Perfil automático de carga-velocidad y estimación de 1RM con Spleeft

Aprende más sobre autorregulación en nuestro post sobre Z-Scores en VBT

Estimating the maximum repetition in an exercise was one of the first options provided by the VBT. It’s also one of the most used nowadayss. It helps us to 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.

DOWNLOAD SPLEEFTAPP FOR PHONE AND WATCH NOW!

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 is 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?

 

By scrolling to the right in the VBT history, you can see your load-velocity profile for the exercise and date range you have selected in the settings (top right). No se recomienda elegir rangos de fechas superiores a 3 meses, During that period, you may have gained or lost certain training adaptations, depending on whether you have followed a training plan or not. Therefore, a maximum of 3 months will give you an overview of your current training status.

Las condiciones para que Spleeft cree un perfil de carga – velocidad automáticamente son:

1. 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. 2. Las cargas deben estar separadas por, al menos, 5 kg de diferenciaAsí obtendrás una visión más global sobre todo tu perfil.
3. 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.
4. Por último, que 3 o 4 cargas cumplan las condiciones anteriores..

¿Crees que el algoritmo debería incluir alguna otra condición? ¡Haznoslo saber!

Spleeft will filter all your training data. Then it finds all the loads you have worked with and the highest velocity at which they have been moved. Based on the above conditions, if possible, it will show you your load – velocity profile and your estimated 1RM.

To estimate the 1RM, first, a linear regression is performed between the load and velocity values. After that, the 1RM weight is predicted with the theoretical velocity at which it moves (MVT). This can be done with traditional spreadsheets.

¿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 also makes sure to inform you whether this data is reliable. In the scientific literature, daily variations of up to 18% (5) have been reported in powerlifters who accumulated a lot of fatigue in each session. Therefore, if your estimated 1RM for today differs from your estimated 1RM in the profile by more than 15%, you will receive a warning of low reliability of the estimate.

In case you have not done enough training to have an individualized load – velocity profile, Spleeft will give you your daily 1RM based on a generic profile from the scientific literature. As in the previous situation, you will be warned that this method, especially when performed at low loads, is not very accurate as there is individual variation.

REFERENCES        

1. 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/
2. 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
3. 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/
4. 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/
5. 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.