何杰领跑时，董国建追纪录的数据口径先修正哪项

田径比赛的数据实验室，最容易犯的错不是算错，而是把一项指标读出了它承载不了的含义。何杰领跑、董国建追纪录的场面里，配速、分段差、心率区间、步频步幅这些数字都很诱人，但每一项都有明确的解释边界。一旦越界，数据就会从工具变成干扰。本文沿准备、执行、调整三个阶段，说明这些指标该怎么用、什么时候不该用。

准备阶段：先分清哪些指标是“预设值”

赛前的数据准备，核心不是堆指标，而是标注每项指标的性质。配速目标是预设值，它描述计划，不描述现实；分段差是派生值，它依赖计时点的密度和位置；心率区间是生理参考值，受气温、湿度、海拔和心理唤醒水平影响。何杰领跑的战术意图一旦确定，董国建团队的赛前数据表就必须回答一个问题：哪些数字是用来执行的，哪些数字是用来校验的。把预设值当现实读，是追纪录时最常见的误判起点。

另一个容易被忽略的边界是样本口径。训练中的分段数据来自可控环境，比赛中的分段数据来自对抗环境，两者的方差不同，直接横向比较会放大差异。追纪录的一方需要的是“可复现的区间”，而不是“最好看过的那一次”。准备阶段如果没把口径统一，执行阶段就会拿两套账互相打架。

执行阶段：分段差能说明位置，不能说明代价

比赛开始后，最直观的数据是分段差。它能回答“落后多少”“领先多少”，但不能回答“这个差距是用什么换来的”。何杰领跑时，董国建若紧跟，分段差会保持在一个好看的区间，但这项指标的解释边界到此为止：它不告诉你肌肉酸度的积累速度，也不告诉你后半程的可用余量。把分段差当作体能状态的替代指标，是执行阶段最危险的数据越界。

配速稳定性同样有边界。稳定不等于经济，也不等于可持续。领跑者可以用节奏变化制造压力，跟跑者的配速曲线看起来平滑，实际可能是在被动补偿。此时真正有解释力的指标是分段内的节奏波动幅度，而不是平均配速。平均值的平滑会掩盖结构性问题，这正是数据实验室要提醒的地方：平均值越漂亮，越要回头看分布。

心率与乳酸类指标在执行阶段只能做趋势参考。它们的绝对值受个体差异和现场条件影响很大，延迟也存在。用单点数值判断“还能不能跟”，解释力有限；用连续趋势判断“代价是否在加速累积”，才在边界之内。董国建团队若要在比赛中做判断，依据应是趋势拐点，而非某个阈值被短暂触碰。

调整阶段：先修正口径，再谈取舍

进入调整阶段，数据的角色从“描述”转为“决策支持”。此时最该修正的不是目标数字，而是口径：分段计时点是否足够密，配速统计是否剔除了换道和遮挡的影响，体能指标是否与主观感受形成交叉验证。口径不修，任何取舍都建立在失真的读数上。追纪录的决策代价很高，数据越要保守使用。

调整的另一个原则是区分“可修正”和“不可修正”。节奏可以修正，站位可以修正，呼吸节律可以修正；已经付出的体能代价不可修正。数据实验室的价值，在于尽早把不可修正的代价识别出来，而不是在事后用更精细的模型解释它。何杰领跑的压迫感，本质上就是把对手的决策窗口压窄，让数据解读的时间变少。

最后要强调赛程背景的分量。全国田径大奖赛这类赛事，轮次安排和恢复窗口会直接影响数据的可比性。同一名选手在不同轮次的分段数据，不能简单叠加成一条趋势线。看台上盯计时牌没错，但计时牌给出的只是位置信息，不是全部真相。把每项指标放回它自己的解释边界里，何杰领跑与董国建追纪录的这盘数据账，才算读得清楚。