Human Movement Performance

Leituras da Semana 31 - 2023

2023-08-02T04:46:00.001-07:00

Practices and Applications of Heart Rate Variability Monitoring in Endurance Athletes

O artigo revisa o uso da variabilidade da frequência cardíaca (VFC) como uma ferramenta para avaliar a função autonômica cardíaca e o estado fisiológico dos atletas de endurance.
O artigo discute as considerações técnicas para a análise da VFC, incluindo as técnicas de análise, as ferramentas de monitoramento, a importância da estacionariedade dos dados, a posição corporal, o tempo e a duração da janela de gravação, a frequência cardíaca média e as diferenças de sexo e idade.
O artigo aborda os fatores que afetam a VFC em repouso, como a intensidade, a duração, a modalidade, a carga de treinamento e os fatores de estilo de vida.
O artigo explora as aplicações do treinamento baseado na VFC e a identificação e o monitoramento de estados maladaptativos, como o excesso de treinamento.
O artigo examina alguns usos alternativos da VFC, como durante o exercício, após o exercício e para previsão fisiológica e predição de desempenho.

link: aqui

Meias de Compressão funcionam? E para que?

2017-10-07T16:57:00.004-07:00

Em 2016, foi publicada na revista Sports Medicine uma revisão sistemática e metanálise, método científico que reúne todos os artigos científicos produzidos até momento, para responder esta pergunta. Então vamos destrincha-lo.

Foram selecionado 614 artigos destes após 32 preencheram os critérios para inclusão, e foram testados efeitos em diferentes variáveis veja na imagem:

Efeitos para diferentes variáveis testadas.

Vamos destacar alguns resultados

Desempenho, Economia de Movimento, Percepção de Esforço:

Apesar do muito pequeno de sobre o desempenho, tempo de prova, observou efeito maior em variáveis que interferem neste desempenho como Percepção de Esforço, Economia de Movimento mostrando a caráter multifatorial do desempenho.

Variáveis Biomecânicas:

Apesar do pouco número de estudos para estas variáveis os resultado mostram efeito sobre variáveis espaço temporais, ou seja, tempo de contato do pé no solo, freqüência de passada, tamanho do passo, e tempo de swing, que é tempo entre o pé sair do chão e voltar a tocar.

Sobre a Recuperação Muscular:

Este é principal resultado. Olhe as ultimas 3 variáveis do gráfico. São marcadores conhecidos popularmante por estarem relacionado a "dor tardia" e o efeito para eles foi bom!!

Então quando pensar em usar sua roupa de compressão, meia ou short, seu desempenho provavelmente não melhore tanto mas durante irá sentir menos esforço, o que é bom. E irá sentir bem menos dor o é muito bom!!

Bons treinos!!

Link para ler o artigo na íntegra: https://zeze.sci-hub.cc/ee00b7f300d068e618e1bbad45da827c/engel2016.pdf

Treinamento Aeróbio na Corrida de Fundo

2017-10-03T12:28:00.001-07:00

Aqui estão os materiais para Download.
Ah tem senha!

Curso de Treinamento de Corrida 8ª Semana Academia de Educação Física - UniBrasil

2015-05-07T20:12:00.002-07:00

Clique no link abaixo para fazer download das Aulas e Arquivo Excel.

AQUI

HIT, HIIT ou Treino Intervalado de Alta Intensidade

2014-02-23T14:12:00.000-08:00

Eles ficaram famosos por agora! Mas estão ai desde Emil Zatopek! Sem muitas explicações vou apenas postar sugestões deste treinos realizados a muiiiiiito tempo nas pistas e outros que foram utilizados em pesquisa.

De forma rápida classificamos no Treinamento Desportivo em intervalados intesivos e extensivos, ainda em curtos, médio e longo, vide Treinar para Ganhar, Armando Forteza. Muitos deste treinos tem intensidade controlada baseados no % do melhor tempo da distância do intervalado, de 10K, outros é sensação subjetiva,e assim vai. E eles funcionam? Se fez esta pergunta você nunca treinou! E sim tem época certa para usar se você visa desempenho em modalidade específica, mas se quiser manter o físico, faz qualquer um vai dar certo!

----------------------
Intervalado Intensivo Médio
4-5x
200m forte, 200m trote
400m forte, 200m trote
200m forte, 200m trote
obs: utiliza % melhor tempo das distâncias ou 10K.
--------------------
Intervalado Extensivo Longo

5x
5min fazendo
30seg leve
20seg moderado
10seg forte
2min descanso
obs: esforço subjetivo, faça seu melhor para o dia!
---------------------
Intervalado Intensivo Médio

10-20x
200m forte, 100m trote
obs: utiliza % do melhor 200 ou 10K.
----------------------
Intervalado Intensivo Curto

10x
100m forte 2:00
obs: utiliza esforça máximo em cada tiro.
--------------------
2x
600m forte, 400m trote
800m forte, 200m trote
1km forte
200m trote, 800m forte
400m trote, 600m forte
obs: utiliza tempo de 10K.
-----------------------
Pirâmide Crescente Intervalado Extensivo Longo

1km forte 2:00 descanso
2km forte 2:00 descanso
3km forte 2:00 descanso
2km forte 2:00 descanso
1km forte 2:00 descanso
obs: utiliza tempo de 10K e se faz 1min de intervalo .
-------------------------
Intervalado Intesivo Médio
10-20x
400m forte, 100m descanso
obs: utiliza-se % do melhor de 400m ou 10K
-------------------------
Intervalado Intensivo Curto

TABATA
8x 20seg 100%, 10seg descanso
obs: esforço subjetivo, faça seu melhor para o dia!
------------------------
Intervalado Intensivo Médio
Veronic Billat
40x 15seg forte,15 seg descanso
obs: esforço subjetivo, faça seu melhor para o dia!
------------------------
Intervalado Extensivo Longo

10x 1km, descanso 2:00
obs: também é feito com 1:0.0, 00:30 de intervalo, aumentando a densidade o treino.
-----------------------
Intervalo Extensivo Longo

4x 1500m intervalo 1min
obs: utiliza % do melhor tempo de 5K.
Tem mais!
---------------------------
Intervalado Extensivo Médio e Longo

1km fazendo 300m forte, 200m descanso
1km fazendo 400m forte, 100m descanso
1km fazendo 800m forte, 200m decanso
1km forte
obs: faça seu melhor!
----------------------------

PREDICT THE PERFORMANCE OF SWIMMING 200M AND 400M FREESTYLE THROUGH THE LOG-LOG MODEL AND CRITICAL POWER MODEL

2013-02-11T13:08:00.002-08:00

PREDICT THE PERFORMANCE OF SWIMMING 200M AND 400M FREESTYLE THROUGH THE LOG-LOG MODEL AND CRITICAL POWER MODEL

Vitor Bertoli Nascimento^*

Raul Osiecki^****

Daiane Becker^*

Paula Tamburi Borges^**

Antonio Carlos Dourado^*****

Larissa B. Daros^***

Resumo: o objetivo do presente estudo foi comparar a predição do desempenho em provas natação de 200m e 400m através do modelo log-log e modelo de potência crítica. Oito nadadores, do sexo masculino realizaram desempenhos máximos, em piscina de 25m, em nado crawl nas distâncias de 50m, 100m, 200m, e 400m. O Modelo Log-Log apresentou melhor concordância, mas com medidas não correlacionadas (viés = - 0.23 segundos, p = 0.456; r = 0.399, p = 0.326) em relação ao Modelo de Potência Crítica (viés = - 5.52 segundos, p = 0.030; r = 0.547, p = 0.159) para o tempo real de 200m nado crawl quando utilizamos as distâncias preditoras de 50m e 100m. Para distância de 400m o Modelo Log-Log, utilizando as distâncias preditoras de 100m e 200m, apresentou melhor concordância com medidas correlacionadas (viés = - 2.5 segundos, p = 0.382; r = 0.617, p = 0.102) em relação ao Modelo de Potência Crítica (viés = -14.25 segundos, p = 0.003, r = 0.690, p = 0.058) quando comparamos com tempo real. Concluímos que o Modelo Log-Log apresentou melhor predição de desempenho para distâncias de 200m e 400m nado crawl em relação ao Modelo de Potência Crítica, podendo ser utilizado para planejamento da estratégia de prova e estruturação do treinamento, sendo que outras combinações de distâncias preditoras devem ser testadas.

Palavras-chave: modelo de potência crítica, modelo log-log, natação.

PREDICT THE PERFORMANCE OF SWIMMING IN 200M AND 400M CRAWL THROUGH THE LOG-LOG MODEL AND THE CRITICAL POWER MODEL

ABSTRACT: The purpose of this study was to compare the prediction of swimming performance in tests 200 and 400 through the log-log model and the critical power model. Eight males swimmers, performed maximum performance in the 25m pool in crawl over distances of 50m, 100m, 200m and 400m. The log-log model showed better agreement (bias = - 0.23 sec., p = 0.456; r = 0.399, p = 0.326) compared to the critical power model (bias = - 5.52 sec., p = 0.03) for real-time 200m crawl when using predictive distances 50m and 100m. Distance of 400m to the Log-Log Model using the predictive distances of 100m and 200m, showed better agreement (bias = - 2.5 sec., p = 0.382; r = 0.617, p = 0.102) compared to the critical power model (bias = -14.25 sec., p = 0.003, r = 0.690, p = 0.058) when compared to real time. We conclude that the log-log model is a better predictor of performance for distances of 200m and 400m crawl over the critical power model, which can be used for test strategy planning and structuring training, and other combinations of predictors distances should be tested.

Key Words: Front Crawl, log-log model, critical power model.

DOWNLOAD of EXCEL file to PREDICT LOG-LOG MODEL Here

Agreement between Ventilatory Threshold, Heart RateVariability Threshold and Conconi Threshold in Runners

2013-02-10T07:59:00.002-08:00

Vitor Bertoli Nascimento, Bruno Vinícius Santos, Jhonatan Luiz Soave, Fabiano de Macedo Salgueirosa, Thales Augusto Costa Rosa

OBJECTIVE: To assess the agreement between the ventilatory threshold, heart rate variability threshold obtained by different parameters and Conconi threshold in runners.
METHODS: The sample consisted of 16 male athletes 26.3 ± 3.9 years, weight 65.2 ± 4.96 kg, height 172 ± 0.07 cm, BMI (kg / m²) 22.2 ± 1.4, 12.0 ± 4.2% fat, oxygen consumption 61.1 ± 2:48 ml / kg / min and vVO2pico 20.0 ± 0.8 km / h. The subjects underwent a maximal incremental treadmill for determination of oxygen consumption (VO2max), ventilatory threshold (VT), heart rate variability threshold (HRVT) and Conconi threshold (CT).
RESULTS: agreement was observed between the ventilatory threshold and heart rate variability: LiVFCSD1 and LV (p = 0.989, bias = - 0.01km / h, r = 0979, 95% CI = [0940, 0993], p <0.001), and LV LiVFCSD1SD2 (p = 0729, bias = 0.17 km / h, r = 0902, 95% CI = [0735, 0965], p <0.001), and LV HRVT RMSSD (r = 0959,, 95% CI = [0883-0986], p <0.001), LiVFCHF * HF (p = 0.1843, bias = 0.88 km / h, r = 0528, 95% CI = [0.045; 0811], p = 0.035) and lower bias was observed for the parameter SD1. Among LV ane Conconi threshold no agreement was observed but the measures are correlated (p = 0.037, bias = 0.24 km / h, r = 95% 0950 = [0857, 0982], p <0.001).
CONCLUSIONS: For being a low-cost heart rate variability threshold can be used for monitoring and training prescription for aerobic endurance runners who do not have access to gold standard.

Identification and Concordance of the Heart Rate Deflection Point and Heart Rate Variability Threshold Determined by Different Parameters in the 20 m

2012-04-05T17:29:00.008-07:00

Identification and Concordance of the Heart Rate Deflection Point and Heart Rate Variability Threshold Determined by Different Parameters in the 20 m Multi-Stage Fitness Test
Vitor B. Nascimento1, Raul Osiecki1, Paulo E. Redkva1, Elton B.Gomes1, Fabiano M. Salgueirosa1, Larissa B. Daros1,3, Ana C.Osiecki1, Edson I. Kaminagakura2

1Center for the Studies of Physical Performance, Curitiba, Paraná,Brazil, 2Laboratory for Physical Assessment, Health and Sports,Ponta Grossa, Parana, Brazil, 3Department of Physical Education in Midwestern State University of Parana, Brazil

ABSTRACT
Nascimento VB, Osiecki R, Redkva PE, Gomes EB, Salgueirosa FM, Daros LB, Osiecki AC, Kaminagakura EI. JEPonline2012;15(2):55-63.

The purpose of this study was to identify the variability threshold determined by different parameters and the Conconi Threshold (HRDP) in a 20 m Shuttle Run Test, describing the
concordance between these aerobic indexes. The subjects consisted of professional soccer players. The 20 m shuttle run test was used.The criteria for determining the heart rate variability threshold (HRVT) were the breaking of linearity SD1; breaking of linearity in SD1/SD2; first stage in the curve decrease in which the difference between the SD1 in two consecutive stages is less than 1 ms; breaking of linearity HFpeak x HFms². The HRDP was determined by the breaking of linearity in the heart rate curve. All criteria of HRVT demonstrated a moderately significant correlation with HRDP (r=0.73). However, only the HRVTSD1 presented concordance with HRDP (bias=0.24 km·h-1,P=0.245).The main finding of this study was the demonstration of association between the non-invasive determination of anaerobic threshold in a field test as well as the evidence of agreement between the method HRVTSD1 with the HRDP in soccer players.

Key Words: Heart Rate Variability, Heart Rate Variability Threshold,
Conconi Threshold, Soccer

DOWNLOAD ARTICLE

e-mail: vitorbertolinascimento@yahoo.com.br

Indentificação do Ponto de Quebra (break point) - Um Tutorial com uso do software livre R

2012-01-02T08:45:00.001-08:00

A identificação do Ponto de Quebra (break point) é uma ferramenta de grande uso no dia a dia da Fisiologia do Exercício aplicaca. Dentre as aplicação está idenficação limiar anaeróbio através de diferentes medidas: ventilação, curva VO2/CO2, freqüência cardíaca, variabilidade da freqüência cardíaca, lactato, glicemia, e ai vai. O objetivo deste post é mostrar como isto pode ser feito através do software livre R. Para isso seguiremos os seguintes passos:

Instalação do R.
Instalação do pacote segmented.
Uso do script

Passo 2: vamos as print screen da instalação do pacote segmented para quem não esta "acostumado" ao ambiente R.

Está acima é a visualização do seu prompt o R. Procure Pacotes (Pakages) e clique em instalar pacotes. OBS: é preciso estar conectado a internet. Depois escolha um local que esteja mais próxomo fisicamente de você, exemplo BRAZIL (PR). Após fazer isso vai paraecer uma lista com todos os pacotes de R. Basta procurar o segmented e clicar OK. Legal agora você tem o pacote que indetificará os Pontos de Quebra (break point).
Pass0 3: Vamos usar o script abaixo, mas antes você precisará de dados para poder fazer seu primeiro break point. Copie os dados. Basta copiar as linhas abaixo:
x<-c(8, 8.5, 9, 9.5, 10, 10.5, 11, 11.5, 12, 12.5, 13)
y<-c (18.5, 12.7, 10.2, 8.7, 8.7, 7.9, 7.4, 6.9, 7.1, 6.8, 6.5)
São dados de retira vagal durante um teste progressivo onde, x= velocidade km/h, y =SD1 milisegundos.
# Para carregar o Pacote para fazer breakpoint copie a linha abaixo:
>require(segmented)
Agora vamos a construção do breakpoint.
Vamos fazer um gráfico para verificar a relação entre as variáveis, para isto copie:
>plot(x,y)

Agora vamos colocar uma reta, que depois será "quebrada" em dois "pedaços". Para isto copie:
>bp.lm<-lm(y~x)
Se nada apareceu, deu tudo certo! Segue o baile! Vamos encontrar o ponto de quebra. Para isto olhe o gráfico de dispersão. Como este é um método interativo é preciso dar um ponto de início para procura. Que tal começarmos com 9km/h? Copie isto:
>bp.seg<-segmented(bp.lm,seg.Z=~x,psi=list(x=c(9)),control=seg.control(display=FALSE))
Nada acontenceu? Deu tudo certo! Mas como vou ver o breakpoint? Copie ai:
>summary(bp.seg)
Agora você deve visualizar isto:
***Regression Model with Segmented Relationship(s)***

Call:
segmented.lm(obj = bp.lm, seg.Z = ~x, psi = list(x = c(9)), control = seg.control(display = FALSE))

Estimated Break-Point(s):
Est. St.Err
9.08700 0.09417

t value for the gap-variable(s) V: -1.416024e-15

Meaningful coefficients of the linear terms:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 84.350000 6.8604597 12.295094 5.400873e-06
x -8.300000 0.8061836 -10.295422 1.765237e-05
U1.x 7.638095 0.8251552 9.256556 NA

Residual standard error: 0.5701 on 7 degrees of freedom
Multiple R-Squared: 0.9822, Adjusted R-squared: 0.9746

Convergence attained in 2 iterations with relative change 2.733143e-15
Legal! Você encontrou!! 9.08km/h. Mas tente outro valor, tipo 10. Vamos lá!
> bp.seg<-segmented(bp.lm,seg.Z=~x,psi=list(x=c(10)),control=seg.control(display=FALSE))
Mudou??
Agora só tentar com seu dados!
Dúvidas, sugestões:
vitorbertolinascimento@yahoo.com.br

USING FACTOR ANALYSIS FOR VARIABLE REDUCTION TO QUALIFY PHYSICAL FITNESS OF SOCCER TEAM

2012-01-02T06:15:00.001-08:00

USING FACTOR ANALYSIS FOR VARIABLE REDUCTION TO QUALIFY PHYSICAL FITNESS OF SOCCER TEAM

Vitor Bertoli Nascimento, PhD Raul Osiecki, Ms Luiz Fernando Novack, Ms Fabiano Salgueirosa.

Demonstrate the use of technical analysis of factors for summary variables metabolic assessment, body composition and motor skills of a professional soccer team allowed better visualization of the physical qualities of the athlete and athletes in different tactical positions, and team sports. We used to analyze variables VO2 max, anaerobic threshold, agility,% Fat and Lean Body Mass, Impulse horizontal test, 10m and 30m test. The sample was 35 professional athletes with a mean age 22:54 ± 2.9, n = 7 defenders, attackers n = 4, n = 2 goalies, n = 6 sides, socks n = 11, n = 5 flywheels. The result of Bartlett's sphericity test was p <0.001, and the value of the KMO statistic was 0.633, being suitable for abstract factor analysis of variables. Of the eight variables VO₂ max, anaerobic threshold, Agility, Fat%, Lean Body Mass, vertical jump, Test and Test 10m 30m were reduced to three factors, they summarize the following aspects: speed and agility factor 1 2 aerobic condition factor, body composition factor 3. The three factors explain 73.76% of the variance of the sample, with a speed and agility 35.92% factor 1, 22.79% factor 2 aerobic fitness and body composition factor 3 15.04%. We conclude that the technique of factor analysis can be used to summary and to better describe the metabolic assessment, body composition and motor skills in sports teams, helping to visually identify the physical condition of athletes in the group and in relation to tactical positions.

The practical application is the exposure of scores in percentile charts that make it easy to visualize the technical team and players about their condition in relation to summarize factors that speed and agility, aerobic condition and body composition.

e-mail: vitorbertolinascimento@yahoo.com , http://twitter.com/vitorbn1978

USE OF TECHNICAL K-MEANS CLUSTER TO FORMATION SUB-GROUPS FOR THE PHYSICAL TRAINING IN SOCCER TEAM

2011-06-08T06:30:00.000-07:00

USE OF TECHNICAL OF K-MEANS CLUSTER TO FORMATION SUB-GROUPS FOR THE PHYSICAL TRAINING IN SOCCER TEAMFederal University of Parana - Center for the Study of Physical Performance - Curitiba-PR BrazilVitor B. Nascimento, Luiz F. Novack, Fabiano , Luis F. Carignano, Raul Osiecki
E-mail: vitorbertolinascimento@yahoo.com.br
Introduction: A major difficulty in fitness in soccer is the need to work with a large number of athletes and still take into account the principle of inter-individual variability. One way to mitigate this problem is to sub-divide the athletes into smaller groups according to certain characteristics and thus similar training needs. The cluster analysis (Cluster) K-means is a statistical tool that helps to organize data into structures with common features. Objective: To demonstrate the use of technology in K-means forming groups in a professional soccer team. Methodology: We used to analyze variables that translate the following aspects physical, aerobic power (VO2 max), aerobic capacity (anaerobic threshold), Agility (LITTLE, T & WILLIANS, A, 2005), body composition (% Fat and Lean Body Mass ), muscular power (vertical jump), speed test (30m). The sample was 35 professional athletes with a mean age 22:54 ± 2.9, n = 7 defenders, attackers n = 4, n = 2 goalies, n = 6 sides, socks n = 11, n = 5 flywheels. For analysis we used SPSS 17. Results: 3 groups were created using the F test for significant differences. Significant difference was observed for the groups created in Speed Threshold (G1: 13.80 ± 0.54, G2: 13.15 ± 0.47; G3: 12.65 ± 1.16, p = 0.011), Lean Body Mass (G1: 63.32 ± 2.88, G2: 72 ± 3.89 , G3: 61.92 ± 2.26, p <0.001), VO2 max (G1: 61.76 ± 2.62, G2: 59.64 ± 2.25, G3: 57.93 ± 3.9, p = 0.029), and vertical jump (G1: 41.4 ± 21.3, G2: 56.2 ± 5.89, G3: 51.03 ± 2.75, p <0.001), indicating that these groups should receive training for these different valences, as variables for Agility (G1: 5.46 ± 0.39, G2: 5.43 ± 0.37; G3: 5.39 ± 0:29 p = 0922) and% Fat (G1: 11.78 ± 1:41 G2: 12.78 ± 1.71, G3: 11.97 ± 1.88, P = 0317) groups are homogeneous and do not justify the creation of sub-groups. Conclusion: we conclude that the technique of K-means should be used in the formation of homogeneous groups. With this, showing a visual medium but not in the mathematical and scientific training organization.
Keywords: (K means cluster, Physical Training, Soccer)

Article: NOVACK, Luiz Fernando et al. Distribuição de subgrupos com base nas respostas fisiológicas em jogadores profissionais de futebol pela técnica K Means Cluster. Rev Bras Med Esporte [online]. 2013, vol.19, n.2, pp. 130-133. ISSN 1517-8692. http://dx.doi.org/10.1590/S1517-86922013000200012. http://www.scielo.br/pdf/rbme/v19n2/en_12.pdf.

Zona Alvo para Queimar Gordura - Fat Max

2011-03-06T16:11:00.000-08:00

Em 2002, surgiram os primeiros trabalho que mostravam que existem uma intensidade de exercício físico que se pode optimizar a oxidação de gorduras, ponto chamado de Fat Max. O autores descrevem a curva de oxidação de gorduras , "queima de gordura" como um u invertido, ou seja, com aumento da intensidade do exercício, há um aumento da oxidação até um ponto máximo,. Se partir deste houver aumento da intensidade do exercício, a oxidação , "queima" de gordura reduz (vide figura). Sua determinação pode ser feita em testes de esforço onde se faz análise de gases, e por teste onde se avalia a curva de lactato.
Mas em qual intensidade de exercício se encontra este Fat Max?
Em pessoas sedentárias seria mais próximo de 65% da Frequência Cardíaca Máxima, em pessoas treinadas pode se encontrar até a 75% da FC máxima.

Otimize seus treinos!
Consultoria em Corrida

Consultoria em Corrida

2011-02-20T12:34:00.000-08:00

Já fez Teste de Lactato?

O Teste de Lactato é padrão ouro na determinação do Limiar Anaeróbio. Mas o que é Limiar Anaeróbio?

Este é o ponto a partir do qual nosso metabolismo muda da fonte aeróbia para anaeróbia, e onde o exercício começa a ficar mais difícil. E porque é importante conhece-lo?

O Limiar Anaeróbio define precisamente a Zona Alvo de treinamento, com isso conseguimos dar mais ênfase a queima de gordura, melhora do desempenho, aproveitando ainda mais seu treino.

Como é feito?

Ele é feito em esteira iniciando com velocidade de caminhada e evoluindo para corrida, há pequenas pausas para coleta de uma gota de sangue para análise do Lactato Sangüíneo. Simultâneo, a freqüência cardíaca é monitorada tendo ao final do teste a Zona Alvo de batimentos e velocidade para realização de seus treinos.

Como posso fazer meu teste?

Basta agendar e apresentar no dia do teste de lactato um teste de esforço com menos de 6 meses e atestado médico dando para prática de atividades físicas. Além do teste você ganha Avaliação da Composição Corporal e Periodização de 3 meses.

Contato: vitorbertolinascimento@yahoo.com.br Fone: 41 91047890

Curso Treinamento Funcional para Corredores

2010-10-03T16:04:00.000-07:00

Aqui estão os links para download.
Aula PDF
Artigos Treino de Core

Dúvidas, sugestões: vitorbertolinascimento@yahoo.com.br

UTILIZAÇÃO DA TÉCNICA DE K MEANS CLUSTER PARA FORMAÇÃO DE SUB-GRUPOS PARA PREPARAÇÃO FÍSICA

2010-07-11T13:00:00.000-07:00

Dia 5 de agosto de 2010 estaremos apresentando no 22º Congresso Brasileiro de Medicina do Exercício e do Esporte realizado em Curitiba. Tal técnica apesar de ser apresentada para uma equipe de futebol de campo pode ser utilizada para outras modalidades coletivas e faz parte da nosso escopo de serviços na consultoria para monitoramento do treinamento para equipes.
Abaixo confira o resumo a ser apresentado.

UTILIZAÇÃO DA TÉCNICA DE K MEANS CLUSTER PARA FORMAÇÃO DE SUB-GRUPOS PARA PREPARAÇÃO FÍSICA DE EQUIPES DE FUTEBOL

UFPR - Universidade Federal do Paraná - CEPEFIS - Centro de Estudos da Performance Física - Curitiba-PR Brasil

Vitor B. Nascimento, Luiz F. Novack, Fabiano Salgueirosa, Luís F. Carignano, Raul Osiecki E-mail: vitorbertolinascimento@yahoo.com.br

Introdução: Uma grande dificuldade na preparação física no futebol é a necessidade de se trabalhar com um grande numero de atletas e, ainda assim, levar em consideração o princípio da variabilidade inter-individual. Uma forma de amenizar este problema é sub-dividir os atletas em grupos menores de acordo com determinadas características e assim, necessidades semelhantes de treinamento. A análise de agrupamentos (Cluster) K-means é uma ferramenta estatística que auxilia a organizar dados em estruturas com características físicas em comum. Objetivo: Demonstrar a utilização da técnica K-means na formação de grupos em uma equipe de futebol profissional. Metodologia: Foram utilizadas na análise variáveis que traduzissem as seguintes valências físicas: potência aeróbia (VO₂máximo), capacidade aeróbia (Limiar Anaeróbio), agilidade (LITTLE,T & WILLIANS,A , 2005), composição corporal (% de Gordura e Massa Magra), potência muscular (Salto vertical), velocidade (teste de 30m). A amostra utilizada foi de 35 atletas profissionais com idade média 22.54 ± 2.9, sendo n = 7 zagueiros, n = 4 atacantes, n = 2 goleiros, n = 6 laterais, n = 11 meias, n = 5 volantes. Para análise foi utilizado software SPSS 17. Resultados: foram criados 3 grupos sendo n, teste F e características expostos na tabela abaixo.

	GRUPO 1			GRUPO 2			GRUPO 3
Variáveis	n	Média	Desvio Padrão	n	Média	Desvio Padrão	n	Média	Desvio Padrão	F	p
Agilidade(s)	10	5,46	0,39	13	5,43	0,37	12	5,39	0,29	0,08	0,922
% Gordura	10	11,78	1,41	13	12,78	1,71	12	11,97	1,88	1,19	0,317
Massa Magra (kg)	10	63,32	2,88	13	72	3,89	12	61,92	2,26	37,89	0,000
Salto vertical (cm)	10	41,4	3,21	13	56,2	5,89	12	51,03	2,75	19,07	0,000
Vel. Limiar (km/h)	10	13,8	0,54	13	13,15	0,47	12	12,65	1,16	5,39	0,011
VO₂ Máximo (ml/kg/min)	10	61,76	2,62	13	59,64	2,25	12	57,93	3,9	4,06	0,029

Segundo o teste F existem diferenças significativas entre os grupos criados para Velocidade de Limiar, Consumo de Oxigênio, ou seja na condição aeróbia, Salto Vertical, Massa Magra, relacionados a potência. Conclusão: podemos concluir que a técnica de K-means deve ser utilizada na formação de grupos homogêneos. Com isto, demonstrando um meio não visual mas matemático e científico na organização do treinamento.

Palavras Chave: (K means Cluster, Preparação Física, Futebol)

Monitoramento do Treino e da Performance em Provas de Endurance ou Resistência 1

2009-12-21T13:28:00.000-08:00

Gostaria aqui de fazer resumos de artigos que tem por objetivo dar subsídios para o Monitoramento do Treino e da Performance em Provas de Endurance ou Resistência em modalidades como corrida, ciclismo, natação para citar as mais populares. Irei colocar a cada mês um novo artigo, lembrando que este resumo não substitue a leitura do trabalho.
Para iniciar vou resumir um artigo publicado este ano e que venho usando em clientes que presto consultoria praticantes de ciclismo, corrida e triatlon.
Referência do Trabalho: MANZI. V., F. IELLAMO, F. IMPELLIZZERI, S. D'OTTAVIO, and C. CASTAGNA. Relation between Individualized Training Impulses and Performance in Distance Runners. Med. Sci. Sports Exerc, Vol. 41, No. 11. pp. 2090-2096, 2009.
Apesar de terem demonstrado a aplicação em corredores do método, este pode ser aplicado em outras modalidades mas sua sensibilidade ainda não foi testada.
Os autores modificaram o fórmula de Banister para cálculo do TRIMP (Training Impulse), que utiliza a frequência cardíaca média do treinamento por uma forma individualizada usando a curva de lactato de cada atleta. Vamos inciar pela fórmula do Banister. Esta é a fórmula para homens:
TRIMP (Training Impulse) = Tempo de Duração do Treino x [(HRmédia - HRrepouso)/(HRmáxima-HRrepouso] x 0.64exp[(HRmédia - HRrepouso)/(HRmáxima -HRrepouso) x 1.92]. Os valores de 0.64 e 1.92 da equação são baseados em dados de curvas de lactato analizadas por este autor. A inovação do artigo foi utilizar a equação obitda numa regressão exponencial entre a curva de lactado e o percentual da frequência cardíaca máxima de cada atleta ao invés da equação de Banister.
Para comprovar sua inovação era mais eficiente, os autores, relatam uma relação entre o TRIMP individual e melhora na velocidade, em quilometros por hora, no valor fixo de 2mmol/L de lactato. Relação não observada de forma significativa quando utilizou-se o TRIMP Banister. O método mostra uma melhor individualização do controle da carga interna. Tendo grande aplicabilidade para quem controla treino de clientes que gostam de provas que suas performances tem grande relação com esta velocidade.

No próximo post da série Monitoramento do Treino e da Performance em Provas de Endurance ou Resistência: Efeitos do TRIMP Banister em variáveis cardiovasculares.
Dúvidas, correções , sugestões, Consultoria :
E-mail: vitorbertolinascimento@yahoo.com.br

Download (aqui coloquei um arquivo Excel com exemplo de teste de lactato com o TRIMPi)

Aula Pós PUC 7/11/09

2009-11-09T09:29:00.000-08:00

Download
Coloquei os artigos de referência do TRIMP
Dúvidas, sugestões : vitorbertolinascimento@yahoo.com.br

Aula Pós PUC 2009

2009-10-18T06:32:00.000-07:00

Aqui estão os arquivo
Download
Qualquer dúvida ou correção: vitorbertolinascimento@yahoo.com.br

Pós Graduação DpConsultoria Francisco Beltrão

2009-08-02T10:21:00.000-07:00

Disciplina de Treinamento Desportivo, enfase em Qualidade de Vida
Aulas e Arquivos utilizados
Alguns Arquivos têm senha, para recebe-las basta escrever para e-mail abaixo.
Dúvidas: vitorbertolinascimento@yahoo.com.br

Curso de Treinamento Cardiovascular SAVER

2009-06-06T17:34:00.000-07:00

Download aqui

Aula UniBrasil sobre Treinamento Desportivo enfase Corrida de Fundo

2009-05-07T12:46:00.000-07:00

Ai vai o arquivo com a apresentação!
Download

Controle de Carga do Treinamento através do Método Foster

2009-05-01T13:55:00.001-07:00

Resolvi escrever sobre algo com que venho trabalhando a algum tempo. Mas lembro que este texto é para dar um gostinho e os textos de referência devem lidos.(estão ai em baixo para dowload)
O Controle de Cargas do treinamento! Meu trabalho é especificamente no treinamento com corredores de rua, mas a aplicação deste método pode e é realizada em modalidades de esportes coletivos como futebol, rugby, etc.
E como quantificamos CARGA? Esta "entidade" do treinamento desportivo.
De forma geral, e simplista consideramos carga apenas sendo VOLUME x INTENSIDADE. No treinamento de força mutiplica-se no número de séries pelo peso levantado para se ter esta medida.
O Método FOSTER utiliza da escala de BORG 10, aquela que vai de 0 a 10, e o tempo de duração do treinamento para obtermos o TRIMP( Training Impulse), outras medidas feita pelo método são MONOTONIA e STRAIN (traduzido pelo espanhois por Indice de Fadiga, não confundir com o do teste de Wingate).
Mas como e para que?

No quando controlamos apenas INTENSIDADE ou o VOLUME de uma sessão, semana, ou mês (s) ou melhor micro, meso, ou macro que não correspondem necessáriamente a escala citada, temos apenas um componente nos dando uma medida muito pobre para o controle dos efeitos do treino.
Nos trabalhos do grupo do professor FOSTER encontramos compara de provas de ciclismo como Tour de France, e Volta da Espanha, TRIMPS de corredores de ponta, de times de futebol. Dentre as relações esta a relações está o aumento de das medidas do método com aparecimento de infecções oportunistas.
Como fazer?
Para se obter a carga diária multiplica-se o tempo de treino em minutos pelo BORG 10.
Exemplo: Tempo de Treino 1 hora e 17 minutos; Sensação Subjetiva (BORG 10) 6. Contas: 77 x 6=462
Mas a semana é que vale. Então vamos a um exemplo:

Dia da Semana Semana 1

Segunda	0	450
Terça	0	75
Quarta	300	300
Quinta	240	525
Sexta	0	300
Sábado	315	425
Domingo	0	300
CARGA SEMANAL	855	2375
MONOTONIA	0.79	2.32
STRAIN (Índice de Fadiga)	677.90	5504.69

Como fazer as contas?

CARGA SEMANAL: soma- se as cargas diárias.
MONOTONIA: divide-se a Média da Carga Semanal pelo Desvio Padrão da Carga Semanal.
STRAIN(Indice de Fádiga): multiplica-se Carga da Semanal pela MONOTONIA.

Um exemplo real:

Abaixo apresento uma série de um dos atletas que monitoramos.

A Semana 12 era uma semana de regenerativa, na semana 17 tivemos problemas de gripe.
Bom uso do Método a todos!
Bibliografia:

BILLAT, V. L., P.-M. LEPRETREE, A.-M. HEUGAS, L. MILLE-HAMARD,
D. SALIM, and J.-P. KORALSZTEIN. Training and bioenergetic characteristics in elite male and female Kenyan runners. Med. Sci.Sports Exerc. 35:297–304, 2003.
Foster C. Monitoring training in athletes with reference to overtraining syndrome. Med Sci Sports Exerc 1998:30: 1164–1168.
LUCIA, A., J. HOYOS, A. SANTALLA, C. EARNEST, and J. L. CHICHARRO.Tour de France vs Vuelta a Espan˜a: which is harder? Med.Sci. Sports Exerc. 35:872– 878, 2003.
FOSTER, C et al. A new approach to monitoring exercise training. Journal of Strength and Conditioning Research , 2001, 15(1),109-115.

Link para o Guideline

2009-03-15T14:18:00.000-07:00

Este é o link para Guideline:aqui
Este é link para o arquivo em Excel que usamos: aqui

Predição de Tempo de Prova 10km

2009-01-23T09:47:00.001-08:00

Quando treinamos corrida a pergunta sobre que tempo será que farei?
Para responder a esta pergunta foram estudadas diversas variáveis fisiológicas como VO² máximo, Limiar de Lactato, Economia de Corrida, etc. Foram propostos modelos matemáticos complexos, que utilizam temperatura e humidade relativa do ar.
Mas gosto especialmente de uma que é um modelo matemático simples, o Modelo de Potência Crítica. Ele conhecido dos estudiosos da área de fisiologia de exercício é capaz de predizer de forma indireta o limiar anaeróbio, forma mais utilizada. Mas também pode fazer predições do tempo de prova. E para isto basta você registrar seu tempo de 2 ou 3 distâncias menores que 10km.
Quem quiser predizer seu tempo de 10km ai vai um arquivo Excel para cáculo. Aqui
No site da Runner´s World você também pode calcular!
Até!!

Diário de Treino - Para que? Como?

2009-01-05T10:28:00.000-08:00

Diários são muito comuns na vida de algumas pessoas que registram o que acontece no seu dia a dia, guardando suas experiências boas ou ruins, e todos os segredos.
Diários são muito úteis para quem pratica corrida ou caminhada. Neles você pode guardar informações que podem e devem ser utilizadas para novo treinos, acompanhar suas evoluções, encontrar possíveis motivos para lesões e pode prevenir o famoso overtraining, assunto para outro post. Mas você tem o seu?
Em um diário de treino você pode registrar as informações mais relevantes para você. Temos uma sugestão mas antes veja como você pode construir seu diário de treino.

Algumas informações não muito usuais em diários:

Qualidade do Sono: Sono é essencial para quem treina, e guardar esta informação é muito importante pois tem direta relação com performance.
Sensação de Fadiga: Como está hoje?Cansado? Seu dia foi cheio?Esta é outra informação que pode interferir em como você treina.
Dores Musculares: O aumento das dores é um indicativo do excesso de treino ou de que o corpo não esta conseguindo se adaptar e precisa de descanso, mas você se lembra se estava com alguma dor semana passada?
Vontade de Treinar: Sua motivação para treinos muda muito? A perda da motivação muitas vezes está ligada a fatores como anemias, falta de sono, lembra da primeira informação??

Informações essenciais para se ter no diário:

Peso: principalmente para quem tem como objetivo de perda de peso correndo. Pode-se registrar diariamente, semanalmente,a cada 2 semana.
Volume de Treino: principal informação comentada nas rodas de corredores. Alguém te pergunta: quanto você corre por semana?
Tempo de Treino: seguida do volume é uma informação importante pois seu aumente repentino está ligado a aumento de lesões.

Coloco aqui um arquivo Excel que pode te ajudar a guardar estas informações. Para baixa-lo clique aqui. Ele vai te ajuda-lo até julho, depois os gráficos irão desconfigurar mas as informações podem continuar a ser salvas!
"Vamo corre"!!
Qualquer dúvida: vitorbertolinascimento@yahoo.com.br
AVISO: alguma pessoas tiveram dificuldades. Os botões não estavam funcionando. Para corrigir vá ao menu Ferramentas do Excel, depois Macro, depois Segurançal, lá coloque Nível Baixo. Pronto deve resolver o problema. Até!