Comment utiliser l’entraînement basé sur la vitesse et l’analyse de l’amplitude de mouvement pour suivre vos progrès de manière précise

Un des moments les plus excitants et réconfortants pour chaque entraîneur sur Terre est quand nos athlètes réussissent un PR. C’est presque comme si nous accomplissions nous-mêmes et que le sentiment de « mon travail paie » soit le repas parfait pour nourrir notre ego.

Mais, et si je vous disais qu’il y a une chance que vous ayez mal interprété les véritables progrès de votre athlète?

Il y a quelques années, pendant un travail de statistiques pour mon master, nous avons parlé de comment interpréter les résultats des tests et d’analyser différentes données. L’un des exercices consistait à analyser la différence entre quelques pré-tests et post-tests, à les interpréter, à présenter un rapport et à le partager avec le reste de la classe. Cela semblait être une tâche assez simple et facile, en fait trop facile. J’ai terminé l’exercice en utilisant une simple analyse montrant le % de changement individuel et en le comparant à la moyenne du groupe. Jusque-là, tout va bien.

Cependant, la simple tâche n’était rien d’autre qu’un piège pour le professeur. Dès qu’il a passé en revue l’un des rapports, il a dit l’une des citations les plus puissantes que j’aie jamais entendues et celle qui a changé la façon dont je me sentais à propos des statistiques, passant de la pure haine à une attitude beaucoup plus enthousiaste. « N’importe qui peut être un grand entraîneur avec une utilisation merdique des statistiques ».

En bref, la tâche était simplement une introduction à l’un des sujets les plus pertinents, sinon le plus pertinent, en matière d’analyse statistique dans le domaine des sciences du sport, l’inférence basée sur la magnitude (MBI) 1,2.

Considérons les résultats obtenus à partir d’une mesure. Si nous pouvions faire une mesure «parfaite», nous obtiendrions la «valeur vraie». Cependant, la réalité est que les mesures que nous faisons ne sont jamais parfaites, et les valeurs obtenues à partir de la mesure sont donc des estimations de cette «valeur vraie». Une valeur mesurée sera différente de la «valeur vraie» hypothétique pour plusieurs raisons différentes, dont certaines que nous connaissons peut-être, d’autres que nous ne connaissons peut-être pas.

Figure 1 : Exactitude et reproductibilité (précision) d’une mesure. La vraie valeur est toujours inconnue, mais plus la moyenne des mesures s’en rapproche, plus la précision de la mesure est élevée3.

 

Nous appelons la différence entre une valeur mesurée et la valeur «vraie» de l’ERREUR, et plus l’une est proche de l’autre, plus notre mesure est précise. Par définition, nous ne pouvons jamais connaître la valeur exacte du «vrai» et sans elle, nous ne pouvons pas non plus connaître la différence exacte entre elle et les mesures que nous avons effectuées. Ainsi, connaître la valeur exacte d’une erreur est impossible 3.

Cependant, nous pouvons décrire l’erreur dans le résultat d’une mesure particulière comme un tirage d’une distribution de probabilité. L’incertitude associée à une valeur mesurée est une mesure de cette distribution de probabilité. En particulier, l’incertitude standard est l’écart type de cette distribution de probabilité. Cela signifie que plus la variabilité d’un jeu de données est importante, plus l’incertitude et l’erreur seront importantes.

Tout le monde est familier avec les tests de RM1, qui sont souvent considérés comme le «standard d’or» pour évaluer la capacité de force des individus dans les environnements non laboratoires4

Tester la force maximale est probablement plus précis, mais cela prend plus de temps, est épuisant et affecté par des facteurs internes (par exemple, les rythmes circadiens ont montré qu’ils altèrent significativement les performances 5,) et externes tels que les commentaires verbaux du coach 6 ou même la musique.7. De plus, nous ne pouvons pas effectuer le test quotidiennement, nous risquons donc de ne pas détecter d’améliorations ou de diminutions en raison du cadre temporel dans lequel le test est effectué. Nous manquons donc une chance de réajuster le plan à temps.

Contrairement, en estimant la valeur de 1RM et si nous choisissons la bonne méthode, nous gagnons en praticité, simplicité, temps et viabilité pour des périodes plus courtes (quotidiennes, hebdomadaires) sans affecter négativement le processus d’entraînement normal, mais au prix d’une plus grande « incertitude » et « erreur », même si nous pouvions vraiment, je veux dire vraiment, les réduire.

Si nous testons (ou estimons) théoriquement le 1RM le même jour avec le même athlète sans effet négatif d’un test sur les autres, nous allons obtenir 3 valeurs différentes, une moyenne et une variabilité donnée (SD). Alors, la question est de savoir comment nous pouvons être certains que la différence est une amélioration du signal et non une variation normale des données (bruit).

Estimation 1RM
Figure 2 : Exemple d’estimation de 1RM avec 3 charges sous-maximales et comparaison avec un test 1RM réel. A noter que l’estimation est inférieure de 2,07 kg au 1RM réel et avec un IC à 95% la différence varie entre 5,15 et 0,46kg. Ne pas en tenir compte pourrait générer des interprétations et des décisions trompeuses.

Estimer 1 RM en utilisant VBT

Les jours de test sont un peu derrière nous, à l’exception des sports de force (mais même là). Les entraîneurs ne peuvent pas se permettre de consacrer une journée entière à tester, surtout dans les sports d’équipe qui ont lieu tous les week-ends. Mais l’essence du test est de suivre les charges d’entraînement et les effets de l’entraînement sans affecter négativement le processus d’entraînement normal, ce qui nous aide à modifier le processus d’entraînement si nécessaire8.

Dans le passé, bien que l’entraînement basé sur la vitesse (VBT) existait, il n’était utilisé que pour la recherche principalement en raison des coûts des appareils. Mais, au cours de la dernière décennie, la propagation rapide et l’accroissement de la accessibilité des transducteurs linéaires ont contribué à la réalité d’aujourd’hui où pratiquement tous les entraîneurs de force à jour intègrent le VBT dans leurs programmes.

L’utilisation de VBT a été prouvée être une manière vraiment précise d’estimer 1RM en raison de la relation mathématique linéaire et stable (inversement corrélée, avec des coefficients de corrélation de> > 0,95) qui existe entre la charge et la vitesse concentrique moyenne à laquelle cette charge est déplacée9,10, au moins aussi bon que la méthode de répétition à l’échec10. De plus, la méthode à deux points est récemment apparue comme une procédure valide, faisable, rapide et exempte de fatigue pour l’évaluation à la fois de la relation force-vitesse et de la relation charge-vitesse, qui n’ont besoin de réaliser que 2 charges externes différentes représentant environ 50 et 80% de 1RM auto-déclaré pour obtenir un profil L-V11-13

Figure 3 : Exemple de profil L-V dans Bench Press réalisé par un jeune joueur de rugby (mesuré via un appareil Vitruve).
Load Velocity relationshipFigure 4 : Méthode en deux points pour l’évaluation du profil L-V García Ramos, Amador & Jaric, Slobodan, (2017) 11.

Cependant, quelques choses doivent être prises en compte:

  1. Les exercices traditionnels tels que le squat, la pression sur banc, le développé couché, etc. ont leur propre profil charge-vitesse (C-V). Cela signifie que nous devons établir le profil C-V pour un athlète et un exercice donnés avant de l’estimer avec des charges submaximales quotidiennement 9.
  2. La relation L-V est plus sensible à la vitesse moyenne ou à la vitesse moyenne propulsive qu’à la vitesse maximale dans les exercices traditionnels 10.
  3. L’appareil doit être valide et fiable 14.
  4. Les tentatives de charge maximale sont associées à une vitesse spécifique qui est connue sous le nom de « seuil de vitesse minimal (MVT) ». 15 Cela signifie que la vitesse moyenne du 1RM ne sera pas significativement différente, du point de vue statistique, de la vitesse moyenne de la dernière répétition d’un RM donné (5RM, 3RM, etc.). Il existe de nombreuses recherches sur différents exercices et leurs MVT (par exemple, la pression de la banque et du squat sont généralement de 0,13 à 0,3 m / s respectivement) 16,17
  5. Les pourcentages relatifs les plus élevés sont de meilleurs prédicteurs du RM actuel que les plus faibles11. La charge de 5 RM est moins précise que celle de 3 RM pour estimer le RM.
Linear behaviour and MVT achievedFigure 5 : Exemple de comportement linéaire et de MVT obtenus pour un nombre donné de répétitions jusqu’à l’échec effectuées avec 70 % et 85 % de 1RM (mesuré via l’appareil Vitruve).

Une fois que nous connaissons le profil L-V pour un athlète donné et un exercice donné, ainsi que le MVT, nous sommes prêts à y aller !

Inférence basée sur la magnitude

MBI est basé sur le travail des professeurs William Hopkins et Alan Batterham 18 et essaie de corriger certains défauts que l’utilisation des approches statistiques traditionnelles peut générer, ce qui aide à identifier les différences et à optimiser le processus de décision.

Les scientifiques du sport et les entraîneurs traitent généralement de petits groupes d’athlètes pour collecter et analyser des données telles que dans les sports d’équipe, et même avec N = 1, comme dans le haltérophilie, l’athlétisme et également dans les sports d’équipe où l’analyse des changements individuels au fil du temps devient cruciale. De plus, parfois, de petits changements valent la peine même si les différences ne sont pas pertinentes du point de vue statistique (combien de millisecondes séparent le vainqueur du perdant dans une finale de sprint de 100 mètres aux Jeux olympiques, ou cm dans un lancer de poids ou kg dans un concours d’haltérophilie ou de levage de poids). Les statistiques traditionnelles ne fonctionnent ni avec de petits N ni avec de minuscules différences pour fournir des informations pertinentes.

L’un des piliers de la MBI est la définition du plus petit changement pratiquement significatif, ou le plus petit changement utile (SWC). Mais avant tout, il est crucial de comprendre ce qu’est réellement le changement.

Le changement est étroitement lié au concept de différence, c’est-à-dire que le changement est jugé sur la base d’une différence dans une entité mesurable et qu’il concerne presque toujours une période de temps 3. Par exemple, si, en raison de l’entraînement, un athlète augmente son 1RM de 110 à 150 en 6 semaines, cela sera considéré comme un changement positif. Le principe fondamental est que les mesures de la même variable diffèrent d’une session d’essai à l’autre lorsqu’elles sont étalées sur plusieurs jours ou semaines. Cependant, comme nous l’avons déjà examiné, nous sommes confrontés à beaucoup d’incertitude, en particulier lorsque les différences ne sont pas si importantes.

Smallest Worthwhile Change (SWC)Figure 6 : Le point noir représente la moyenne d’un test donné ; les lignes CI (erreur) ; La ligne verticale est la moyenne du groupe et la zone grise est le SWC19

 

En revenant à SWC, en le prenant avec l’erreur type d’un test (TE), cela peut nous aider à déterminer si le changement d’une variable donnée est réel (signal) ou fait partie de la variabilité normale (bruit) de la mesure.

Nous devons prendre en compte 3 points lorsque nous calculons la SWC pour une personne :

  • La perception, basée sur l’expérience, peut être utilisée pour la SWC. Par exemple, dans le test IMTP, les changements de moins de 5N ne sont probablement que du bruit.
  • L’erreur de mesure est cruciale pour identifier le signal et le bruit. Par exemple; si le TE est de 5N pour l’IMTP, SWC ne peut être inférieur à deux fois cette valeur, sinon l’incertitude est trop grande pour différencier les vrais changements et la variabilité.
  • Si nous testons un groupe d’athlètes, nous pouvons multiplier 0,2 fois l’écart type des athlètes pour obtenir SWC et 0,3 si l’ensemble de données est pris d’un seul individu plusieurs tests.
Inférence basée sur la magnitude
Figure 7 : Les décisions dans l’inférence basée sur la magnitude sont prises sur la base d’intervalles de confiance ou de distribution (lignes horizontales bleues) par rapport à un SWC (lignes verticales en pointillés de chaque côté de la zone triviale). Par exemple; Toute augmentation ou diminution du 1RM d’un athlète de plus de 5 kg est considérée comme pertinente, tandis que toutes les modifications inférieures à 5 kg sont trop faibles pour avoir une pertinence pratique (c’est-à-dire insignifiantes). À mesure que l’intervalle de confiance (distribution) s’éloigne de la zone triviale (vers une zone bénéfique ou nuisible), la probabilité d’un véritable effet augmente20.

Applications pratiques:

Nous avons maintenant un moyen d’estimer notre RM des athlètes qui peut être mise en œuvre, même dans les ensembles d’échauffement. En utilisant des poids sub-max et la vitesse de concentrique de suivi, nous pouvons créer une méthode où nous pouvons suivre notre RM sur une base quotidienne sans fatigue, perdre du temps et affecter la séance d’entraînement. r. Le mélange avec MBI peut être un modèle puissant capable de nous fournir des informations précieuses sur la probabilité d’améliorer ou de diminuer notre RM sans même le teste

L’image suivante provient d’une feuille de calcul de Mladen Jovanovic. Cet article de blog est en grande partie inspiré de son travail. Je recommande vivement à tout le monde de suivre son travail, car c’est probablement (pas calculé MBI) l’un des plus perturbateurs, novateurs et utiles du domaine.

Figure 8: suivi quotidien du RM1 en utilisant la VBT à partir d’un ensemble de poids fixe en utilisant le nombre de répétitions le plus rapide mélangé avec le MBI pour estimer la probabilité de changement au cours d’une année. Les points bleus représentent les données avec des barres d’erreur; La ligne grise est la ligne de base et la zone grise représente le SWC. La ligne verte représente la probabilité d’un effet néfaste exprimé en%. Les flèches vertes représentent les moments où les chances de bénéfices réels sont élevées et les flèches rouges les moments où les chances de dommages réels sont les plus élevées.

Cette approche peut aider à évaluer l’effet de différents aspects de l’entraînement, tels que le volume, la fréquence, la densité et la charge sur le «résultat» (1RM) et peut également être utilisée comme un outil de préparation.

Get our VBT Device

Bibliographie

  1. Hopkins, W. G. Magnitude Matters. Medicine & Science in Sports & Exercise 38, 56 (2006).
  2. Batterham, A. M. & Hopkins, W. G. The Case for Magnitude-based Inference. Medicine & Science in Sports & Exercise 47, 885 (2015).
  3. Dvir, Z. Difference, significant difference and clinically meaningful difference: The meaning of change in rehabilitation. J Exerc Rehabil 11, 67–73 (2015).
  4. Levinger, I. et al. The reliability of the 1RM strength test for untrained middle-aged individuals. Journal of Science and Medicine in Sport 12, 310–316 (2009).
  5. WINGET, C. M., DEROSHIA, C. W. & HOLLEY, D. C. Circadian rhythms and athletic performance. Medicine & Science in Sports & Exercise 17, 498???516 (1985).
  6. Argus, C. K., Gill, N. D., Keogh, J. W. & Hopkins, W. G. Acute Effects of Verbal Feedback on Upper-Body Performance in Elite Athletes. Journal of Strength and Conditioning Research 25, 3282–3287 (2011).
  7. Loizou, G. & Karageorghis, C. I. Effects of psychological priming, video, and music on anaerobic exercise performance. Scand J Med Sci Sports 25, 909–920 (2014).
  8. Clarke, D. C. & Skiba, P. F. Rationale and resources for teaching the mathematical modeling of athletic training and performance. Advances in Physiology Education 37, 134–152 (2013).
  9. González-Badillo, J. J. & Sánchez-Medina, L. Movement Velocity as a Measure of Loading Intensity in Resistance Training. Int J Sports Med 31, 347–352 (2010).
  10. Jidovtseff, B., Harris, N. K., Crielaard, J.-M. & Cronin, J. B. Using the load-velocity relationship for 1RM prediction. Journal of Strength and Conditioning Research 25, 267–270 (2011).
  11. Garcia-Ramos, A. & Jaric, S. Two-Point Method. Strength and Conditioning Journal 40, 54–66 (2018).
  12. García-Ramos, A. et al. Feasibility of the 2-Point Method for Determining the 1-Repetition Maximum in the Bench Press Exercise. International Journal of Sports Physiology and Performance 13, 474–481 (2018).
  13. Snyder, B. W., Zangakis, D. S., Moir, G. L., Munford, S. N. & Davis, S. E. Validity of the Two-Point Method for Estimating Squat and Bench Press One Repetition Maximums. Medicine & Science in Sports & Exercise 51, 49 (2019).
  14. Pérez-Castilla, A., Piepoli, A., Delgado-García, G., Garrido-Blanca, G. & García-Ramos, A. Reliability and Concurrent Validity of Seven Commercially Available Devices for the Assessment of Movement Velocity at Different Intensities During the Bench Press. Journal of Strength and Conditioning Research 33, 1258–1265 (2019).
  15. Izquierdo, M. et al. Effect of Loading on Unintentional Lifting Velocity Declines During Single Sets of Repetitions to Failure During Upper and Lower Extremity Muscle Actions. Int J Sports Med 27, 718–724 (2006).
  16. Ayllon, F., Larumbe, E., Jiménez, A. & Alvar, B. 1 Rm Prediction From The Linear Velocity And The Rate Of Perceived Exertion In Bench Press And Paralell Squat. Journal of Strength and Conditioning Research 24, 1 (2010).
  17. Banyard, H. G., Nosaka, K. & Haff, G. G. Reliability and Validity of the Load–Velocity Relationship to Predict the 1RM Back Squat. Journal of Strength and Conditioning Research 31, 1897–1904 (2017).
  18. Batterham, A. M. & Hopkins, W. G. Making Meaningful Inferences About Magnitudes. International Journal of Sports Physiology and Performance 1, 50–57 (2006).
  19. Jovanovic, M. Statistical Modelling for Sports Scientists: Practical Introduction Using R (Part 1). (2019). doi:10.31236/osf.io/dnq3m
  20. Hooren, B. Magnitude-based inference: What is it? How does it work and is it appropriate? (2018).

Click to rate this post!
[Total: 0 Average: 0]
Leandro Carbone

También te puede interesar…

S’abonner
Notification pour
guest
0 Comments
Commentaires en ligne
Afficher tous les commentaires

Nous sommes en Black Friday pour une DURÉE LIMITÉE.
Bénéficiez jusqu'à 30% de réduction sur notre boutique en ligne