fbpx

Spleeft 是一款有效且可靠的应用程序,可以测量阻力训练时的运动速度

介绍

量化运动速度是控制健身房强度和努力程度的唯一方法。每个速度都与最大重复次数 (%RM) 的百分比 (1) 密切相关。此外,通过监测系列中的速度损失,您可以控制系列中的努力程度和疲劳程度 (2)。因此,监测运动速度将帮助您根据日常状态调整训练,每天估算 1RM 以了解在杠铃上施加的准确负荷,并设置速度截止值以执行实现目标所需的准确次数。

Spleeft 是一款应用程序 适用于 iOS 和 Android 它可以帮助你在不使用任何外部设备的情况下实时测量杠铃速度,只需使用手机的摄像头即可,这要归功于 计算机视觉 技术。

本文旨在向您介绍一项小型验证研究的结果,该研究将使用 Spleeft 测量的运动速度与使用经过科学验证的线性传感器 (LT) (3) 测量的相同数据进行了比较。

作为一个进步,它的有效性和可靠性得到了证实,因为在这两种设备上都发现了非常高的相关性系数(r2>0.95),并且 Spleeft 和 LT 之间没有发现显著差异(p>0.05)。

方法

一名受试者进行了 106 次深蹲(利用拉伸-缩短循环),恒定负荷为 20 公斤,以 0.39 至 0.81 米/秒之间的速度改变深蹲的意图。

Spleeft 应用程序安装在搭载 Android 9 的 Android 智能手机 (v1.4.1) Xiaomi Redmi Note 6 Pro 上,在精确模式下,相机预览尺寸为 240×160,平均延迟为 18fps;搭载 iOS 15.0 的 Apple iPhone 7 (v1.0) 上,在标准高清分辨率为 720p 的情况下,平均延迟为 24fps。经科学验证的 LT (3) 被用作测量平均向心速度的黄金标准。

结果

应用程序的并发有效性

在 iOS(r2=0.98,SEE=0.01 m/s,平均误差 = 0.025 m/s)和 Android(r2=0.96,SEE=0.01 m/s,平均误差 = 0.029 m/s)上,使用 Spleeft 和 LT 测量的平均速度值具有非常高的相关性。

散点图显示 Spleeft 与 LT 之间存在高度一致性

应用程序与 LT 相比的测量可靠性和准确性

配对样本t检验表明,应用程序和LT之间没有显著差异(p>0.05)。

Bland-Altman 图显示,两种设备都存在少量系统误差(iOS 中的 r2=0.35,Android 中的 r2=0.25)。但是,如果我们执行相同的计算,只考虑时间分量,即 Spleeft 测量的值,因为 ROM 必须由用户引入,系统误差最小(iOS 中的 r2=0.096,Android 中的 r2=0.046)。

这一事实的解释非常简单,因为系统误差是由于 ROM 随速度增加而变化造成的,因为他在最快的深蹲时将脚跟抬离地面。用 LT 测量的平均 ROM 为 48.28 厘米 ± 1 厘米,而用 Spleeft 测量的运动速度恒定为 ROM 47 厘米。在 0.6–0.69 米/秒之间进行的深蹲中,LT 测量的平均 ROM 为 48.25 厘米,在 0.7–0.81 米/秒之间为 49.14 厘米。

Spleeft 和 LT 之间的 Bland-Altman 图用于速度测量。

Bland-Altman 图是用两个待比较值之间的差值及其平均值绘制的。r2 相关性高 (<0.9) 表示存在系统误差。

观察者内部可靠性

组内相关系数 (ICC) 显示,所有观察者之间的一致性很高:iOS 版和 Android 版 Spleeft 与 LT (ICC=0.989,CI [95%]=0.974–0.995) 在平均向心速度测量方面。iOS 版和 Android 版 Spleeft 之间没有发现显著差异 (p>0.05)。Bland-Altman 图证实了之前的结果 (r2=0.09)。

结论

两个平台的 Spleeft 可靠性甚至高于上次 Android 发布时进行的初步验证研究,因为在所有测试速度范围内,平均误差最小,从 0.39–0.49 m/s 之间的 0.01 m/s 到 0.7–0.81 m/s 之间的平均误差 0.037 m/s。

该应用程序还可以通过负载速度曲线 (4) 来估算 1RM,因为只要 ROM 保持恒定,其测量运动速度的可靠性就已经得到了探究。

ROM 中约 ± 2cm 的变化不会在平均速度测量中产生显著误差,尽管在使用 LT 测量 ROM 时发现了变化,但相关性非常高,并且在使用 Spleeft 和 LT 测量的平均向心速度时没有发现显著差异。

值得注意的是,这些数据是通过 Spleeft 在中低端智能手机上测得的,因此顶级智能手机不一定能获得准确的数据。

最后,研究发现,与经过科学验证的线性传感器相比,只要 ROM 保持恒定,Spleeft 就是一种有效且可靠的应用程序,可以测量平均向心速度。

参考

1. González-Badillo JJ、Sánchez-Medina L。运动速度作为阻力训练负荷强度的衡量标准。国际运动医学杂志。2010;31(5):347-52。

2. Sánchez-Medina L、González-Badillo JJ。速度损失是阻力训练期间神经肌肉疲劳的指标。运动医学与科学。2011;43(9):1725–34。¡

3. Pérez-Castilla A、Piepoli A、Delgado-García G、Garrido-Blanca G、García-Ramos A。七种市售设备在卧推过程中评估不同强度运动速度的可靠性和并发有效性。《力量与训练研究杂志》。2019;33(5):1258–65。

4. Jidovtseff B、Harris N、Crielaard J、Cronin J。使用负荷-速度关系进行 1RM 预测。《力量与体能研究杂志》。2011;25(1):267-70。

分享此食谱:

评论已关闭。

您也可能感兴趣

zh_CN