VBT訓練裝置設置的有效性及影響（三） | Validity and Effects of Placement of Velocity-Based Training Devices

VBT訓練裝置設置的有效性及影響（三） | Validity and Effects of Placement of Velocity-Based Training Devices

 

VBT訓練裝置設置的影響及其有效性

基於速度的訓練設備放置的有效性和效果

拉斐爾·弗里奇、簡·塞勒和邁卡·格羅斯

 

標準數據生成

透過處理運動捕捉數據及依據補充資訊（S1）中詳細描述的步驟，自每次反覆中生成標準參數的vmean和vpeak。簡而言之，槓鈴的左右端及其軌跡是使用放置在每個槓鈴上的六個反射標記來確定的。槓鈴左右端及其軌跡是使用放置於槓鈴上方的六個反射標記來加以確定。基於前述以及連接在槓鈴上的給定VBT設備距離測量，在槓鈴上標示一個虛擬標記，代表了設備的測量位置、軌跡和速度信號。該點的速度數據將專用於該VBT數倍的標準參數。對於每下反覆和附著點，向心階段的自動辨識將使用包括垂直速度起始閥值，0 m/s用於跳躍和深蹲[9,18] 或0.05 m/s用於懸掛力量抓舉。在對懸掛力量抓舉測試進行目視檢測後，採用稍高的閥值，0 m/s的閾值通常表示向心相位過早開始（因槓鈴在實際拉動開始之前向上爬升），導致vmean值被低估了0.3 m/s或更多。相較之下，更保守的閥值(0.05 m/s)可能僅早造成vmean約0.02 m/s的高估或更少（錯失了向心相位的初始 0.01-0.02秒）。使用0 m/s的閾值來確認所有練習的向心階段結束[9,18]。再次以目視方式評估所有反覆次數，以確保正確辨識向心相位。最後，平均（vmean）和峰值（vpeak）結合（標量）速度會在同心相位內被計算而出。

 

檢查及排除數據

對於每個VBT設備和速度參數，將基於所有可用的反覆、相關設備數據和標準數據，生成一個初步線性回歸。由此，計算每個數據點的標準差（殘餘標準差/標準差），並更仔細地檢查殘餘標準差大於2的數據點[21]。特別是對於標準數據的完整性是藉由設備連接點的位置-時間和速度-時間圖（從運動捕捉數據生成）被仔細地檢視。如果標準數據出現問題（例如由難以定義的向心相位開始，或形狀特別異常的向心速度曲線），排除此數據會被認為是合理的情況下，將排除此數據點在分析之外。此過程將持續到每次反覆的殘餘標準差小於2或在標準數據中沒有顯示出錯誤跡象。最後，這個程序將合理排除約5%的所有動作反覆次數，除此之外所有反覆都將包含在統計分析之中。

 

統計分析

每個VBT設備有效性分別使用所有有效反覆次數和Hopkins [22]推薦的三層方法評估vmean及vpeak，（1）皮爾森積差相關係數（r）（2）校正方程式（3）估計標準誤差（SEE）。校正方程式評估測量準確度，而r和SEE評估精密度。所有統計數據都是使用SciPy資料庫[23]內的Python定製腳本所計算而出。由於來自標準和實際測量系統的數據都存有一些隨機測量誤差，因此使用一般最小平方法（ordinary least product /OLP）回歸[24]生成校準方程式。回歸參數（斜率、截距）及其95%信任區間是依據Ludbrook [25]描述的方法計算而出。SEE則是依據OLP校準方程式的殘差手動計算出的。

其中其中 Xi和Yi分別為各個設備和標準數據點，a和b是OLP回歸[26]的截距和斜率。此外，SEE被以平均標準值百分比(SEEpct)方式計算呈現。相關係數分別用0.5、0.7和0.9的較低閾值來解釋大、非常大和極大[21]。透過假設兩個有意義的閾值來解釋絕對SEE：0.1 m/s，將足以識別在相對高的負重下30%的速度損失[2]，以及0.3 m/s，將足以針對特定目標導向訓練區[19]。因此，當SEE小於0.1 m/s和大於 0.3 m/s時將被認為是低和高，而落在0.1和0.3 m/s之間會被認定是中等。如果校準斜率的95信任區間不包括1，則認定存在比例測量偏差；如果校準斜率的95信任區間不包括0，則認為存在固定測量偏差[27]。這些統計數據分別針對每個練習和所有練習彙整。Quantum的結束統計數據將作為兩個設備的平均最終統計數據被呈現，以確保這些數據是基於與其他設備相當數量的數據點。根據每個運動分別對設備進行皮爾森基差r、SEE和SEE百分排名，然後將這些排名相加以獲得vmean和vpeak參數，來確定所有VBT設備整體有效性排名。

在這些統計計算內的每一個顯示在應用程式當中的設備數據，都將與在槓鈴上帶有附著點生成數據的運動捕捉數據加以比較。藉此可確認每個設備的技術準確度和精密度，確保與其在槓鈴上的位置無關。不過，額外的以槓鈴最外側點或剛好超出典型握距（距離槓鈴終端0.43 m）點以及槓鈴真實終點進行相同統計分析比較。這產生了附著點孤立影響，因此不考慮在這些點上使用VBT設備。

 

結果

數據組描述

總共記錄了724次反覆次數，來自14名參與者執行5種不同的自由重量運動配置（補充S2中的完整數據集）。按運動配置細分為：懸掛力量抓舉、反向跳躍、深蹲跳、中等重量深蹲和大重量深蹲，分別進行了171、139、136、140 和 138 次反覆次數。將使用前述的識別異常值的客觀程序，自，從 vmean分析中排除共37次次數，這通常是因為在標準數據中無法清楚地確認向心期的起始。此外由於標準數據中的明顯錯誤，以確認的異常值反覆中有21個被排除在vpeak分析之外。此外，每個設備偶爾會無故無法記錄到反覆次數，在這個情況下就無法分析給定設備次數。用於評估有效性的結果數據即將在表2中列出。

表2 數據組描述：

每個運動配置的反覆範圍列舉在括號中，在數據收集期間共進行了724次（每次練習 138-171 次）反覆，當中有37次（每次練習 0-23 次）被合理地排除在vmean 分析之外，

21次（每次鍛煉 0-12 次）被合理地排除在vpeak之外。有關合理排除的詳細信息，請參閱文本內的解釋。錯失反覆是那些無緣故沒有被VBT設備記錄到的反覆次數。

 

 

本文未完

原文文獻 :