INTRODUZIONE
Quantificare la velocità di movimento è l'unico modo per controllare l'intensità e il livello di sforzo in palestra. Ogni velocità è fortemente correlata a una percentuale del massimo di ripetizioni (%RM) (1). Inoltre, monitorando la perdita di velocità durante la serie, puoi controllare il livello di sforzo e i livelli di affaticamento durante la serie (2). Pertanto, monitorare la velocità di movimento ti aiuterà ad adattare il tuo allenamento in base al tuo stato giornaliero, stimando 1RM al giorno per conoscere il carico esatto da mettere sulla barra e impostando i limiti di velocità per eseguire le ripetizioni esatte di cui hai bisogno per raggiungere i tuoi obiettivi.
Spleeft è un'app disponibile sia per iOS che per Android che ti aiuta a misurare la velocità del bilanciere in tempo reale senza dispositivi esterni, solo con la fotocamera del tuo telefono, grazie a Visione artificiale tecnologia.
Questo articolo si propone di presentare i risultati di un piccolo studio di convalida in cui la velocità del movimento misurata con Spleeft è stata confrontata con gli stessi dati misurati con un trasduttore lineare (LT) scientificamente convalidato (3).
Come anticipo, la sua validità e affidabilità sono state confermate, in quanto è stato riscontrato un coefficiente di correlazione molto elevato (r2>0,95) in entrambi i dispositivi e non sono state riscontrate differenze significative tra Spleeft e LT (p>0,05).
METODO
Un soggetto ha eseguito 106 ripetizioni di squat (sfruttando il ciclo di allungamento-accorciamento) con un carico costante di 20 kg, modificando l'intenzione di eseguire gli squat con una velocità compresa tra 0,39 e 0,81 m/s.
L'app Spleeft è stata installata su uno smartphone Android (v1.4.1) Xiaomi Redmi Note 6 Pro con Android 9, che raggiunge una latenza media di 18 fps con una dimensione di anteprima della fotocamera di 240×160 in modalità accurata, e un Apple iPhone 7 (v1.0) con iOS 15.0, che raggiunge una latenza media di 24 fps con una risoluzione HD standard di 720p. Un LT scientificamente convalidato (3) è stato utilizzato come gold standard per misurare la velocità concentrica media.
RISULTATI
Validità contemporanea dell'app
È stata riscontrata una correlazione molto elevata nei valori di velocità media misurati con Spleeft e LT, sia su iOS (r2=0,98, SEE=0,01 m/s, errore medio = 0,025 m/s) sia su Android (r2=0,96, SEE=0,01 m/s, errore medio = 0,029 m/s).
Affidabilità e precisione delle misurazioni con l'app vs LT
Il test t per campioni accoppiati ha mostrato che non ci sono differenze significative tra l'app e il LT (p>0,05).
I grafici di Bland-Altman hanno rivelato un piccolo errore sistematico su entrambi i dispositivi (r2=0,35 in iOS e r2=0,25 in Android). Tuttavia, se eseguiamo gli stessi calcoli tenendo conto solo della componente temporale, ovvero il valore che Spleeft misura, poiché la ROM deve essere introdotta dall'utente, l'errore sistematico è stato minimo (r2=0,096 in iOS e r2=0,046 in Android).
La spiegazione di questo fatto è molto semplice, perché l'errore sistematico era dovuto alla variazione del ROM con l'aumento della velocità, quando ha sollevato i talloni da terra negli squat più veloci. Il ROM medio misurato con il LT era di 48,28 cm ± 1 cm, mentre la velocità di movimento è stata misurata con Spleeft con un ROM costante di 47 cm. Negli squat eseguiti tra 0,6 e 0,69 m/s, il ROM medio misurato dal LT era di 48,25 cm e tra 0,7 e 0,81 m/s era di 49,14 cm.
I grafici Bland-Altman sono realizzati con la differenza tra due valori da confrontare e la sua media. Un'elevata correlazione r2 (<0,9) significa che c'è un errore sistematico.
Affidabilità intra-osservatori
Il coefficiente di correlazione intraclasse (ICC) ha rivelato un'elevata concordanza tra tutti gli osservatori: Spleeft per iOS e Android e LT (ICC=0,989, CI [95%]=0,974–0,995) alle misurazioni della velocità concentrica media. Non sono state trovate differenze significative tra Spleeft sulla versione iOS e sulla versione Android (p>0,05). Il grafico di Bland-Altman ha confermato i risultati precedenti (r2=0,09).
CONCLUSIONI
L'affidabilità di Spleeft su entrambe le piattaforme è addirittura superiore rispetto allo studio di convalida preliminare eseguito all'ultimo lancio di Android, poiché l'errore medio è minimo in tutti gli intervalli di velocità testati da 0,01 m/s tra 0,39-0,49 m/s fino a 0,037 m/s di errore medio tra 0,7-0,81 m/s.
Questa app è valida anche per stimare 1RM attraverso il profilo carico-velocità (4), poiché è stata testata la sua affidabilità nel misurare la velocità del movimento, a patto che il ROM rimanga costante.
Una variazione nel ROM di circa ± 2 cm non produce errori significativi nella misurazione della velocità media, nonostante tale variazione sia stata riscontrata nella misurazione del ROM con LT, la correlazione è stata molto alta e non sono state riscontrate differenze significative nella velocità concentrica media misurata con Spleeft e LT.
È opportuno notare che questi dati sono stati misurati da Spleeft su smartphone di fascia medio-bassa, quindi non è detto che uno smartphone di fascia alta ottenga dati accurati.
Infine, si è scoperto che Spleeft è un'app valida e affidabile per misurare la velocità concentrica media rispetto a un trasduttore lineare scientificamente convalidato, purché il ROM rimanga costante.
RIFERIMENTI
1. González-Badillo JJ, Sánchez-Medina L. Velocità di movimento come misura dell'intensità di carico nell'allenamento di resistenza. Rivista internazionale di medicina sportiva. 2010;31(5):347–52.
2. Sánchez-Medina L, González-Badillo JJ. Perdita di velocità come indicatore di affaticamento neuromuscolare durante l'allenamento di resistenza. Medicina e scienza nello sport e nell'esercizio. 2011; 43(9):1725–34. ¡
3. Pérez-Castilla A, Piepoli A, Delgado-García G, Garrido-Blanca G, García-Ramos A. Affidabilità e validità concomitante di sette dispositivi disponibili in commercio per la valutazione della velocità di movimento a diverse intensità durante la panca piana. Journal of Strength and Conditioning Research. 2019;33(5):1258–65.
4. Jidovtseff B, Harris N, Crielaard J, Cronin J. Utilizzo della relazione carico-velocità per la previsione di 1RM. Journal of strength and conditioning research. 2011;25(1):267–70.