《Journal of Sports Sciences》：When does the peak countermovement jump performance occur? Mapping peak-trial timing across six clustered repetitions
编辑推荐：
力台反动作跳(CMJ)测试被广泛用于评估神经肌肉状态，然而监测解释通常依赖于简化协议中的最佳试次值，当会话最大值出现在所采样尝试之外时，这可能会使结论产生偏差。研究人员绘制了跨六次集群(3+3)CMJ协议的七个结果和策略力-时间指标的峰值试次时机，并测试了这种
力台反动作跳(CMJ)测试被广泛用于评估神经肌肉状态，然而监测解释通常依赖于简化协议中的最佳试次值，当会话最大值出现在所采样尝试之外时，这可能会使结论产生偏差。研究人员绘制了跨六次集群(3+3)CMJ协议的七个结果和策略力-时间指标的峰值试次时机，并测试了这种峰值试次模式在个人最佳(PB)和典型状态(TS)监测会话之间是否保持不变，两者均使用修正反应力量指数(mRSI)作为主要选择变量。研究人员分析了来自314名运动员的回顾性双力台数据(1000Hz；2020年8月–2025年12月)，这些运动员执行了两组三次最大无摆臂CMJ(重复之间5-10秒；组间60-90秒)。所有指标的峰值试次分布均偏离均匀分布(所有Bonferroni校正后p ≤ 3.4 × 10?3；Cramér’s V = 0.12–0.26)。在PB日，最频繁的峰值出现在重复4用于输出指标(25.8–30.3%)和推进功率(29.3%)，重复6用于制动力量/功率(31.2–34.1%)，重复1用于刚度(27.4%)和推进力量(31.8%)。关键的是，每个指标的峰值重复分布在PB日和TS日之间几乎相同(所有p ≥ 0.386；Cramér’s V ≤ 0.091)。
反动作跳(CMJ)是评估神经肌肉状态的重要工具，但测试协议中峰值表现出现的时间点尚不明确，尤其是在简化协议（如仅采集3次试次）中，可能低估真实能力。现有研究存在协议异质性，缺乏统一标准，限制了监测的有效性。因此，研究人员旨在明确六次集群重复(3+3)CMJ协议中多种力-时间指标峰值出现的时间模式，并检验其在不同性能状态（个人最佳PB与典型状态TS）下的一致性，为协议标准化提供依据。该研究发表于《Journal of Sports Sciences》。
研究人员开展了一项回顾性研究，分析314名运动员（239男，75女，来自单一高绩效训练中心的业余、半职业及职业运动员）在2020–2025年间的双力台数据（1000 Hz）。测试协议包括标准热身、两次集群（每组3次最大无摆臂CMJ，重复间休息5–10秒，组间休息60–90秒）。主要技术方法包括：使用力台系统采集垂直地面反作用力，通过冲量-动量关系计算跳高(JH)和修正反应力量指数(mRSI)；基于力-时间信号计算垂直刚度(Stiffness)及制动与推进阶段平均相对力量与功率（ARBF, ARBP, ARPF, ARPP）；采用z分数标准化后识别各运动员的峰值试次，并通过卡方拟合优度检验评估分布均匀性，同时比较PB与TS日的分布同质性。
研究结果如下：
- **跳高(JH)峰值分布**：JH峰值在重复4（25.8%）和重复2（22.0%）最常见，但整体分布较均匀，54.1%峰值出现在第一集群，45.9%在第二集群。
- **修正反应力量指数(mRSI)峰值分布**：mRSI峰值在重复4（30.3%）最频繁，重复1（20.1%）次之，51.6%出现在第二集群，表明时间约束下峰值更倾向出现在后半程。
- **刚度(Stiffness)峰值分布**：刚度峰值在重复1（27.4%）和重复4（22.0%）最常见，53.8%在第一集群，46.2%在第二集群。
- **制动阶段变量(ARBF和ARBP)峰值分布**：ARBF和ARBP峰值在重复6最频繁（分别为31.2%和34.1%），超过60%出现在第二集群，呈现强烈延迟峰值模式。
- **推进阶段变量(ARPF和ARPP)峰值分布**：ARPF峰值在重复1（31.8%）最常见，ARPP峰值在重复4（29.3%）最常见，整体分布较分散，约半数在第二集群。
- **累积捕获概率**：三试次单集群协议仅捕获约54%的JH峰值和48%的mRSI峰值，而六试次集群协议可达100%。
- **峰值试次分布均匀性检验**：所有指标在PB和TS日均显著偏离均匀分布（Bonferroni校正后p ≤ 3.4×10
?3，Cramér’s V = 0.12–0.26）。
- **PB与TS一致性比较**：所有指标的峰值试次分布在PB与TS日之间无显著差异（所有p ≥ 0.386，Cramér’s V ≤ 0.091），表明延迟峰值模式是协议固有特征，而非PB选择假象。
讨论部分指出，延迟峰值现象可能源于感知-动作调谐、短期增强效应(PAPE)及集群休息促进磷酸肌酸(PCr)再合成等机制，不同指标（如制动与推进变量）呈现特异性分布，其中制动变量在第六次重复表现最突出。研究还强调集群休息（60–90秒）在维持力量输出中的关键作用，并建议实际应用中采用3+3集群协议以捕获真实峰值。结论部分翻译如下：
**结论**
本研究提供探索性证据表明，在分析的六次集群协议和PB条件下，最佳CMJ尝试通常出现在测试会话后期，即短暂休息后的第二集群（3+3协议中的第二次集群）。关键的是，这一模式在TS选择方法下同样观察到，两种方法之间每个指标的峰值试次分布相似。因此，延迟峰值倾向似乎反映了3+3集群协议，而非PB选择的假象。在所提出的六次集群协议中，回顾性数据显示七个指标中有五个在协议后半程达到最高中位数标准化分数（mRSI、刚度、ARBF、ARBP、ARPP），表明输出和策略变量均普遍倾向于后期重复中更高值。减少或连续执行的3–5次试次协议可能错过会话最佳表现，低估当前神经肌肉能力，尤其是在力-时间策略指标持续改善而JH相对稳定时。这些发现表明，CMJ监测效率应针对评估目标来判断：额外尝试结合短暂的测试中恢复可增加跨越不同力-时间指标捕获会话最佳值的可能性。因此，足够容量的集群协议可改善准备状态评估、神经肌肉分析、常模基准测试和重返运动评估，而从理论角度，延迟峰值模式似乎与任务特异性调谐、短期增强和跨尝试的逐步协调优化广泛一致。
