INTRODUÇÃO
Quantificar a velocidade do movimento é a única maneira de controlar a intensidade e o nível de esforço na academia. Cada velocidade é altamente correlacionada com uma porcentagem do máximo de repetição (%RM) (1). Além disso, ao monitorar a perda de velocidade durante a série, você pode controlar o nível de esforço e os níveis de fadiga durante a série (2). Assim, monitorar a velocidade do movimento ajudará você a ajustar seu treinamento com base em seu status diário, estimando 1RM diariamente para saber a carga exata a ser colocada na barra e definindo os cortes de velocidade para executar as repetições exatas de que você precisa para atingir seus objetivos.
Spleft é um aplicativo disponível para iOS e Android que permite medir a velocidade da barra em tempo real sem dispositivos externos, apenas com a câmera do seu celular, graças a Visão Computacional tecnologia.
Este artigo tem como objetivo apresentar os resultados de um pequeno estudo de validação onde a velocidade de movimento medida com o Spleeft foi comparada com os mesmos dados medidos com um transdutor linear (LT) cientificamente validado (3).
Como avanço, sua validade e confiabilidade foram confirmadas, pois foi encontrado um coeficiente de correlação muito alto (r2>0,95) em ambos os dispositivos, e não foram encontradas diferenças significativas entre o Spleeft e o LT (p>0,05).
MÉTODO
Um indivíduo realizou 106 repetições de agachamento (aproveitando o ciclo alongamento-encurtamento) com uma carga constante de 20 kg, variando a intenção de realizar os agachamentos com uma velocidade entre 0,39 e 0,81 m/s.
O aplicativo Spleeft foi instalado em um smartphone Android (v1.4.1) Xiaomi Redmi Note 6 Pro com Android 9, que alcançou uma latência média de 18 fps com uma resolução de pré-visualização da câmera de 240×160 no modo preciso, e em um Apple iPhone 7 (v1.0) com iOS 15.0, que alcançou uma latência média de 24 fps com uma resolução HD padrão de 720p. Um LT (3) cientificamente validado foi usado como padrão ouro para medir a velocidade concêntrica média.
RESULTADOS
Validade concorrente do aplicativo
Uma correlação muito alta foi encontrada nos valores médios de velocidade medidos com o Spleeft e o LT, tanto no iOS (r2=0,98, SEE=0,01 m/s, erro médio = 0,025 m/s) quanto no Android (r2=0,96, SEE=0,01 m/s, erro médio = 0,029 m/s).
Confiabilidade e precisão das medições com o aplicativo vs LT
O teste t de amostras pareadas mostrou que não há diferenças significativas entre o aplicativo e o LT (p>0,05).
Os gráficos de Bland-Altman revelaram um pequeno erro sistemático em ambos os dispositivos (r2=0,35 no iOS e r2=0,25 no Android). No entanto, se fizermos os mesmos cálculos levando em conta apenas o componente de tempo, que é o valor que o Spleeft mede, já que a ROM deve ser introduzida pelo usuário, o erro sistemático foi mínimo (r2=0,096 no iOS e r2=0,046 no Android).
A explicação para esse fato é simples: o erro sistemático se deveu à variação da amplitude de movimento (ADM) com o aumento da velocidade, já que ele tirava os calcanhares do chão nos agachamentos mais rápidos. A ADM média medida com o LT foi de 48,28 cm ± 1 cm, enquanto a velocidade do movimento foi medida com o Spleefter com uma ADM constante de 47 cm. Nos agachamentos realizados entre 0,6 e 0,69 m/s, a ADM média medida pelo LT foi de 48,25 cm e, entre 0,7 e 0,81 m/s, foi de 49,14 cm.
Os gráficos de Bland-Altman são feitos com a diferença entre dois valores para comparar e sua média. Uma correlação r2 alta (<0,9) significa que há um erro sistemático.
Confiabilidade intraobservadores
O coeficiente de correlação intraclasse (CCI) revelou uma alta concordância entre todos os observadores: Spleeft para iOS e Android e o LT (CCI = 0,989, IC [95%] = 0,974–0,995) nas medições da velocidade concêntrica média. Não foram encontradas diferenças significativas entre o Spleeft na versão iOS e na versão Android (p > 0,05). O gráfico de Bland-Altman confirmou os resultados anteriores (r² = 0,09).
CONCLUSÕES
A confiabilidade do Spleef em ambas as plataformas é ainda maior do que no estudo de validação preliminar realizado no último lançamento do Android, visto que o erro médio é mínimo em todas as faixas de velocidade testadas, variando de 0,01 m/s entre 0,39 e 0,49 m/s até 0,037 m/s de erro médio entre 0,7 e 0,81 m/s.
Este aplicativo também é válido para estimar 1RM através do perfil carga-velocidade (4), pois sua confiabilidade para medir a velocidade do movimento foi testada, desde que a amplitude de movimento permaneça constante.
Uma variação na amplitude de movimento (ADM) de aproximadamente ± 2 cm não produz erros significativos na medição da velocidade média. Apesar dessa variação ter sido encontrada na medição da ADM com o LT, a correlação foi muito alta e não foram encontradas diferenças significativas na velocidade concêntrica média medida com o Spleeft e o LT.
É importante notar que esses dados foram medidos pelo Spleeft em smartphones de gama baixa a média, portanto, não é necessariamente preciso obter dados de um smartphone topo de linha.
Por fim, descobriu-se que o Spleeft é um aplicativo válido e confiável para medir a velocidade concêntrica média em comparação com um transdutor linear validado cientificamente, desde que a amplitude de movimento permaneça constante.
REFERÊNCIAS
1. González-Badillo JJ, Sánchez-Medina L. Velocidade de movimento como medida de intensidade de carga no treinamento de resistência. Revista internacional de medicina esportiva. 2010;31(5):347–52.
2. Sánchez-Medina L, González-Badillo JJ. Perda de velocidade como indicador de fadiga neuromuscular durante o treinamento de resistência. Medicina e ciência no esporte e no exercício. 2011; 43(9):1725–34. ¡
3. Pérez-Castilla A, Piepoli A, Delgado-García G, Garrido-Blanca G, García-Ramos A. Confiabilidade e validade concorrente de sete dispositivos disponíveis comercialmente para a avaliação da velocidade de movimento em diferentes intensidades durante o supino. Journal of Strength and Conditioning Research. 2019;33(5):1258–65.
4. Jidovtseff B, Harris N, Crielaard J, Cronin J. Utilizando a relação carga-velocidade para previsão de 1RM. Journal of strength and conditioning research. 2011;25(1):267–70.
