穩定與非穩定狀態下負重與肌肉活性關系模型的構建與實證

董德朋, 袁 雷

(1.吉林大學 哲學社會學院,吉林 長春 130012;2.吉林大學 體育學院,吉林 長春 130012)

針對“負重與人體肌肉活性之間的關系是一種線性關系(直線),還是非線性關系(非直線)”這一問題,似乎并無一致性結論。有的學者認為它們是一種線性關系[4-5];而有的學者認為它們是一種非線性關系[6]。因此,針對負重與人體肌肉活性之間的關系問題還需要進一步明確,而在穩定與非穩定狀態下是否依然保持某一種關系特征,也有待于進一步探討。鑒于此,本文通過設計人體在穩定與非穩定狀態下不同負重的保加利亞式杠鈴分腿深蹲肌肉肌電測試(簡稱“深蹲”,該深蹲形式能夠在減少大負荷深蹲對脊柱造成壓力的同時,還能夠提高腿部肌肉的負荷與穩定性,有利于受試者對脊柱的保護和優化測試效果,從而便于后續分析與檢驗),以進一步認清這一學理現象,為今后的研究提供理論依據與借鑒。

1 研究對象與方法

1.1研究對象研究選取近3年內一直堅持訓練的體育院校田徑隊運動員為測試對象,且其1年內無骨折、急性傷病,能夠規范地完成深蹲動作,并自愿簽署實驗協議。基于以上標準,本文共確定了30名田徑運動員(2名健將、10名一級運動員、18名二級運動員),隨機分為2組。其中關系模型構建組(負重:0%RM、30%RM、60%RM及90%RM)包括20名運動員,其年齡為(19.901.80)歲,體質量為(68.858.50)kg,身高為(178.804.70)cm。關系模型檢驗組(負重:0%RM、25%RM以及50%RM)包括10名運動員,其年齡為(20.102.05)歲,體質量為(70.109.03)kg,身高為(180.155.20)cm。通過獨立樣本t檢驗,2組之間無顯著性差異(P>0.05),可以認為是同一受試群體。研究選取11塊肌肉進行肌電測試:豎脊肌(ES)、股外側肌(VL)、臀大肌(GMa)、腓腸肌(GM)、臀中肌(GMe)、股直肌(RF)、股二頭肌(BF)、腓骨長肌(PL)、股內側肌(VM)、脛骨前肌(TA)以及比目魚肌(SO)。

1.2實驗方法

1.2.1 實驗設備 (1) 平衡板(JOINFIT)。為了切合運動員的實際訓練,采用康復型平衡板作為非穩定支撐面(硬支撐面),其材質為板工程塑料和軟底TPE,規格為47 cm×8 cm×2 cm(長×高×厚),質量為0.8 kg,顏色為藍色。

(2) DelsysTrigno Mobile全無線GPS表面肌電測試儀(Delsys公司產)。一個Trigno檢測器和16個Trigno傳感器,每個傳感器的EMG信號分辨率為16 bit,采樣率為4 kHz。

(3) Vicon三維運動捕捉分析系統。為了便于后續的周期劃分,本文主要對膝關節數據進行實時采集。

(4) 其他。包括節拍器(1s)、Polar心率表、杠鈴片、杠鈴桿、脫脂棉、筆記本電腦、跳箱(50 cm)等輔助設備。

首先是移就修辭格的使用。“思念瘦”將本來形容人體態變化的詞語用來形容虛無縹緲、無法形容的“思念”。以“瘦”形容“思念”的移就，其作用在于使文句更簡潔生動、使語句表達力強、給人想象的空間與人以無窮詩意。

1.2.2 實驗步驟 首先對受試者在正式實驗前2周進行最大力量測試,其測試原理依據Mccaw等[7]的推薦方法[(0.033×重復次數)×質量]+質量,結合重復次數與最大力量關系(阻力-次數:100%-1,95%-2～ 3,90%-5～ 6,85%-7～ 8,80%-10～ 12,75%-12～ 16)[8],對受試者測試結果進行最大力量均值計算。2周后,又對受試者進行了人體深蹲肌肉肌電測試,其最大力量測試和深蹲肌電測試步驟見表1。通過最大力量計算原理,獲得最大力量的負重為77.583 kg(穩定)和67.716 kg(非穩定)。根據負重百分比的計算結果及研究需要,設定穩定狀態下的25%RM、30%RM、50%RM、60%RM及90%RM的負重分別為20、25、40、45、70 kg,非穩定狀態下分別為15、20、35、40、60 kg。

表1 受試者深蹲時肌肉的最大力量、肌電測試步驟

1.2.3 數據處理 采用EMGworks Analysis軟件將肌電數據進行處理,其中包括濾波(Butterworth帶通濾波器,10～400 Hz)與整流處理(全波)等。同時,根據Vicon三維運動捕捉分析系統對膝關節角度的采集進行周期劃分,結合EMGworks Analysis軟件獲得肌肉RMS值。RMS為均方根振幅,它與肌肉運動單位募集數量及肌纖維放電的同步化有關,因此通常用來評估肌肉活性[11]。采用SPSS 16.0軟件對各狀態下的RMS值進行統計,為了減少個體之間的差異,以穩定狀態下徒手時的各肌肉RMS值為基準,對其他狀態進行標準化處理[12]。由于本文采用比值表示相對數,因此,文中相對RMS值無量標。

2 穩定與非穩定狀態下不同負重時肌肉肌電測試結果

由表2可見2個重要結果:①穩定與非穩定狀態下的人體肌肉活性均隨著負重的提升而顯著提高(P<0.05,P<0.01,P<0.001),即負重更高者對肌肉的刺激更大,這一結論驗證了以往大多數學者的觀

點[1-3,13-15];②穩定與非穩定狀態在不同負重時對肌肉活性的刺激程度存在一定差異。在0%RM時,非穩定條件刺激了更多的肌肉,除GMa、RF、VM、VL外,均表現為非穩定狀態對肌肉刺激更強,這一點與洪揚等[1]的研究存在一定出入,究其原因,這不僅與負重、支撐面質地有關,還與受試者的動作類型(以往研究為杠鈴深蹲,本文為保加利亞單腿蹲等)有關,文獻[16-18]中的研究也能夠佐證這一觀點。在30%RM時,穩定與非穩定狀態均存在各自的優勢,這進一步驗證了袁雷等[19]、董德朋等[20](軟支撐:平衡盤)的研究結果。當負重提升到60%RM、90%RM時,穩定與非穩定狀態對肌肉刺激效果之間的差異逐步縮減,表現為無顯著性(P>0.05),Willardson等[3]的研究也佐證了這一結論。

綜上可知,本文在證明隨著負重的提升人體肌肉活性也顯著性提高這一觀點的基礎上,進一步發現,隨著負重的提升,負重對肌肉的刺激效果將逐漸掩蓋非穩定因素產生的效果。

表2 人體在穩定與非穩定狀態下不同負重時肌肉相對RMS測試結果

注:相同負重在穩定與非穩定狀態下的比較存在顯著性差異,*表示P<0.05, **表示P<0.01,***表示P<0.001;相鄰的低負重與高負重比較存在顯著性差異,#表示P<0.05,##表示P<0.01,###表示P<0.001;相鄰的低負重與高負重比較存在顯著性差異,※表示P<0.05,※※表示P<0.01,※※※表示P<0.001;0%RM與90%RM比較存在顯著性差異,+表示P<0.001

3 穩定與非穩定狀態下負重與肌肉活性關系模型的構建

探討穩定與非穩定狀態下負重與人體肌肉活性的關系性問題,首先需要明確穩定-非穩定、負重是否與人體肌肉活性存在相關關系,這需要有統計學結果的支持。從表3可知,各狀態下的負重均與人體肌肉相對RMS值和存在顯著性相關(r=0.700,P<0.001;r=0.821,P<0.001;r=0.773,P<0.001)。在穩定-非穩定與人體肌肉相對RMS值和的相關分析中發現,僅在0%RM狀態時存在相關(r=0.562,P=0.014)。由此可知,負重與人體肌肉存在顯著的正相關關系,并不受穩定-非穩定因素的影響,而穩定-非穩定與人體肌肉相對RMS之間的相關關系受負重的影響,且這種關系的變化主要是由于負重的提升所致。

表3 不同狀態與人體肌肉相對RMS值和的相關分析結果

為進一步明確負重與肌肉活性之間的整體關系特征,對穩定與非穩定狀態下不同負重的人體肌肉相對RMS值和以及從0%RM→30%RM→60%RM→90%RM提升百分比進行統計,結果見表4。從表4可知,除0%RM負重時穩定與非穩定狀態對人體肌肉產生的刺激具有顯著性差異外(P=0.008),其他負重下均未表現出顯著性差異(P>0.05)。隨著負重的提升相對RMS值提升百分比的統計結果看,隨著負重的提升,人體肌肉RMS表現出從小幅度提升到大幅度提升再到小幅度提升的轉化特點。這一結果與Chaffin等[21]的研究存在相似之處,他們的研究結果也認為隨著負重的提升,人體肌肉活性提高,且提升速度逐漸加快。人體的負重與肌肉活性關系需要面對自身極限問題,就像Petrofsky[22]的實驗研究所得結果那樣,人體肌肉RMS值隨著負重的提高而提升,但當達到70%最大肌力時,提升幅度逐漸減小。這一研究從側面表明了在一定時間范圍內隨著負重提高到某一極限時,人體所表現出來的肌肉活性也將趨向某一極值(受自身條件限制)。本文也進一步驗證了Chaffin等[21]與Petrofsky[22]等的綜合結論。

表4 人體在穩定與非穩定狀態下不同負重時肌肉相對RMS值及提升百分比

基于以上研究結果,負重與人體肌肉活性的關系模型應包括如下特征:①負重與人體肌肉活性的關系表現為一種正相關關系;②負重與人體肌肉活性的正相關關系并不受穩定-非穩定因素的影響,但穩定-非穩定因素與人體肌肉活性關系受到負重因素的干擾;③隨著負重的提升,負重成為影響人體肌肉活性的主要因素;④隨著負重的提升,人體肌肉活性表現出從小幅度提升到大幅度提升再到小幅度提升的轉化特點;⑤當負重提高到某一極限時,人體所表現出來的肌肉活性也將趨向某一極值。基于以上認識,本文繪制了穩定-非穩定狀態下負重與肌肉活性的關系模型圖(圖1)。圖1顯示,隨著負重的提高,人體肌肉活性存在從緩慢提升到快速提升階段,這一點與Chaffin等[21]的研究不謀而合。同時,研究還認為,隨著負重的進一步提升,肌肉活性還存在從快速提升再到緩慢提高階段,這一點也進一步驗證了Petrofsky等[22]的研究結論。因此,筆者認為,穩定與非穩定狀態下負重與人體肌肉活性的關系可能表現為一種S型曲線模型。S型曲線中的Logistic函數最為符合這一曲線特征,即:發生階段速度較為緩慢,發展階段速度加快,而在成熟階段,出于自身或環境的制約,逐漸趨于一種穩定狀態[23]。

需要進一步說明的是,穩定與非穩定狀態下的負重與肌肉活性的S型曲線關系將受到許多因素的影響,從而表現出一定差異。這些因素既包括反映外在“特征形式”的平衡面質地[1,24-25]、動作形式[1,19]等,又包括反映內在“生物學”因素的肌纖維類型配比、疲勞程度等[26]。如就肌纖維配比而言,低負重時,ST纖維參與活動較多,高負重時,FT纖維的參與活動較多,高、低負重與肌肉活性表現出線性關系;而中負重時,ST與FT纖維比例相當,負重與肌肉活性表現出非線性關系[26]。無論如何,從目前的研究經驗結合本文的研究結果看,低負重時盡管受到這些因素的影響,但隨著負重的提升,負重逐漸成為影響肌肉效果的主要因素,這一轉變從本文所構建的模型圖的上橫坐標中可以體現。因此,筆者認為,人體在穩定與非穩定狀態下負重與肌肉活性之間可能存在一種S型曲線關系模型(與Logistic函數相似),這種模型受多種因素的影響,且隨著負重的提升,存在“主導因素”的轉化。

圖1 穩定-非穩定狀態下負重與肌肉活性的關系模型Figure 1 The relationship model of load and muscle RMS value under stable and unstable states

4 穩定與非穩定狀態下負重與肌肉活性關系模型的實證

4.1穩定與非穩定狀態下負重與肌肉活性關系模型的擬合基于以上分析,本文初步認為人體在穩定與非穩定狀態下負重與人體肌肉活性的關系存在S型曲線關系,并非僅是一種簡單的線性關系。為了驗證這一觀點,進一步對數據進行了線性及Logistic模型(S型曲線)擬合分析(包括:穩定狀態下的線性,簡稱SL;非穩定狀態下的線性,簡稱UL;綜合線性,簡稱GL;穩定狀態下的S型,簡稱SS;非穩定狀態下的S型,簡稱US;綜合S型,簡稱GS)。其中,在進行Logistic模型擬合前,需要根據Logistic公式:

式中:

y=K/(1+Ae-Bx)

(1)

(2)

A=a0·K

(3)

B=lna1

(4)

由式(2)可確定SPSS擬合Logistic模型時錄入的上限值;式(2)、(3)中的a0為常數項、a1為系數項,可從SPSS分析報表中獲得,從而形成Logistic函數[27]。

基于以上原理,本文對數據進行了統計分析,結果見表5。從擬合結果可知,線性擬合和S型曲線擬合均符合擬合要求,但無論是SL擬合(調整R2=0.914)與SS擬合(調整R2=0.931)比較,UL擬合(調整R2=0.864)與US擬合(調整R2=0.876)比較,還是GL(調整R2=0.883)與GS擬合(調整R2=0.899)比較,均表現為S型模型的擬合度高于線性模型擬合度。因此,盡管線性擬合指標也在合理范圍之內,但穩定與非穩定狀態下的負重與肌肉活性關系其實更加符合一種S型非線性曲線關系。這一結論不僅驗證了LiPPold[4]、Komi[5]等的線性觀點,也證實了Vredenbregt等[6]、袁雷等[19]的非線性觀點。本文對以往研究的彌補在于證實了穩定與非穩定狀態下的負重與人體肌肉活性其實更加符合一種S型非線性曲線關系,且這種關系并非簡單的僅受外在“特征形式”因素的影響,也應受內在“生物學”因素的干預,并隨著負重的提升,存在“主導因素”的轉化。

表5穩定與非穩定狀態下不同負重與肌肉活性的關系模型擬合結果

Table5Fittingresultsoftherelationshipbetweendifferentloadingandhumanbodymusclesactivityunderstableandunstablestates

模型調整R2FP(a0,a1)P模型公式(y為相對RMS值和)SL0.914941.7910.00010.33724.9960.0000.000y=24.996×負重+10.337SS0.9311177.4480.0000.0720.0620.0000.000y=40.71251+2.9313e-2.7806負重UL0.864579.1600.00012.21820.4810.0000.000y=20.481×負重+12.218US0.876646.6360.0000.0580.1200.0000.000y=41.78401+2.4235e-2.1203負重GL0.8831361.2860.00011.27822.7300.0000.000y=22.730×負重+11.278GS0.8991610.8550.0000.0650.0870.0000.000y=41.17531+2.6764e-2.4418負重

4.2穩定與非穩定狀態下負重與肌肉活性關系模型的檢驗為進一步檢驗這一關系模型,采用同樣的方案測量了10名田徑運動員(同樣的測試流程,對受試者進行了穩定與非穩定狀態下0%RM 、25%RM與50%RM負重時相同肌肉肌電測試),將樣本進行配對樣本t檢驗,結果各指標均無顯著性差異(P>0.05),可以認為為同一類群體。根據同樣的數據處理與計算方案,得到每名預測樣本在穩定與非穩定狀態下0%RM、 25%RM以及50%RM時的肌肉實際相對RMS值和。同時,根據測試負重,將數據帶入SL、UL、GL、SS、US以及GS公式,對人體肌肉相對RMS值和進行了預測,并將預測值錄入SPSS16.0,采用配對樣本t檢驗方法進一步將其與實際值進行了顯著性檢驗,結果見表6。

從表6可知,SL、UL以及GL模型在25%RM時的預測值與實際值比較中均存在顯著性差異(P=0.039,P=0.008,P=0.030),出現了高估現象。這一現象出現的主要原因可能與“生物學”因素有關,即:較低負重時,慢肌運動單位動員較多,其肌電主要反映了慢肌活性;而在較高負重以上時,快肌運動單位動員較多,其肌電主要反應了快肌的活性。因而,反應單一肌肉類型有利于線性模型的預測[26]。當在較低與較高負重的中間階段,其快肌和慢肌運動單位均為主要動員肌群,從而線性關系降低,致使線性模型對其的預測度下降。S型模型似乎能夠較好地彌補這一缺陷,在S型曲線模型的預測中,僅非穩定S型曲線(US)模型在25%RM時的預測值與實際值存在顯著性差異(P=0.037),且綜合S型模型(GS)在25%RM時的預測值與實際值存在臨界差異性(P=0.063),而其他模型在各負重時的預測值與實際值的比較中均未出現顯著性差異(P>0.05)。因此,綜合S型模型(GS)能夠在一定程度上提高非穩定S型(US)模型在25%RM時負重對肌肉活性的預測能力,但這將降低穩定S型模型(SS)在25%RM時負重對人體肌肉活性的預測準確性。

表6不同模型的相對RMS值和的預測值與實際值比較結果

Table6Resultsofcomparisonofpredictedvaluesandactualvaluesofdifferentmodels

注:實際值與預測值比較,*表示P<0.05,**表示P<0.01

由此可知,盡管線性模型能夠在一定程度上預測人體在穩定與非穩定狀態下負重對人體肌肉活性的刺激程度,但容易出現高估現象,而S型曲線模型能對其做出較好的彌補。同時,需要指出的是,盡管綜合S型曲線能夠在一定程度上權衡穩定與非穩定S型曲線的預判能力,但這將會降低穩定S型曲線模型的預判精確度。

5 結論

(1) 人體在穩定與非穩定狀態下負重與肌肉活性的關系既存在線性關系(模型-調整R2:SL-0.914;UL-0.864;GL-0.883),也存在曲線關系(模型-調整R2:SS-0.931;US-0.876;GS-0.899),且它們之間更符合一種S型曲線關系模型。

(2) 穩定與非穩定狀態下的這種S型曲線模型將受到許多因素的影響,既包括外在的“特征形式”,又包括內在的“生物學”因素,且隨著負重的提升,負重將成為主導這一S型曲線關系模型形成的主要因素,即存在“主導因素”的轉化。無論如何,未來的研究應從這2個方面實現雙向發力,共同構建負重與人體肌肉活性的關系體系。

(3) 通過實證線性與S型曲線關系模型發現,線性模型在預測負重對人體肌肉活性的刺激程度時,容易出現高估現象,而S型曲線模型能夠較好地對這一缺陷進行彌補。同時,綜合S型曲線能夠在一定程度上權衡穩定與非穩定S型曲線的預測能力,但這將降低穩定S型曲線模型的預判精確度。