Zuverlässigkeit der Schwellenwertbestimmung mit tragbaren Muskeloxygenierungsmonitoren während Belastungstests: eine systematische Überprüfung und Meta

May 30, 2023

Scientific Reports Band 13, Artikelnummer: 12649 (2023) Diesen Artikel zitieren

Details zu den Metriken

In den letzten Jahren wurde die tragbare Nahinfrarotspektroskopie-Technologie (NIRS) zur Bestimmung von Stoffwechsel-/Beatmungsschwellenwerten vorgeschlagen. Diese systematische Überprüfung und Metaanalyse zielte darauf ab, die Zuverlässigkeit eines tragbaren Muskeloxygenierungsmonitors zur Bestimmung von Schwellenwerten während Belastungstests zu bewerten. Die vorgeschlagene PICO-Frage lautete: Ist die Trainingsintensität der Muskelsauerstoffsättigungsschwellen mithilfe tragbarer NIRS im Vergleich zu Laktat- und Beatmungsschwellenwerten für die Trainingsintensität, die bei Sportlern ermittelt wurden, zuverlässig? Es wurde eine Suche in Pubmed, Scopus und Web of Science durchgeführt und die Überprüfung gemäß den PRISMA-Richtlinien durchgeführt. Es wurden 15 Artikel aufgenommen. Die Bereiche mit den höchsten Verzerrungen waren Störfaktoren (93 % mit mäßigem oder hohem Risiko) und Teilnehmerauswahl (100 % mit mäßigem oder hohem Risiko). Der klasseninterne Korrelationskoeffizient zwischen der Trainingsintensität der ersten Beatmungs- oder Laktatschwelle und der ersten Muskeloxygenierungsschwelle betrug 0,53 (erhalten mit Daten aus nur drei Studien), während die zweite Schwelle 0,80 betrug. Die vorliegende Arbeit zeigt, dass, obwohl ein tragbarer Muskeloxygenierungsmonitor eine mäßige bis gute Zuverlässigkeit bei der Bestimmung der zweiten Atem- und Laktatschwelle aufweist, weitere Untersuchungen erforderlich sind, um die mathematischen Methoden der Erkennung, die Fähigkeit zur Erkennung der ersten Schwelle und die Erkennung in mehreren Regionen zu untersuchen und der Einfluss von Geschlecht, Leistungsniveau und Fettgewebe auf die Bestimmung der Schwellenwerte.

In vielen Sportarten werden verschiedene Belastungstests durchgeführt, um Stoffwechsel-/Beatmungsschwellen zu ermitteln. Diese Zonen oder Punkte sind durch nichtlineare Anstiege physiologischer Ergebnisse (z. B. Dot(V), Sauerstoffvolumen (VO2), Blutlaktat, Herzfrequenz usw.) gekennzeichnet und bestimmen so zwei physiologische Haltepunkte, die das Dreiphasenmodell der Intensitäten ermöglichen angewendet werden1,2,3. Diese Daten sind für Trainer und Sportler wichtig, um ihre körperliche Verfassung zu beurteilen und Intensitäten zu programmieren, um das Training zu optimieren und die kardiovaskuläre Fitness und Ausdauer zu verbessern4,5. Daher ist es von großer Bedeutung, über eine zuverlässige Methode zur Schwellenerkennung zu verfügen6.

Die ventilatorische oder metabolische Schwelle wird in der Regel anhand von Gasaustausch- bzw. Blutlaktatdaten bestimmt, die bei inkrementellen Tests ermittelt werden4,7. Der Gasaustausch ist eine der am häufigsten verwendeten Methoden zur Beurteilung der Entwicklung von Gasaustauschmessungen (Punkt(V), VO2, Kohlendioxidvolumen (VCO2) und Atemminutenvolumen (VE)), die die Erkennung des Atemkompensationspunkts (auch bezeichnet) ermöglichen bis zur ventilatorischen Schwelle (VT))8. Eine häufig verwendete Methode ist beispielsweise die Beatmungsmethode. Sie besteht aus der Bestimmung der ersten und zweiten Beatmungsschwelle durch die Erkennung nichtlinearer Anstiege des Atemminutenvolumens, des Beatmungsäquivalents für Sauerstoff, des Beatmungsäquivalents für Kohlendioxid, der Sauerstoffaufnahme und der Kohlendioxidproduktion9 . Eine weitere weit verbreitete Methode ist die Blutlaktatmessung10. In der heutigen Physiologie gilt Laktat als wichtiges Stoffwechselzwischenprodukt, das weitreichende Auswirkungen auf die Nutzung des Energiesubstrats, die Zellsignalisierung und die Anpassung hat11. Es ist auch wichtig für die Mitochondrien, da Laktat das Endprodukt der Glykolyse ist und eine Rolle bei der Verbindung der sauerstoffunabhängigen und sauerstoffabhängigen Energieproduktion spielt, da es eine wichtige Energiequelle für die mitochondriale Atmung ist4,11. Daher gelangt Laktat in das mitochondriale Retikulum, um die Homöostase der Zellenergie durch oxidative Phosphorylierung zu unterstützen, und dieser Prozess unterstützt die Laktatentsorgung11. Die Schwellenwertbestimmung anhand der Blutlaktatkonzentration kann aus festgelegten Werten (z. B. 2 oder 4 mmol L−1)12 und mathematischen Modellen13,14 erfolgen.

Beide Methoden weisen jedoch Einschränkungen auf, wie z. B. die wirtschaftlichen Kosten des Gasaustauschs und die Notwendigkeit, einen Blutstropfen zu entnehmen, oder die Unfähigkeit, kontinuierlich Laktat zu messen15, was die Erforschung neuer Methoden interessant macht. Darüber hinaus wurde vermutet, dass die Bestimmung von Schwellenwerten mithilfe der Muskelsauerstoffsättigung (SmO2) eine gültige Alternative zu pulmonalen Gasaustausch- oder Blutlaktatmethoden sein könnte16,17.

Die Muskeloxygenierung auf Basis der Nahinfrarotspektroskopie (NIRS) ist eine nicht-invasive Technologie, die erstmals 1977 von Jöbsis zur Überwachung der zerebralen Sauerstoffversorgung in vivo beschrieben wurde18. Heutzutage erfreut es sich im Sporttrainingsbereich großer Beliebtheit, da erschwinglichere, einfach anzuwendende und tragbare Messgeräte auf den Markt kommen19,20. Derzeit basiert die NIRS-Technologie auf dem modifizierten Lambert-Beer-Gesetz, das die Streuung der Beschaffenheit der Gewebe und ihrer Geometrie berücksichtigt21,22 (Gleichung 1). Die NIRS-Technologie erkennt Oxyhämoglobin ([O2Hb]) oder Desoxyhämoglobin ([HHb]) abhängig von der Lichtabsorption, bezieht sich jedoch in beiden Fällen auf Hämoglobin oder Myoglobin, da die NIRS-Technologie nicht zwischen Chromophoren unterscheidet (Gleichung 2).

Modifiziertes Lambert-Beer-Gesetz Gl. (1), wobei „A“ die Absorption ist, „I“ die Lichtintensität (lm sr−1), „\(\upvarepsilon\)“ der Extinktionskoeffizient für die interessierende lichtabsorbierende Verbindung ist, „[C] „ ist die Konzentration der interessierenden Verbindung (z. B. [Hb], [Mb] und/oder [Zytox]), „L“ ist der Abstand zwischen Quelle und Detektor (mm), „DPF“ der Differenzpfadlängenfaktor und „G „ist der Faktor, der die Nichtabsorption widerspiegelt.

Gleichung zur Berechnung der Muskelsauerstoffsättigung (SmO2) anhand des gemessenen Oxyhämoglobins (O2Hb) und Desoxyhämoglobins (HHb).

Die NIRS-Technologie wird im Sportbereich eingesetzt, um Veränderungen im Muskelstoffwechsel verschiedener Muskeln zu beobachten19. Dies hat es uns ermöglicht, die lokale Muskelleistung während des Trainings zu messen und festzustellen, ob die Muskeln optimal arbeiten und ob es abhängig von der Trainingsintensität zu einem Sauerstoffmangel kommt20,23,24. Darüber hinaus gibt es nach Kenntnis des Autors keine systematischen Übersichten und Metaanalysen, obwohl mehrere Studien darauf hingewiesen haben, dass die tragbare NIRS-Technologie zur Bestimmung der Muskeloxygenierungsschwellen verwendet werden kann17,25,26 und in den letzten Jahren viele Studien veröffentlicht wurden Es wurden Untersuchungen durchgeführt, die den Einsatz der NIRS-Technologie zur Erkennung von Schwellenwerten validieren.

Ziel dieser systematischen Überprüfung und Metaanalyse war es daher, die Zuverlässigkeit der Bestimmung der Trainingsintensität der Muskeloxygenierungsschwelle (mit dem tragbaren NIRS) im Vergleich zur Erkennung mithilfe einer Goldstandardmethode bei Labor- und Feldtests zu bewerten.

Diese systematische Überprüfung und Metaanalyse wurde gemäß der Erklärung „Preferred Reporting Items for Systematic Reviews and Meta-Analyses“ (PRISMA)27 durchgeführt. Die vorgeschlagene PICO-Frage (Population, Intervention, Vergleich und Ergebnisse eines Artikels) lautete: Ist die Trainingsintensität der Muskelsauerstoffsättigungsschwellen mithilfe tragbarer NIRS im Vergleich zu Laktat- und Beatmungsschwellenwerten für die Trainingsintensität, die bei Sportlern ermittelt wurden, zuverlässig? Drei Datenbanken (PubMed, Scopus und Web of Science) wurden am 15. Juni 2023 elektronisch mit den folgenden Begriffen durchsucht: „NIRS“ ODER „Nahinfrarotspektroskopie“ ODER „Muskeloxygenierung“ ODER „Oxymetrie“ UND mit den Begriffen und Synonymen „Schwelle“ ODER „Haltepunkt“ ODER „Wendepunkt“. Darüber hinaus wurden (UND) verschiedene Begriffe wie „Bewegung“ ODER „Sport“ ODER „körperliche Aktivität“ ODER „Laufen“ ODER „Radfahren“ ODER „Schwimmen“ verwendet. Jede Datenbank verwendete ihre eigene Begriffszuordnung. Die Ergebnisse wurden überprüft, um relevante Studien zu identifizieren, zunächst anhand der Zusammenfassung und schließlich anhand des Volltexts. Die Volltexte wurden einem gründlichen Screening-Prozess unterzogen, um festzustellen, ob sie für die Einbeziehung in die Rezension geeignet sind. Für die Aufnahme wurden nur Texte berücksichtigt, die alle vorgegebenen Kriterien erfüllten.

Die erhaltenen Artikel wurden nach Zotero (Version 6.0.15, Corporation for Digital Scholarship, Wien, USA) exportiert, um Duplikate zu vermeiden, und die Abstracts wurden zur Durchführung des ersten Screenings auf JBI SUMARI (Universität Adelaide, Adelaide, Australien) hochgeladen .

Die für die systematische Überprüfung festgelegten Einschlusskriterien waren wie folgt: (1) Nur Studien, die auf Englisch, Spanisch oder Portugiesisch verfasst wurden, (2) Studien, die ein tragbares und kommerzielles NIRS zur Erkennung der Muskeloxygenierungsschwelle verwendeten, (3) Studien, die einen Goldstandard verwendeten ( Gasaustausch- oder Blutlaktatmethoden) zusätzlich zur Muskeloxygenierung zur Schwellenerkennung, (4) Studien mit einer gesunden Bevölkerung zwischen 18 und 65 Jahren und (5) experimentelle und quasi-experimentelle Studien.

Das erste Screening wurde durchgeführt, indem die Zusammenfassungen der Artikel überprüft und Duplikate entfernt wurden. Anschließend wurden die ausgewählten Artikel vollständig gelesen, um eine Entscheidung zu treffen. Der gesamte Prozess wurde von zwei Gutachtern durchgeführt. Wenn es zu einer Zusammenfassung oder einem Artikel Uneinigkeit gab, wurde anschließend darüber diskutiert, bis ein Konsens erzielt wurde. Die extrahierten Daten für jede Studie waren: die Autoren und das Jahr, die Teilnehmer, eine kurze Beschreibung des Protokolls, die berechneten Schwellenwerte, die NIRS-Marke, der NIRS-Standort und die Ergebnisse. Die Daten aus jedem eingeschlossenen Artikel wurden von zwei Rezensenten extrahiert und von einem dritten bestätigt. Die Teilnehmer wurden gemäß den vorherigen Richtlinien28,29 als Elite, hochqualifiziert, trainiert und freizeitaktiv eingestuft.

Die Qualität der in die systematische Überprüfung einbezogenen quasi-experimentellen Studien wurde von zwei unabhängig voneinander arbeitenden Gutachtern anhand der ROBINS-I-Skala bewertet. Die ROBINS-I-Skala bewertet das Risiko einer Verzerrung in sieben Bereichen: Verwirrung, Auswahl der Teilnehmer, Klassifizierung von Interventionen, Abweichungen von beabsichtigten Interventionen, fehlende Daten, Messung der Ergebnisse und Auswahl der gemeldeten Ergebnisse30. Für jede Domäne wurde das Risiko einer Verzerrung in folgende Kategorien eingeteilt: keine Informationen, kritisch, schwerwiegend, mäßig oder niedrig30. Bei Meinungsverschiedenheiten zwischen den Gutachtern wurde ein dritter Gutachter hinzugezogen.

Es wurde eine separate Metaanalyse durchgeführt, um die Zuverlässigkeit der Bestimmung der Intensität an jedem Schwellenwert mithilfe von NIRS und der Goldstandardmethode (Gasaustausch und/oder Blutlaktat) zu untersuchen. Für jede Studie wurden der Intraclass-Korrelationskoeffizient (ICC) und die Stichprobengröße extrahiert. Für die Studien, die keine ICC-Werte lieferten, wurde der ICC-Wert anhand der Daten aus den Datensätzen, Tabellen und Abbildungen des Artikels oder auf Anfrage der Autoren berechnet. Bei den Zahlen wurden die Daten mithilfe der Plot-Digitalisierungsanwendung31 aus Streudiagrammen extrahiert. Wenn die Daten nicht von den Autoren bereitgestellt wurden, wurde die Studie von der Analyse ausgeschlossen. Die ICC-Werte wurden auf der Grundlage eines Einzelbewertungsmodells, einer absoluten Übereinstimmung und eines 2-Wege-Zufallseffektmodells berechnet. Für Studien, in denen es möglich war, mehr als einen ICC-Wert zu erhalten (z. B. weil die Intensität am Schwellenwert mit verschiedenen automatischen Methoden extrahiert wurde), wurden diese ICC-Werte gemittelt, wobei nur ein ICC-Wert für jede Studie verwendet wurde, um statistische Abhängigkeiten zu vermeiden31,32 . Die ICC-Werte wurden in die Z-Skala von Fisher umgewandelt und für die Analyse wurde ein Zufallseffektmodell mit eingeschränkter Maximum-Likelihood-Schätzung verwendet33, wobei die Art des verglichenen Goldstandards (Gasaustausch oder Blutlaktat) als möglicher Moderator bewertet wurde. Für die Homogenitätsanalyse wurden Q- und I2-Statistiken verwendet. I2-Werte von etwa 25 %, 50 % und 75 % deuten auf eine geringe, mäßige bzw. große Heterogenität hin. Um den Publikationsbias zu beurteilen, wurden Trichterdiagramme mit der Trim-and-Fill-Methode von Duval und Tweedie zur Imputation fehlender Daten und der Egger-Test durchgeführt34,35. Um die Interpretation der Daten zu erleichtern, wurden die Z-Werte von Fisher nach Abschluss der Metaanalysen wieder in ICC-Werte umgewandelt33. Der ICC und die zugehörigen 95 %-Konfidenzintervalle wurden wie folgt interpretiert: schlecht (0,00–0,25), mittelmäßig (0,26–0,50), mäßig (0,51–0,75) und gut (0,76–1,00)36. Die statistische Signifikanz wurde bei p < 0,05 festgestellt. Eine Metaanalyse wurde mit dem Paket „metafor“ (Version 4.2-0)37 in RSTUDIO (Version 2023.06.0)38 durchgeführt.

Insgesamt wurden 1.131 Artikel aus den Datenbanken PubMed (237), Web of Science (507) und Scopus (387) einbezogen, und nach dem Entfernen von Duplikaten blieben 559 Artikel übrig. Schließlich wurden nach der Auswahl der Studien anhand ihrer Abstracts 129 vollständige Artikel überprüft, von denen 15 in die systematische Überprüfung einbezogen wurden (Abb. 1).

Studienauswahl aus der systematischen Überprüfung und Metaanalyse (PRISMA).

Die systematische Überprüfung umfasste eine Stichprobe von 344 Teilnehmern (216 Männer und 128 Frauen). Unter diesen Teilnehmern waren 33 Spitzensportler, 208 hochtrainierte Sportler, 31 trainierte Sportler und 72 Freizeitsportler. Darüber hinaus wurden Sportler aus verschiedenen Sportarten (Fußball, Radfahren, Laufen, Triathlon und Rudern) mit Laborprotokollen einbezogen, da derzeit keine Studien in Feldtests durchgeführt werden. Die Studienmerkmale und die wichtigsten Ergebnisse sind in Tabelle 1 zusammengefasst.

Die ausgewählten Studien hatten beide Muskeloxygenierungsschwellen (MOT) (erste und zweite) mit unterschiedlichen Methoden bestimmt (Tabelle 2). Die meisten Studien verwendeten die doppeltlineare Regression, was 42 % entspricht, und in 25 % der in die systematische Überprüfung einbezogenen Studien wurde die tragbare Laktatschwelle (WLT) verwendet. Zusammen repräsentierten diese beiden Methoden 67 % der in die systematische Überprüfung einbezogenen Studien. In zwei Studien (17 %) wurde jedoch auch eine visuelle Identifizierung eingesetzt.

Die Bereiche mit der höchsten Verzerrung waren auf Confounding (7 % mit kritischem Risiko, 33 % mit ernstem Risiko und 53 % mit mäßigem Risiko) sowie auf die Auswahl der Teilnehmer (20 % mit ernstem Risiko und 80 % mit mäßigem Risiko) zurückzuführen ) und aufgrund der Auswahl der berichteten Ergebnisse (40 % mit mittlerem Risiko) (Abb. 2 und 3). Für die anderen Bereiche wiesen die meisten Studien ein geringes Verzerrungsrisiko auf (> 85 %).

Zusammenfassung des Risikos einer Verzerrung. Erstellt mit der Anwendung „robvis“54.

Das Risiko einer Verzerrung für jede Studie. Erstellt mit der Anwendung „robvis“54.

Von den 15 in dieser Übersicht enthaltenen Artikeln wurden die ICCs von 13 aus der Metaanalyse ermittelt (Tabelle 3). Von diesen 13 Artikeln wurde der ICC in 3 im Artikel selbst angegeben, in 8 wurde er aus den in einem Datensatz, einer Tabelle oder einer Abbildung erhaltenen Daten berechnet und in 2 wurde der ICC direkt von den Autoren bereitgestellt (Tabelle 3).

Aufgrund der geringen Anzahl an Studien (n = 3, Tabelle 3) wurde für den ersten Schwellenwert kein Moderatorentest durchgeführt. Der Q-Test war nicht signifikant (Q(df = 2) = 1,01, p-Wert = 0,60) und der I2 betrug 0 %, was eine geringe Heterogenität zeigt. Die Trim-and-Fill-Methode ergab schätzungsweise 0 fehlende Studien und der Egger-Test war nicht signifikant (p = 0,46). Der ICC des ersten Schwellenwerts war moderat (ICC = 0,53), aber mit einem breiten 95 %-KI[0,31, 0,69] (Abb. 4A).

Forest-Plots der Metaanalyse wurden für die Intraclass-Korrelation (ICC) der Trainingsintensität durchgeführt, die bei der ersten (A) und zweiten (B) Schwellenwertbestimmung unter Verwendung von NIRS und dem Goldstandard (Gasaustausch oder Blutlaktat) ermittelt wurde.

Für den zweiten Schwellenwert wurde zunächst kein Moderatoreffekt beobachtet (p = 0,94). Daher wurde eine Metaanalyse durchgeführt, ohne zwischen dem erhaltenen ICC und dem Laktat- oder Gasaustausch zu differenzieren. Der Q-Test war nicht signifikant (Q(df = 13) = 99,17, p < 0,001) und der I2 betrug 86 %, was eine große Heterogenität zeigt. Die Trim-and-Fill-Methode ergab schätzungsweise 0 fehlende Studien und der Egger-Test war nicht signifikant (p = 0,54). Der ICC der zweiten Schwelle war gut (ICC = 0,80, 95 % CI[0,65, 0,89] (Abb. 4B).

Das Ziel dieser systematischen Überprüfung und Metaanalyse bestand darin, die Zuverlässigkeit der Bestimmung der Trainingsintensität anhand der Muskeloxygenierungsschwelle (mit dem tragbaren NIRS) im Vergleich zu einer Goldstandard-Erkennungsmethode bei Labortests zu bewerten. Die Ergebnisse der Überprüfung zeigen, dass die zur Bestimmung der Muskeloxygenierungsschwellen am häufigsten verwendeten Methoden die doppeltlineare Regression (46 %), die WLT (20 %) und die visuelle Identifizierung (20 %) waren. Die Metaanalyse ergab, dass von den 13 Studien, in denen der ICC ermittelt wurde, nur 3 den ersten Schwellenwert bewerteten, wobei der mittlere ICC von 0,53 zwischen der Trainingsintensität, die beim ersten Muskeloxygenierungsschwellenwert (MOT1) und beim ersten Laktatschwellenwert (LT1) erreicht wurde, beobachtet wurde ) oder erste Atemschwelle (VT1). Der mittlere ICC zwischen der zweiten Muskeloxygenierungsschwelle (MOT2) und der zweiten Laktatschwelle (LT2) oder der zweiten Beatmungsschwelle (VT2) betrug 0,80.

Unsere Metaanalysen konzentrierten sich darauf, zu zeigen, ob die Trainingsintensität, bei der der erste und zweite Schwellenwert mithilfe des tragbaren NIRS ermittelt wurde, zuverlässiger war als die Goldstandardmethoden (Gasaustausch und Blutlaktat). Tabelle 1 zeigt, wie die Beziehung zwischen MOT und VT in 7 Studien16,25,39,40,41,42,43 und in 9 Studien für LT17,26,41,44,45,46,47,48,49 analysiert wurde.

Die Studien von Feldmann et al.16 und Van der Zwaard et al.42 verglichen VT1 und LT1 mit MOT1 beim Radfahren und fanden ICC-Werte (ICC = 0,56–0,65). Diese Ergebnisse stehen im Einklang mit anderen Studien, die Schwellenwerte mit nicht tragbarem NIRS beim Radfahren ermittelten50. Darüber hinaus wurde ein fairer ICC beim Laufen gezeigt (ICC = 0,23–0,49)16,44. 28.07.2023 17:06:00 Eine geringere Anzahl von Studien bewertete den ersten Schwellenwert im Vergleich zum zweiten (3 vs. 12 Studien), möglicherweise aufgrund der Schwierigkeit, den MOT1 zu bestimmen, da sich die Steigung sehr geringfügig ändert und der Der ICC-Wert ist nicht so gut wie der zweite Schwellenwert42.

Der zweite Schwellenwert wurde anhand der Blutlaktatkonzentration und der Muskelsauerstoffversorgung in verschiedenen Sportarten wie Radfahren16,17,46,47,48, Laufen44,45,49 und Rudern26 bestimmt. Die ICC-Werte zeigten eine gewisse Ungleichheit und waren in Studien zum Laufen mittelmäßig, moderat oder gut (ICC = 0,29–0,90), obwohl Fahrradstudien einen guten ICC zeigten (ICC = 0,91–0,94). Der ICC-Wert von zwei Studien wurde jedoch nicht ermittelt46,48. In den übrigen Studien wurde auch der Gasaustausch mit der Muskelsauerstoffversorgung in der zweiten Schwelle beim Radfahren16,39,42,43 und beim Laufen16,40 verglichen. Die Ergebnisse der verschiedenen Studien legen nahe, dass die Beziehung zwischen beiden Methoden bei der Schwellenwertbestimmung von der vom NIRS-Gerät bewerteten Region beeinflusst wird, da bei der Beurteilung der Interkostalis während des Radfahrens gute Werte (ICC = 0,92–0,97) beobachtet wurden39. Darüber hinaus zeigte der Vastus lateralis in verschiedenen Untersuchungen einen mäßigen oder guten ICC25,42, sodass die gewählte Test- oder Bestimmungsmethode ebenfalls von entscheidender Bedeutung sein kann.

Zur Bestimmung der Schwellenwerte für die Laktatkonzentration im Blut und den Gasaustausch wurden verschiedene Methoden entwickelt, die von Anwendern häufig kombiniert werden, um den optimalen Wendepunkt zu finden51. Trotz neuerer Forschungen zur Anwendung der NIRS-Technologie zur Ermittlung von Schwellenwerten mangelt es an Untersuchungen zu den Methoden zur Bestimmung. Die in dieser systematischen Übersicht enthaltenen Artikel verwenden unterschiedliche Methoden zur Bestimmung von Schwellenwerten: BSX Insight (20 %, N = 3)45,47,49, doppelte lineare Regression (46 %, N = 7)16,26,39,41,42 ,43,44, visuelle Methode17,25,40, Dmax oder modifiziertes Dmax46 und Anwendungen von Geräten Humon Beta48.

BSX Insight, das den Schwellenwert durch einen Vergleich mit der Laktatkonzentration im Blut bestimmt, lieferte gute ICC-Werte, verwendete jedoch eine patentierte Methode zur Bestimmung der MOT basierend auf dem Wendepunkt von SmO2 während inkrementeller Tests45. Da dieses System jedoch kommerziell und patentiert ist, sind spezifische Details des für diese Erkennung verwendeten Algorithmus unbekannt. Eine weitere wichtige Methode ist die visuelle Methode, die zur Ermittlung der Schwellenwerte am genauesten sein könnte17, jedoch mit menschlichem Versagen verbunden ist oder die vorherige Methode ergänzt, wie sie von Turnes et al.26 durchgeführt wurde. Wir empfehlen, dass zukünftige Studien verschiedene Methoden zur Analyse von Schwellenwerten mithilfe von NIRS untersuchen Technologie, um Beweise dafür zu liefern, welche optimal sind, ob mehrere kombiniert werden sollten oder ob einige für bestimmte Bevölkerungsgruppen oder Sportarten besser geeignet sind.

Die mit dem tragbaren NIRS analysierten Muskeln wurden zuvor von Perrey und Ferrari untersucht19, die zeigten, dass SmO2 in verschiedenen Muskeln (Vastus lateralis, Gastrocnemius medialis, Interkostalmuskulatur, Trizeps brachii) und vielen Sportarten (Schwimmen, Kraft, Skifahren, Eisschnelllauf, Segeln) bestimmt wurde Laufen, Rugby, Klettern, Handball, Radfahren, Kajak, Judo, Rudern, Fußball, Ski Alpin). Vastus lateralis war der am häufigsten untersuchte Muskel16,25,26,40,41,42,43,44,46, obwohl auch andere Muskeln wie Gastrocnemius44,45,47,49, Rectus femoris17, Biceps femoris44, lateraler Deltamuskel43 oder Intercostalmuskel39 untersucht wurden . Darüber hinaus hängen die in jeder Studie analysierten Muskeln von den im Test durchgeführten Sportarten ab, wobei die Hauptmuskeln ausgewählt werden, die an dieser Aktivität beteiligt sind. Beim Radfahren wurde beispielsweise der Vastus lateralis am häufigsten untersucht, da er der Hauptmuskel ist, der zur Leistungsproduktion beiträgt. Einige Studien untersuchten jedoch andere Regionen während des Radfahrens, die die Bestimmung der Schwelle beeinflussen könnten17,47, obwohl der Rectus femoris in diesem Bereich auch ein Leistungserzeuger ist, wo möglicherweise ein höherer Anteil an Fettgewebe vorhanden ist52 oder weil seine neuromuskuläre Aktivierung nicht der Fall ist von der erhöhten Arbeitsbelastung während des Tests betroffen (z. B. Gastrocnemius)53.

Die systematische Überprüfung konzentrierte sich auch auf Belastungstests, um festzustellen, ob die Schwellenwerte in den Muskeln (lokale Schwellenwerte) analysiert wurden oder ob es sich um wichtige Belastungsmuskeln handelt. Die in dieser systematischen Übersicht enthaltenen Artikel analysierten höchstens 1 oder 3 Muskeln gleichzeitig. Darüber hinaus konzentrierten sich die meisten dieser Studien auf die Korrelation der Hauptmuskeln beim Training mit der Laktatkonzentration oder dem Gasaustausch im Blut. Es ist wichtig zu berücksichtigen, dass Laktat und Gasaustausch systemische Veränderungen bestimmen, während die NIRS-Technologie zur Bestimmung weiterer Faktoren eingesetzt werden kann lokale Reaktion. Aus diesem Grund wären weitere Studien, die verschiedene Muskeln gleichzeitig analysieren, interessant, um zu verstehen, was in jedem Muskel während Belastungstests passiert und wie einige möglicherweise eher mit systemischen Veränderungen zusammenhängen, während andere spezifischere Veränderungen aufweisen.

Es ist wichtig zu berücksichtigen, dass die vorliegende Metaanalyse nur auf ein Maß für die Zuverlässigkeit (ICC) beschränkt ist und mehr Statistiken wünschenswert sind (z. B. Verzerrung zwischen Methoden), um die Interpretation und Anwendung der vorliegenden Ergebnisse zu verbessern. Aufgrund der geringen Anzahl von Studien, die diese Daten berichteten, wurde eine Verzerrung nicht berücksichtigt, und auch die verschiedenen verwendeten Einheiten (W, km·h−1 oder Prozentsatz) stellten eine Herausforderung dar. Dieser Punkt sollte als Einschränkung der vorliegenden Arbeit angesehen werden und zukünftige Metaanalysen mit einer größeren Anzahl von Studien sollten zuverlässigere Statistiken enthalten. Einige der in dieser Übersicht enthaltenen Artikel zeigen eine mittlere Abweichung zwischen MOT2 und LT2 oder VT2 im Bereich von 0,01 und 0,4 km·h−125,44,45,49, zwischen 3,9 und 15,4 W39,41, 0,05 W·kg−117 und 10,7 % der Leistungsabgabe26. Allerdings zeigten Batterson et al.44 eine höhere mittlere Abweichung für MOT und LT1 (1,1–1,2 km·h−1), und Driller et al.47 zeigten auch, wie sich die Bestimmungsmethode auf die Abweichung auswirken könnte, wobei die niedrigste Abweichung für vorliegt die Dmax-Methode (17 W) und die höchste für die OBLA-Methode (37 W). Schließlich wurde in der Studie von Feldmann et al.16 festgestellt, dass der Bias in Bezug auf Leistung oder Geschwindigkeit einen Leistungsschritt darstellt (in dieser speziellen Studie betrug er 25 W beim Radfahren und 0,5 km·h−1 beim Laufen).

Obwohl die eingeschlossenen Studien in den meisten untersuchten Bereichen ein geringes Risiko für Verzerrungen aufweisen, deutet die durchgeführte Analyse darauf hin, dass zwei Bereiche ein erhebliches Risiko für Verzerrungen aufweisen: Störfaktoren und die Auswahl der Teilnehmer. Die Hauptprobleme im Zusammenhang mit dem Confounding-Bereich waren die Studien, die in ihren Ergebnissen die Auswirkung des Trainingsniveaus der Teilnehmer, früherer Aktivitäten oder des Geschlechts nicht berücksichtigten. In einigen Fällen erscheint in den gemeldeten Ergebnissen nur der Wert der Korrelation oder des Intraklassen-Korrelationskoeffizienten ohne das Konfidenzintervall. Allerdings wiesen die meisten Studien eine Verzerrung aufgrund fehlender Datenzählung und Verzerrung bei den Messergebnissen auf. Zukünftige Studien sollten diese Aspekte berücksichtigen, um sie so weit wie möglich zu kontrollieren, ihre Qualität zu verbessern und ihre Verzerrungen zu verringern. Darüber hinaus sind diese Aspekte mögliche Ursachen für die hohe Heterogenität der Metaanalyse.

Die Haupteinschränkung der vorliegenden Arbeit ist die geringe Anzahl der in die Metaanalyse einbezogenen Studien (N = 13). Zukünftig könnte eine größere Anzahl an Studien, die in die aktuelle Analyse einfließen, die erzielten Ergebnisse untermauern. Darüber hinaus gab es eine hohe Heterogenität zwischen den verschiedenen eingeschlossenen Studien. Was die Methodik betrifft, könnten die Regionen oder die untersuchte Stichprobe, deren Teilnehmer von Wettkämpfern auf nationaler und internationaler Ebene17 bis hin zu Freizeitwettkämpfern42 reichen, die Ergebnisse der Metaanalyse beeinflussen.

Unter Berücksichtigung aller durchgeführten Analysen sind wir der Meinung, dass die folgenden Forschungsrichtungen in diesem Bereich Priorität haben sollten: Untersuchung, welche mathematischen Erkennungsmethoden je nach Sportart oder Bevölkerung für NIRS am besten geeignet sind, Untersuchung, ob es möglich ist, den ersten Schwellenwert zu erkennen , Analyse mehrerer Regionen gleichzeitig, um herauszufinden, welche am stärksten mit systemischen Schwellenwerten in Zusammenhang stehen und welche ein spezifischeres Verhalten des Muskels selbst aufweisen, und Verständnis der Unterschiede bei der Erkennung von Schwellenwerten je nach Geschlecht, Leistungsniveau und Fettmenge Gewebe oder die Veränderung der Muskellänge während des Trainings.

Die vorliegende systematische Überprüfung und Metaanalyse zeigt, dass die Verwendung eines tragbaren Muskeloxygenierungsmonitors zwar eine mäßige bis gute Zuverlässigkeit zur Bestimmung des zweiten Schwellenwerts aufweist, jedoch weitere Forschung erforderlich ist, um die mathematischen Methoden der Erkennung, die Fähigkeit zur Erkennung des ersten Schwellenwerts und die Erkennung zu untersuchen in mehreren Regionen und der Einfluss von Geschlecht, Leistungsniveau und Fettgewebe auf die Schwellenwertbestimmung.

Die während der aktuellen Studie verwendeten und/oder analysierten Datensätze sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Ribeiro, J. et al. Beurteilung der Stoffwechsel- und Atmungsschwellen beim Kraulschwimmen. J. Sports Med. Physik. Fitness 55, 7 (2015).

Google Scholar

Seiler, KS & Kjerland, G. Ø. Quantifizierung der Trainingsintensitätsverteilung bei Elite-Ausdauersportlern: Gibt es Belege für eine „optimale“ Verteilung? Scan. J. Med. Wissenschaft. Sport 16, 49–56 (2006).

Artikel PubMed Google Scholar

Stergiopoulos, DC, Kounalakis, SN, Miliotis, PG & Geladas, ND Zweite Beatmungsschwelle, bewertet anhand der Herzfrequenzvariabilität in einem Test mit mehreren Shuttle-Läufen. Int. J. Sports Med. 42, 48–55 (2021).

Artikel PubMed Google Scholar

Poole, DC, Rossiter, HB, Brooks, GA & Gladden, LB Die anaerobe Schwelle: Über 50 Jahre Kontroverse. J. Physiol. 599, 737–767 (2021).

Artikel CAS PubMed Google Scholar

Skinner, JS & Mclellan, TH Der Übergang vom aeroben zum anaeroben Stoffwechsel. Res. F. Übung. Sport 51, 234–248 (1980).

Artikel CAS PubMed Google Scholar

Halson, SL Überwachung der Trainingsbelastung, um Müdigkeit bei Sportlern zu verstehen. Sportmed. 44, 139–147 (2014).

Artikel PubMed Central Google Scholar

Caen, K. et al. Rampen- vs. Stufentests: Gültige Alternativen zur Bestimmung der maximalen Laktat-Steady-State-Intensität? EUR. J. Appl. Physiol. 121, 1899–1907 (2021).

Artikel CAS PubMed Google Scholar

Caen, K., Bourgois, JG, Stassijns, E. & Boone, J. Eine Längsschnittstudie zur austauschbaren Verwendung von Ganzkörper- und lokalen Belastungsschwellen beim Radfahren. EUR. J. Appl. Physiol. 122, 1657–1670 (2022).

Artikel CAS PubMed PubMed Central Google Scholar

Ferretti, G., Fagoni, N., Taboni, A., Vinetti, G. & di Prampero, PE Ein Jahrhundert Trainingsphysiologie: Schlüsselkonzepte zur Kopplung des respiratorischen Sauerstoffflusses mit dem Muskelenergiebedarf während des Trainings. EUR. J. Appl. Physiol. 122, 1317–1365 (2022).

Artikel PubMed PubMed Central Google Scholar

Bentley, DJ, Newell, J. & Bishop, D. Design und Analyse von inkrementellen Belastungstests. Sportmed. 37, 575–586 (2007).

Artikel PubMed Google Scholar

Brooks, GA et al. Laktat in der zeitgenössischen Biologie: Ein auferstandener Phönix. J. Physiol. 600, 1229–1251 (2022).

Artikel CAS PubMed Google Scholar

Weltman, A. et al. Vorhersage der Laktatschwelle und der festgelegten Blutlaktatkonzentrationen aus der 3200-m-Laufleistung männlicher Läufer. Int. J. Sports Med. 08, 401–406 (1987).

Artikel CAS Google Scholar

Chalmers, S., Esterman, A., Eston, R. & Norton, K. Standardisierung der Dmax-Methode zur Berechnung der zweiten Laktatschwelle. Int. J. Sportphysiol. Ausführen. 10, 921–926 (2015).

Artikel PubMed Google Scholar

Hofmann, P. & Tschakert, G. Intensitäts- und dauerbasierte Möglichkeiten zur Regulierung des Ausdauertrainings. Vorderseite. Physiol. https://doi.org/10.3389/fphys.2017.00337 (2017).

Artikel PubMed PubMed Central Google Scholar

Iannetta, D., Qahtani, A., MattioniMaturana, F. & Murias, JM Der mittels Nahinfrarotspektroskopie ermittelte Bruchpunkt des sauerstofffreien Hämoglobins ist ein wiederholbares Maß, das Trainingsintensitätsbereiche abgrenzt. J. Sci. Med. Sport 20, 873–877 (2017).

Artikel PubMed Google Scholar

Feldmann, A., Ammann, L., Gächter, F., Zibung, M. & Erlacher, D. Die Haltepunkte der Muskelsauerstoffsättigung spiegeln die Beatmungsschwellen sowohl beim Radfahren als auch beim Laufen wider. J. Hum. Kinet. 83, 87–97 (2022).

Artikel PubMed PubMed Central Google Scholar

Salas-Montoro, J.-A., Mateo-March, M., Sanchez-Muñoz, C. & Zabala, M. Bestimmung der zweiten Laktatschwelle mittels Nahinfrarotspektroskopie bei Elite-Radfahrern. Int. J. Sports Med. https://doi.org/10.1055/a-1738-0252 (2022).

Artikel PubMed Google Scholar

Jöbsis, FF Nichtinvasive Infrarotüberwachung der zerebralen und myokardialen Sauerstoffversorgung und Kreislaufparameter. Wissenschaft 198, 1264–1267 (1977).

Artikel ADS PubMed Google Scholar

Perrey, S. & Ferrari, M. Muskeloximetrie in der Sportwissenschaft: Eine systematische Übersicht. Sportmed. 48, 597–616 (2018).

Artikel PubMed Google Scholar

Feldmann, AM, Erlacher, D., Pfister, S. & Lehmann, R. Muskelsauerstoffdynamik bei Elite-Kletterern während Fingerhang-Tests bei unterschiedlichen Intensitäten. Wissenschaft. Rep. 10, 3040 (2020).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Barstow, TJ Verständnis der Nahinfrarotspektroskopie und ihrer Anwendung in der Skelettmuskelforschung. J. Appl. Physiol. 126, 1360–1376 (2019).

Artikel CAS PubMed Google Scholar

Rolfe, P. In vivo Nahinfrarotspektroskopie. Annu. Rev. Biomed. Ing. 2, 715–754 (2000).

Artikel CAS PubMed Google Scholar

Seshadri, DR et al. Tragbare Sensoren zur Überwachung der inneren und äußeren Arbeitsbelastung des Sportlers. NPJ-Ziffer. Med. 2, 71 (2019).

Artikel PubMed PubMed Central Google Scholar

Marostegan, AB et al. Auswirkungen verschiedener inspiratorischer Muskelaufwärmbelastungen auf mechanische, physiologische und muskuläre Sauerstoffanreicherungsreaktionen während hochintensivem Laufen und Erholung. Wissenschaft. Rep. 12, 11223 (2022).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Rodrigo-Carranza, V., González-Mohíno, F., Turner, AP, Rodriguez-Barbero, S. & González-Ravé, JM Verwendung eines tragbaren Nahinfrarot-Spektroskopiegeräts zur Schätzung der zweiten Beatmungsschwelle. Int. J. Sports Med. 42, 905–910 (2021).

Artikel CAS PubMed Google Scholar

Turnes, T. et al. Zusammenhang zwischen der Bruchstelle des sauerstoffarmen Hämoglobins, der anaeroben Schwelle und der Ruderleistung. Int. J. Sportphysiol. Ausführen. 14, 1103–1109 (2019).

Artikel PubMed Google Scholar

Page, MJ et al. Die PRISMA 2020-Erklärung: Eine aktualisierte Richtlinie für die Berichterstattung über systematische Überprüfungen. BMJ 372, n71 (2021).

Artikel PubMed PubMed Central Google Scholar

McKay, AKA et al. Definieren des Trainings- und Leistungskalibers: Ein Teilnehmerklassifizierungsrahmen. Int. J. Sportphysiol. Ausführen. 17, 317–331 (2021).

Artikel Google Scholar

Pauw, KD et al. Richtlinien zur Einordnung von Themengruppen in der sportwissenschaftlichen Forschung. Int. J. Sportphysiol. Ausführen. 8, 111–122 (2013).

Artikel PubMed Google Scholar

Thomson, H., Craig, P., Hilton-Boon, M., Campbell, M. & Katikireddi, SV Anwendung des ROBINS-I-Tools auf natürliche Experimente: Ein Beispiel aus der öffentlichen Gesundheit. Syst. Rev. 7, 15 (2018).

Artikel PubMed PubMed Central Google Scholar

Drevon, D., Fursa, SR & Malcolm, AL Intercoder-Zuverlässigkeit und Gültigkeit des Webplotdigitizers beim Extrahieren grafisch dargestellter Daten. Verhalten. Modif. 41, 323–339 (2017).

Artikel PubMed Google Scholar

Badenes-Ribera, L., Rubio-Aparicio, M., Sánchez-Meca, J., Fabris, MA & Longobardi, C. Der Zusammenhang zwischen Muskeldysmorphie und Essstörungssymptomen: Eine systematische Überprüfung und Metaanalyse. J. Verhalten. Süchtig. 8, 351–371 (2019).

Artikel PubMed PubMed Central Google Scholar

Botella, J., Suero, M. & Gambara, H. Psychometrische Schlussfolgerungen aus einer Metaanalyse der Zuverlässigkeit und internen Konsistenzkoeffizienten. Psychol. Methoden 15, 386–397 (2010).

Artikel PubMed Google Scholar

Duval, S. & Tweedie, R. Trim and Fill: Eine einfache, auf Trichterdiagrammen basierende Methode zum Testen und Anpassen des Publikationsbias in der Metaanalyse. Biometrie 56, 455–463 (2000).

Artikel CAS PubMed MATH Google Scholar

Sterne, JAC & Egger, M. Regressionsmethoden zur Erkennung von Veröffentlichungs- und anderen Verzerrungen in der Metaanalyse. In: Publication Bias in Meta-Analysis 99–110 (Wiley, 2005). https://doi.org/10.1002/0470870168.ch6.

Portney, LG & Watkins, MP Grundlagen der klinischen Forschung: Anwendungen in der Praxis (Pearson/Prentice Hall, 2009).

Google Scholar

Viechtbauer, W. Durchführung von Metaanalysen in R mit dem Paket metafor. J. Stat. Softw. 36, 1–48 (2010).

Artikel Google Scholar

R-Kernteam. R: Eine Sprache und Umgebung für statistisches Rechnen 2012. (R Foundation for Statistical Computing, 2022).

Contreras-Briceño, F. et al. Bestimmung des respiratorischen Kompensationspunktes durch Erkennung von Veränderungen der Sauerstoffversorgung der Interkostalmuskulatur mittels Nahinfrarotspektroskopie. Leben 12, 444 (2022).

Artikel ADS PubMed PubMed Central Google Scholar

Osmani, F., Lago-Fuentes, C., Alemany-Iturriaga, J. & Barcala-Furelos, M. Die Beziehung des Muskelsauerstoffsättigungsanalysators zu anderen Überwachungs- und Quantifizierungstools in einem maximalen inkrementellen Laufbandtest. Vorderseite. Physiol. https://doi.org/10.3389/fphys.2023.1155037 (2023).

Artikel PubMed PubMed Central Google Scholar

Raleigh, C., Donne, B. & Fleming, N. Zusammenhang zwischen verschiedenen nicht-invasiv abgeleiteten Schwellenwerten und der Laktatschwelle während abgestufter inkrementeller Belastung. Int. J. Übung. Wissenschaft. 11, 391–403 (2018).

PubMed PubMed Central Google Scholar

Van Der Zwaard, S. et al. Aus der Nahinfrarotspektroskopie abgeleitete Oxygenierungsschwelle: Zuverlässigkeit und ihre Beziehung zur ersten Beatmungsschwelle. PLoS ONE 11, e0162914 (2016).

Artikel PubMed PubMed Central Google Scholar

Yogev, A. et al. Vergleich des Atemkompensationspunkts mit der Muskelsauerstoffsättigung in Bewegungs- und Nichtbewegungsmuskeln mithilfe tragbarer NIRS-Spektroskopie während Ganzkörperübungen. Vorderseite. Physiol. 13, 818733 (2022).

Artikel PubMed PubMed Central Google Scholar

Batterson, PM, Kirby, BS, Hasselmann, G. & Feldmann, A. Die Sauerstoffsättigungsraten der Muskeln stimmen mit den laktatbasierten Belastungsschwellen überein. EUR. J. Appl. Physiol. https://doi.org/10.1007/s00421-023-05238-9 (2023).

Artikel PubMed Google Scholar

Borges, NR & Driller, MW Das tragbare Gerät zur Vorhersage der Laktatschwelle ist bei Läufern gültig und zuverlässig. J. Strength Cond. Res. 30, 2212–2218 (2016).

Artikel PubMed Google Scholar

Cayot, TE et al. Schätzung der Laktatschwelle mithilfe drahtloser Nahinfrarotspektroskopie und Schwellenerkennungsanalysen. Int. J. Übung. Wissenschaft. 14, 284–294 (2021).

PubMed PubMed Central Google Scholar

Driller, M., Borges, N. & Plews, D. Evaluierung eines neuen tragbaren Laktatschwellensensors bei Freizeit- und gut trainierten Radfahrern. Sport-Ing. 19, 229–235 (2016).

Artikel Google Scholar

Farzam, P., Starkweather, Z. & Franceschini, MA Validierung einer neuartigen tragbaren, drahtlosen Technologie zur Schätzung des Sauerstoffgehalts und der Laktatschwellenleistung im trainierenden Muskel. Physiol. Rep. 6, e13664 (2018).

Artikel PubMed PubMed Central Google Scholar

McMorries, RM, Joubert, DP, Jones, EJ & Faries, MD Eine Validierungsstudie eines nichtinvasiven Laktatschwellengeräts. Int. J. Übung. Wissenschaft. 12, 221–232 (2019).

PubMed PubMed Central Google Scholar

Lin, C.-W., Huang, C.-F., Wang, J.-S., Fu, L.-L. & Mao, T.-Y. Erkennung von Beatmungsschwellen mittels Nahinfrarotspektroskopie mit einem polynomialen Regressionsmodell. Saudi J. Biol. Wissenschaft. 27, 1637–1642 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Jamnick, NA, Pettitt, RW, Granata, C., Pyne, DB & Bishop, DJ Eine Untersuchung und Kritik aktueller Methoden zur Bestimmung der Trainingsintensität. Sportmed. 50, 1729–1756 (2020).

Artikel PubMed Google Scholar

Niemeijer, VM et al. Der Einfluss von Fettgewebe auf die ortsaufgelöste Nahinfrarotspektroskopie abgeleitete Sauerstoffversorgung der Skelettmuskulatur: Das Ausmaß des Problems. Physiol. Mess. 38, 539–554 (2017).

Artikel PubMed Google Scholar

Quesada, JIP, Bini, RR, Diefenthaeler, F. & Carpes, FP Spektrale Eigenschaften der Muskelaktivierung während des inkrementellen Radtests. J. Sci. Zykl. 4, 7–13 (2015).

Google Scholar

McGuinness, LA & Higgins, JPT Risk-of-Bias-VISualisierung (robvis): Ein R-Paket und eine Shiny-Web-App zur Visualisierung von Risk-of-Bias-Bewertungen. Res. Synth. Methoden 12, 55–61 (2021).

Artikel PubMed Google Scholar

Referenzen herunterladen

Der JM-F-Beitrag wurde durch ein Doktorandenstipendium (Ref. FPU20/01060) des spanischen Universitätsministeriums finanziert.

Forschungsgruppe für Sportbiomechanik (GIBD), Abteilung für Leibeserziehung und Sport, Fakultät für körperliche Aktivität und Sportwissenschaften, Universitat de València, C/Gascó Oliag, 3, 46010, Valencia, Spanien

Carlos Sendra-Pérez, Jose Luis Sanchez-Jimenez, Joaquín Martín Marzano-Felisatti, Alberto Encarnación-Martínez und Jose I. Priego-Quesada

Spanisches Netzwerk für Forschung zur sportlichen Leistung im Radsport und bei Frauen (REDICYM), Höherer Sportrat (CSD), Fakultät für körperliche Aktivität und Sportwissenschaften, Campus d'Ontinyent, Labor für Biomechanik, Avda. Conde de Torrefiel Nr. 22, 46870, Ontinyent , Spanien

Alberto Encarnación-Martínez, Rosario Salvador-Palmer und Jose I. Priego-Quesada

Gruppe für Biophysik und medizinische Physik, Abteilung für Physiologie, Universitat de València, Fakultät für Medizin und Odontologie, Avd. Blasco Ibañez 15, 46010, Valencia, Spanien

Rosario Salvador-Palmer & Jose I. Priego-Quesada

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

CSP und JIPQ hatten die Konzeptualisierung der Idee. Alle Autoren haben zum Design der Studie beigetragen. CS, JSJ und JMF arbeiteten an der Datenkuration. CSP und JIPQ führten die statistische Analyse und die Datenvisualisierung durch. RSP, AEM und JIPQ betreuten das Projekt. CSP verfasste den Originalentwurf des Manuskripts, und alle Autoren überprüften, redigierten und stimmten der endgültigen Fassung des Manuskripts zu.

Korrespondenz mit Jose I. Priego-Quesada.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Sendra-Pérez, C., Sanchez-Jimenez, JL, Marzano-Felisatti, JM et al. Zuverlässigkeit der Schwellenwertbestimmung mit tragbaren Muskeloxygenierungsmonitoren während Belastungstests: eine systematische Überprüfung und Metaanalyse. Sci Rep 13, 12649 (2023). https://doi.org/10.1038/s41598-023-39651-z

Zitat herunterladen

Eingegangen: 05. Mai 2023

Angenommen: 28. Juli 2023

Veröffentlicht: 04. August 2023

DOI: https://doi.org/10.1038/s41598-023-39651-z

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.