Grund durchgeführt: Um über Mittelwerte hinauszusehen. Sie rechnen die Varianz mit hinein. Es gibt in der Forschung immer Varianzen – das heißt jedoch nicht immer, dass es auch individuelle Unterschiede gibt.

Nehmen wir beispielsweise eine Studie, welche 1 oder 3 Sätze Bankdrücken pro Woche in Bezug auf den Muskelaufbau untersucht und feststellt, dass die 3-Satz-Gruppe einen Muskelwachstum um 6% erzielt, während die 1-Satz-Gruppe einen Muskelaufbau um 7% erzielt. Heißt das, dass 1 Satz besser ist als 3 Sätze?

Wir müssen die Varianz in Betracht ziehen. In solch einer Studie ist eine hohe Varianz normal. Die Trainingswissenschaft ist ein schlecht gesponsertes Forschungsfeld, in dem es schwierig ist, viele Subjekte anzuwerben und diese dazu zu bringen, sich akribisch an das Studienprotokoll zu halten. Zudem gibt es eine Menge genetischer Variation darin, wie schnell Leute Muskeln aufbauen. Vielleicht war in der 1-Satz-Gruppe zufällig Ronnie Coleman Junior, welcher so viel Muskulatur aufbaute, dass er die gesamte Gruppe um 2% nach oben zog und so die Ergebnisse zum Vorteil seiner Gruppe verzerrte. Statistische Signifikanztests nehmen solche Situationen in ihre Berechnungen mit auf.

Im Falle der Finlayson-Studie zeigten die statistischen Signifikanztests, dass die Energiezufuhr zwischen der Trainings- und der Nicht-Trainingsgruppe nicht signifikant unterschiedlich war – was stark andeutet, dass Cardiotraining keinen Einfluss auf den Appetit hat. Im Durchschnitt.

Hier gingen die Forscher einen Schritt weiter als Karavirta et al. und versuchten, Gründe für die Varianz im kompensatorischen Essverhalten zu untersuchen. Sie teilten die Subjekte nachträglich in „Kompensatoren“ und „Nicht-Kompensatoren“. Wie gesagt ist es wichtig, zu erkennen, dass das alleine uns noch gar nichts sagt. Man darf sich hier nicht von den Labels verwirren lassen: Sie sind keine zusätzliche Evidenz. All diese Ergebnisse zeigen zunächst einmal nur mit einer bestimmten Sicherheit, dass Cardio höchstwahrscheinlich keinen Einfluss auf den Appetit und dass es eine Varianz im Effekt gibt.

Aber Folgendes ist zusätzliche Evidenz: Die Forscher testeten viele Unterschiede zwischen Kompensatoren und Nicht-Kompensatoren, wie ihren Körperfettanteil, ihren Appetit und wie sehr sie die in der Studie gegessenen Lebensmittel mochten. Man fand heraus, dass die Kompensatoren nach dem Training eine andere hedonistische Reaktion auf Essen zeigten. Dies deutet an, dass Menschen sich in der Freude, die sie während einer Post-Workout Mahlzeit empfinden, unterscheiden.

Hier haben wir also einen plausiblen Mechanismus, der in der Tat praktische Implikationen für das Programmdesign hat. Vielleicht erfahren manche Leute nach dem Training eine vergrößerte Freude am Essen, was andere Leute nicht tun. Dies würde sie nach dem Training anfälliger fürs Überessen machen und vielleicht erklären, warum es Kompensatoren und Nicht-Kompensatoren gibt.

Aber auch diese Evidenz ist noch sehr labil. Sie ist zwar besser als pure Varianz, aber Korrelation impliziert keine Kausalität. Nur weil Menschen sich im Grad des kompensatorischen Essverhaltens unterschieden und nur weil dieser mit dem unterschiedlichen Genuss von Essen nach dem Training assoziiert werden konnte, heißt das noch nicht, dass die Unterschiede im Genuss des Essens nach dem Training eine höhere Energiezufuhr bewirkten. Es könnte einen weiteren Faktor geben, welcher beides bewirkte.

Vielleicht standen die Subjekte in der Kompensationsgruppe auch unter Schlafmangel, welcher – kombiniert mit dem trainingsinduzierten Stress (Training ist physiologisch gesehen eine Form des Stresses) – die Nahrungsmittelpräferenzen und die Energiezufuhr veränderten.

Du magst nun denken: „Okay, das ist ja alles interessant, aber ist die praktische Bedeutung des Ganzen nicht trotzdem, dass manche Leute besser auf Cardiotraining reagieren als andere, wenn sie Fett verlieren möchten?

  • Wenn wir annehmen, dass Korrelation gleich Kausalität ist und dies ein genetischer Unterschied ist, dann ja: Die Take Home Message ist, dass manche Menschen weniger von Cardiotraining profitieren als andere. In manchen Fällen erhöht sich nämlich die Wahrscheinlichkeit des Überessens nach dem Training.
  • Wenn die Korrelation jedoch durch einen Schlafmangel erzeugt wurde, würde sich die Take Home Message radikal verändern in: „Cardio ist eine gute Option, um das Kaloriendefizit zu erhöhen, da es Energie verbrennt und den Appetit nicht erhöht. Es sollte jedoch in einem Zustand des Schlafmangels vermieden werden.“

Ein riesen Unterschied. Dies ist der Grund, warum es so wichtig ist, den Grund für die Varianz zu wissen.

  • Oder schlimmer: Die Assoziation zwischen dem Essgenuss und dem kompensatorischen Essverhalten nach dem Cardiotraining könnte etwas sein, das Forscher „Scheinkorrelation“ nennen.

Beobachtet man zwei selbsterzeugte Gruppen von Menschen – wie Kompensatoren und Nicht-Kompensatoren – und man testet, in welchen von vielen Messparametern sie sich unterschieden, ist die Wahrscheinlichkeit recht hoch, dass man wenigstens ein paar Parameter findet, in denen sich die Gruppen unterschieden. Dies ist, wie gesagt, eine ganz normale Varianz, die erstmal nichts zu sagen haben muss. Verschiedene Menschen sind eben verschieden – das heißt aber nicht, dass sie unbedingt auch anders auf Cardio reagieren. Statistiker haben dafür den Begriff „Data Dredging“ (wörtlich „Daten ausbaggern“): Also der Versuch, in den bereits fertig erhobenen Daten noch irgendwelche Muster zu finden.

Eine Follow-Up-Studie über den Effekt von Cardio auf den Appetit unterstützt die Annahme, dass Finlayson’s Ergebnisse in der Tat nur eine zufällige Varianz waren:

Zwischen den Teilnehmern zeigte sich ein eindeutiger Unterschied in den Reaktionen; ein großer Anteil dieser Streuung lag jedoch innerhalb der Grenzen der normalen Variation, für den biologische und technologische Messfehler verantwortlich sind […]. In jungen Männern unterdrückt Training den Appetit und die zirkulierenden Levels acylierten Ghrelins akut, mit einer beträchtlichen Diversität zwischen den Individuen. Man muss vorsichtig sein, um wahre interindividuelle Variationen von zufälligen, normalen Unterschieden abgrenzen zu können.“James et al, 2017

Individualisierte Trainingsplanung: Der nächste Schritt der evidenzbasierten Fitness

Wir nutzen wissenschaftliche Erkenntnisse, um bessere Ergebnisse zu erzielen. Aber: Jeder Ansatz muss noch entsprechend individualisiert und maßgeschneidert werden, damit er wirklich zu dir passt. Hier kommt die individualisierte Trainingsplanung ins Spiel. (Bildquelle: Fotolia / fotomek)

A Priori vs. Post-Hoc Analysen

Kann die Wissenschaft somit nur Aussagen über Gruppen-Mittelwerte und nicht über individuelle Unterschiede treffen? Bleibt uns nichts anderes übrig, als selbst herumzuexperimentieren, um die individuellen Unterschiede herauszubekommen?

Im Gegenteil! Die Wissenschaft geht weit über Gruppen-Mittelwerte hinaus und erlaubt uns, das Wann und Warum der individuellen Unterschiede herauszubekommen. Wir müssen lediglich unser Verständnis von der Wissenschaft etwas erweitern, um in solch komplexe Bereiche einzusteigen.

Wir sahen bereits einen Aspekt individueller Unterschiede, den wir mit in Betracht ziehen müssen: Wir dürfen uns nicht nur die Varianz an sich, sondern auch die Gründe für die Varianz ansehen. Es sollte eine plausible Theorie existieren, warum bestimmte Menschen anders – zum Beispiel auf Cardio – reagieren. Bloße Korrelationen können Hinweise geben, aber für die gesamte wissenschaftliche Härte müssen wir die Kausalität sicherstellen.

Kausalität erfordert Chronologie. Etwas kann nicht Ursache für etwas sein, das in der Vergangenheit liegt. Eine gute Studie klassifiziert individuelle Unterschiede somit a priori: Das bedeutet, dass die Forscher vor der eigentlichen Studie entscheiden, welche Person zu welcher Gruppe gehört. Eine Replikation Finlayson’s Studie zu kompensatorischem Essverhalten nach Cardiotraining könnte also so umgesetzt werden, dass die Subjekte anhand von genannten Faktoren (hedonistischer Wert von Essen, Schlafmangel, etc.) von vorneherein in „voraussichtliche Kompensatoren“ und „voraussichtliche Nicht-Kompensatoren“ eingeteilt werden. Dann könnte man testen, ob diese zwei Gruppen sich tatsächlich darin unterscheiden, wieviel sie nach der Trainingseinheit essen.

Hier sind drei praktische Anwendungsbeispiele systematischer Differenzen, um zu entscheiden, welcher Typ Ernährung und Training am besten zu einem passt.

Anwendung 1: Geschlechtsbasierte Programmierung des Trainings

Frauen reagieren anders auf Krafttraining als Männer. Dies ist mein Artikels zu 9 Gründen, warum Frauen nicht wie Männer trainieren sollten und warum ihre Programme sich von denen der Männer unterscheiden sollten.

Anwendung 2: High vs. Low Carb

Was ist besser für den Fettverlust: Eine kohlenhydratreiche oder -arme Diät?

Bei vielen Menschen wird das Finetuning des Kohlenhydrat-zu-Fett-Verhältnisses der Ernährung im Vergleich zur Gesamtenergiezufuhr überwertet. Einige Menschen jedoch kommen mit kohlenhydratarmen Diäten und andere mit kohlenhydratreichen Diäten eindeutig besser klar. Hierunter ist ein Überblick der Studien zu finden, welche signifikante Unterschiede im Erfolg des Gewichts- oder Fettverlusts zwischen kohlenhydratarmen und -reichen Diäten zeigten (5)(6)(7)(8)(9)(10).

StudienreferenzIndividuen & StudiendauerErnährungs-komposition (% Energie in Form von KH/P/F)Ergebnisse
Insulinresistenz prognostiziert die Effektivität von Ernährungsformen mit unterschiedlichen glykämischen Indices auf den Gewichtsverlust in nicht übergewichtigen Frauen (1).Nicht übergewichtige Frauen mittleren Alters (25-45 Jahre), eingeteilt in 2 Gruppen: Insulinresistent (IR) und Nicht Insulinresistent (non-IR)

 

Dauer: 12 Monate

Îdentische Makronährstoffgehalt mit 26-28% der Energie aus Fett und einem Energiedefizit (100-300 kcal), eine Gruppe aß Lebensmittel mit hohem glykämischen Index (GI), die andere mit niedrigem glykämischen Index (GI).

 

GI Unterschied von 40 Einheiten

IR-Gruppe zeigte einen größeren Gewichtsverlust nach einem 12-monatigen Follow Up (-1,6 Vs. -1,1 kg), primär bei Individuen, die eine Ernährung mit hohem GI befolgten (-2,1 Vs. -1,0 kg), verglichen mit non-IR Gruppe (-1,4 Vs. -0,8 kg)
Insulinsensitivität entscheidet die Effektivität der Makronährstoff- komposition in der Ernährung auf den Gewichtsverlust in übergewichtigen Frauen (2)44 fettleibige nicht-diabetische insulinsensitive und fettleibige nicht-diabetische insulinresistente Frauen (23-53 Jahre)

 

Studiendauer: 16 Wochen

Hypokalorische Ernährung (400 kcal Defizit/Tag) bestehend aus 60% KH, 20% P, 20%F (High Carb / Low Fat) oder 40% KH, 20% P, 40% F (Low Carb / High Fat)Insulinsensitive Frauen auf einer HC/LF Diät verloren 13,5 ± 1,2% ihres initialen Körpergewichts, wohingegen Frauen auf einer LC/HF Diät 6,8 ± 1,2% verloren haben.

 

Insulinresistente Frauen auf einer HC/LF Diät verloren 13,4 ± 1,3% und 8,5 ± 1,4% auf einer HC/LF Diät.

 

Diese Unterschiede konnten nicht durch Veränderungen des Ruheenergieverbrauchs, die Aktivität oder Aufnahme erklärt werden.

Effekte einer eukalorischen Kohlenhydrat-reduzierten Ernährung auf die Körperkomposition und Fettverteilung in Frauen mit PCOS (3)30 fettleibige Frauen mit polyzystischem Ovarsyndrom (PCOS)

 

Dauer: 8 Wochen

Kohlenhydrat-reduzierte Diät, bestehend aus 41% KH, 19% P, 40% F) oder eine Standardernährung, bestehend aus 55% KH, 18% P, 27% FTeilnehmer verloren 3,7% und 2,2% Körperfett bei einer Kohlenhydrat-reduzierten und Standard-Ernährung.

 

Die Kohlenhydrat-reduzierte Diät sorgte für eine Verringerung des subkutanen-abdominal (7,1%), des intra-abdominal (4,6%) und intermuskulären Fettgewebe in den Oberschenkeln (11,5%).

 

Bei der Standard-Ernährung wurde eine Verringerung der Gesamtmagermasse gemessen.

Effekt des glykämischen Index auf Ernährung und Gewichtsverlust, Sättigungsmodulation, Entzündungen und andere metabolische Risikofaktoren: Ein randomisiertes kontrolliertes Experiment (4)122 übergewichtige und fettleibige Erwachsene

 

Dauer: 6 Monate

Ernährung mit 500 kcal Defizit mit 1.) moderatem KH-Anteil und hohem GI (HGI) bei 42% KH, 18%P, 40% F; GI bei 62

 

oder 2.) moderater KH-Anteil und hohem GI (LGI) bei 42% KH, 18% P, 40% F; GI bei 34

 

oder 3.) eine Low Fat Ernährung mit hohem GI (LF) bei 52% KH, 18% P, 30% F; GI bei 65

Die Reduktion des BMI fiel in der LGI-Gruppe höher aus, wohingegen sich der BMI der HGI-Gruppe nicht signifikant von den anderen beiden Gruppen unterschied.
Adhärenz für eine Low Fat Vs. Low Carbohydrate Ernährung unterscheidet sich durch den Status der Insulinresistenz (5)81 frei-lebende übergewichtige bzw. fettleibige Frauen, davon 41 insulinresistent (IR) und 39 insulinsensitive (IS)

 

Dauer: 12 Monate

Ernährung mit 300-600 kcal Defizit mit entweder 56% KH, 19% P und 29% F (Low Fat) oder 33% KH, 21% P und 46% F (Low Carb)IR-Frauen, die eine LF-Ernährung befolgten, verloren weniger Gewicht als die anderen Gruppen.
Eine kohlenhydratärmere, fettreichere Ernährung reduziert abdominal und intramuskuläres Fett und erhöht die Insulinsensitivität in Erwachsenen mit Diabetes Typ 2 Risiko (6)69 übergewichtige bzw. fettleibige Männer und Frauen

 

Dauer: 16 Wochen

Fettärmere Ernährung mit 55% KH, 18% P und 27% F oder eine kohlenhydratärmere Ernährung mit 43% KH, 18% P und 39% F

 

Energiezufuhr: 8 Wochen eukalorisch und 8 Wochen hypokalorisch (1000 kcal Defizit pro Tag)

Teilnemer, die einer kohlenhydratärmere Diät befolgten, verloren mehr intra-abdominal Fett (11 ± 3% Vs. 1 ± 3%) und besaßen 4,4% weniger Fettmasse nach der Diät.

 

Afro-Amerikaner verloren mehr Fettmasse bei einer kohlenhydratärmeren Diät (6,2 Vs. 2,9 kg), wobei Amerikaner mit europ. Wurzeln keine Unterschiede bei den Diäten zeigten.

Wichtig ist, dass all diese Studien Diäten verglichen, die sich nur im Verhältnis von Kohlenhydraten zu Fetten oder sogar nur in der glykämischen Last der Diät unterschieden. Die Protein- und Gesamtenergiezufuhr zwischen den Gruppen wurde immer gleich gehalten. Mehrere Studien kontrollierten zudem für die Adhärenz an die Diät, was sicherstellt, dass die Differenzen auch wirklich mit großer Wahrscheinlichkeit genetische – oder zumindest physiologische – Ursachen haben. Und in der Tat haben Forscher bereits einige Gene identifiziert, die für eine „Kohlenhydrat-Hypersensitivität“ verantwortlich sind. Das berüchtigte FTO-Gen (engl. “fat mass and obesity-associated gene”) spielt wahrscheinlich ebenfalls eine Rolle in der Kohlenhydrattoleranz.

Der generelle Trend der Studien deutet an, dass man – je schlechter seine Insulinsensitivität ist – desto besser auf eine kohlenhydratarme Diät anspricht. Wer ein voll ausgeprägtes metabolisches Syndrom oder Typ 2 Diabetes hat, dessen Chancen stehen gut, dass er auf einer Low Carb Diät im Vergleich zu einer Low Fat Diät mehr Fett verliert, auch wenn die Gesamtenergie- und Proteinzufuhr die gleichen sind.

Die Insulinsensitivität ist jedoch nur ein Aspekt der „Kohlenhydrattoleranz“. Am wichtigsten ist wahrscheinlich, ob das Individuum eine angemessene Menge an Insulin relativ zur Insulinsensitivität ausschüttet. In der ersten Studie der Tabelle sah man beispielsweise, dass insulinresistente Individuen mehr Fett auf einer hochglykämischen Diät verloren. In anderen Worten: Insulinresistente Individuen schienen besser mit weißem, als mit Vollkornbrot, klarzukommen. Dies entspräche sozusagen einem Szenario, wenn jemand mit subklinischem Typ 1 Diabetes von etwas externer Hilfe (Insulinspritzen) profitiert, um ausreichende Insulinlevels zu erreichen.

In der Praxis muss man kein Blutbild zur Hand haben, um seine Kohlenhydrattoleranz zu testen. Viele Menschen entscheiden intuitiv, ob sie eine gute oder schlechte Kohlenhydrattoleranz haben. Dies ist ein Fehler. Die meisten Menschen wissen nicht, ob sie eine gute oder schlechte Kohlenhydrattoleranz haben. Wenn Menschen in einer Studie selbst entscheiden konnten, ob sie kohlenhydratarm oder -reich diäten würden, verbesserte dies nicht die Adhärenz an die Diät (verglichen mit einer zufälligen Zuteilung zu einer der beiden Diäten).

Stattdessen sollte man sich auf objektive Indikatoren der Kohlenhydrattoleranz verlassen, insbesondere die eigene Ernährungsgeschichte, Alter, Körperkomposition und Geschlecht.

Anwendung 3: Hohes vs. Niedriges Volumen

Hier sind drei extrem coole Studien darüber, wie unterschiedliche Menschen unterschiedlich auf Training ansprechen und unterschiedliche Programme verfolgen, die optimal für sie sind.

Die erste Studie diskutiere ich in folgendem Exzerpt unseres Online PT Kurses. Es ist die vielleicht am meisten unterschätzte Studie (11) der gesamten Trainingswissenschaft und sie zeigt eine extreme Individualität darin, welches Programm das Beste ist.

Hier findest du eine Infografik zur besagten Studie.

Wenn man keinen Zugang zu Speichel- oder Bluttests hat – woher weiß man dann, welches Programm optimal für einen ist?

Das Testosteron/Cortisol-Verhältnis („T/C-Ratio“) ist ein Marker des Erholungsstatus‘. Man kann also schätzen, auf welchen Trainingstyp man am besten anspricht, indem man sich anschaut, wie lange man braucht, um sich von einem bestimmten Trainingstyp zu erholen. Die Erholung wird stark vom Trainingsvolumen beeinflusst und der Großteil der Forschung ist sich darin einig, dass das Gesamttrainingsvolumen die wichtigste Trainingsvariable ist, das es zu optimieren gilt.

Dinge wie die Pausenzeiten und sogar die Trainingsfrequenz scheinen vor allem wegen ihres Einflusses auf das Gesamttrainingsvolumen wichtig zu sein: Mehr Pausen und höhere Trainingsfrequenzen sind bequeme Wege, das Trainingsvolumen zu erhöhen, was hintenheraus den Muskelaufbau erhöhen kann.

Dies bringt uns zur zweiten Studie (12). Colakoglu et al. (2005) nutzten ein beachtlich detailliertes Studiendesign, um herauszufinden, wie sich die Effekte eines festgesetzten Trainingsvolumens (1 oder 3 Sätze) und einer festgesetzten Trainingsintensität (8-12 RM oder 12-15 RM) zwischen Personen mit unterschiedlichen ACE-Genotypen unterscheiden. Während Menschen mit dem ID oder II Genotyp – wie die meisten Menschen – bei mehr Sätzen stärker wurden als bei weniger Sätzen, erhöhten die Subjekte mit dem ACE DD Genotyp, welcher mit einem größeren Anteil von schnell-zuckenden Typ 2 Muskelfasern und einem größeren Potenzial in Kraft- und Powersportarten assoziiert ist, ihre Kraft nicht um mehr, wenn sie bei beliebiger Trainingsintensität ein höheres Trainingsvolumen vollführten.

Zudem erhöhten Individuen mit dem Gegenteil Genotyp ACE II ihre Kraft mit 12-15 RM Lasten mehr als mit 8-12 RM Lasten. Allgemein war die Kraftsteigerung bei DD höher als bei ID und bei ID höher als bei II:

„Diese Daten deuten an, dass das ACE I-Allel verantwortlich für ein besseres Ansprechen auf volumenreiche und niedrigintensive Muskelausdauertrainings ist, während das D-Allel auf eine bessere Kraftentwicklung bei intensiveren und volumenärmeren Krafttrainings hinweist.“ – Colakoglu et al, 2005

Es scheint so, dass Menschen auf denjenigen Trainingstyp am besten ansprechen, in dem sie aus genetischer Sicht gut sind. Das entspricht tadellos dem Bild, das man aufgrund der Muskelfaserzusammensetzung und der Leistung von Elite-Athleten erwarten würde. David Epstein deckt dieses Thema in seinem brillanten Buch „The Sports Gene“ detailliert ab.

Individuen, die von Natur aus gute Sprinter sind, haben meistens Muskeln mit überwiegend schnell-zuckenden Typ 2 Fasern und sprechen am besten auf ein explosives, hochintensives Training an. Sie sind jedoch auch anfälliger für Übertraining, wenn sie zu viel Volumen absolvieren.

Wenn ich Klienten mit Hintergrund in explosiven Sportarten auf hohem Niveau bekomme, weiß ich sofort, dass sie super Fortschritte machen werden. Auf der anderen Seite hatte ich einige Klienten, die einen Hintergrund in Ausdauersportarten auf hohem Niveau hatten, und fast alle von ihnen waren typische Hardgainer. Ihre Arbeitskapazitäten und Volumentoleranzen waren jedoch einfach enorm. Ich habe herausgefunden, dass der Schlüssel zu ähnlich guten Zuwächsen wie bei genetisch durchschnittlichen Individuen darin liegt, sie mehr Volumen absolvieren zu lassen.

Dies bringt uns zur dritten Studie, welche die These unterstützt, dass das Nicht-Ansprechen auf Training und das Hardgainer-Sein ein Mythos sei (13). Manche Menschen benötigen einfach mehr Volumen, um Fortschritte zu machen. Normale Trainingsvolumina liefern möglicherweise einfach nicht genug Stress, damit die Körper dieser Individuen adaptieren.

Hier findest du eine Infografik zur besagten Studie.

       

Fazit: Systematische vs. Ad Hoc Programmanpassung

Bret und James schrieben eine sehr wichtige Botschaft an die evidenzbasierte Fitnessszene: Wir müssen über Gruppenmittelwerte hinwegschauen und individuelle Unterschiede in unsere Trainings- und Ernährungsplanung miteinbeziehen. Der nächste Schritt ist es, zu spezifizieren, wie genau man das machen sollte.

In der aktuellen Fitnessindustrie scheint es nur zwei Ansätze bezüglich der Individualisierung von Programmen zu geben.

  • Auf der einen Seite stehen die „Bros“, deren Interpretation von „Anpassung“ zufällig ist. Sie haben eine vage Idee – ein „Gefühl“ – dazu, warum verschiedene Leute auf unterschiedliche Programme besser ansprechen. Aber es gibt kein System. Jegliche Anpassung wird „Ad Hoc“ durchgeführt, während der Durchführung. Identische Klienten könnten also mit völlig unterschiedlichen Programmen enden, was keinen Sinn ergibt.
  • Auf der anderen Seite haben wir die Roboter-Wissenschaftler, die nie vom theoretisch „optimalen System“ abweichen werden. Hier kriegen identische Klienten richtigerweise zwar das gleiche System, aber ebenso werden ein ehemaliger Olympiasprinter und ein heranwachsendes Mädchen mit Ausdauerhintergrund, die nun mit Krafttraining anfängt, das gleiche bekommen. Solch ein Universalansatz ist auch nicht so optimal.

Nein, die Fitnessindustrie muss dringend einen Schritt nach vorne machen und systematische Individualisierungen implementieren.

Gute Trainingsprogramme haben beispielsweise immer eine klare Rationale, warum Frauen anders trainieren sollten als Männer und wie sich das Programm ändern sollte, je fortgeschrittener man wird. Keine Cookie-Cutter-Programme mehr. Kein blindes Nachmachen des Breitesten des Studios. Individualisiere dein Programm zu deinem Körper und du wirst dein gesamtes innewohnendes Potenzial entfesseln.


Du fandest den Artikel informativ? Dann wäre es schön, wenn du ihn mit Freunden und Bekannten teilst (sharing is caring), oder uns in Form eines Kommentars deine Meinung sagst.

Weitere informative Artikel erwarten dich im Mitgliederbereich!


Opt In Image
Werde zum Fitness- & Ernährungsexperten!
Schlanker, stärker, ästhetischer, gesünder!

Abonniere unseren Newsletter und erhalte - neben weiteren hochwertigen und einzigartigen Infos rund um Fitness, Gesundheit & Ernährung - regelmäßige Updates und Neuigkeiten rund um Aesir Sports.

 


          

Über Menno Henselmans

Online Physique Coach, Fitnessmodell und wissenschaftlicher Autor – Menno Henselmans hilft Trainierenden, die es Ernst meinen, dabei ihre ideale Physique zu erreichen, indem er auf Bayes’sche Methoden zurückgreift. Folge Ihm auf Facebook, Twitter und check seine persönliche Website für weitere frei verfügbare Artikel ab.

Mehr über den Autor erfahren
Alle Beiträge ansehen


          

Quellen & Referenzen

(1) Krieger, J. / Contreras, B. (2017): Individual Differences: The Most Important Consideration for Your Fitness Results that Science Doesn’t Tell You. URL: https://bretcontreras.com/individual-differences-important-consideration-fitness-results-science-doesnt-tell/.

(2) Karavirta, L., et al. (2011): Individual responses to combined endurance and strength training in older adults. In: Med Sci Sports Exerc. URL: https://www.ncbi.nlm.nih.gov/pubmed/20689460.

(3) Finlayson, G., et al. (2009): Acute compensatory eating following exercise is associated with implicit hedonic wanting for food. In: Physiol Behav. URL: https://www.ncbi.nlm.nih.gov/pubmed/19419671.

(4) King, JA., et al. (2017): Individual Variation in Hunger, Energy Intake, and Ghrelin Responses to Acute Exercise. In; Med Sci Sports Exerc. URL: http://journals.lww.com/acsm-msse/Abstract/2017/06000/Individual_Variation_in_Hunger,_Energy_Intake,_and.19.aspx.

(5) Mediano, MFFF. / Sichieri, R. (2012): Insulin Resistance Predicts the Effectiveness of Different Glycemic Index Diets on Weight Loss in Non-Obese Women. In: Obesity Facts. URL: https://www.karger.com/Article/FullText/343507.

(6) Cornier, MA., et al. (2005): Insulin Sensitivity Determines the Effectiveness of Dietary Macronutrient Composition on Weight Loss in Obese Women. In: Obesity. URL: http://onlinelibrary.wiley.com/doi/10.1038/oby.2005.79/full.

(7) Goss, AM., et al. (2014): Effects of a eucaloric reduced-carbohydrate diet on body composition and fat distribution in women with PCOS. In: Metab. URL: http://www.metabolismjournal.com/article/S0026-0495(14)00210-8/abstract.

(8) Juanola-Flagarona, M., et al. (2014): Effect of the glycemic index of the diet on weight loss, modulation of satiety, inflammation, and other metabolic risk factors: a randomized controlled trial. In: Am J Clin Nutr.  URL: https://academic.oup.com/ajcn/article/100/1/27/4576555.

(9) McClain, AD., et al. (2013): Adherence to a Low-Fat versus Low-Carbohydrate Diet Differs by Insulin Resistance Status. In: Diabetes Obes Metab. URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3504183/.

(10) Gower, BA. / Goss, AM. (2014): A Lower-Carbohydrate, Higher-Fat Diet Reduces Abdominal and Intermuscular Fat and Increases Insulin Sensitivity in Adults at Risk of Type 2 Diabetes. In: J Nutr. URL: https://academic.oup.com/jn/article/145/1/177S/4585793.

(11) Beaven, CM. / Cook, CJ. / Gill, ND. (2008): Significant Strength Gains Observed in Rugby Players after Specific Resistance Exercise Protocols Based on Individual Salivary Testosterone Responses. In: J Strenght Cond Res. URL: https://journals.lww.com/nsca-jscr/Fulltext/2008/03000/Significant_Strength_Gains_Observed_in_Rugby.14.aspx.

(12) Colakoglu, M., et al. (2005): ACE genotype may have an effect on single versus multiple set preferences in strength training. In: Eur J Appl Physiol. URL: https://www.ncbi.nlm.nih.gov/pubmed/16003539

(13) Montero, D. / Lundby, C. (2017): Refuting the myth of non-response to exercise training: ’non-responders‘ do respond to higher dose of training. In: J Physiol. URL: https://www.ncbi.nlm.nih.gov/pubmed/28133739.


Bildquelle Titelbild: Fotolia / Gorodenkoff


Das könnte dich ebenfalls interessieren: