Search results

A new submaximal rowing test to predict 2,000-m rowing ergometer performance

The purpose of this study was to assess predictive value of a new submaximal rowing test (SmRT) on 2,000-m ergometer rowing time-trial performance in competitive rowers. In addition, the reliability of the SmRT was investigated. Twenty-four competitive male rowers participated in this study. After determining individual HRmax, all rowers performed an SmRT followed by a 2,000-m rowing ergometer time trial. In addition, the SmRT was performed 4 times (2 days in between) to determine the reliability. The SmRT consists of two 6-minute stages of rowing at 70 and 80% HRmax, followed by a 3-minute stage at 90% HRmax. Power was captured during the 3 stages, and 60 seconds of heart rate recovery (HRR60s) was measured directly after the third stage. Results showed that predictive value of power during the SmRT on 2,000-m rowing time also increased with stages. CVTEE% is 2.4, 1.9, and 1.3%. Pearson correlations (95% confidence interval [95% CI]) were −0.73 (−0.88 to −0.45), −0.80 (−0.94 to −0.67), and −0.93 (−0.97 to −0.84). 2,000-m rowing time and HRR60s showed no relationship. Reliability of power during the SmRT improved with the increasing intensity of the stages. The coefficient of variation (CVTEM%) was 9.2, 5.6, and 0.4%. Intraclass correlation coefficients (ICC) and 95% CI were 0.91 (0.78–0.97), 0.92 (0.81–0.97), and 0.99 (0.97–1.00). The CVTEM% and ICC of HRR60s were 8.1% and 0.93 (0.82–0.98). In conclusion, the data of this study shows that the SmRT is a reliable test that it is able to accurately predict 2,000-m rowing time on an ergometer. The SmRT is a practical and valuable submaximal test for rowers, which can potentially assist with monitoring, fine-tuning and optimizing training prescription in rowers.

Trainingsmonitoring in het voetbal

Voor optimale wedstrijdprestaties in het voetbal is een juiste verhouding tussen belasting en herstel noodzakelijk.2 Het monitoren van trainingen en het systematisch analyseren van wedstrijden kan helpen bij het optimaliseren van prestaties en het voorkomen van onder­ en overbelasting. Het eerste deel van dit tweeluik, dat verscheen in Sportgericht 5/2014, was gewijd aan trainingsmonitoring. In dit tweede deel worden mogelijkheden voor wedstrijdanalyse besproken, die door de trainer/coach en zijn staf gebruikt kunnen worden.

Big data-analyse voor detectie overbelasting topsporters.

De balans tussen de belastbaarheid van sporters en de belasting moeten zo goed mogelijk afgestemd zijn om optimale trainingseffecten te realizeren. Er wordt onderscheid gemaakt tussen externe en interne trainingsbelasting, wat duidt op de belasting die extern of intern door de sporter wordt ervaren. Het sturen en bewaken van de balans wordt bij professionele sporters doorgaans verzorgd door (para)medische professionals en/of sportwetenschappers. Doordat er tegenwoordig vele manieren van test- en meettechnologie zijn om o.a. interne en externe belasting te meten is er een grote hoeveelheid aan data beschikbaar in de praktijk, waarvan het verwerken en analyseren arbeidsintensief is. Daarom is er vanuit de praktijk de behoefte om deze data snel inzichtelijk te maken. Vanuit het project is daarom een belastingsmonitor ontwikkeld o.b.v. big data technologieën. Het doel van dit rapport is een praktijkvalidatie van de belastingmonitor. Hierbij wordt enerzijds gekeken naar de verzamelde data door de praktijkpartners en anderzijds wordt onderzocht of veranderingen in ratio's tussen interne:externe belasting een valide manier is om veranderingen in fysieke fitheid te meten?Data door de praktijkpartners zijn op diverse manieren en voor diverse variabelen verzameld. De variabelen zijn onder te delen in de kopjes: (I) individuele kenmerken, (II) externe belasting, (III) interne belasting, (IV) herstel en (V) psychosociale stress. Doordat de diverse sportclubs variabelen verzamelen die zij van belang achten is het niet mogelijk geweest om 1 database op te stellen welke alle variabelen bevat. Hierin zou immers duidelijk moeten zijn wat per variabelen de definitie is, welke per sportclub kan verschillen. Voor toekomstige projecten is het wenselijk om hier uniformiteit in aan te brengen voor aanvang van het project. Dit zal eenvoudiger zijn naarmate ruwe data beschikbaar is, omdat het onwaarschijnlijk is dat de sportclubs hun definities aanpassen. De gebruikte meetinstrumenten en -methodes zijn voor het overgrote deel overeenkomstig uit de wetenschappelijke literatuur en tevens overeenkomstig met de wetenschappelijke standaard. Kanttekening is dat er voor dit rapport geen zicht is op de daadwerkelijke uitvoering van de betreffende metingen.De vraag of de veranderingen in ratio's tussen interne:externe belasting een valide manier is om veranderingen in fysieke fitheid te meten is beantwoord door gebruik te maken van een dataset van 1 voetbalclub (van 3 teams) over 2 seizoenen. Er gekeken of veranderingen in ratio's opgesteld uit diverse maten voor interne belasting (ervaren mate van inspanning en load) en externe belasting (totaal gelopen afstand en totaal gelopen afstand op hoge snelheid) met diverse tijdsintervallen een relatie vertoonden met veranderingen in fysieke fitheid, gemeten met gestandaardiseerde submaximale inspanningstesten. Uit de resultaten bleek dat er geen relatie is gevonden tussen vooraf genoemde variabelen. Er blijken diverse obstakels te zijn waardoor de verandering in ratio’s mogelijk niet correleren met de verandering in interne belasting tijdens fysieke testen. De belastingsmonitor kan dus niet gebruikt worden om fysieke fitheid van sporters inzichtelijk te maken wanneer gekeken wordt naar de opgestelde ratio’s tussen interne en externe belasting. Fysieke testen blijven hiervoor nog steeds noodzakelijk, omdat deze het beste beeld geven van de huidige fysieke fitheid van de sporters. De belastingsmonitor is daarom, voor nu, alleen geschikt voor het afzonderlijk inzichtelijk maken van de diverse variabelen uit de dataset.

De SmRT. Submaximale roeitest om vermoeidheid en herstel te meten