Nueva publicación del Lab: Enlace
Los resultados de este trabajo complementan a los hallazgos previamente publicados por nuestro laboratorio (Courel et al., 2019 y 2020) y comentados en este BLOG. Con el mismo enfoque metodológico, esta nueva investigación somete a examen a otro número importante de tecnologías disponibles en el mercado para la monitorización de la velocidad de desplazamiento de las cargas.
Además de las nuevas tecnologías examinadas y de mantener los estadísticos, se incorporan en este trabajo novedosos análisis de datos como el estudio del error de la medida para tres sectores diferentes dentro del espectro completo de la curva carga-velocidad. Gracias a una correcta interpretación de este análisis segmentado, investigadores, entrenadores y atletas pueden conocer cuál va a ser el error de cada dispositivo cuando se estén utilizando cargas bajas (<50% 1RM), medias (50%-80% 1RM) y altas (>80% 1RM). Cabe recordar que una de las principales ventajas del entrenamiento de fuerza basado en la velocidad (velocity-based resistance training, en inglés) es la posibilidad de programar la intensidad relativa y evaluar los cambios en el rendimiento del participante sin necesidad de realizar un test hasta la repetición máxima (1RM) o un test de repeticiones hasta le fallo muscular (xRM). De esta manera, el entrenador/investigador puede cuantificar objetivamente la evolución del rendimiento del atleta midiendo los cambios que se producen ante todas las cargas comunes (kg) ejecutadas antes y después del programa de entrenamiento (Pre – Post), donde las cargas bajas y medias son fundamentales para interpretar convenientemente los efectos del entrenamiento sobre el rendimiento deportivo. Resulta decisivo, por lo tanto, que estas tecnologías tengan un nivel suficiente de sensibilidad ante todo el espectro de la curva carga-velocidad, es decir, ante las cargas altas, medias y bajas.
Por otro lado, al igual que se realizó en la primera investigación, este nuevo estudio proporciona una interpretación práctica de los resultados. Concretamente, el error de la medida para cada dispositivo se contextualiza mediante los niveles de acuerdo aceptables (5% de las 1RM), pero sobre todo, se incluyen los estadísticos descriptivos del error estándar de la medida (SEM) y el cambio mínimo detectable (SDC). Teniendo en cuenta estos dos últimos, los resultados del presente proyecto nos permiten interpretar que, para la práctica profesional, tendremos una seguridad razonable (68% de confianza) de que se ha producido un cambio en el rendimiento del atleta si empleamos dispositivos cuyo error estándar de la medida (SEM) sea menor que el cambio observado como consecuencia de la intervención aplicada (por ejemplo, un programa de entrenamiento). Sin embargo, si necesitamos tener una seguridad más alta, casi abosluta, (95% de confianza) de que se ha producido un cambio real en el rendimiento del atleta (ej. clínica, investigación o alto nivel) el cambio mínimo detectable (SDC) del dispositivo debe ser menor que el cambio observado tras el programa de intervención (Atkinson & Neville, 1998; Beckerman et al., 2001; Hopkins, 2000; Patterson, 1955). En las Figuras 1 y 2 se muestra un ejemplo del análisis del error inter-dispositivo con estos novedosos análisis e interpretación de resultados para la muestra sometida a estos estudios (Figura 1 y 2).
Figura 1. GráficosBland-Altman inter-dispositivo en el ejercicio de Sentadilla. El área sombrada en gris indica el nivel de acuerdo aceptable
≤ 5% 1RM.
Figura 2. GráficosBland-Altman inter-dispositivo analizado en el ejercicio de Press Banca. El área sombrada en gris indica el nivel de acuerdo aceptable
≤ 5% 1RM.
Así, por ejemplo, si un atleta con una 1RM de 100 kg en el ejercicio Press Banca registra una mejora de 0.07 m/s ante una misma carga común (por ejemplo, 70kg) después de 6 semanas de intervención (aparentemente una mejora de ~5% 1RM), solo podremos tener una seguridad razonable de que se ha producido realmente un cambio en el rendimiento del atleta si el dispositivo con el que se ha medido tiene un SEM < 0.07 m/s. Si queremos tener una seguridad prácticamente absoluta de que se ha producido realmente ese cambio de rendimiento, la evaluación debería de haber sido realizada con un dispositivo cuya SDC sea < 0.07 m/s (Figura 3).
En otro ejemplo real, analizando los resultados de un programa de intervención de 10 semanas con deportistas de diferentes grados de experiencia y rendimiento, la Figura 4 muestra la media y desviación estándar de los cambios producidos (Pre vs. Post) ante todas las cargas comunes de un test incremental submáximo para cada grupo de nivel (Noveles, Experimentados, Élite y un Grupo Control que no entrenó). Además, en la parte central de cada barra se muestra el rango con los cambios individuales mínimo y máximo de ese grupo en valor absoluto (m/s). Atendiendo al error estándar de la medida (SEM), podemos concluir que los dispositivos T-Force System, Speed4Lift, Velowin y Chronojump nos permitirían tener una seguridad razonable en la práctica profesional de que se ha producido un cambio en los deportistas Nóveles, Expertos o Control, ya que el cambio mínimo individual fue de 0.06 m/s. Si analizamos los cambios de los deportistas Élite, las posibilidades se reducen, puesto que sólo los dispositivos T-Force System, Speed4Lift y Velowin presentan suficiente calidad de la medida para poder interpretar un cambio real en el rendimiento del atleta con una seguridad razonable (cambio mínimo observado 0.03 m/s).
En este mismo ejemplo práctico, si queremos tener una seguridad prácticamente absoluta (SDC) de que se han producido realmente esos cambios de rendimiento, únicamente el dispositivo T-Force System podría utilizarse para la medida, puesto que es el único que presenta un SDC ≤ 0.03 m/s, es decir, un error técnico menor que el cambio mínimo producido en todos los grupos de nivel.
Figura 4. Efectos de un programa de intervención de 10 semanas con deportistas de diferentes grados de experiencia y rendimiento (Nóveles, Experimentados, Élite, Grupo Control que no entrenó). Se muestra el Tamaño del efecto (ES), la media, desviación estándar, así como los rangos mínimo y máximo de los cambios individuales.
Ahora bien, el análisis por segmentos de la curva carga-velocidad que se ha incorporado en esta última investigación, nos muestra que los estadísticos SEM y SDC se incrementan notablemente en algunos dispositivos ante velocidades medias y altas (es decir, cargas medias y bajas; < 80%1RM) (Figura 1 y 2). Sin embargo, tal y como se ha comentado anteriormente, resulta fundamental la inclusión de cargas medias y bajas en los test para interpretar convenientemente los cambios en el rendimiento del atleta tras un periodo de entrenamiento/desentrenamiento.
En su conjunto, todos los resultados de este proyecto nos sugieren que actualmente ya existen en el mercado un número importante de dispositivos que presentan una calidad de la medida adecuada para monitorizar la velocidad de todo el espectro de cargas en multitud de contextos y actividades profesionales (cambios > 0.05 m/s). Entre todos ellos, el usuario deberá escoger en función de sus requerimientos logísticos (necesidad de ordenador, dispositivo móvil o corriente eléctrica, tiempo de montaje, etc.), de la versatilidad, estabilidad y funciones del software, y por supuesto, del precio (Véase Tabla 1 de Courel et al., 2019 y Tabla 1 de Martínez-Cava et al., 2020). No obstante, si el usuario presenta objetivos de investigación, clínica o monitoriza deportistas de élite donde los cambios del rendimiento son muy sutiles pero relevantes (≤ 0.03 m/s), se le recomienda la utilización de dispositivos de gama alta.
Referencias
Atkinson, G., & Nevill, A. M. (1998). Statistical methods for assessing measurement error (reliability) in variables relevant to sports medicine. Sports Medicine, 26(4), 217-238.
Beckerman, H., Roebroeck, M. E., Lankhorst, G. J., Becher, J. G., Bezemer, P. D., & Verbeek, A. L. (2001). Smallest real difference, a link between reproducibility and responsiveness. Quality of Life Research, 10(7), 571–578. https://doi.org/10.1023/a:1013138911638
Courel-Ibáñez, J., Martínez-Cava, A., Morán-Navarro, R., Escribano-Peñas, P., Chavarren-Cabrero, J., González-Badillo, J. J., Pallarés, J. G. (2019). Reproducibility and Repeatability of Five Different Technologies for Bar Velocity Measurement in Resistance Training. Annals of Biomedical Engenering, 47(7):1523-1538. doi: 10.1007/s10439-019-02265-6
Courel-Ibáñez, J., Martínez-Cava, A., Hernández-Belomonte, A., González-Badillo, J. J., Pallarés, J. G. (2020). Technical Note on the Reliability of the PowerLift App for Velocity-Based Resistance Training Purposes: Response. Annals of Biomedical Engenering, 30(1), 1–15. https://doi.org/10.2165/00007256-200030010-00001
Hopkins, W. G. (2000). Measures of reliability in sports medicine and science. Sports Medicine, 30(1), 1–15. https://doi.org/10.2165/00007256-200030010-00001
Martínez-Cava, A., Hernández-Belmonte, A., Courel-Ibáñez, J., Morán-Navarro, R., González-Badillo, J. J. & Pallarés, J. G. (2020). Reliability of technologies to measure the barbell velocity: implications for monitoring resistance training. Plos One. 10.1371/journal.pone.0232465
Patterson, C. H. (1955). The Interpretation of the Standard Error of Measurement. The Journal of Experimental Education, 23(10), 853. https://doi.org/https://www.jstor.org/stable/20153967
