Aprende más sobre autorregulación en nuestro post sobre Z-Scores en VBT
Estimar la repetición maxima en un ejercicio fue una de las primeras opciones que nos brinda el VBT y una de las más utilizadas actualmente, ya que nos sirve para conocer lo más básico a la hora de entrenar en el gimnasio: el peso que hay que meter en la barra. La primera versión de Spleeft (en Android) incluía la opción de realizar un perfil de carga-velocidad y una estimación diaria de la 1RM. Sin embargo, esto se vuelve muy poco tiempo-efectivo en el día a día del entrenamiento. Por ello, las últimas versiones de Spleeft realizan ambas tareas de manera automática, si es que se cumplen las condiciones básicas.
Introducción
En un primer momento se propuso el trabajo de (1) y sucesivas réplicas en otros ejercicios como perfiles de carga-velocidad generales para estimar la 1RM, al encontrar una correlación muy alta entre la carga relativa (%RM) y la velocidad de ejecución. Sucesivos estudios demostraron que la relación entre la carga relativa y la velocidad experimenta grandes variaciones interindividuales debido a la edad, género e incluso intra-individuales, a lo largo de un periodo de entrenamiento (2). Otros factores como el ejercicio, la técnica de ejecución e incluso el dispositivo de medición también pueden afectar a esta relación.
To overcome the above limitations, individual load-velocity profiles were created. That are the result of performing an incremental test with 5 loads between 40-95% of the estimated 1RM. With that, a linear regression is performed and the load that would represent the 1RM is estimated with the minimum velocity threshold or velocity at which the 1RM is lifted (3).
Knowing the MVT is indispensable for estimating the 1RM by means of the load-velocity relationship. This is a major problem, since its measurement requires a maximum or traditional 1RM test, reaching failure. This value is specific to each exercise, due to the differences in the muscles recruited and their characteristics (inter-intramuscular coordination, size of motor neurons, etc.). The MVT is the most stable value within the load-velocity relationship. Normative values have been investigated for the main strength exercises (de Hoyo et al., 2021; Ruf et al., 2018; Sánchez-Medina et al., 2017). However, it has also been shown that it can vary between athletes (4) and even during the same training period (2). Therefore, although previous studies have shown that the creation of individualized load-velocity profiles is valid, their accuracy would be increased by knowing the athlete’s MVT. In practice the use of a generic MVT is assumed to be valid.
¿CÓMO FUNCIONA EL PERFIL DE CARGA-VELOCIDAD AUTOMÁTICO?
Deslizando a la derecha en el historial de VBT podrás observar tu perfil carga – velocidad del ejercicio y rango de fechas que tengas seleccionado en ajustes (arriba a la derecha). No se recomienda elegir rangos de fechas superiores a 3 meses, ya que durante ese periodo puede que hayas conseguido o perdido ciertas adaptaciones al entrenamiento, en función de si has seguido un plan de entrenamiento o no. Por tanto, con 3 meses como máximo tendrás una visión de tu estado actual de entrenamiento.
Las condiciones para que Spleeft cree un perfil de carga – velocidad automáticamente son:
- 1. Que al menos una carga se encuentre por encima del 80% de la 1RM. Debemos acercarnos a lo que queremos medir para que la medición sea precisa.
- 2. Las cargas deben estar separadas por, al menos, 5 kg de diferenciaAsí obtendrás una visión más global sobre todo tu perfil.
- Que exista una correlación alta (r2>0.9). If there are several groups of loads that follow this condition, Spleeft will keep the set of 3-4 loads with the highest correlation.
- Por último, que 3 o 4 cargas cumplan las condiciones anteriores..
¿Crees que el algoritmo debería incluir alguna otra condición? ¡Haznoslo saber!
Spleeft filtrará todos tus datos de entrenamiento para encontrar todas las cargas con las que hayas trabajado y la velocidad más alta a la que haya sido movida. En base a las condiciones anteriores, si es posible, te mostrará tu perfil carga – velocidad y tu 1RM estimada.
Para estimar la 1RM, primero se realiza una regresión lineal entre los valores de carga y velocidad. Tras ello, se predice el peso de la 1RM con la velocidad teórica a la que se mueve, sacada de la literatura científica para cada ejercicio. Se puede realizar con hojas de cálculo tradicionales.
¿Qué pasa si quieres realizar una sesión de evaluación del perfil carga – velocidad y observarlo en el gráfico? Para conseguir esto, un truco es ir a ajustes del gráfico y, en rango de fechas, seleccionar personalizado. Aparecerán dos campos, donde debes seleccionar, en ambos, el día de realización del test. Si se cumplieron todas las condiciones, Spleeft te lo mostrará en el gráfico.
¿CÓMO FUNCIONA LA ESTIMACIÓN DIARIA DE LA 1RM AUTOMÁTICA?
Una vez que tengas tu perfil de carga – velocidad confeccionado, ya puedes saber que peso poner en la barra en función de tus objetivos. Sin embargo, la 1RM puede sufrir variaciones diarias por el estado de forma o la inmensa cantidad de factores que condicionan la fatiga,por lo que puede ser que necesites subir/bajar el peso de la barra para ajustarte al objetivo que tengas.
Por ello, tras pinchar en el historial en el día que has entrenado, Spleeft estima tu 1RM diaria, para que sepas exactamente que peso poner en la barra cada día. Se filtran todas las cargas utilizadas ese día en el ejercicio seleccionado en ajustes, escogiendo la mejor velocidad de ejecución obtenida con la carga más alta. Cuanto más cerca de la 1RM, más precisa será la medición.
Con estos datos, Spleeft comprueba en tu perfil carga – velocidad que %RM te supone la carga anterior. Por ejemplo: 0.6 m/s te supone un 60% de la 1RM. Si has conseguido levantar 60kg a 0.6 m/s, 60kg será tu 60% para hoy. Ahora tan solo hace falta realizar una sencilla triangulación para conocer que carga te supone el 100%RM.
Spleeft también se asegura de informarte si esos datos obtenidos son fiables o no. En la literatura científica se han reportado hasta variaciones diarias del 18% (5), en powerlifters que acumulaban bastante fatiga en cada sesión. Por tanto, si tu 1RM estimada para el día de hoy difiere de tu 1RM estimada en el perfil más de un 15%, recibirás un aviso de baja fiabilidad de la estimación.
En caso de que no hayas realizado los suficientes entrenamientos para tener un perfil de carga – velocidad individualizado, Spleeft te ofrecerá tu 1RM diaria basándose en un perfil genérico de la literatura científica. Al igual que en la situación anterior, se te avisará de que este método, sobre todo cuando se realiza con cargas bajas, no es muy preciso, ya que existe una variación individual.
REFERENCES
- González-Badillo JJ, Sánchez-Medina L. Movement velocity as a measure of loading intensity in resistance training. Int J Sports Med [Internet]. 2010 [cited 2021 Jul 26];31(5):347–52. Available from: https://pubmed.ncbi.nlm.nih.gov/20180176/
- Balsalobre-Fernández C, García-Ramos A, Jiménez-Reyes P. Load–velocity profiling in the military press exercise: Effects of gender and training: International Journal of Sports Science & Coaching [Internet]. 2017 Oct 26 [cited 2022 Mar 10];13(5):743–50. Available from: https://journals.sagepub.com/doi/abs/10.1177/1747954117738243
- Jidovtseff B, Harris N, Crielaard J, Cronin J. Using the load-velocity relationship for 1RM prediction. J Strength Cond Res [Internet]. 2011 Jan [cited 2021 Sep 30];25(1):267–70. Available from: https://pubmed.ncbi.nlm.nih.gov/19966589/
- Banyard H, Nosaka K, Vernon A, Haff G. The Reliability of Individualized Load-Velocity Profiles. Int J Sports Physiol Perform [Internet]. 2018 Jul 1 [cited 2021 Jul 26];13(6):763–9. Available from: https://pubmed.ncbi.nlm.nih.gov/29140148/
- Zourdos MC, Dolan C, Quiles JM, Klemp A, Jo E, Loenneke JP, et al. Efficacy of daily one-repetition maximum training in well-trained powerlifters and weightlifters: a case series. Nutrición hospitalaria: Organo oficial de la Sociedad española de nutrición parenteral y enteral, ISSN 0212-1611, Vol 33, No 2 (Marzo-Abril 2016), 2016, págs 437-443 [Internet]. 2016 [cited 2021 Dec 2];33(2):437–43. Available from: https://dialnet.unirioja.es/servlet/articulo?codigo=6147117&info=resumen&idioma=ENG
Spleeft está disponible para iOS y Android aquí.
