速度变量：在不同相对负荷下进行背蹲和卧推至力竭训练时预测性指标的确定

《The Journal of Strength & Conditioning Research》：Velocity Variables: Determining Predictive Metrics during the Back Squat and Bench Press to Failure at Different Relative Loads

该研究通过测试26名力量训练者进行90%、80%、70% 1RM负荷下深蹲和卧推的力竭次数，分析平均 concentric 速度（ACV）和最快重复速度（FRV）的预测效能。结果显示，深蹲的最佳预测模型为调整性 ACV_Single 模型（RME=0.0056），卧推则选用 FRV 交互模型（考虑性别），表明最佳预测器因运动类型和强度而异。

　　```section>

摘要 通俗语言总结

---

Lawson, DJ, Olmos, AA, Mosiman, SJ, Sontag, SA, Goodin, JR, 和 Dawes, JJ. 速度变量：在不同相对负荷下，通过确定后蹲和卧推至力竭时的预测指标来研究速度变化。《力量与条件研究杂志》（J Strength Cond Res）39(12): e1356–e1370, 2025。本研究旨在确定最佳的速度变量和预测模型，以估计在三种不同相对负荷（1RM的百分比）下达到力竭所需的重复次数（RTF）。研究人员比较了单次重复的平均向心速度（ACV_Single）、第一次重复的速度（ACV_First）、所有重复的平均速度（ACV_Mean），以及后蹲和卧推过程中最快的重复速度（FRV）。26名接受过抗阻训练的受试者（n = 26；男性18人，女性8人）在两次测试中分别以90%、80%和70%的1RM负荷进行了三次至力竭的重复练习。基于第二次测试的数据，构建了单变量模型、调整后的模型（考虑了性别因素）以及交互作用模型（速度*性别）。模型选择的标准包括残差均值误差（RME）和标准差（SD）、赤池信息量准则（AIC）和贝叶斯信息量准则（BIC）。通过将第二次测试的速度变量应用于第三次测试的数据来交叉验证最佳模型，并计算预测值与实际值之间的差异（误差）。结果表明，ACV_Single调整后的模型在后蹲测试中表现最佳（RME = 0.0056，SD = 3.7731，AIC = 360.88，BIC = 363.24）；而FRV交互作用模型在卧推测试中表现最佳（RME = 0.0303，SD = 2.4011，AIC = 300.71，BIC = 303.07）。尽管没有一种单一的预测指标在所有负荷下都表现出最佳性能，但在特定条件下，ACV_Single和FRV能够提供较低的预测误差。最佳预测指标会受到负荷和运动类型的共同影响。

通俗语言总结：本研究探讨了在不同负荷下，哪些速度指标最能准确预测后蹲和卧推至力竭所需的重复次数（RTF）。研究人员对26名受试者进行了多种速度指标的测试，包括平均向心速度（ACV）和最快重复速度（FRV）。研究发现，ACV_Single模型在后蹲测试中具有最高的准确性，而FRV交互作用模型在卧推测试中表现最佳。这些模型通过残差均值误差和信息量准则等统计指标进行了评估。研究结论表明，最佳预测指标因运动类型和负荷而异，在特定条件下，ACV_Single和FRV的预测误差较低。

```