《Sports Medicine - Open》：Reliability, Device Agreement and Validity of Load–Velocity Profiles: A Systematic Review with Meta-analysis
编辑推荐：
背景：为了通过负荷-速度关系有效预测一次最大重复值，必须确保其具备高可靠性和准确性。
目的：由于单项研究结果显示出矛盾的预测效果，本系统综述与荟萃分析旨在提供一份更新且全面的概述，第一部分扩展关于市售速度传感器的有效性与可靠性的知识，第二部分则拓展基于速度的1
背景：为了通过负荷-速度关系有效预测一次最大重复值，必须确保其具备高可靠性和准确性。
目的：由于单项研究结果显示出矛盾的预测效果，本系统综述与荟萃分析旨在提供一份更新且全面的概述，第一部分扩展关于市售速度传感器的有效性与可靠性的知识，第二部分则拓展基于速度的1RM预测模型的有效性与可靠性知识。
方法：在PubMed/MEDLINE、Web of Science和Scopus数据库中进行了系统性文献检索。纳入标准为有效性及/或可靠性研究，或基于速度的1RM预测评估研究。采用改编版COSMIN量表评估方法学质量。分析指标包括组内相关系数（ICC）、Lin's一致性相关系数（CCC）和皮尔逊相关系数（r）。本综述已在PROSPERO注册（CRD42025634595）。
结果：第一部分纳入了63项关于传感器有效性与可靠性的研究，第二部分纳入了38项关于1RM预测模型的研究。第一部分：速度传感器表现出良好至卓越的汇总有效性和设备一致性（ICC=0.91–0.92 [0.83–0.97]；k=55和439）；日内与日间可靠性被评定为良好至卓越，ICC=0.90–0.91 [0.85–0.95]（k=228和608），其中传感器技术对结果起到调节作用。然而，显著的异质性和广泛的研究层面估计值范围表明各调节变量之间存在相当大的变异性，线性位置传感器（LPT）通常比惯性测量单元（IMU）表现出一致性更高的性能。第二部分：基于速度的1RM预测显示，其可靠性和有效性的ICC分别为0.90 [0.83–0.94]（k=124）和0.91 [0.72–0.98]（k=9）。
讨论：市售速度传感器通常提供较高的相对效度和可靠性。结果因运动复杂性、强度、传感器技术和建模方法而异。虽然基于速度的1RM预测显示出较高的平均有效性，但下肢练习中的巨大异质性显著影响了结果的偏倚。此外，缺乏测量误差和一致性分析使得无法得出最终结论。
结论：因此，基于速度的监测和1RM预测需要谨慎解读，因为针对特定传感器和特定运动的证据仍然有限。
引言
精确测定最大力量在制定抗阻训练计划中至关重要。训练强度通常以一次最大重复值（1RM）的百分比计算，被认为是调节形态和功能适应的关键因素。为实现肌肉肥大，需达到1RM的60–85%，而更高强度（>85%直至100%）则推荐用于最大力量训练。
微剂量层面的训练控制应考虑日常表现变异，这些变异可能由生活压力、训练负荷引起的疲劳或恢复等因素诱导。由于每日训练前进行最大力量测试被认为不切实际，负荷-速度（LV）曲线在文献中常被强调为一种实用且有效的替代方案。该方法通过测量以次最大负荷（例如1RM的50%和70%）进行重复动作时的杠铃速度，基于负荷与运动速度之间假设的逆线性关系，通过外推最小速度阈值来估算最大可达到的负荷。近期实践建议，只需两个次最大负荷即可建立个体化的负荷-速度关系，前提是一个负荷相对较重（>75% 1RM）且所选负荷能产生约0.50 m·s-1的足够速度差以确保回归斜率稳定。此类方案可融入热身流程，从而减少定期进行耗时最大力量测试的需求。个别研究表明存在强相关性（r>0.9），偏差小于10 kg，这为足够的构念效度假设提供了依据。
尽管在实践应用中频繁获得推荐，但支持最大力量有效估计的证据在质量和结果上仍存在矛盾，一些研究报告了运动速度的高个体间变异性，这与上述推荐相悖。例如，多项研究报告了从热身组构建的速度曲线会严重高估最大力量，系统性高估可达30 kg。虽然使用接近1RM的高负荷和慢速时预测能力有所改善，但具有实践意义的测量误差对该方法的可行性提出了质疑。与实测1RM相比，在下肢和上肢力量测试中均发现了高达20%的平均误差。现有多种传感器类型，包括线性位置传感器（LPT）（如GymAware或Tendo）和惯性测量单元（IMU）（如PUSH或EnodePro），它们在有效性方面存在差异，尤其是在复杂多关节运动中。大量方差来源来自于所选运动、传感器放置位置、所应用的速度阈值选择以及用于构建负荷-速度关系的负荷数量和范围，这些都影响最大力量预测的准确性。
除了这些导致系统性偏差的影响因素外，传感器以及测试的信度和效度在实证数据收集中具有决定性意义，对于就基于速度的1RM估计中的预测误差得出合理结论至关重要。信度描述了测量值在区分个体或在重复试验中保持稳定的一致程度，而效度则指传感器或预测模型与适当参考标准相符的程度。一致性则描述了重复测量之间或不同传感器之间的绝对接近程度，因此在评估传感器互换性时至关重要。如果日内和日间信度、可重复性、客观性和效度等标准未能满足，那么作为外部效度和构念效度前提的内部数据效度就会受到损害。然而，在信度和效度分析中对不同测量误差来源进行的详细测量误差分析尚属罕见。
尽管先前的综述已涉及市售速度传感器和基于LV的1RM预测方法，但并未定量综合基础传感器的测量质量以及设备间一致性与本研究中1RM预测的关系。本综述通过首先评估市售速度传感器的效度、信度和一致性，然后检验基于速度的1RM预测模型的信度和效度，从而扩展了先前的工作。此外，还纳入了更新的证据和调节变量分析，涵盖了传感器技术、运动类型、强度、速度指标和预测方法。
方法
研究方案遵循PRISMA指南，并在PROSPERO数据库注册。第一部分涉及市售速度传感器速度测量的效度、一致性和信度，第二部分评估不同方法预测1RM的信度和效度。分别进行了各部分特定的文献检索、资格筛选、数据提取和统计分析。
文献检索基于PICO框架在PubMed/MEDLINE、Web of Science和Scopus数据库中进行。四位研究人员独立执行系统性文献检索。纳入标准为健康参与者，所有市售速度传感器均被纳入，结局指标为常用信度和效度指标，研究类型为信度和效度研究。排除了缺失特定速度参数或缺乏信度指标的研究。文中列出了具体的检索词。
研究方法学质量通过改编版COSMIN风险偏倚检查表进行评估，使用了信度和测量误差领域。相关设计要求和统计考量简化为五个条目。第一部分和第二部分的具体评估标准在文中详述。
数据提取由四位研究人员独立进行。统计分析使用RStudio进行，采用了metafor、mixtools、ggplot2和dplyr等R包。对于报告组内相关系数（ICC）的信度研究，采用Donner提出的方法分析ICC方差。ICC在对数几率尺度上进行分析，再转换回原始尺度进行解释。对于报告相关系数的效度研究，采用Fisher's z变换稳定方差，再转换回r进行解释。为确保一致性，仅考虑在-1到+1有效范围内且样本量大于3的相关系数。采用Koo和Li的分类标准评估信度水平。
采用限制性最大似然估计（REML）的多水平随机效应荟萃分析，将研究作为随机截距以处理效应量的非独立性。使用Cochran's Q统计量评估研究间异质性。通过漏斗图目视检查和Egger回归检验评估发表偏倚风险。为探索异质性来源，将运动类别、测量变量、训练强度、传感器类型和金标准比较器作为调节变量进行荟萃回归。
结果
第一部分结果：不同速度传感器的信度和效度
发表偏倚风险：总体而言，发表偏倚风险不一。设备一致性分析的Egger检验显示ICC和Lin's CCC分析存在显著漏斗图不对称性，表明存在小研究效应。相反，基于Pearson的一致性估计、ICC或Pearson的效度分析未发现统计学上显著的漏斗图不对称性。日间信度估计显示存在小研究效应。样本量较小的分析需谨慎解读。日内信度的ICC漏斗图显示小研究分布对称，但存在效应聚集。
检索结果：三个数据库的检索共返回24,802条记录，最终纳入63项研究进行分析。在这些研究中，0项仅包含女性，41项专门关注男性参与者，其余22项研究包括了两种性别。线性位置传感器（LPT）在52项研究中使用，包括SmartCoach、GymAware等多种传感器。
