هنگامی که هدف و جمعیتی که می‌خواهیم نتایج خود را به آن تعمیم دهیم مشخص شد، نوبت به انتخاب آزمون یا آزمون‌ها می‌رسد. به طور کلی، آزمونی باید انتخاب شود که قبلاً قابل اعتماد و معتبر بودن آن ثابت شده باشد. همانطور که گفته شد، بسیاری از مطالعات اعتبار سنجی و پایایی احتمالاً بر روی جمعیتی متفاوت از جمعیتی انجام شده است که امیدوارید با آن کار کنید، بنابراین در صورت امکان باید پایایی آزمون-آزمون مجدد را نیز ارزیابی کنید. بهترین راه برای افزایش قابلیت اطمینان این است که روش های خود را استاندارد کنید و مطمئن شوید که همیشه کارها را دقیقاً به همان روش انجام می دهید. آنها را به همان ترتیب، با شدت یکسان انجام دهید، و اگر آزمون شما شامل نشانه های کلامی است، مطمئن شوید که نشانه های یکسانی را به همه آزمودنی ها می دهید.

آزمایش آزمایشی یک راه عالی برای اطمینان از کارآمد بودن پروتکل یا دیدن اینکه کجا می‌تواند آن را بهبود بخشد، است. از نظر پایایی آزمون-آزمون مجدد، ممکن است واقع بینانه نباشد که از همه آزمودنی ها بخواهید بسته به نوع تست، آزمون را تکرار کنند. تصور کنید که یک آزمون VO₂max را تکمیل کرده اید و به شما می گویند «کار عالی! دوباره این کار را انجام دهیم.» شما احتمالاً می توانید تعداد کمتری از افراد را متقاعد کنید که این کار را انجام دهند و این اغلب می تواند همراه با یک آزمایش آزمایشی انجام شود.

یک سوال بسیار مهم که باید در نظر گرفته شود این است که آیا آزمایش داوطلبان و آزمودنی های شما بی خطر است یا خیر. بسته به جمعیت، ممکن است بخواهید قبل از آزمایش آمادگی جسمانی به دنبال مجوز پزشکی باشید. اگر با افراد جوان و احتمالاً سالم کار می کنید، این ممکن است نگران کننده نباشد. اگر با افراد مسن کار می کنید، جایی که احتمال بیشتری وجود دارد که بخش بزرگی از نمونه شما داروهای مرتبط با قلب و عروق مصرف می کنند و مشکلات مربوط به سلامتی دارند، این موضوع اهمیت بیشتری پیدا می کند.

به جای اینکه این تصمیم را بگیرید، احتمالاً باید از نوعی پرسشنامه آمادگی استفاده کنید. محبوب ترین نسخه پرسشنامه PAR-Q یا آمادگی فعالیت بدنی است. این کوتاه است، تنها 7 سوال، و بسیار آسان برای تفسیر. اگر داوطلبان شما به همه موارد “نه” پاسخ دادند، می توانند شرکت کنند. اگر به هر موردی پاسخ «بله» دادند، ابتدا باید یک توصیه پزشکی دریافت کنند.

آزمایشات آزمایشگاهی و میدانی در تست آمادگی جسمانی

تفاوت اصلی بین روش‌های آزمایش آزمایشگاهی و میدانی کاملاً توضیحی است، یکی در آزمایشگاه اتفاق می‌افتد و دیگری در هر جایی که جمعیت ساکن هستند انجام می‌شود. هر دو را می توان در تحقیقات مورد استفاده قرار داد، اما قطعاً به طور سنتی این انگ وجود داشته است که داده های جمع آوری شده آزمایشگاهی بهتر است و روش های مبتنی بر میدان اغلب در تست عملکرد استفاده می شود که در آن پژوهش ممکن است تمرکز نباشد. از لحاظ تاریخی، تا حدودی این تصور وجود داشته است، اما با افزایش فناوری و کوچک شدن اندازه بسیاری از تجهیزات، این خطوط کمی محو شده است. برخی از تجهیزات سنتی مبتنی بر آزمایشگاه قابل حمل‌تر شده‌اند و ممکن است در محیط‌های مبتنی بر فایل به کار گرفته شوند، و ما را وادار می‌کند تا دوباره تصور کنیم که یک آزمایشگاه تحقیقاتی واقعاً چیست.

مزایا و معایبی برای روش‌های آزمایش آزمایشگاهی و میدانی وجود دارد. از یک رویکرد صرفاً کمی و آماری، روش‌های آزمایش آزمایشگاهی تا آنجا که تجهیزات پیش می‌رود، همیشه معتبرتر و قابل اعتمادتر هستند. بنابراین روش های آزمایش آزمایشگاهی اغلب گزینه مطلوب برای تحقیق هستند، اما آنقدرها هم که فکر می کنید ساده نیست.

دو مورد از دلایل اصلی موافق یا مخالف هر کدام در شکل 11.1 در بالا نشان داده شده است. هنگامی که ما به دنبال پاسخ به یک سوال تحقیقی خاص هستیم، معمولاً یک متغیر داریم که دستکاری می‌شود (متغیر مستقل)، یک متغیر اندازه‌گیری می‌شود تا ببینیم چگونه تغییرات متغیر مستقل ممکن است منجر به تغییرات دیگر شود (متغیر وابسته) و بقیه متغیرها متغیرها ثابت نگه داشته می شوند یا حذف می شوند. این کار به این دلیل انجام می شود که بتوانیم از نحوه انعکاس تغییرات یک متغیر در متغیر دیگر مطمئن باشیم. اجازه دادن به متغیرهای دیگر برای نوسان در مطالعه نتایج و تفسیر ما را پیچیده خواهد کرد. این یک مزیت بزرگ برای آزمایش آزمایشگاهی است. شما مجبور نخواهید بود با هیچ گونه دما یا تغییرات آب و هوایی دیگری که ممکن است در بیرون رخ دهد، مقابله کنید.

حواس پرتی مانند سایر افراد در یک محیط آزمایشی را می توان محدود یا حذف کرد. آزمایش میدانی باید با این موضوع برخورد کند و ممکن است نتایج را پیچیده کند. اگر تست در فضای باز انجام می شود، باید مطمئن شوید که همه متغیرها بین جلسات تست ثابت هستند. اما اگر به دنبال تغییر در طول سال در برخی از آزمون ها هستید، چه؟ دمای هوا در ژانویه با دمای ماه آگوست بسیار متفاوت است و کار زیادی نمی توانید در مورد آن انجام دهید. خطایی را که این معرفی می کند باید تصدیق و در تفسیر مورد توجه قرار گیرد. حتی هنگام استفاده از آزمایش میدانی در داخل خانه، عوامل محیطی وجود دارد که ما اغلب نمی توانیم آنها را کنترل کنیم. بنابراین، این یک نقطه ضعف برای آزمایش میدانی است.

یکی از مزیت های بزرگ آزمایش میدانی این است که اغلب دارای اعتبار زیست محیطی بسیار قوی است. اعتبار اکولوژیکی به این موضوع اشاره دارد که سناریوی آزمون و آزمایش چقدر واقعی و شبیه به یک موقعیت خاص زندگی واقعی است. مثالی را در نظر بگیرید که در آن ما در حال انجام یک تحلیل بیومکانیکی از حرکات کارگران در یک انبار بزرگ هستیم. با استفاده از روش‌های جمع‌آوری داده‌های میدانی که حداقل تهاجمی هستند، کارگر ممکن است بتواند به انجام کار عادی خود در حین جمع‌آوری داده‌ها ادامه دهد. اگر از آنالیز مبتنی بر ویدئو یا حسگرهای اینرسی پوشیدنی استفاده کنیم، کارگر می‌تواند وظایف عادی خود را انجام دهد و حتی ممکن است متوجه جمع‌آوری داده‌ها نشود. برای همین مثال یک رویکرد مبتنی بر آزمایشگاه را در نظر بگیرید.

اکنون ما کارگر را وارد آزمایشگاه کردیم و ما یک راه اندازی مشابه، اما نه یکسان با ایستگاه کاری آنها داریم. اکنون از آنها می خواهیم چندین نشانگر بازتابنده و لباس های بسیار تنگ بپوشند تا بتوانیم حرکت آنها را با دوربین های مادون قرمز که در یک دکل سفارشی نصب شده در اطراف اتاق قرار گرفته اند، ردیابی کنیم. در حالی که ما سعی می کنیم محیط کار واقعی را در آزمایشگاه بازسازی کنیم، به دلیل کنترل هایی که در محل قرار می دهیم، اغلب بسیار متفاوت است. یک آزمایشگاه تحقیقاتی همچنین ممکن است برای برخی افراد ترسناک باشد، بنابراین داده های آنها ممکن است دقیق ترین نمایش حرکات طبیعی آنها نباشد. همانطور که می بینید این یک استدلال به نفع آزمایش میدانی و علیه آزمایش آزمایشگاهی است.

جدول 11.3 فهرستی غیر جامع از مزایا و معایب بالقوه را نشان می دهد. توجه به این نکته ضروری است که اینها لزوماً مانند آنچه در بالا می بینید، پیوسته نیستند. یک حرفه ای برای یکی همیشه برای دیگری مخالف نیست. کنترل محیطی و اعتبار اکولوژیکی قبلاً در بالا مورد بحث قرار گرفته است. تست میدانی شرکت کنندگان را در محیط معمولی خود نگه می دارد. این بدان معناست که آنها احتمالاً در آن محیط راحت تر خواهند بود. این اغلب منجر به عملکرد “واقعی” می شود. این می تواند یک مزیت آزمایش میدانی باشد و به طور بالقوه می تواند یک نقطه ضعف آزمایش آزمایشگاهی باشد. البته، این واقعاً به آنچه در آزمایشگاه آزمایش می شود بستگی دارد.

یکی از مزیت‌های آزمایش آزمایشگاهی این است که نگران شارژ باتری‌ها و دستگاه‌ها نخواهید بود زیرا احتمالاً پریزهای برق در نزدیکی شما وجود دارد. اگر در حال انجام آزمایشات میدانی در یک دستگاه الکترونیکی هستید و باتری از بین می رود، اساساً جمع آوری داده ها تمام شده است، مگر اینکه باتری پشتیبان داشته باشید.

همانطور که قبلا ذکر شد، آزمایش آزمایشگاهی یک مزیت عمده در کنترل متغیر دارد. آزمایش میدانی این مزیت را ندارد. بسته به آنچه در حال آزمایش است، این می تواند به عنوان یک نقطه ضعف یا یک مزیت در نظر گرفته شود. یک تست قدرت را در نظر بگیرید که در آن دیگرانی که مورد آزمایش قرار می گیرند، شرکت کنندگان را تماشا می کنند و تشویق می کنند. این تشویق ممکن است به عملکرد شرکت‌کنندگان کمک کند، اما چگونه باید به آن نگریست؟

استاندارد کردن میزان تشویق داده شده دشوار است، پس چگونه می توانیم آن را کنترل کنیم؟ اگر اینطور در نظر گرفته شود، به نظر یک نقطه ضعف است که ما نمی خواهیم. اما، اگر این آزمایش در یک جمعیت ورزشکار بود، محیط واقعی آنها اغلب شامل تشویق و تشویق می شود، بنابراین این امر اعتبار زیست محیطی را افزایش می دهد.

رقابت بین شرکت کنندگان می تواند حواس پرتی دیگری باشد که می تواند هم به عنوان یک مزیت یا هم به عنوان نقطه ضعف تلقی شود. بنابراین، شما باید این را با دقت بسته به زمینه هر موقعیت در نظر بگیرید.

یکی دیگر از مزایای بالقوه آزمایش میدانی این است که اغلب می تواند حداقل تهاجمی باشد. هرچه شرکت‌کننده کمتر متوجه شود که مورد مطالعه قرار گرفته‌اند، احتمال بیشتری وجود دارد که طبق معمول عمل کنند. برعکس اغلب در آزمایشات آزمایشگاهی صادق است، بنابراین ما باید سعی کنیم شرکت کنندگان را تا حد امکان راحت کنیم. این امر به شدت به نوع تجهیزات جمع آوری داده مورد استفاده بستگی دارد. تعداد زیادی از تجهیزات خارجی از نظر اندازه و وزن کاهش یافته است، بنابراین ممکن است دیگر آن قدر بزرگ نباشد.

زمانی که از برنامه عادی شرکت کنندگان گرفته می شود، می تواند تا آنجا که مشارکت پژوهشی پیش می رود، یک عامل بازدارنده بزرگ باشد. آزمایش میدانی اغلب می تواند خیلی سریع یا گاهی به طور همزمان در طول روال عادی انجام شود. تست سرعت ورزشکاران را در نظر بگیرید. ورزشکاران در بسیاری از ورزش‌ها دوی سرعت را برای آماده‌سازی انجام می‌دهند و در ورزش‌هایی مانند بیسبال یا سافت بال، ممکن است در حین تمرین به عنوان بخشی از توسعه مهارت، پایه‌ها را اجرا کنند. به این ترتیب، می‌توان تست‌های سرعتی را مطابق با هر یک از آن رویدادها تنظیم کرد. اما، باید در اوایل جلسه، داده ها را جمع آوری کنید، زیرا خستگی ممکن است بعداً نتایج را تغییر دهد، به خصوص اگر از یک جلسه شرطی سازی باشد.

در نهایت، علاقه مندی شرکت کنندگان به پروژه حداقل از دو جهت سودمند است. اول، به استخدام موضوع کمک خواهد کرد. دوم، شرکت‌کنندگانی که واقعاً به نتایج علاقه‌مند هستند ممکن است در برخی از آزمون‌ها بهتر از آنهایی که بی‌تفاوت‌تر هستند، عمل کنند. اینکه آیا این یک مزیت یا ضرر برای آزمایش آزمایشگاهی است یا نه، بسیار به زمینه خاص بستگی دارد. برخی از مطالعات انگیزه ای برای شرکت کنندگان فراهم می کند، که دلیل شرکت آنها خواهد بود، اما برخی دیگر ممکن است به دلیل علاقه واقعی شرکت کنند. با آزمایش میدانی، به ویژه در تست مبتنی بر عملکرد، اکثر شرکت کنندگان علاقه زیادی به داده های خود دارند. آنها می خواهند بدانند که آیا بهتر می شوند یا خیر.

مقوله ها و نمونه های تست آمادگی جسمانی

در زیر چند نمونه از تست آمادگی جسمانی در سه دسته آمادگی قلبی عروقی، قدرت عضلانی و ترکیب بدن مورد بحث قرار خواهد گرفت. اینها برخی از متداول ترین دسته ها هستند و باید شروع کنید تا ببینید که چگونه برخی از رویه های کمی که قبلاً در مورد آنها بحث شد در کنار آنها استفاده می شود.

تناسب اندام قلبی عروقی

هنگامی که در مورد تناسب اندام قلبی و عروقی بحث می کنیم، اغلب در مورد قدرت هوازی یا توانایی سیستم قلبی عروقی ما برای تامین خون اکسیژن دار به عضلات در حال کار ما صحبت می کنیم.¹ ما هر دو روش آزمایشگاهی و میدانی برای ارزیابی این موضوع داریم. روش‌های آزمایشگاهی به همان دلایلی که قبلاً ذکر شد، مطمئن‌ترین و معتبرترین روش‌ها خواهند بود. در واقع، برخی از روش‌های مبتنی بر میدان از رگرسیون یا معادلات پیش‌بینی ساخته شده از مطالعات مبتنی بر آزمایشگاه استفاده می‌کنند، همانطور که در زیر نشان داده شده است.

در آزمایشگاه، اکسیژن مصرفی اغلب به طور غیر مستقیم از طریق کالریمتری گاز اندازه گیری می شود. غلظت گاز آزمایشگاه یا مشخص است یا اندازه گیری می شود و سپس یک چرخ متابولیک گازهای خارج شده در طول تهویه را اندازه گیری می کند. بنابراین تفاوت در میزان اکسیژن در اتاق و آنچه که دفع می شود همان چیزی است که در طول تمرین استفاده می شود. این آزمون‌ها می‌توانند آزمون‌های حداکثر تلاش برای استخراج VO₂max یا معمولاً یک VO₂ باشند. پیک، یا می‌تواند تست‌های تلاش زیر حداکثری باشد که بعداً VO₂حداکثر را پیش‌بینی می‌کند.

روش های مبتنی بر آزمایشگاه

• اندازه گیری O₂ مصرف شده (کالری سنجی گاز) در طول انواع مختلف تمرینات استقامتی
  • آزمون حداکثر (VO₂حداکثر یا VO₂ اوج)
  • آزمون زیر حداکثر (تخمین VO₂حداکثر)

ممکن است از خود بپرسید که آیا این روش ها قابل اعتمادترین و معتبرترین هستند؟ چرا کسی باید از روش دیگری استفاده کند؟ برخی از دلایل اصلی هزینه تجهیزات، زمان اندازه گیری و دشواری انجام آزمایش است. این فرصت را برای روش های میدانی ایجاد می کند. چندین گزینه برای انتخاب وجود دارد و همه آنها در زیر لیست نشده اند.

روش های میدانی

• تست مرحله ای
• دویدن از راه دور
• تست پیاده روی 1 مایلی راکپورت
• روش های غیر تمرینی پیش بینی VO₂حداکثر

بیایید نگاهی عمیق‌تر به استفاده از روش غیر تمرینی پیش‌بینی VO بیاندازیم₂حداکثر. مشابه سایر معادلات رگرسیون که دیده ایم، آنها به متغیرهای پیش بینی کننده نیاز دارند. معادلات پیش‌بینی غیر تمرینی زیادی وجود دارد، اما برای اختصار فقط در مورد یکی بحث می‌کنیم. متیوز و همکارانش معادله‌ای پیش‌بینی می‌کنند که به سن، جنس، قد، توده بدن، درصد چربی بدن و سطح فعالیت نیاز دارد.[4]

VO2max=(0.133⋅age)−(0.005⋅age2)+(11.403⋅sex)+(1.463⋅PA-R)+(9.17⋅height)−(0.254⋅mass)+34.142

در جایی که جنسیت برای زنان 0 و برای مردان 1 است، PA-R رتبه‌بندی فعالیت بدنی جکسون و همکاران است. 1990، [5] قد بر حسب متر و توده بدن بر حسب کیلوگرم اندازه گیری می شود.

این معادله با آزمایش نزدیک به 800 آزمودنی در محدوده سنی 20 تا 79 ایجاد شد. اگر به فصل 3 برگردید، باید بر اساس تعداد متغیرهای پیش بینی موجود در معادله، نمونه بزرگی را انتظار داشت. معادله با استفاده از این متغیرها برای پیش‌بینی مقدار حداکثر VO₂حداکثر اندازه‌گیری شده ایجاد شد. مقدار R² در 0.74 بسیار خوب است. یک نگاه دیگر به معادله بیندازید. به یاد داشته باشید که معادلات رگرسیون از متغیرهای پیش بینی کننده استفاده می کنند و آنها را در ضرایب ضرب می کنند. آیا می توانید هر متغیر و ضرایب آنها را تشخیص دهید؟ بر اساس مقدار هر ضریب که در آن ضرب می شوند، آیا می توانید حدس بزنید کدام متغیر بیشترین مقدار پیش بینی را در معادله دارد؟

جنسیت بزرگترین ضریب را دارد، اما در واقع کمی پیچیده تر است. نرها با 1 و ماده ها 0 کد می شوند، بنابراین اگر این معادله برای یک مرد باشد، اساساً 11.403 را اضافه می کنیم و اگر برای یک ماده باشد، چیزی اضافه نمی کنیم. این یکی از انتقادات به این معادله است و احتمالاً چرا در حال حاضر بسیاری از معادلات پیش‌بینی مجزا برای جمعیت‌های مرد و زن وجود دارد. به نظر می رسد سن نیز مهم است زیرا 2 بار در معادله گنجانده شده است. همچنین باید به مقدار ثابت 34.152 یا چیزی که ممکن است وقفه y نیز نامیده شود توجه کنید. امیدواریم که این امر تا حدودی معادلات پیش‌بینی را ابهام‌زدایی کرده باشد، حتی زمانی که متغیرهای زیادی گنجانده شده است.

قدرت عضلانی

قدرت را می توان به عنوان توانایی تولید نیرو در یک سرعت معین تعریف کرد.[6] همانطور که قبلاً مشاهده کردیم، وجود دارد هنگامی که قدرت افزایش می یابد، در همه جمعیت ها سودمند است. بنابراین، تعیین کمیت مهم است. مردم اغلب قدرت را به عنوان یک مقدار واحد تصور می کنند، مانند مقدار اوج وزنه ای که می توان آن را بلند کرد، اما این یک درک بسیار ابتدایی از قدرت است. نیروهایی که تولید می کنیم در طول زمان در طول هر حرکت به دلیل عوامل زیادی مانند مزیت مکانیکی تغییر می کنند. اگر وزنه بردارید احتمالاً این را می دانید زیرا قسمت های خاصی از وزنه برداری بسیار دشوارتر از بقیه به نظر می رسد. درک چگونگی تولید نیروها و گشتاورها در طول حرکت، تصویر بسیار دقیق تری از ویژگی های قدرت ارائه می دهد. همراه با یک مقدار اوج، سرعت ایجاد نیرو نیز ممکن است مورد توجه باشد. بسیاری از مواقع، به خصوص در ورزش، وجود دارد که میزان رشد نیرو از حداکثر مقدار نیروی تولید شده مهمتر است.

تست های قدرت آزمایشگاهی به ویژه در اندازه گیری این نوع متغیرها خوب هستند. انواع مختلفی از این آزمایش ها وجود دارد، اما همه از نوعی دستگاه الکترونیکی برای جمع آوری داده ها استفاده می کنند. برخی قادر به کنترل متغیرهایی مانند سرعت (ایزوسینتیک) یا نیرو (ایزوتونیک) هستند و برخی دیگر موقعیت را ثابت نگه می دارند (ایزومتریک). اینها همه مفید هستند اما ممکن است تا آنجا که حرکات واقعی زندگی می کنند واقع بینانه نباشند. به عنوان مثال، ما هرگز سرعت یکسانی را در طول یک حرکت تولید نمی کنیم، بنابراین دستگاه های ایزوکینتیک از نظر اعتبار زیست محیطی محدود هستند.

یک قطعه معمولی از تجهیزات آزمایشگاهی که بسیاری از آزمایشات مختلف را می توان بر روی آن انجام داد، صفحه نیرو است. نیرو و زمان را اندازه گیری می کند و بسیاری از متغیرهای دیگر را می توان از روی آن محاسبه کرد. شتاب‌سنج‌ها و واحدهای اندازه‌گیری اینرسی (IMU) با اندازه‌گیری تغییرات مبتنی بر موقعیت در طول زمان به ما کمک می‌کنند. اینها در حال کاهش قیمت هستند و نسبتاً قابل حمل هستند، بنابراین ممکن است در آزمایشات میدانی نیز استفاده شوند.

در مورد تست های میدانی، تست قدرت گرفتن احتمالا ساده ترین تست برای انجام است و هیچ دانش یا تجربه تمرینی پیش نیازی ندارد. این به هیچ وجه کامل نیست، اما کار می کند زیرا افرادی که به اندازه کافی قوی هستند تا اجسام سنگین را بلند کنند یا حرکت دهند، معمولاً باید بتوانند آن اشیاء را نگه دارند. این آزمایش‌ها همچنین بسیار سریع هستند، بنابراین ممکن است انتخاب «رفتن به» برای طیف وسیعی از جمعیت‌ها باشند. تست‌های حداکثر تکرار تمرین‌های خاص معمولاً گزینه‌های بسیار بهتری هستند، اما نمی‌توان آن‌ها را برای همه به یک شکل اعمال کرد.

به عنوان مثال، تست اسکوات پشت 1 RM یک معیار عالی برای سنجش قدرت کلی است. اما آیا می توانید این آزمایش را در جمعیتی آموزش ندیده انجام دهید؟ اگر کسی تجربه یک لیفت خاص را نداشته باشد، اگر آن را با حداکثر تلاش انجام دهد، تکنیک ضعیف او می تواند منجر به آسیب شود. بنابراین، افراد باید قبل از انجام تست، تجربه لازم را داشته باشند و با افزایش تجربه بالابرها، اعتبار آزمون افزایش می‌یابد. تست‌های حداکثری تکرار بهترین آزمون میدانی قدرت در ورزشکاران و جمعیت‌های دارای آمادگی جسمانی در صورت وجود تجربه کافی است. همچنین می توانید از آزمون های حداکثر تکرار زیر حداکثر برای پیش بینی مقادیر 1RM استفاده کنید.

روش های مبتنی بر آزمایشگاه

• دستگاه های ایزوکنتیک
• تست های ایزومتریک
• صفحات نیرو
• شتاب سنج ها و سنسورهای اینرسی

شکل 11.2 نمونه ای از آزمون ایزومتریک را نشان می دهد. این ورزشکار در حالی که روی 2 صفحه نیروی مجاور ایستاده است، یک میله غیرقابل حرکت را می کشد. هر چه بیشتر می کشد، نیروی بیشتری به زمین وارد می کند و بنابراین به صفحات نیرو که روی آن ایستاده است. متغیرهای زیادی وجود دارد که می‌توان آنها را از آزمایشی که روی صفحات نیرو انجام می‌شود اندازه‌گیری کرد، اما برای اختصار فقط یک زوج برجسته می‌شوند. اوج نیرو صرفاً بالاترین مقدار تولید شده است و این را می توان در منحنی نیرو-زمان در شکل 11.3 زیر مشاهده کرد. سرعت توسعه نیرو، شیب خط بین 2 نقطه تنظیم است. هر چه شیب تندتر باشد، نیرو سریعتر ایجاد می شود. بسته به کار یا ورزش، یکی یا هر دوی اینها ممکن است مهم باشد.

یکی دیگر از مزایای آزمایش آزمایشگاهی مانند این نسبت به تست قدرت سنتی با یک تکرار حداکثر (1RM) این است که همیشه یک مقدار تولید می شود. همانطور که با آزمایش 1RM خواهیم دید، ممکن است یک سوژه بتواند یک لیفت را از دست بدهد و سپس برای تولید یک مقدار معتبر بیش از حد خسته شود.

روش های میدانی

• تکرار حداکثر تست
• دینامومتر قدرت گرفتن
• شتاب سنج ها و سنسورهای اینرسی

شکل 11.4 یک پروتکل پایه 1RM را نشان می دهد. پروتکل های مختلفی وجود دارد، اما همه آنها باید شامل گرم کردن کافی و افزایش تدریجی وزن بعد از هر بلند کردن موفقیت آمیز باشند. در حالی که پروتکل های زیادی برای انتخاب وجود دارد، پس از انتخاب یکی، باید استاندارد شده و به طور مداوم مورد استفاده قرار گیرد تا قابلیت اطمینان از بین نرود.

همانطور که پروتکل نشان داده شده در شکل 11.4 را دنبال می کنید، به شدت مایل است که افراد حدس یا تخمین بسیار واقع بینانه ای از مقدار واقعی 1RM آنها داشته باشند. چه آنها در تلاش نهایی موفق باشند یا نه، خود تلاش باعث ایجاد خستگی می شود که بر تلاش های بعدی تأثیر می گذارد. بنابراین، اگر آنها بار را کمتر یا بیش از حد تخمین بزنند، مقداری تلاش را برای کاهش اعتبار اندازه گیری هدر داده اند. هرچه بیشتر این کار را انجام دهند، بدتر خواهد بود. به همین دلیل، بسیاری اغلب استفاده از معادلات پیش‌بینی 1RM را از بارهای زیر حداکثری که چند بار برداشته شده‌اند، انتخاب می‌کنند (نمونه‌ای در زیر نشان داده شده است). بدترین حالت در تست 1RM این است که ورزشکار اولین تلاش و چندین تلاش بعدی را از دست بدهد که منجر به خستگی بیش از حد برای تکمیل یک لیفت می شود. اگر بالا بردن را کامل نکنند، هیچ داده ای وجود ندارد.

1RM=(0.033⋅reps completed⋅load)+load

ترکیب بدنی

از آنجایی که چاقی با بسیاری از پیامدهای منفی بهداشتی مرتبط است، منطقی است که باید کمیت شود. در حالی که بسیاری مایلند از یک اندازه گیری ساده مانند شاخص توده بدنی (BMI) برای ارزیابی این موضوع استفاده کنند، اما دارای اشکالاتی است. برای روشن بودن، BMI باید روش انتخابی در هنگام کار با جمعیت زیاد باشد، زیرا تنها 2 متغیر (قد و وزن) مورد نیاز است و می توان به سرعت محاسبه کرد. همانطور که گفته شد، ترکیب بدن را کمیت نمی کند زیرا واقعاً چیزی در مورد بافت هایی که در وزن بدن گنجانده شده اند توضیح نمی دهد. چاقی به طور خاص به چربی اضافی بدن اشاره دارد، در حالی که اضافه وزن می تواند هر زمانی اتفاق بیفتد که وزن بدن بالاتر از حد توصیه شده برای یک قد معین باشد.

وزن می تواند از چندین بافت مختلف باشد، نه فقط چربی. افراد زیادی هستند که کاملاً لاغر هستند اما به دلیل توده عضلانی اضافه وزن در نظر گرفته می شوند. در صورت امکان، ترکیب بدن باید اندازه گیری شود زیرا تصویر بسیار عمیق تری از ساختار بافت ما ارائه می دهد. توضیح اندازه‌گیری ترکیب بدن هدف این کتاب درسی نیست، اما برخی از بخش‌های آن را در اینجا برجسته می‌کند زیرا از برخی تکنیک‌های آماری که قبلاً بحث شد استفاده می‌کند.

• DXA
• توزین هیدرواستاتیک (زیر آب).
• پلتیسموگرافی جابجایی هوا (BodPod)
• تجزیه و تحلیل امپدانس بیوالکتریک (BIA)
• رقیق سازی ایزوتوپی

• اندازه گیری چین خوردگی پوست
• تجزیه و تحلیل امپدانس بیوالکتریک (BIA)

جذب سنجی اشعه ایکس با انرژی دوگانه (DXA) و هیدرواستاتیک (توزین در زیر آب) معتبرترین گزینه ها هستند، اما بسیار گران هستند. آنها برای تحقیق عالی هستند، اما بسیاری از آنها را در سالن های ورزشی، مراکز تناسب اندام یا باشگاه های سلامت نخواهید دید. به احتمال زیاد در آنجا از کولیس های پوستی استفاده می شود. یکی از انواع دستگاه هایی که روز به روز بیشتر مورد استفاده قرار می گیرد آنالیز امپدانس بیوالکتریک یا BIA است. اینها می توانند قیمت بسیار زیادی داشته باشند، و شما از نظر قابلیت اطمینان، آنچه را که برای آن پرداخت می کنید، دریافت می کنید. مقیاس های زیادی وجود دارد که اکنون BIA در آنها ادغام شده است. اینها اغلب به اندازه سایر آزمایشات آزمایشگاهی ما معتبر نیستند، اما اغلب قابل اعتماد هستند. این به این معنی است که ممکن است همچنان برای ردیابی تغییرات در طول زمان استفاده شود زیرا حداقل جهت روند را نشان می‌دهند حتی اگر به دقت مقدار قابل اعتماد نباشد.

یکی از مواردی که اغلب در مورد اکثر این دستگاه ها اشتباه گرفته می شود این است که آنها در واقع درصد چربی بدن را اندازه نمی گیرند. بیشتر آنها تراکم بدن را اندازه گیری می کنند و سپس درصد چربی بدن را از آن پیش بینی می کنند. این امکان پذیر است زیرا تفاوتی در تراکم بافت بین بافت چربی و غیر چربی وجود دارد.

بیایید نگاهی گذرا به نحوه عملکرد این روش در مثالی از توزین زیر آب بیندازیم. بر اساس اصل ارشمیدس، می توانیم چگالی بدن را محاسبه کنیم. برای انجام این کار، باید وزن یا وزن خشک در خشکی، وزن زیر آب، چگالی آب و حجم هوای باقیمانده ریه ها را تعیین کنیم. هنگامی که همه آنها را محاسبه یا اندازه گیری می کنیم، می توانیم چگالی بدن را محاسبه کنیم.

$D_b=\frac{W_{\mathrm{d\; ÷\; [}}}{\left(\frac{W_d-W_{\mathrm{w)\; ÷}}}{D_w}\right)-(RV+100\text{cc})]}$

Where D_b = body density, W_d = dry weight in kg, W_w = water weight in kg, D_w = density of water (≈0.997), and RV = residual air volume.

از آنجا، می‌توانیم از فرمول سیری یا بروزک برای پیش‌بینی درصد چربی بدن استفاده کنیم. در حالی که آنها کمی متفاوت تنظیم شده اند، آنها هنوز هم تکنیک های مبتنی بر رگرسیون هستند. ضرب در 100 به سادگی نسبت ها را به درصد تبدیل می کند.

Siri (1961) % fat=[(4.95÷Db)−4.500]⋅100

Brozek et al. (1963) % fat=[(4.57÷Db)−4.142]⋅100

نکته پایانی در اینجا این است که اغلب باید برای جمعیت آزمایش شده خود توضیح دهید که نتایج حاصل از آزمایش ترکیب بدن می تواند میزان چربی و توده بدون چربی بدن را نشان دهد. آنها میزان توده عضلانی را آشکار نمی کنند. به عنوان مثال، مردم اغلب فکر می کنند که اگر 15٪ چربی بدنشان باشد، باید 85٪ ماهیچه باشند، اما استخوان ها، اندام ها، بافت همبند و غیره خود را فراموش می کنند. برخی از دستگاه ها (مانند DXA) می توانند توده استخوانی را جدا کرده و به بدنشان بدهند. دقت بیشتر

شاخص توده بدنی (BMI)

BMI=weight (kg) ÷ height (m)2

به دلیل سهولت استفاده در اینجا دوباره به BMI پرداخته خواهد شد. این می‌تواند مشکلاتی را در محدوده‌ای که اغلب به‌عنوان محدوده «عادی» یا «وزن سالم» طبقه‌بندی می‌شود، داشته باشد، اما اغلب در محدوده چاقی معتبر است. می توانید مقادیر و دسته تفسیر آنها را در جدول 11.4 مشاهده کنید. داده های جدول 11.4 از CDC آمده است، اما دیگران ممکن است دسته های بیشتری را در محدوده چاق با سطوح مختلف ارائه دهند.[11]

BMI معمولاً در تحقیقات اپیدمیولوژی استفاده می شود زیرا محققان می توانند مقادیر زیادی از داده های قد و وزن را جمع آوری کنند و به راحتی این اندازه گیری را محاسبه کنند، اغلب بدون دیدن افرادی که اندازه گیری شده اند.

اگر کسی بخواهد BMI خود را تغییر دهد، بهترین روش چیست؟ با فرض اینکه شما با یک بزرگسال کار می کنید، آنها واقعا نمی توانند قد خود را تغییر دهند، بنابراین وزن باید هدفمند باشد. بر اساس معادله، ممکن است متوجه شده باشید که افراد بلند قد در اینجا مزیت دارند و این مزیت نمایی است. از آنجایی که قد مجذور می شود، کاهش یا افزایش وزن و مشاهده تغییرات بیشتر در BMI نسبت به افراد کوتاه قد برای افراد قد بلندتر آسان تر خواهد بود.

سوالات متداول تست آمادگی جسمانی

رفرنسهای تست آمادگی جسمانی

1. Dumke, CL. (2018). Health-Related Physical Fitness Testing and Interpretation. In Riebe, D. (Ed). ACSM’s Guidelines for Exercise Testing and Prescription. (66-110). Wolters Kluwer. Philadelphia, PA, USA.
2. Morrow, J., Mood, D., Disch, J., and Kang, M. (2016). Measurement and Evaluation in Human Performance. Human Kinetics. Champaign, IL. ↵
3. Franklin, BA. (2018). Exercise Participation Health Screening. In Riebe, D. (Ed). ACSM’s Guidelines for Exercise Testing and Prescription. (29-32). Wolters Kluwer. Philadelphia, PA, USA.
4. Matthews CE, Heil DP, Freedson PS, Pastides H. Classification of cardiorespiratory fitness without exercise testing. Med Sci Sports Exerc. 1999 Mar;31(3):486-93. doi: 10.1097/00005768-199903000-00019.
5. Jackson AS, Blair SN, Mahar MT, Wier LT, Ross RM, Stuteville JE. Prediction of functional aerobic capacity without exercise testing. Med Sci Sports Exerc. 1990 Dec;22(6):863-70. doi: 10.1249/00005768-199012000-00021.
6. Stone, MH, Stone, ME, Sands, WA. (2007). Principles and Practice of Resistance Training. Human Kinetics. Champaign, IL, USA. ↵
7. Epley, B. (1985). Poundage Chart. Boyd Epley Workout. Lincoln, NE. Body Enterprises.
8. Wilmore, J. H. (1969). “The use of actual predicted and constant residual volumes in the assessment of body composition by underwater weighing”. Med Sci Sports. 1: 87–90. doi:10.1249/00005768-196906000-00006
9. Brozek J, Grande F, Anderson JT, Keys A (September 1963), “Densitometric Analysis of Body Composition: Revision of some Quantitative Assumptions”, Ann. N. Y. Acad. Sci., 110: 113–40, doi:10.1111/j.1749-6632.1963.tb17079.x
10. Siri, SE (1961), “Body composition from fluid spaces and density: analysis of methods”, in Brozek J, Henschel A (eds.), Techniques for measuring body composition, Washington, DC: National Academy of Sciences, National Research Council, pp. 223–34
11. About Adult BMI. (n.d.). CDC.Gov. Retrieved September 17, 2020, from https://www.cdc.gov/healthyweight/assessing/bmi/adult_bmi/index.html