Resumen
Se ha demostrado que el análisis de la variabilidad en las series de tiempo fisiológicas es un indicador del estado del organismo. Aunque hay evidencia de la utilidad del análisis de la cantidad y/o estructura de variabilidad (complejidad) en las acciones de ciclismo, existe un conocimiento limitado sobre su aplicación en el ejercicio de resistencia. El objetivo de este estudio es descubrir si la variabilidad en las señales de aceleración puede ser un indicador del nivel de intensidad en una tarea de sentadillas. Para este propósito, se desarrolló un diseño experimental en el que lo siguiente participó setenta y dos participantes (edad = 25.7 ± 4.4 años; altura = 169.2 ± 9.8 cm; masa corporal = 67.7 ± 11.2 kg; relación 1RM/masa corporal = 1.4 ± 0.3). Realizaron cuatro repeticiones de sentadilla trasera a cargas de 10%, 30%, 50%, 70%y 90%de 1RM. La aceleración durante el ejercicio se registró utilizando una unidad de medición inercial (IMU) y una plataforma de fuerza. La variabilidad del movimiento se analizó luego utilizando la desviación estándar (DE), el análisis de fluctuación perjudicada (DFA), la entropía difusa (Fuzzyen) y la entropía de la muestra (Sampen). Para la IMU y para la plataforma de fuerza, se observaron efectos significativos en todas las variables (P <0.001). En las comparaciones por pares, IMU mostró un aumento significativo en la complejidad motora con una intensidad creciente, entre la mayoría de las intensidades, en DFA, Fuzzyen y Sampen. Las diferencias en la plataforma de fuerza fueron más limitadas, y solo DFA detectó diferencias entre la mayoría de las intensidades. Los resultados sugieren que las medidas de señal y variabilidad de aceleración pueden ser un indicador útil de la intensidad relativa en la que se realiza un ejercicio de sentadillas.
Introducción
La variabilidad motora es una característica del movimiento humano definido por las variaciones normales que ocurren en el rendimiento del motor a través de las repeticiones durante la ejecución de una habilidad motor (1). Esta variabilidad indica que cada repetición tiene diferentes patrones motores de la próxima repetición para que una repetición nunca sea la misma que el siguiente, independientemente del nivel de experiencia de una persona (2). La variabilidad motora puede considerarse un fenómeno adaptativo, ya que se puede lograr un resultado consistente a través de la ejecución de diferentes patrones motores (3). Además, la variabilidad también se considera un fenómeno que ayuda al aprendizaje motor a través de la exploración de posibles soluciones en una habilidad motor (4).
Existen diferentes procedimientos para analizar la variabilidad motora, y específicamente, el análisis de la estructura de la variabilidad se ha relacionado con los procesos de autoorganización, proporcionando información importante sobre la dinámica y la capacidad adaptativa de los organismos vivos (1, 5). El análisis de la estructura de variabilidad se puede realizar a través de diferentes procedimientos; Entre ellos, el uso de herramientas no lineales nos permite estudiar mejor las variaciones de comportamiento motor y cómo emergen con el tiempo (1), proporcionando información adicional sobre la dinámica de la variabilidad (6) y su complejidad (7). Las herramientas no lineales se utilizan para evaluar la complejidad del movimiento o el movimiento de la variabilidad, cada una de las cuales analiza diferentes propiedades de variabilidad (6). Entre ellos, el DFA (8) es una medida fractal que analiza la autocorrelación de largo alcance de la señal para evaluar la complejidad. Otra herramienta utilizada para evaluar la complejidad es Fuzzyen (9), que evalúa el grado de irregularidad de la señal, con valores de entropía más altos que indican una mayor irregularidad.
Una restricción se refiere a cualquier factor que limite o influya en el comportamiento motor, y estas restricciones pueden ser de una naturaleza interna (flexibilidad, fuerza muscular, etc.) o de naturaleza externa (peso de un objeto, reglas de tareas específicas, etc.) (3, 10) En el entrenamiento de fuerza, existen diferentes restricciones que se usan comúnmente, como el número de repeticiones y conjuntos que se realizarán, la velocidad de ejecución, los períodos de descanso o la carga que se elevará, entre otros. Varios estudios han manipulado diferentes restricciones en el entrenamiento de fuerza para analizar su influencia en la estructura de variabilidad, como el uso de tareas que inducen fatiga (11), modificando el tipo de contracción (12), utilizando plataformas inestables (13), o equipos deportivos como una pelota de rugby (14).
La intensidad de la carga es una de las variables más utilizadas para modificar la intensidad del entrenamiento de resistencia (15), pero según el conocimiento del autor hay pocos estudios que analizan la influencia de algunas intensidades de carga en la estructura de variabilidad (16). Pethick et al. (16) analizaron la complejidad de la producción de fuerza en los extensores de la rodilla isométricamente para ver cómo se modifica esta complejidad motora en presencia de fatiga. Descubrieron que la fatiga redujo la complejidad de la producción de fuerza al limitar la adaptabilidad del sistema neuromuscular a restricciones externas. Sin embargo, debe tenerse en cuenta que el objetivo de este estudio era analizar la complejidad de la producción de fuerza durante las tareas fatigantes.
Examinar la variabilidad de la fuerza con respecto a la intensidad de la carga de entrenamiento de resistencia puede profundizar las ideas sobre la adaptación motora y la dinámica de la respuesta del sistema motor a las condiciones de entrenamiento. La aplicación de herramientas no lineales refina aún más la evaluación de la complejidad de la variabilidad de la fuerza. Dado el creciente interés en emplear herramientas no lineales para el análisis de complejidad del movimiento en la capacitación de resistencia (17) Y reconociendo que las restricciones como la intensidad de la carga pueden alterar la complejidad del movimiento, este estudio tiene como objetivo investigar el impacto de una restricción, específicamente la intensidad de la carga, en la estructura de variabilidad durante un ejercicio de sentadillas.
Métodos
Participantes
Setenta y dos participantes sanos (edad = 25.7 ± 4.4 años; altura = 169.2 ± 9.8 cm; masa corporal = 67.7 ± 11.2 kg; una repetición máxima (1RM) en squat = 95.5 ± 28.7 kg; relación 1rm/masa corporal = 1.4 ± 0.3) tomó parte en el estudio ((((Tabla 1). El reclutamiento de participantes comenzó el 1 de marzo de 2021 y terminó el 31 de junio de 2021. Antes de la participación, cada sujeto proporcionó consentimiento informado por escrito, que fue aprobado por el Comité de Ética de la Universidad (PID2019-109632RB-100), y que se adhirió a la Declaración de Helsinki. La Oficina de Investigación Responsable (OIR), como Comité de Ética de la Universidad, aprueba la declaración de ética de la investigación bajo Registro 2019.417.e.oir; 2020.34.e.oir y referencia dcd.rss.02.19.
Los participantes recibieron instrucciones de mantener su estilo de vida normal, incluidos los estados nutricionales y de hidratación. No se permitió la ingesta de cafeína en las 3 h antes de las mediciones. Además, las sesiones de entrenamiento de resistencia no estaban permitidas en las 72 h antes de las sesiones experimentales. Todos los participantes tuvieron al menos un año de experiencia en entrenamiento de resistencia en el ejercicio en cuclillas y no tuvieron heridas durante los seis meses Antes del estudio.
Procedimiento
Los participantes asistieron a tres sesiones de prueba separadas por al menos 72 h. Para evitar la variabilidad del sesgo de datos experimentales, los participantes fueron programados al mismo tiempo para cada sesión. El primer día, los participantes realizaron la prueba de sentadilla de 1RM después de estar familiarizado con el protocolo de calentamiento. La profundidad de la sentadilla estaba en la posición paralela de sentadilla (18). La prueba de 1RM se realizó después de un protocolo establecido, que requería que la carga aumentara progresivamente hasta que la velocidad propulsora media estuviera por debajo de 0,5 m/s, ya que varios estudios abogan por el uso de la velocidad del movimiento para la estimación de 1RM ((19). El 1RM estimado fue calculado automáticamente por el software especializado del transductor de posición lineal (sistema T-Force, Ergotech, España). En la segunda y tercera sesiones, los participantes realizaron el protocolo experimental, que consistió en un total de cinco series de cuatro repeticiones consecutivas (por ejemplo, sin descanso entre ellas) en el ejercicio de sentadillas. El ejercicio de traspaso requería que los sujetos descansaran la barra en su trapecio y luego se pongan en cuclillas a la posición paralela, que se definió como cuando el trocánter mayor del fémur se bajó al mismo nivel que la rodilla. La profundidad adecuada de la repetición se aseguró colocando una pequeña barra a la altura individual a la que cada participante tuvo que descender para tocarla ligeramente con las nalgas y realizar el ascenso. Los participantes realizaron un conjunto con cada una de las siguientes cargas: 10%, 30%, 50%, 70%y 90%de 1RM a una velocidad preferida. El orden de las cargas fue equilibrado entre los participantes. Los intervalos de descanso entre conjuntos fueron 4 min.
Recopilación y análisis de datos
Para determinar RM y monitorear la velocidad propulsora media durante el protocolo SET, se empleó un sistema de codificador lineal (Sistema de medición dinámica T-Force, Ergotech, Murcia, España). Los datos de la fuerza de la plataforma requeridos para el análisis se obtuvieron utilizando un Kistler (Suiza, Modo 9287BA), que se calibró con el software Instacal (Medeurement Computing Corporation, Norton, EE. UU.) Antes de comenzar el protocolo. Se registraron señales de aceleración utilizando una IMU realizada por STT-System (San Sebastián, España). El IMU estaba situado en la región lumbar al nivel de la cresta ilíaca entre la vértebra L3 y L5. Tanto la plataforma de fuerza como la IMU se registraron a 100 Hz a través del software ISENTM (STT-System, San Sebastián, España). Se analizaron la SD y la estructura de variabilidad de la serie temporal del módulo de aceleración. El módulo (o vector) de la aceleración se obtuvo calculando la raíz cuadrada de la suma de los valores registrados en los ejes z, x e y al cuadrado. La serie se analizaron utilizando DFA para la escala fractal, Fuzzyen y Sampen, para analizar la regularidad o la previsibilidad. Fuzzyen se calculó utilizando un protocolo establecido por Chen et al. (9), los parámetros utilizados fueron M = 2, R = 0.2 * SD y N = 2. Se calculó el sampen utilizando un protocolo establecido por Yentes et al. (20), los parámetros utilizados fueron M = 2 y R = 0.2 * SD. DFA se calculó de acuerdo con Peng et al. (8) y usando ventanas de una segunda duración. La duración de las ventanas se ajustó en función de la frecuencia de muestreo. Por lo tanto, utilizamos 4 ventanas iniciales y 100 ventanas finales. El uso de IMU para el estudio de la variabilidad a través de la aceleración en dichos protocolos ha mostrado una confiabilidad moderada a buena y un error estándar relativamente bajo de medición (21).
Análisis estadístico
Los datos obtenidos se analizaron utilizando JASP 0.17.1.0 (el sorprendente programa de estadísticas de Jeffreys). La normalidad de las variables se evaluó utilizando la prueba Kolmogorov-Smirnov. Las ANOVA de medidas repetidas con un factor (5 x 1) se realizaron en las diferentes cargas, utilizando análisis para ver si había diferencias en las diferentes cargas porcentuales en las variables ‘DFA, Fuzzyen, Sampen y SD. Se realizó un análisis post-hoc para analizar las comparaciones por pares y se aplicó la corrección de Bonferroni. El nivel de significación estadística se consideró p <0.05. Squared parcial al cuadrado (η2p) se calculó como una medida del tamaño del efecto y para proporcionar una proporción de la varianza total atribuible al factor. Los valores de tamaño del efecto ≥ 0.64 se consideraron fuertes, alrededor de 0.25 se consideraron moderados y ≤ 0.04 se consideraron pequeños (22).
Resultados
El análisis ANOVA mostró un efecto significativo general entre las cargas en el dispositivo IMU para el DFA (F = 94.697; P <0.001; N2P = 0.575), Fuzzyen (F = 182.526; P <0.001; N2P = 0.720), Sampen (F = 75.940; P <0.001; N2P = 0.517) y SD (F = 32. 0.001; Para las comparaciones por pares, se encontraron diferencias significativas entre todas las cargas, excepto la comparación entre (10%-30%) en las medidas de DFA y Sampen. Para Fuzzyen hubo un efecto estadísticamente significativo entre todas las cargas. En el caso, se obtuvieron diferencias significativas entre todas las cargas, excepto las comparaciones entre (10%-30%), (10%-50%), (30%-50%) donde no hubo diferencias significativas. Fig. 1 muestra las diferencias significativas entre cada una de las cargas en la IMU.
