在臥推過程中不穩定負重對穩定肌群及槓鈴軌跡的影響(EFFECT OF AN UNSTABLE LOAD ON PRIMARY AND STABILIZING MUSCLES DURING THE BENCH PRESS) – （二）

在臥推過程中不穩定負重對穩定肌群及槓鈴軌跡的影響(EFFECT OF AN UNSTABLE LOAD ON PRIMARY AND STABILIZING MUSCLES DURING THE BENCH PRESS) – （二）

在臥推過程中不穩定負重對穩定肌群及槓鈴軌跡的影響

方法

為了針對以上問題而對本研究設計的實驗方式，是將採用4個不同負重方式讓受試者進行比較。12名男性健力運動員會在1種定正常負重下進行5RM，並在另外3種不穩定條件負重下進行5RM臥推。在實驗過程中，每名受試者都將在各情況下皆進行相對重量的5RM臥推，在動作同時記錄上肢及軀幹肌肉活動和槓鈴軌跡情況。

受試對象

12名自願參與本次研究的男性健力運動員（年齡28.6±5.2歲；體重105.6±14.5 kg；舉重經驗9.8±6.0年；臥推5RM 133.6±30.9 kg），沒有不穩定負重訓練經驗者（未曾在訓練中市執行過不穩定負荷）或是曾經或是最近（在過去6個月之內）受過傷，使得被迫改變其正常生理活動者都被排除在本次研究之外。該研究得到了新英格蘭大學機構審查委員會的批准，所有參與本研究者都有提供其書面知情同意書(IRB #051716-011)。

研究過程

受試者會完成5個測試階段，每個階段至少間隔48小時。研究要求受試者在每次進行測試前24小時不要進行任何運。前4次階段將會用於確定受試者使用臥推動作分別進行5RM的穩定負荷（當中一種）和不穩定負重的變化方式（另外三種）。穩定條件將由標準槓片加載在標準槓鈴上進行。所有不穩定推舉條件均使用彈性槓鈴（Bandbell, Columbus, OH, USA）。將使用彈力帶（Serious Steel, Roanoke, VA, USA）加掛重物，不穩定條件分別為輕度彈力帶對折加掛槓片增加、標準迷你彈力帶對折加掛槓片增加，以及迷你彈力帶對折加掛壺鈴（圖1）。

在每次5RM測試之前，允許受試者進行自身平常的熱身方式。研究確認5RM的方式採用美國NSCA（National Strength and Conditioning Association）協會的最大強度測試指南所述的方式（13）。在最後一次測試當中，受試者將在前述1個穩定條件及3個不穩定條件下分別按各自的5RM來進行研究的5RM測試。受試者開始會從分別5下無負重及穩定條件5RM的50%重量來進行暖身。後面4種情況採隨機先後順序進行，在進行各種測試之前還讓受試者進行1組3下採5RM的75%負重，來讓受試者重新熟悉每個條件下的動作。

最後，受試者使用5RM的100%重量來進行5下1組的測試。會使用所有反覆次數來進行分析。在研究當中讓受試者自由決定自身使用的臥推姿勢及雙手位置。將手部位置進行標記以利在所有測試當中保持一致性。使用8台Oqus Series-3動態捕捉相機（Qualisys AB, Gothenburg, Sweden）解析率為1280*1024，以150 Hz頻率進行捕捉，來追蹤槓鈴軌跡。使用16頻無線EMG系統（Noraxon, Scottsdale, AZ, USA）來記錄淺層肌肉活動（二頭肌、三頭肌、三角肌、上/中/下斜方肌、胸大肌、背闊肌、前鋸肌和棘下肌）及深層穩定肌肉（棘上肌和肩胛下肌）的活動。所有的EMG表層傳感器都將根據SENIAM建議（6、7）來進行放置，並設置1500Hz頻率收集。肩胛下機的埋線位置將採用Ne ´meth等人的技術（14），且放置位置使用Gerber推力測試（8）確認。棘上肌的導線放置則採用Full can測試（8）來確認。本次未對於大圓肌進行活動測試，因為以顯示無法將位置固定一致，除非採用超音波定位引導（17）。平均肌肉活動將由線性振幅（60–200 Hz帶通濾波器,以及6 Hz低通濾波器）來進行確認並整合所有反覆次數內的肌肉活動。槓鈴軌跡將採用放置在槓鈴末端的濾波器標記來進行線性軌跡的李亞普諾夫指數分析（LyE）及相同濾波器下的樣本熵（SE）分析來進行數據估算。LyE的估算方式類似於使用MATLAB (MathWorks, Natick, MA, USA) 內進行的Wolf算法 (20)。此運算模式為使用平均相互資訊方式來計算延遲時間及一個虛假最鄰近點來估算嵌入維數（1），進而得出LyE的單指數結果。SE則是使用在physionet.org（18）上的MATLAB進行運算。

統計分析

為了評估數據的常態性，本研究使用分位數散佈圖（Q-Q plots）進目視檢視、Levene 組內變異數同質性檢定以及Shapiro-Wilk常態分配檢定。奠基於上述分析，確認了數個虛假離群值（大於3個標準差），然後透過能夠檢定極端離群值的Winsorization得以保守地進行排除（5）。由於考慮到動態運動如不穩定胸推可能造成動作人為干擾帶入EMG之中，因此我們認為前述方式是必要進行的。研究對於數據進行有無異常值分析後發現排除離群值後，中三角及中斜方肌的差異直達顯著。使用變異數分析（ANOVA）來進行所有數據變量差異分析。也使用Mauchly球形檢定來檢視變異數

變異數分析的結果未能通過Mauchly球形檢定，故使用Geisser-Greenhouse(G-G)校正方式對於變異數分析結果進行校正。僅只有在變異數分析結果達顯著時（p = 0.05），才進行Bonferroni事後檢定。所有的統計分析均使用SPSS v21（IBM, Chicago, IL, USA）執行。

本文待續