Den skjulte forløber til RED-S, underpræstation og skader: Sådan kan eksisterende data bruges smartere til forebyggelse

Intro

Når kostvejledning hviler på upræcise estimater af en spillers energiforbrug, er fejlen ikke bare et tal — det er grundlaget for hverdagens beslutninger om måltider, portioner og restitution.

En systematisk afvigelse på flere hundrede kcal pr. dag kan i løbet af en uge blive til tusindvis af kcal – og dermed føre til fejlslagne ernæringsstrategier. Over tid kan dette resultere i LEA (Low Energy Availability), øget risiko for RED-S (Relative Energy Deficiency in Sport), nedsat restitution og underpræstation.

Potentielle præstationseffekter af relativ energideficiens i sport. Adapteret fra Mountjoy M, Sundgot-Borgen JK, Burke LM, et al.⁸

I dette indlæg gennemgår vi evidensen, mekanismerne og de praktiske konsekvenser for diætister og performance-stab i fodboldklubber — samt hvordan smartere brug af allerede indsamlede data kan hjælpe med at forebygge disse udfordringer.

Energi-tilgængelighed (EA)

Selv korte perioder med lav energi-tilgængelighed kan have betydelige fysiologiske konsekvenser. Studier har vist, at blot fem dage med LEA (~30 kcal·kg LBM−1·dag−1) kan:

• Reducere blodglukoseniveauer
• Øge kortisol
• Undertrykke normale blodkoncentrationer eller pulsation i metaboliske hormoner (fx insulin, IGF-1, leptin, triiodothyronin) og reproduktive hormoner (fx estradiol, GnRH, LH)
• Forstyrre normale markører for knogleomsætning (fx reduceret osteocalcin, øget urin-N-telopeptid)¹⁷

Ved kronisk LEA kan dette føre til oligomenoré eller funktionel hypothalamisk amenoré.¹⁹

Rent praktisk betyder det:

Tegn på for lav energitilgængelighed → kroppen nedprioriterer reproduktionssystemet, fordi der ikke er “råd” til at opretholde normal hormonbalance. Det er et advarselssignal om, at spilleren ikke matcher sit energibehov.

Øget risiko for skader → særligt træthedsbrud og overbelastningsskader, fordi østrogen spiller en vigtig rolle i knogleomsætning og knoglestyrke.

Nedsat restitution og præstation → hormonelle ændringer (lavt østrogen, lav IGF-1, lav T3 osv.) påvirker både muskelreparation, immunforsvar og energistofskifte.

Langsigtet helbred → vedvarende FHA kan føre til nedsat knogletæthed (osteopeni/osteoporose), hvilket øger risikoen for brud også senere i livet.

På baggrund af dette er der udviklet en skala for sund, subklinisk og lav EA, som kan bruges til monitorering i praksis.¹⁸

Baggrund — hvorfor præcision i estimaterne betyder noget

Fodbold er en af de mest komplekse sportsgrene at måle energiforbrug i: accelerationer, sprint, retningsskift og nærkampe giver en metabolisk belastning, som standardmetoder sjældent fanger fuldt ud.

GPS-baserede modeller, enkelte wearables og lineære HR-kalibreringer kan afvige markant fra spillerens reelle energiomsætning — særligt i højintense perioder.⁴⁻⁷

Når disse estimater bruges direkte til at fastsætte energi- og kulhydratmål, bliver målefejl til fejlagtige ernæringsplaner. Det kan gøre estimat-fejl til en skjult forløber for RED-S, underpræstation og skader.

Evidens: hvor ofte og hvor store er fejlene?

• Feltstudier viser, at mange professionelle spillere ligger tæt på eller under den kritiske grænse for energi-tilgængelighed (<30 kcal/kg FFM/dag).¹⁻³

Fodboldspillere samlet dagligt energiforbrug vs energindtag efter positioner. Gennemsnit viser et stort (-22%) energiunderskud på tværs af positioner

• Valideringsstudier dokumenterer systematiske bias i GPS/Metabolic Power og wearables: undervurdering ved høj intensitet og overvurdering ved lav intensitet. Afvigelser kan løbe op i flere hundrede kcal pr. kamp/dag.⁴⁻⁷

Studier viser store fejl mellem metabolisk power energiforbrugsestimater (GPS-EE) vs faktisk energiforbrug med fejl der topper ved 44% når der forudsiges felt-sports kredsløb.

• Når ernæringsplaner konsekvent bygger på disse fejlagtige estimater, risikerer spillere enten kronisk energiunderskud eller uhensigtsmæssigt overskud.

Plot viser senior fodboldspillere samlet dagligt energiforbrug vs energindtag i forskellige studier med klare tendenser til energiunderskud lav energitilgængelighed.

Plot viser unge fodboldspillere samlet dagligt energiforbrug vs energindtag i forskellige studier med klare tendenser til energiunderskud lav energitilgængelighed.

Fra fejl i estimat → praktiske konsekvenser

Årsagskæden kan opsummeres som:
(A) Estimeringsfejl → (B) Fejlagtig kostplan → (C) Fysiologiske konsekvenser.

Systematisk undervurdering af energiforbrug

• Kostplaner sætter energi- og kulhydratmål for lave → spilleren indtager konsekvent for lidt.
• Over tid: LEA → hormonforstyrrelser, svækket immunforsvar, lavere knogletæthed, øget skade-/sygdomsrisiko (RED-S).⁸⁻¹²

Systematisk overvurdering af energiforbrug

• Kostplaner tillader for højt indtag → risiko for vægtøgning, øget fedtmasse og tab af eksplosivitet.
• Ændret kropskomposition kan skade evnen til at accelerere og præstere i højintense aktioner.¹³⁻¹⁵

Kortsigtede effekter

• For lavt kulhydratindtag før kamp = reduceret evne til gentagne sprint og lavere teknisk præcision i kampens slutfase.³ ¹⁶
• Manglende fueling mellem træningspas = langsommere restitution, øget DOMS og kumulativ træthed.¹ ⁹

Mekanismerne bag

• Glykogenlagre: afgørende for gentagne sprint og teknisk skarphed. Selv moderate mangler kan give store præstationsudsving.³ ¹⁶
• Energi-tilgængelighed (EA): konstante små afvigelser kan forstyrre hormonbalance, immunfunktion og restitution.¹⁰ ¹¹ ¹⁷ ¹⁸
• Adaptation & recovery: energiunderskud hæmmer proteinsyntese og øger risiko for overbelastningsskader.⁹ ¹⁰

Hvad kan gøres i praksis?

Forebyggelse af RED-S og relaterede problemer kræver ikke nødvendigvis nye målinger – men smartere brug af allerede eksisterende data.

Centrale indsatsområder:

• Energy availability (EA): følg udviklingen over tid for at opdage ubalancer tidligt.
• Kropskomposition og fysiske parametre: longitudinelle trends kan bruges som risikomarkører.
• Ernæringsdata i praksis: kobling af indtag og behov kan afsløre spillere med kritiske mismatch.

👉 CarboPlanner udvikler løsninger, der integrerer og visualiserer data om EA, kropskomposition, fysiske parametre og daglig ernæring i ét system.

Med valide, fodbold-specifikke machine learning-modeller kan estimaterne ramme tættere på virkeligheden og give diætister og performance-stab et mere solidt fundament.

Konklusion

Fejl i estimering af energiforbrug er ikke et bagatelproblem — det er selve fundamentet for kostvejledning og præstationsoptimering.

Når estimater rammer ved siden af, bliver hele beslutningsgrundlaget svækket. Det kan akut nedsætte præstation og hæmme restitution, og over tid kan det udløse RED-S samt øge risikoen for skader.

Ved at bruge smartere modeller, udnytte allerede indsamlede data og arbejde med buffers og individualisering kan risikoen reduceres markant.

👉 Vil du se, hvordan I kan optimere jeres datafundament for energibehov? Book en demo med CarboPlanner i dag, og oplev forskellen mellem gætteri og data-drevet kostplanlægning.

Referencer

Hulton, A. T., et al. (2022). Energy requirements and nutritional strategies for male soccer players: A review. Nutrients, 14(21), 4610. https://doi.org/10.3390/nu14214610

Williams, C. A., et al. (2015). Carbohydrate nutrition and team sport performance. Sports Medicine, 45(S1), 13–22. https://doi.org/10.1007/s40279-015-0399-3

Brown, D. M., et al. (2016). Metabolic power method: Underestimation of energy expenditure in field-sport movements. International Journal of Sports Physiology and Performance, 11(8), 1067–1073. https://doi.org/10.1123/ijspp.2015-0379

O’Driscoll, R., et al. (2020). How well do activity monitors estimate energy expenditure? A systematic review and meta-analysis of the validity of current technologies. British Journal of Sports Medicine, 54(6), 332–340. https://doi.org/10.1136/bjsports-2018-100493

Brochhagen, J., & Hoppe, M. W. (2025). Validity of the metabolic power model in intermittent running. Frontiers in Sports and Active Living, 7, 1502875. https://doi.org/10.3389/fspor.2025.1502875

Savoia, C., et al. (2020). Validation of an updated metabolic power approach in elite soccer players. International Journal of Environmental Research and Public Health, 17(18), 6821. https://doi.org/10.3390/ijerph17186821

Mountjoy, M., et al. (2018). International Olympic Committee (IOC) consensus statement on relative energy deficiency in sport (RED-S): 2018 update. British Journal of Sports Medicine, 52(11), 687–697. https://doi.org/10.1136/bjsports-2018-099193

Burke, L. M., et al. (2018). Pitfalls of conducting and interpreting estimates of energy availability in free-living athletes. International Journal of Sport Nutrition and Exercise Metabolism, 28(4), 350–363. https://doi.org/10.1123/ijsnem.2018-0142

Areta, J. L., Taylor, H. L., & Koehler, K. (2021). Low energy availability: History, definition and physiological effects. European Journal of Applied Physiology, 121(12), 2735–2750. https://doi.org/10.1007/s00421-021-04717-0

Lee, B. L., et al. (2022). Low energy availability (LEA) in male athletes: A review. Sports Medicine - Open, 8(1), 118. https://doi.org/10.1186/s40798-022-00492-3

Greenwood, J. J., et al. (2023). Relative energy deficiency indicators in male adolescent endurance athletes: A longitudinal study. Nutrients, 15(5), 1085. https://doi.org/10.3390/nu15051085

Levine, J. A., et al. (2014). Effects of overfeeding on body composition and metabolism. The American Journal of Clinical Nutrition, 100(2), 539–546. https://doi.org/10.3945/ajcn.113.081778

Westerterp, K. R. (2004). Metabolic consequences of overfeeding in humans. International Journal of Obesity, 28(S4), S58–S61. https://doi.org/10.1038/sj.ijo.0802859

Hron, B. M., et al. (2015). Effect of protein overfeeding on energy expenditure measured in a metabolic chamber. The Journal of Clinical Endocrinology & Metabolism, 100(11), 4489–4497. https://doi.org/10.1210/jc.2015-2235

Jeukendrup, A. E., et al. (2019). Extra time and carbohydrate strategies in football: Implications for performance. Gatorade Sports Science Institute: Sports Science Exchange, 32(199), 1–6.

Ihle R, Loucks AB. Dose-response relationships between energy availability and bone turnover in young exercising women. J Bone Miner Res. 2004 Aug;19(8):1231-40. doi: 10.1359/JBMR.040410. Epub 2004 Apr 19. PMID: 15231009.

Loucks AB, Kiens B, Wright HH. Energy availability in athletes. J Sports Sci. 2011;29 Suppl 1:S7-15. doi: 10.1080/02640414.2011.588958. Epub 2011 Jul 28. PMID: 21793767.

Cabre, H. E., Moore, S. R., Smith-Ryan, A. E., & Hackney, A. C. (2022). Relative Energy Deficiency in Sport (RED-S): Scientific, Clinical, and Practical Implications for the Female Athlete. Deutsche Zeitschrift fur Sportmedizin, 73(7), 225–234. https://doi.org/10.5960/dzsm.2022.546

CarboPlanner. (2025). Præcision i energiforbrug-estimater: Derfor betyder nøjagtighed noget i fodbold. CarboPlanner Blog.