Tablas de carga-esfuerzo y su uso para la planificación – Parte 5

por | 2 de agosto | Ciencias del Ejercicio, Web | 0 Comentarios

Parte anterior:

Tablas de esfuerzo de carga y su uso para la planificación – Parte 4

Introducción y resumen hasta ahora

En las partes anteriores de esta serie de artículos, hemos cubierto mucho terreno. Resumámoslo antes de seguir adelante. En resumen, los fenómenos que queremos mapear o modelar son los siguientes: cuanto más peso hay en la barra, menos repeticiones se pueden hacer. Para hacer esta relación más generalizable (es decir, a más personas), el peso o la carga en la barra es a menudo normalizado usando el %1RM. esto es lo que he llamado relación reps-max (relación entre repeticiones máximas y %1RM). Incluso como tal, esto representa relaciones específicas del individuo y del ejercicio que se pueden modelar con varias ecuaciones matemáticas. En la parte anterior, hemos explorado (1) las ecuaciones de Epley, (2) Epley modificada, (3) lineal o de Brzycki, así como (4) regresión lineal simple y regresión polinomial.

Dependiendo de nuestros objetivos (es decir, cómo pretendemos usar la relación estimada), podemos aplicar las ecuaciones antes mencionadas usando varios enfoques. Idealmente, queremos que la relación reps-max trazada sea individual y específica para los ejercicios. Esto implica hacer un modelo para cada individuo y cada ejercicio por separado. De esta forma podemos obtener perfiles individuales (para un solo ejercicio, o patrón de movimiento) que son muy útiles para la prescripción individualizada, particularmente para el especialistas en fuerza durante las próximas fases de entrenamiento de fuerza.

Más que crear perfiles individualizados, a menudo nos interesa hacer afirmaciones generalizables y mapear relaciones generales o genéricas. Por ejemplo, algo que podemos usar para la prescripción de entrenamiento para un solo atleta o un grupo de atletas en varios ejercicios (al mismo tiempo que somos conscientes de los errores del modelo). O para comparar diferentes ejercicios (es decir, ¿somos capaces de hacer más repeticiones hasta el fallo al 80 % en los movimientos de tracción de la parte superior del cuerpo en comparación con los movimientos de empuje?) repeticiones al 80% en comparación con más experiencias, más fuertes o atletas masculinos?). Por estas razones, podemos agrupar a varios individuos haciendo ejercicios únicos o múltiples. Luego, esto se puede mapear utilizando modelos combinados o de efectos mixtos/jerárquicos.

Una vez que tenemos esta relación representada o mapeada, podemos usarla para hacer prescripciones y progresiones de entrenamiento de fuerza. Incluso si son matemáticamente claros, estos métodos de progresión se basan en algunas suposiciones sólidas, que a menudo son incorrectas pero pueden ser útiles si somos lo suficientemente flexibles para entenderlas como herramientas, no verdades. En las partes anteriores de esta serie de artículos, he explicado varios de estos métodos de progresiones: (1) intensidad deducida (DI), (2) intensidad relativa (RI), (3) repeticiones en reserva (RIR) y (4) % de repeticiones máximas (%MR).

Con suerte, ya está claro que no tenemos LA ÚNICA forma de trazar esto y crear LA PROGRESIÓN que debemos seguir. Puede haber más de un marco correcto que podamos usar. Pero por favor no sucumbas a relativismo – no todos los enfoques son iguales o igualmente útiles. Más bien, acepta la pluralismo de modelos: es posible hacer un juicio racional entre varios marcos y decidir que algunos son mejores que otros. personalmente, soy realista pragmático y abordar estos marcos de progresión como heurísticas. Recuerde las herramientas, no la verdad.

Independientemente de la Iglesia a la que ore, se necesitan los siguientes requisitos y son comunes en todos los marcos:

  1. Necesita conocer los 1RM de los atletas
  2. Necesitas hacer múltiples series hasta el fallo.
  3. necesitas tener designado sesiones o fases de prueba

En esta parte del artículo, presentaré técnicas novedosas que no necesitan los requisitos previos anteriores y, como tales, pueden implementarse como pruebas integradas. Las pruebas integradas permiten reconciliación del prueba ~ entrenamientoo explorar ~ explotar aspectos complementarios 2818. En un lenguaje no nerd, esto nos permite estimar 1RM y perfiles individuales/de ejercicio a través de la recopilación de datos de entrenamiento (es decir, de observación) y sin interrumpiendo el proceso de formación. Todavía puede implementar sesiones de prueba designadas para verificar qué puede manifestar el atleta, pero las pruebas integradas se pueden usar como monitoreo continuo o continuo y actualización bayesiana, lo que puede ayudarnos a proporcionar una prescripción y un seguimiento más individualizados. Más importante aún, esto se puede implementar tanto para los especialistas en fuerza como para los generalistas de fuerza.

Llevando series al fallo, pero sin saber 1RM

En las partes anteriores de esta serie de artículos, hemos utilizado datos de repeticiones hasta el fallo (RTF) para 12 atletas. Pero ahora supongamos que no conocemos sus 1RM, por lo que no podemos calcular %1RM. Solo conocemos el peso utilizado y el número máximo de repeticiones (nRM) realizadas (Tabla 1).

Atleta

Peso (kg)

nRM

Atleta A

90,0

6

80.0

13

70.0

22

Atleta B

85.0

3

75,0

8

67.5

12

Atleta C

107.5

1

95.0

4

85.0

6

atleta D

95.0

4

85.0

9

72.5

dieciséis

atleta mi

100.0

3

87.5

7

77.5

10

atleta f

80.0

5

72.5

10

62.5

18

atleta g

92.5

3

82.5

6

72.5

12

atleta h

117.5

4

105.0

8

90,0

15

atleta yo

97.5

5

85.0

12

75,0

20

atleta j

82.5

2

75,0

5

65,0

9

atleta k

92.5

2

82.5

4

72.5

7

atleta L

125.0

3

112.5

6

97.5

11

Tabla 1: Pruebas de repeticiones al fallo de los 12 atletas

Visualicemos la Tabla 1. Mire la Figura 1. Sin conocer el 1RM de los atletas, no podemos normalizar el peso y use %1RM en el eje x. Lo que es peor que tener esta figura que parece un plato de espaguetis tirada contra la pared, es que no podemos estimar ni genérico (o grupal/agrupado), ni perfiles reps-max individuales. ¿Qué se puede hacer?

Figura 1: Pruebas de repeticiones hasta el fallo de los 12 atletas

Todas las definiciones de modelos explicadas en la parte anterior de esta serie de artículos utilizan el %1RM como variable de predicción, pero como se ha mencionado algunas veces hasta ahora, no conocemos el %1RM porque no conocemos el 1RM de los atletas. Esto me desconcertó por un breve período de tiempo. Si no sabemos 1RM, tal vez podamos estimar ¿a ellos? Lo que he hecho, es que he introducido otro parámetro del modelo: 1RM (idealmente deberíamos llamarlo est1RM para diferenciarlo del 1RM observado). Este parámetro adicional se está estimando junto con k, kmodo klin parámetro. La Tabla 2 contiene definiciones de modelos que usan %1RM (o los modelos que hemos usado hasta ahora), así como definiciones de modelos que usan peso absoluto en su lugar.

Tenga en cuenta que el modelo de Epley estima 0RM, no 1RM. He probado diferentes definiciones de modelos, donde se estima 1RM: nRM = (k * 1RM + 1RM - w) / (k * w). Desafortunadamente, tuve problemas con la estimación de parámetros. Tal vez en el futuro lo mejore, pero mientras tanto use la Ecuación 1 para estimar 1RM a partir de 0RM usando el modelo de Epley.

\[\begin{equation}
1RM = \frac{0RM}{k + 1}
\end{equation}\]

Ecuaciones 1

Nombre del modelo

Utiliza %1RM (un parámetro estimado)

Utiliza Peso (dos parámetros estimados)

Epley

nRM = (1 – %1RM) / (k * %1RM)

nRM = (0RM – w) / (k * w),

Epely modificado

nRM = ((kmod – 1) * %1RM + 1) / (kmod * %1RM)

nRM = ((kmod – 1) * w + 1RM) / (kmod * w),

Lineal/de Brzycki

nRM = (1 – %1RM) * klin + 1

nRM = (1 – (con / 1RM)) * klin + 1

Tabla 2: Definiciones de modelos. Los modelos originales utilizan %1RM y estiman un parámetro (ya sea k, kmody klin). Definiciones de modelos que utilizan peso absoluto, además de estimaciones k, kmodo klin parámetro, estimar uno adicional (es decir, 1RM)

Para demostrar cómo funcionan estos modelos, tomemos nuestro Atleta C como ejemplo. La Tabla 3 muestra los parámetros estimados para los modelos de Epley, Epley modificado y lineal/Brzycki, incluidos los 1RM estimados y las métricas de rendimiento del modelo. La figura 2 muestra las predicciones del modelo. Tenga en cuenta que los modelos de Epley y Epley modificado tienen las mismas predicciones de peso, pero tenga en cuenta que tienen diferentes…

[Truncado a 8000 caracteres] [Traducido Automáticamente]

Publicación Original

Compartir:

Sigue leyendo:

Comenta:

0 comentarios

Enviar un comentario

Newsletter

Recibe todas las actualizaciones de Ciencias del Ejercicio en tu Email.