Comentario del artículo “Running power meters and theoretical models based on laws of physics: effects of environments and running conditions”

Nueva publicación del Lab – Physiology & Behavior – Potenciómetros de carrera y modelos matemáticos teóricos basados en leyes físicas: efectos del entorno y de las condiciones de carrera

Enlace a la publicación en la revista AQUI

.

Los resultados de este trabajo complementan a los hallazgos previamente publicados por nuestro laboratorio (Cerezuela-Espejo et al., 2020) sobre el estudio y análisis de la calidad de la medida de la variable potencia de carrera, ofrecida por las principales tecnologías disponibles en el mercado. Concretamente, en esta publicación se analiza el grado de acuerdo entre las medidas de potencia obtenidas por cada uno de los dispositivos comercializados (StrydApp, StrydWatch, GarminRP, RunScribe y PolarV) y los principales modelos matemáticos basados en las leyes de la física, consolidados a nivel internacional, que ofrecen un valor modelado de la potencia de carrera.

Dadas las ventajas inherentes al control de la intensidad del esfuerzo mediante este indicador de la carga externa, la potencia es un parámetro ampliamente utilizado y estandarizado para la programación y monitorización de las cargas en ciclismo. Si bien, no ha sido hasta los últimos 4-5 años, cuando este parámetro ha comenzado a introducirse en la carrera a pie. A diferencia del ciclismo, donde la posibilidad de registrar la fuerza aplicada (a través de diferentes sensores en el pedal, biela, plato, etc.) ofrece una medición directa de la variable potencia (fuerza x velocidad), la biomecánica de la carrera limita esta medición directa al uso de plataformas de fuerza de alto coste económico y con escasa validez ecológica. Para solventar esta problemática, los dispositivos comerciales analizados en este estudio, realizan una estimación de esta variable a través de algoritmos que integran la información registrada por diferentes sensores (acelerómetros, giroscopios y magnetómetros). Aunque es evidente y comprensible que cada fabricante proteja sus algoritmos y los resultados de sus investigaciones internas como estrategia de marca, no es un secreto que estas estimaciones de potencia se basan en los registros de distintos parámetros cinemáticos como son la frecuencia de ciclo, la longitud de zancada o el tiempo de apoyo, entre otros.

Hoy en día, la calidad de los datos ofrecidos por estos estimadores de potencia en carrera a pie empieza a tener un fuerte respaldo empírico, aunque continúa cuestionándose la sensibilidad de estas tecnologías ante los distintos cambios del entorno de carrera, o los propios patrones y técnicas de pisada. Normalmente la precisión en la medida se examina mediante la comparación de los registros de un nuevo dispositivo con una herramienta que dadas sus características de precisión, fiabilidad y sensibilidad ha sido establecida previamente como criterio de referencia o, como se conoce en el argot científico, “gold standard”. Sin embargo, a diferencia del ciclismo, donde sistemas como el SRM® son ampliamente aceptados como criterio para examinar nuevas tecnologías, la dificultad técnica de medir directamente la fuerza en la carrera a pie ha propiciado que surjan diversos modelos matemáticos teóricos para estimar la potencia de carrera. Estos modelos, basados en las leyes de la física, están siendo seguramente la base de los cálculos que utilizan las principales tecnologías disponibles para el registro de potencia en carrera a pie.

Para analizar el grado de acuerdo entre la potencia teórica ofrecida por estos modelos [modelo de Van Dijk y Van Megen (TPW1) y modelo de Skiba y colaboradores (TPW2)] y los principales potenciómetros de carrera disponibles en el mercado actualmente, 10 atletas de alto nivel fueron sometidos a distintos test submáximos de carrera en los que se obtuvieron simultáneamente los registros de potencia mediante los dispositivos StrydApp, StrydWatch, RunScribe, GarminRP y PolarV. En estos protocolos, se manipularon las principales variables que pueden condicionar la producción de potencia en carrera como son la velocidad, el peso del atleta y la pendiente o inclinación del terreno. A excepción del test submáximo con modificaciones en la pendiente, las pruebas se realizaron tanto en un tapiz rodante como en una pista de atletismo. Estas evaluaciones fueron realizadas en dos entornos debido al hecho de que los sensores utilizados por cada dispositivo para estimar la potencia son, en la mayoría de los casos, distintos en función del entorno: interior (indoor) o exterior (outdoor). Los valores de potencia estimados por los dispositivos en cada una de las condiciones (velocidad, peso y pendiente) y ambientes (indoor y outdoor) fueron comparados con la potencia ofrecida por los modelos matemáticos TPW1 y TPW2 (véase Figura 1 de la publicación).

El grado de acuerdo entre esta potencia teórica estimada por los modelos y la potencia registrada por cada dispositivo, se analizó utilizando los estadísticos: coeficiente de correlación de Pearson (r), error estándar de la medida (EEM) obtenido de un ANOVA de medidas repetidas, mínimo cambio detectable (MCD) y el análisis Bland Altman para comprobar el sesgo entre las potencias.

Los principales resultados (véanse tablas de la publicación) indican que los dispositivos Stryd y PolarV, obtuvieron los mejores valores de acuerdo con la TPW1 (Stryd r ≥ 0.947, PolarV: r ≥ 0.931) y la TPW2 (Stryd r ≥ 0.933, PolarV: r ≥ 0.932). Por el contrario, otros dispositivos analizados como el GarminRP y el RunScribe, obtuvieron valores muy alejados de los estimados por ambos modelos matemáticos en todas las condiciones (velocidad, peso y pendiente) y ambientes (indoor y outdoor) analizados.

Los resultados de este trabajo, sumados al resto de hallazgos del presente proyecto, respaldan la posibilidad de incorporar la variable potencia para la prescripción y control de la carrera a pie. Esta afirmación se apoya en la presencia en el mercado de dispositivos con una alta calidad de medida y un precio relativamente asequible. No obstante, una parte de los resultados de este proyecto también evidencia que, a día de hoy, no todas las marcas y modelos puede ser recomendados para este fin, ya que su excesivo error dificultaría la posibilidad de discernir los cambios que se producen en los patrones biomecánicos de la carrera, los efectos de la fatiga, o las propias adaptaciones al entrenamiento.