trail runningkhoa học chạy bộ

Đồng hồ GPS đo VO2max và điểm recovery: chính xác đến đâu, tin đến đâu?

Funtrails Team••13 phút đọc

Mở đồng hồ GPS lên mỗi sáng, bạn thấy một con số VO2max, một thanh Body Battery, một điểm Recovery hay Readiness. Những con số này trông rất khoa học — nhưng chúng có thực sự đo đúng cái chúng tuyên bố đo không? Bài này tổng hợp lại những gì các nghiên cứu độc lập, các bài tổng quan hệ thống (systematic review), và các chuyên gia HRV hàng đầu đã tìm ra, để trả lời câu hỏi đó một cách trung thực — kể cả khi câu trả lời là "chưa chắc" hoặc "còn tranh cãi".

VO2max trên đồng hồ GPS hoạt động thế nào

Phần lớn đồng hồ GPS ngoài thị trường (Garmin, Suunto, Polar) không tự phát triển thuật toán VO2max riêng — họ nhượng quyền dùng công nghệ Firstbeat. Theo trang khoa học của chính Firstbeat, thuật toán này ước tính VO2max bằng cách phân tích mối quan hệ giữa nhịp tim và tốc độ chạy đo qua GPS (hoặc pod) tại nhiều điểm trong một buổi tập ngoài trời, kèm cơ chế loại bỏ những buổi tập có dữ liệu kém chất lượng. Đây là tài liệu của nhà cung cấp thuật toán nên cần đọc với một chút dè dặt về xung đột lợi ích thương mại, nhưng về mặt nguyên lý kỹ thuật (dùng mối quan hệ HR-tốc độ), không có nguồn nào trong hồ sơ nghiên cứu này phản bác.

Câu hỏi quan trọng hơn là: cơ chế đó cho ra số liệu chính xác đến đâu? Một bài tổng quan hệ thống năm 2025 trên tạp chí Frontiers in Sports and Active Living (nhóm tác giả Železnik Mežan), tuân theo chuẩn PRISMA và đánh giá rủi ro sai lệch bằng công cụ QUADAS-2, đã sàng lọc 252 nghiên cứu ban đầu và chỉ giữ lại 13 nghiên cứu đủ tiêu chí chất lượng. Đa số các nghiên cứu này dùng đồng hồ Garmin kết hợp dây đo nhịp tim ngực và thuật toán Firstbeat. Kết quả: trong 7 trên 13 nghiên cứu, thiết bị đeo tay được đánh giá là "hợp lệ hoặc chấp nhận được" (valid/acceptable) cho việc ước tính VO2max, khi so với chuẩn vàng là đo khí trực tiếp trong phòng lab. Tuy nhiên, nhóm tác giả cũng lưu ý rằng độ hữu dụng ở nhóm vận động viên bền bỉ đỉnh cao (elite endurance) vẫn còn bị nghi ngờ.

Một nghiên cứu validation cụ thể hơn liên quan đến nhóm tác giả này — công bố qua digitalcommons.wku.edu, kiểm định trên Garmin fēnix 6S (n=20, đây là nghiên cứu tiền nhiệm của nhóm, trước khi họ công bố nghiên cứu trên fēnix 6 năm 2025 trên tạp chí Sensors) — cho thấy một chi tiết rất đáng chú ý về cách tính: khi Firstbeat lấy trung bình dữ liệu trong khoảng 30 giây, sai số phần trăm tuyệt đối trung bình (MAPE) là 5,64% — được coi là mức chấp nhận được. Nhưng nếu đồng hồ cố ước tính VO2max "tức thời" chỉ dựa trên 4 nhịp thở, con số này KHÔNG còn hợp lệ nữa (khác biệt có ý nghĩa thống kê rõ ràng so với đo lab, p = 0,00). Nói cách khác: cùng một dòng thiết bị (fēnix), cùng một thuật toán Firstbeat, nhưng cách lấy mẫu dữ liệu (trung bình theo cửa sổ thời gian dài hơn, hay tức thời) tạo ra sự khác biệt lớn về độ tin cậy.

Tổng kết phần này: với người tập phong trào, dữ liệu HR và pace ổn định trong một buổi chạy ngoài trời đủ dài, VO2max ước tính từ đồng hồ dùng Firstbeat ở mức chấp nhận được — đây là kết luận có độ chắc chắn trung bình-cao vì được cả tổng quan hệ thống và nghiên cứu validation gốc đồng thuận. Với vận động viên đỉnh cao, độ tin cậy thấp hơn và chưa được xác nhận rõ.

Apple Watch thì sao — vì nó không dùng Firstbeat

Apple Watch tự phát triển thuật toán VO2max riêng, không đi qua Firstbeat, nên kết quả của Garmin/Suunto/Polar không thể áp dụng trực tiếp cho nó.

Nguồn đáng tin nhất trong hồ sơ về chủ đề này là một nghiên cứu validation công bố trên PLOS ONE (Lambe, O'Grady, Baldwin, Doherty), được quỹ khoa học Ireland tài trợ và không có xung đột lợi ích khai báo. Nghiên cứu theo dõi 30 người đeo Apple Watch thực tế trong 5-10 ngày, rồi so sánh với bài test chạy bộ tối đa theo protocol Åstrand cải biến trong phòng lab. Kết quả: Apple Watch đánh giá THẤP VO2max thực tế một cách có ý nghĩa thống kê, với chênh lệch trung bình 6,07 mL/kg/phút, sai số phần trăm tuyệt đối trung bình (MAPE) lên tới 13,31%. Con số này cao hơn mức 5,64% ghi nhận ở nghiên cứu fēnix 6S nói trên, nhưng cần lưu ý hai nghiên cứu dùng protocol test, chuẩn vàng và đối tượng khác nhau — đây chỉ là một điểm tham chiếu về quy mô sai số, không phải một so sánh trực tiếp nghiêm ngặt giữa hai thiết bị. Đáng chú ý hơn, giới hạn tương đồng (limits of agreement) giữa hai phương pháp đo rất rộng, từ -6,11 đến +18,26 mL/kg/phút, cho thấy độ dao động lớn giữa từng cá nhân — không chỉ là một độ lệch cố định, dễ hiệu chỉnh. Nhóm nghiên cứu kết luận thẳng: các ước tính VO2max của Apple Watch "cần được cải tiến thêm trước khi có thể ứng dụng vào lâm sàng."

Có một nghiên cứu khác — trên tạp chí Mayo Clinic Digital Health, kiểm định Apple Watch Series 10 trên nhóm người có mức thể lực tim-hô hấp cao — xuất hiện trong quá trình tìm kiếm, nhưng nội dung đầy đủ không truy cập được trong lần thu thập tài liệu này. Vì vậy, kết quả cụ thể của nghiên cứu này (⚠️ chưa được kiểm chứng rộng rãi trong bài viết này) và không thể khẳng định nó có nhất quán với kết quả của PLOS ONE hay không — đặc biệt vì đối tượng nghiên cứu khác nhau (thể lực cao vs. đại trà).

Tổng kết phần này: dựa trên nghiên cứu độc lập duy nhất được đọc đầy đủ, Apple Watch có xu hướng đánh giá thấp VO2max thực với sai số không nhỏ (~13%) và độ dao động lớn giữa các cá nhân. Đây là kết luận có độ chắc chắn trung bình, vì chỉ dựa vào một nghiên cứu — cần thêm dữ liệu độc lập khác để khẳng định chắc chắn hơn.

Recovery score, Body Battery, Readiness — tín hiệu thô khác với điểm số tổng hợp

Đây là phần có phát hiện thú vị nhất trong toàn bộ hồ sơ: cần tách bạch rõ giữa hai thứ khác nhau — dữ liệu thô (như HRV đo lúc ngủ, nhịp tim nghỉ) và điểm số tổng hợp (composite score) mà đồng hồ hiển thị cho bạn mỗi sáng.

Về dữ liệu thô: một nghiên cứu độc lập được Air Force Research Laboratory tài trợ (không có xung đột lợi ích thương mại), so sánh 5 thiết bị — Oura Ring 4, Oura Gen3, Garmin Fenix 6, Polar Grit X Pro, Whoop 4.0 — với chuẩn vàng là dây đo ngực Polar H10, trên hơn 500 đêm dữ liệu của 13 người. Theo phân tích của trang the5krunner dẫn lại nghiên cứu này, Oura Ring cho độ chính xác HRV tốt nhất trong nhóm thiết bị được test, trong khi Garmin và Polar (các mẫu đời cũ hơn được kiểm định) kém hơn. Có một chi tiết cần lưu ý: độ chính xác của Oura giảm dần khi mức HRV càng cao — nghĩa là thiết bị "khớp" với chuẩn vàng tốt nhất ở mức HRV trung bình-thấp (rMSSD khoảng 60ms), không đồng đều ở mọi mức. Cũng cần cẩn trọng vì mẫu nghiên cứu chỉ có 13 người — khá nhỏ để khái quát hóa cho toàn bộ dân số người dùng.

Về điểm số tổng hợp — đây là chỗ mọi thứ trở nên đáng lo hơn. Một nghiên cứu quy mô lớn hơn nhiều, của nhóm Siepe và đồng nghiệp, theo dõi 781 sinh viên trong 3 tháng bằng phương pháp đánh giá tại thời điểm thực (Ecological Momentary Assessment), tìm ra rằng tương quan giữa điểm Body Battery/Stress score của Garmin và cảm nhận chủ quan thực tế của người dùng là RẤT YẾU hoặc gần như không tồn tại — cụ thể, tương quan giữa Body Battery và cảm giác mệt mỏi tự báo cáo (self-reported tiredness) chỉ là -0,082, gần như bằng zero. Để so sánh, cùng nghiên cứu này tìm thấy số giờ ngủ đo được có tương quan "mạnh và tích cực" (robust and positive) với chất lượng ngủ tự cảm nhận — cho thấy không phải mọi chỉ số wearable đều tệ như nhau, chỉ riêng các composite score là có vấn đề.

Marco Altini — chuyên gia có bằng PhD về machine learning ứng dụng, đồng sáng lập HRV4Training, tác giả hơn 50 bài báo/patent về HRV, và hiện là cố vấn khoa học cho Oura — công khai gọi các điểm số tổng hợp kiểu readiness/recovery/stress là "made up scores" (điểm số bịa ra), theo bài phân tích của the5krunner. Quan điểm của ông: "không có cái gọi là theo dõi stress liên tục bằng HRV", và không có thông số nào trong số này thực sự đo tốt cái nó tuyên bố đo. Cần lưu ý đây là bình luận chuyên môn cá nhân qua newsletter/blog, không phải một bài báo khoa học có bình duyệt — nhưng người đưa ra bình luận này lại chính là chuyên gia cố vấn cho một trong các hãng sản xuất thiết bị đó, nên có sức nặng đáng kể.

Tổng kết phần này: hai lớp bằng chứng độc lập — nghiên cứu quy mô lớn (n=781) về tương quan với cảm nhận chủ quan, và nhận định chuyên gia hàng đầu ngành — cùng hội tụ về một kết luận: HRV thô đo được là tương đối ổn (đặc biệt với Oura, dù mẫu nghiên cứu validation này còn nhỏ), nhưng con số composite mà bạn thực sự nhìn thấy và ra quyết định dựa vào — Body Battery, Readiness, Recovery, Stress score — lại không phản ánh tốt trải nghiệm thực tế của bạn, vì thuật toán trọng số phía sau là bí mật thương mại (proprietary), không được công bố để kiểm định độc lập. Đây là điểm có độ chắc chắn trung bình-cao, vì được nhiều nguồn độc lập hội tụ.

Vậy nên tin vào con số tuyệt đối, hay xu hướng theo thời gian?

Đây là phần mà cả giới học thuật và giới chuyên gia thực hành đồng thuận mạnh mẽ nhất trong toàn bộ hồ sơ.

Marco Altini, trong một cuộc trò chuyện với TrainingPeaks Coach Blog, giải thích rằng HRV không nên dùng để so sánh giữa người này với người khác — vì sự khác biệt cá nhân là rất lớn. Giá trị thực sự của nó nằm ở việc theo dõi xu hướng của CHÍNH BẢN THÂN so với một "khoảng bình thường" (normal range) cá nhân, được xây dựng từ dữ liệu quan sát nhiều hơn 1 tháng nhưng ít hơn 3-6 tháng (quá ngắn thì baseline chưa ổn định, quá dài thì bị lẫn các yếu tố mùa và thay đổi ngoài kiểm soát). Một điểm ông nhấn mạnh: biến động ngày-qua-ngày miễn là còn nằm trong khoảng bình thường đó thường VÔ NGHĨA — con người có xu hướng diễn giải quá mức mọi thay đổi nhỏ, kể cả khi những thay đổi đó không phản ánh gì cả.

Điều thú vị là chính Firstbeat — nhà cung cấp thuật toán VO2max cho hầu hết đồng hồ GPS — cũng đồng thuận với nguyên tắc này từ góc nhìn khác: theo trang khoa học của họ, giá trị thực sự của VO2max ước tính không nằm ở con số tuyệt đối của một lần đo, mà ở khả năng theo dõi sự thay đổi theo thời gian để điều chỉnh chương trình tập và tải trọng luyện tập — đây chính là mục đích thiết kế ban đầu của thuật toán, không phải để thay thế đo lường phòng lab một lần.

Hai nguồn này — một về HRV/recovery, một về VO2max, đến từ hai góc độ khác nhau (chuyên gia thực hành và nhà cung cấp công nghệ) — không mâu thuẫn nhau, mà củng cố cho nhau về một nguyên tắc chung: dùng các chỉ số này để nhìn xu hướng cá nhân theo thời gian, không phải để tin tuyệt đối vào một con số đơn lẻ trong một ngày.

Cần nói rõ một khoảng trống bằng chứng: mặc dù nguyên tắc "xu hướng quan trọng hơn số tuyệt đối" được đồng thuận rộng, hồ sơ nghiên cứu này chưa tìm thấy nghiên cứu định lượng trực tiếp nào so sánh hiệu quả huấn luyện thực tế giữa việc dùng xu hướng và việc dùng số tuyệt đối. Nguyên tắc này dựa nhiều vào lý luận và kinh nghiệm chuyên môn hơn là một thử nghiệm đối chứng ngẫu nhiên (RCT) trực tiếp kiểm định nó.

Vậy rút ra được gì?

Tổng hợp lại, ba tầng thông tin từ đồng hồ GPS có ba mức độ tin cậy rất khác nhau:

  • VO2max ước tính (dùng thuật toán Firstbeat như Garmin/Suunto/Polar): chấp nhận được với người tập phong trào, khi lấy trung bình dữ liệu theo cửa sổ thời gian đủ dài (không phải ước tính tức thời), nhưng kém tin cậy hơn với vận động viên đỉnh cao.
  • VO2max trên Apple Watch (thuật toán riêng, không qua Firstbeat): có xu hướng đánh giá thấp thực tế với sai số trung bình khoảng 13% và dao động lớn giữa cá nhân, theo nghiên cứu độc lập duy nhất đã đọc đầy đủ trong hồ sơ này.
  • Recovery/Readiness/Body Battery score: đây là chỗ cần cẩn trọng nhất. Dữ liệu HRV thô bên dưới có thể tương đối chính xác, nhưng điểm số tổng hợp mà bạn nhìn thấy mỗi sáng — thứ thực sự ảnh hưởng đến quyết định "nên tập nặng hay nghỉ hôm nay" — lại không có tương quan đáng kể với cảm nhận thực tế của bạn trong nghiên cứu quy mô lớn nhất trong hồ sơ này, và bị chính chuyên gia cố vấn của một hãng sản xuất thiết bị hàng đầu gọi thẳng là "điểm số bịa ra".

Điểm chung xuyên suốt cả VO2max và HRV: đừng ám ảnh với con số của một ngày. Giá trị thực sự nằm ở xu hướng theo thời gian, đối chiếu với baseline của chính bạn — không phải ở việc con số hôm nay là 52 hay 53, hoặc thanh Body Battery sáng nay là 68% hay 71%.

Nguồn tham khảo

← Xem tất cả bài viết
© 2026 funtrails.app — All rights reserved.