공식이 알려주지 않는 당신만의 진짜 심박수
많은 러너가 스마트 워치나 인터넷에서 흔히 볼 수 있는 나이 기반 공식을 사용하지만 이는 개인의 생리학적 특성을 전혀 반영하지 못하는 평균값에 불과하다. 러닝을 그래도 과학적으로 접근하기 위해서는 내 몸의 엔진이 실제로 어떻게 작동하는지 보여주는 데이터가 필요하다. 이를 위해 가장 먼저 이해해야 할 개념이 바로 젖산 역치 심박수 즉 LTHR이다. 특히 가민 젖산 역치 자동 측정 기능을 활용하면 보다 정밀한 LTHR 측정이 가능해지며 이를 바탕으로 한 개인화된 심박수 존 설정이 훈련의 성패를 가른다. 나 역시 의사로서 직접 운동하며 데이터를 분석한 결과 기존 공식이 주는 한계를 명확히 실감했다.
나이 기반 공식 220-age의 한계와 오류
가장 널리 알려진 심박수 계산법은 220에서 자신의 나이를 빼서 최대 심박수를 구하는 방식이다. 하지만 이 공식은 수많은 사람의 통계를 단순화한 것일 뿐이며, 표준오차가 커서 개인에 따라 큰 편차가 생긴다. 실제로 40세인 나의 경우 공식을 적용하면 최대 심박수가 180이어야 하지만 실제 측정된 젖산 역치 심박수만 183에 달한다. 실제로 운동시 기록된 나의 최대 심박수는 그보다 더 높다. 즉 220-age가 내 최대심박수를 과소추정한 셈이다. 만약 공식에만 의존했다면 나는 내 실제 능력보다 훨씬 낮은 강도로 운동하며 훈련 효율을 놓쳤을 것이다. 즉, 운동 강도는 개인의 실측 데이터에 기반하는게 맞다고 생각한다. 물론 LTHR 이 모든 해결책이 될 수는 없지만, 적어도 평상시 운동을 열심히 하거나, 너무하지 않는 상태라면, 나이 기반 공식보다는 더 정확한건 사실이다.
젖산 역치 심박수, LTHR이란 무엇인가
젖산 역치란 운동 강도가 높아짐에 따라 혈중 젖산 농도가 급격히 상승하기 시작하는 지점을 말한다. 우리 몸이 생성되는 젖산을 대사하여 제거하는 속도보다 누적되는 속도가 빨라지는 임계점이다. LTHR은 바로 이 시점의 심박수를 의미하며 이는 해당 러너가 지치지 않고 지속할 수 있는 최대 운동 강도의 지표가 된다. 최대 심박수는 타고난 유전적 요인에 의해 결정되는 경우가 많고 나이가 들면서 자연스럽게 감소하지만 LTHR은 적절한 훈련을 통해 개선할 수 있다. 따라서 실전적인 훈련 존을 설정할 때는 고정된 수치인 최대 심박수보다 현재 내 대사 능력을 가장 정확하게 반영하는 LTHR을 기준으로 삼는 것이 합리적이다.
대사 유연성의 핵심 지표, 젖산 역치
젖산 역치가 높다는 것은 더 빠른 페이스에서도 젖산을 효율적으로 에너지로 재활용하며 버틸 수 있다는 뜻이다. 이는 단순히 심장이 빨리 뛰는 것을 넘어 근육 내 미토콘드리아의 대사 능력이 우수함을 뜻한다. 존2 러닝의 목적이 지방 산화 능력을 극대화하고 미토콘드리아 효율을 높이는 데 있다면 그 기준점이 되는 젖산 역치를 정확히 아는 것은 필수적이다. 역치 지점을 정확히 파악하면 내가 지금 유산소 대사 구간에 있는지 아니면 무산소 대사로 넘어가 에너지를 고갈시키고 있는지 실시간으로 판단할 수 있다. 이는 하이록스와 같은 고강도 기능성 운동을 수행할 때 페이스를 조절하고 경기 운영 전략을 짜는 데 있어 결정적인 근거가 된다.
LTHR 기반으로 심박 존 재설정하기
가민 포러너 265와 같은 최신 웨이러블 기기는 심박과 페이스를 이용해 LTHR을 자동으로 추정한다. 나이 공식으로 구한 존2가 누군가에게는 산책처럼 느껴지고 누군가에게는 숨이 찬 이유가 여기에 있다. 나의 실측 데이터를 대입해보면 LTHR 183을 기준으로 설정된 존2 구간은 일반적인 예상보다 높게 형성된다. 이 구간에서 운동할 때 비로소 내 몸은 대사 유연성을 기르는 최적의 자극을 받게 된다. 즉, 기존 공식 기반 Zone 2로 뛰면, 내 몸에서는 체감상 Zone 1에 가깝게 느껴질 수 있다.
LTHR은 ‘상대적으로 높은 역치(LT2 근처)’를 잡는 지표이고, 이를 기반으로 훈련 존을 개인화할 수 있다. 다만 대사적 Zone 2는 LTHR보다 한참 아래일 수 있어, 말하기 테스트/호흡/드리프트(심박 상승) 같은 보조 기준으로 교차확인한다
데이터 기반의 운동 기록 분석
앞으로 이 곳의 데이터 · CGM 실험노트 카테고리를 통해 나의 실제 러닝 다이내믹스 데이터를 공개하고 분석할 예정이다. 케이던스 변화가 심박수에 미치는 영향이나 수직 진동을 줄였을 때 러닝 이코노미가 어떻게 개선되는지 등 전문의의 시각에서 분석을 이어가고자 한다. 단순히 열심히 뛰는 것을 넘어 내 몸이 내놓는 신호를 읽고 해석하는 과정은 그 자체로 훌륭한 건강 관리가 된다. 다음 글에서는 실제로 가민을 활용해 LTHR을 정교하게 측정하는 방법과 이를 훈련 계획에 녹여내는 방법을 소개하겠다. 데이터가 이끄는 더 똑똑한 운동을 통해 우리 모두 더 건강한 삶에 가까워지기를 바란다.