青年男性慢速自重抗阻訓練能量消耗的模型構建與準確性評估

楊麗君 吳丹 鄭雪芹 何享波 陳慶果

青年男性慢速自重抗阻訓練能量消耗的模型構建與準確性評估

楊麗君，吳 丹，鄭雪芹，何享波，陳慶果

摘 要：目的：研究不同重復次數慢速自重抗阻訓練的能量消耗水平，構建不同動作自重抗阻訓練的能量消耗方程，為運動能量消耗的自我監控與科學健身提供實證參考。方法：選取40名健康男性受試者作為測試對象（建模組30人和驗證組10人），采用Cosmed K4b2便攜式心肺功能儀分別測量受試者3個不同抗自重動作（標準俯臥撐、站姿提踵以及自重深蹲）在6種重復次數下的能量消耗值。運用重復測量設計的方差分析檢驗能量消耗和心率的被試內差異，使用逐步多元回歸分別構建總能耗模型和不同動作能耗模型，采用Pearson 相關分析和Bland-Altman polt等方法評估各模型的整體準確性及不同重復次數下的預測效度。結果：（1）相同重復次數下，3個自重抗阻運動兩兩之間在能量消耗、心率指標上均存在顯著性差異（P<0.05）。（2）總模型：EEm（每分鐘能量消耗，energy expenditure per minute，簡稱EEm）=0.153×重復次數+0.061×心率+0.028×體重-4.656。（3）不同動作模型：EEm（俯臥撐）=0.441×重復次數+0.055×身高+0.025×心率+0.031×體重-11.111;EEm（提踵）=0.104×重復次數+0.013×身高+0.009×心率+0.005×體重-1.714;EEm（深蹲）=0.448×重復次數+0.024×身高+0.016×心率+0.018×體重-4.882。結論：以身高、體重、心率及重復次數4個變量構建的能耗預測方程，能夠較為準確地預測慢速自重抗阻訓練的運動能耗，可為普通大眾運動能量消耗的自我監控與科學健身提供實證參考。

關鍵詞：抗阻訓練;自重抗阻運動;體力活動;能量消耗;模型

中圖分類號：G808.16?? 文獻標識碼：A? 文章編號：1006-2076（2021）05-0091-12

Model construction and validity test of energy consumption in slow self-weight resistance training with different repetition times

YANG Lijun， WU Dan， ZHENG Xueqin ， HE Xiangbo， CHEN Qingguo

School of Physical Education， Sichuan Normal University， Chengdu 610101， Sichuan，China

Abstract：Objective： To study the energy expenditure levels of different repetition times of slow self-weight resistance training， construct the energy expenditure equation of self-weight resistance training of different movements， and provide empirical reference for the self-monitoring of sports energy expenditure and scientific fitness. Methods： 40 healthy male samples are selected as test subjects （30 in the modeling group and 10 in the verifiable group）， and the Cosmed K4b2 portable cardiopulmonary function instrument is used to measure the subjects′ 3 different anti-weight actions （standard push-ups， standing heel lifts and self-weight squats） energy expenditure value under 6 repeated times. The variance analysis of the repeated measurement design is used to test the differences in energy expenditure and heart rate among the subjects. The stepwise multiple regression is used to construct the total energy expenditure model and the energy expenditure model of different actions. Pearson analysis related and Bland-Altman polt are used to evaluate the performance of each model. Overall accuracy and predictive validity under different repetition times. Results： 1） Under the same number of repetitions， there are significant differences in energy expenditure and heart rate between the three self-weight resistance exercises （P<0.05）. 2） Total model： EEm （energy expenditure per minute， EEm for short）=0.153*number of repetitions + 0.061*heart rate+0.028*weight-4.656. 3） Different action models： EEm （push-ups）=0.441*repetition times+0.055*height+0.025*heart rate+0.031*weight-11.111; Eem （heel lift）=0.104*repetition times+0.013*height+0.009*heart rate+0.005*weight -1.714; EEm （squat）=0.448*number of repetitions+0.024*height+0.016*heart rate+0.018*weight-4.882. Conclusion： The energy expenditure predicting equation， with four varieties of height， weight， heart rate and repetition times can more accurately predict the energy expenditure of slow self-weight resistance training， which can be used for providing empirical reference for self-monitoring of sports energy expenditure and scientific fitness for the general public.

Key words：resistance training; self-weight resistance exercise; physical activity; energy expenditure; model

抗阻訓練被認為是刺激肌肉增長與力量增加、促進能量消耗、延緩肌肉萎縮[1]、改善運動素質以及預防慢性疾病[2]的有效方法，近年來，抗阻訓練在中國乃至全球范圍內都是健身領域的熱門健身趨勢。美國運動醫學協會（American College of Sports Medicine， ACSM）[3]推薦健康成人需完成每周2～3次、每次至少1組、每組8～10次重復的抗阻訓練。在抗阻訓練中“力量與速度的關系”是影響訓練效果的關鍵因素之一[4]，向心或離心階段持續2 s～6.5 s的慢速抗阻訓練已被證明能更有效地促進神經肌肉支配的能力，并對缺乏訓練經驗的人群發展運動技能更有幫助，而自重抗阻訓練因其便利性、安全性而備受推崇，越來越廣泛地應用于大眾健身及醫療康復領域，尤其是包括健身初學者、普通老年人以及臨床在內的群體。

如何科學監控抗阻訓練過程中的能耗問題一直是體力活動測量領域的核心和難點，運用科學的方法測量能耗對于評定運動效果與指導科學健身具有重要意義[5]。在實踐層面上，由于能量消耗的測量儀器具有設備復雜、價格昂貴及操作困難等特點，且多局限于實驗室使用，大眾健身效果的即時評價因而受到制約。故尋求一種高效、經濟的能量消耗評定方法是學者們一直以來想要攻克的難題。在理論層面上，早在20世紀80年代初，已有研究試圖嘗試量化抗阻運動能量消耗，Wilmore等人[6]首次采用間接測熱法來測定運動過程中的能耗以及運動后的過量氧耗（EPOC），以此來推算運動能耗，開創了抗阻運動能耗量化領域的先河。后來不斷有學者證明EPOC的大小取決于運動強度[7]、運動時間[8]、組間休息時間、運動前的營養補給[9]以及訓練狀態[10]等因素，這一系列研究推翻了通過EPOC估算抗阻運動能耗這一研究思路，認為僅在運動后測量攝氧量（VO2）并將其帶入到運動過程中，并不能準確反映抗阻運動的真實代謝成本。近年來，數學模型逐漸應用于預測體力活動能量消耗中，為學者們解決能耗的測量與評定問題提供了一個新的思路。例如，Robergs等人[11]將負重量和距離代入回歸方程建立計算VO2的模型，結果表明所代入的2個變量共可分別有效解釋臥推、平行蹲能耗的72.8、65.6的變異量，Lytle等人[12]有關抗阻能耗預測研究也有類似結果。但目前來看，對此類模型的探究結果還相對較少，還需更多的實證依據以形成概化性的結論。

縱觀以往研究發現，國外側重于傳統自由重量或高負荷負重器械的能耗建模研究，國內對健身有效能耗預測的模型構建又相對集中在走跑類、生活方式類等有氧運動方面，而對抗阻運動的能耗預測涉及極少，并且關于大眾抗阻訓練能耗量化評價標準方面的研究鮮少見報，缺乏指導大眾科學健身鍛煉的抗阻訓練運動處方的實驗研究。因此，有必要豐富以數學模型為基礎的抗阻訓練能耗預測方程。本研究采用氣體代謝的精確短時熱量測定方法的金標準[13]——間接測熱法（indirect calorimetry，簡稱IC）測定機體的能量消耗，以普通健康成年男性為測試對象，分別測量受試者3個不同抗自重動作（標準俯臥撐、站姿提踵以及自重深蹲）在6種重復次數下的能量消耗值，并使用逐步多元回歸分析分別構建總能耗預測模型和不同動作能耗預測模型，且對各模型的測量準確性進行效度檢驗，旨在為大眾健身人群運動能耗的自我監控及運動處方（方案）的優化提供證據支撐。

1 研究對象與方法

1.1 研究對象

通過G*Power 3.1.9.7軟件進行樣本量計算[14]。研究采用3（動作）×6（重復次數）的實驗設計，通過預實驗數據確定I型錯誤概率（α）為0.05，效果量為0.20，統計功效為0.85，統計分析方法采用雙因素重復測量方差分析，最終樣本量確定為40名測試對象。

選取40名普通健康青年男性作為測試對象，測試前隨機將其分為建模組（30人）和驗證組（10人）。2組受試者的形態學指標無顯著差異（P>0.05）（基本信息見表1）。所有受試者無心血管、肺部疾病或神經系統疾病等病史，且均有規律的運動習慣（每周1～3次），測試前無大強度運動且未服用咖啡、刺激性飲料等，并維持正常生活作息。測試之前均簽署知情同意書，熟悉本研究實驗流程。

1.2 研究方法

1.2.1 測量指標與儀器

采用恒康佳業HK-6000身高體重儀測試受試者的身高體重（分別精確到0.1 cm/kg），使用清華同方身體成分測試儀測量身體質量指數（BMI）以及體脂率（）。

采用意大利生產的Cosmed K4b2心肺功能測試儀收集受試者的每分鐘氣體代謝指標，包括VCO2、VO2、RER等數據指標[15]。為保證測量的精度，整個測試前更換氧電池，每天測試之前均對儀器進行預熱和校準。采用芬蘭產Polar H10心率胸帶通過Polar心率接收器連接至Cosmed K4b2同步檢測心率（HR）指標。每次測試完成后，將數據保存為*.xpo格式，后期再轉制為周期為

60 s的數據庫。

1.2.2 測試方案

本實驗采用隨機交叉設計對40名普通健康青年男性分別進行2次慢速自重抗阻訓練測試。2次測試的間隔時間為1天，所有的被試在同一周、不同天的同一時間內完成，盡可能地避免測量誤差。受試者在測試前一天內無大強度運動，且測試前1 h不再進食。所有測試均在實驗室環境進行，測試時間為08：30—11：30，14：30—17：30和18：30—21：30。測試環境濕度為50±10，溫度為20.7℃±0.9℃，2次測試的溫度、濕度指標無顯著性差異（P>0.05）。

正式測試前，安排受試者進行有針對性的熱身活動，受試者需佩戴心肺功能測試儀器K4b2呼吸面罩和心率帶適應后先靜坐5 min再連接主機開始測試（如圖1所示）。

自重抗阻訓練能耗測試方案：本研究選取大眾健身最常練習的3個自重抗阻動作——標準俯臥撐、站姿提踵及自重深蹲，這3個動作覆蓋了人體主要的上下肢肌群。其中，俯臥撐主要鍛煉上肢、腰腹部位的肌肉，深蹲是增強腿部、臀部力量和圍度以及發展核心力量的常見動作，提踵作為簡單的單關節運動，主要鍛煉小腿腓腸肌，其所涉肌肉與俯臥撐、深蹲動作互不產生影響，但俯臥撐、深蹲兩動作均涉及核心肌群[16]。為了消除動作執行順序的影響，受試者第1次測試完成俯臥撐，第2次測試先完成提踵再完成深蹲，共完成2次測試，2次測試的順序隨機。不同重復次數的階段測試時間（如表2所示）。

具體步驟如下：首先，受試者靜坐10 min，在靜息測試時受試者需保持情緒平靜、身心松弛的自我感覺最佳的狀態;隨后按照設定好的順序完成6個不同重復次數（重復次數分別為1 reps /min、2 reps /min、3 reps /min、4 reps /min、5 reps /min、6 reps /min）的階段測試（如圖2所示）。每個重復次數的階段運動4 min，俯臥撐動作每個階段間進行3 min的休息恢復期間隔，提踵與深蹲動作的階段之間用1 min的休息恢復期間隔，兩動作之間休息3 min。測試助手注意提醒受試者控制訓練動作節奏為3 s上升、3 s下降，并準確記錄每項動作的開始時間、結束時間以及階段間的休息時間，且嚴格控制每次測試時的一致性。

測試技術動作遵循美國國家體能協會的規范標準，動作完成分為三個階段：準備階段、下降階段及上升階段。如圖3所示：（1）俯臥撐：準備階段訓練者用雙手接觸地面支撐身體，雙上肢垂直于地面，兩腿向后伸展，頭部、頸部、后背、臀部以及雙腿在一條直線上;下降階段兩個肘部向身體外側彎曲，身體收緊降低至基本靠近地面，兩眼目視前方，收緊腹部，保持身體在一條直線上;上升階段雙肘勻速伸展至手臂伸直，還原為起始位置[17]。（2）提踵：準備階段兩眼平視前方、兩腳與肩同寬、身體保持直立、膝蓋與腳尖方向一致;上升階段訓練者踮起腳尖，在自己的極限處感受小腿肌肉的緊張;下降階段訓練者在1秒的小腿緊縮后，慢慢向下恢復到起始姿勢。（3）深蹲：僅承擔自身體重的深蹲訓練被稱為自重深蹲（Bodyweight squat，BW squat）[18]。準備階段訓練者兩眼目視前方，兩腳跟與肩同寬、身體直立、掌心相對、膝蓋與腳尖方向一致;下降階段訓練者彎曲膝蓋并降低臀部至大小腿夾角約為90°且大腿與地板平行;上升階段雙下肢均勻發力，緩慢推離身體還原為站姿位置。在整個深蹲過程中，要求膝關節不超過腳尖且保持中立位，該基本要求基于美國體能協會對深蹲運動的意見書[19]中的要求制定。

1.3 數據處理與分析

數據處理時，首先將前期從K4b2軟件中導出的“*.xpo”文件分別轉制為周期為60 s的數據庫，并按照前期分組名單將其分為建模數據庫和驗證數據庫。其中，每個階段最后2 min或最穩定的連續2 min的數據用于受試者的VCO2、VO2、RER等指標，通過VCO2和VO2指標計算呼吸商（respiratory quotient，RQ），并采用經典的weir方程[20]計算能量消耗（energy expenditure，EE）：kcal·min-1=[（1.1×RER）+3.9]×VO2L·min-1。每個靜息期間最后5 min或最穩定連續5 min的平均值作為靜息的EE，每個階段的平均心率來代表該階段受試者的心率（HR）。

數據使用Microsoft Office Excel 2017和SPSS 20.0進行統計處理，所有結果均表示為平均數±標準差（M±SD）形式，各項測試數據采用Shapiro-Wilk法、Studentized Residual分析進行正態分布檢驗，判斷有無異常值。運用重復測量設計的方差分析檢驗3個不同抗自重動作（俯臥撐、提踵和深蹲）在6種重復次數下的能耗和心率的被試內差異。使用逐步多元回歸分別構建總能耗模型和不同動作能耗模型。

模型驗證時，將驗證組10名與本次實驗測試對象情況基本一致的受試者身體指標數值代入能耗推算公式得到能耗預測值，比較預測值與實測值的差別，用以驗證能耗模型的預測性能。采用 Pearson 相關檢驗預測方程的有效性。使用 Medacle 12.0軟件繪制 Bland- altman plot圖比較各模型在整體上預測值和實測值之間的一致性。采用SPSS 軟件計算總模型和各動作模型的均方根誤差（root- mean-square error，以下簡稱RMSE）、平均絕對百分誤差（mean absolute percentage error，MAPE）及平均百分誤差（以下簡稱Bias），進行比較各模型的測量準確性。統計分析中顯著性水平定義為P<0.05。

2 研究結果

2.1 慢速自重抗阻訓練的能耗特征及心率狀況比較

利用Shapiro-Wilk法、Studentized Residual分析對原始數據進行檢驗，各項數據P值均大于0.05，無異常值，說明各數據觀測值均服從近似正態分布。本研究中的不同抗自重動作和重復次數都是類別變量，檢驗變量分別為EE和HR，結合數據獲取的被試特征，采用雙因素重復測量的方差分析進行交互效應和主效應的檢驗。

2.1.1 動作×重復次數的交互效應分析

從表3可以看出，檢驗變量不論是EE還是HR，動作和重復次數的交互項均存在統計學意義，EE：F（10、290）=127.982，P=0.002，HR：F（10、290）=181.135，P=0.001，表明重復次數與不同動作之間存在著交互效應。

2.1.2 動作和重復次數的主效應分析

表4為主效應檢驗結果，動作、重復次數2自變量與檢驗變量EE之間的主效應均存在統計學意義，動作：F（2、58）=583.358，P<0.001，重復次數：F（5、145）=690.643，P=0.006。動作、重復次數2自變量與檢驗變量HR之間的主效應均存在統計學意義，動作：F（2、58）=279.466，P=0.001，重復次數：F（5、145）=709.407，P<0.001。

2.1.3 不同重復次數三種抗自重動作能耗及心率的多重比較

確認存在顯著性交互效應后，應進一步明晰重復次數變量的單獨效應，Bonferroni多重比較結果顯示，相同重復次數下，3個抗自重動作兩兩之間在能耗、心率指標上均存在顯著性差異（各項P值確切數值詳見表5，在此不一一贅述）。由X差值可見，3個抗自重動作在6種重復次數下的能耗、心率對比，俯臥撐最高，深蹲次之，提踵最低。

2.2 慢速自重抗阻訓練能耗模型的建構

2.2.1 各測量指標與運動能量消耗的關系

對各測量指標與運動總能耗、不同動作能耗進行相關性分析發現（見圖4），身高、體重、心率、重復次數與運動總能耗（r=0.173，P<0.001;r=0.156，P<0.001;r=0.803，P<0.001;r=0.487，P<0.001）、俯臥撐能耗（r=0.325，P<0.001;r=0.299，P<0.001;r=0.828，P<0.001;r=0.831，P<0.001）、提踵能耗（r=0.295，P<0.001;r=0.269，P<0.001;r=0.258，P<0.001;r=0.512，P<0.001）及深蹲能耗（r=0.221，P=0.003;r=0.193，P=0.009;r=0.598，P<0.001;r=0.855，P<0.001）的線性相關關系顯著。

BMI、體脂百分比與運動總能耗（P值分別為0.136、0.200）、俯臥撐能耗（P值分別為0.085、0.076）、提踵能耗（P值分別為0.398、0.710）及深蹲能耗（P值分別為0.236、0.449）均不存在相關關系，據圖4結果，可建立能耗回歸公式。

2.2.2 回歸方程建立

逐步多元回歸的結果顯示（見表6），總模型最終含有3個變量：心率、重復次數和體重，模型C的r=0.829，說明這3個變量與總能耗存在高度相關關系（P<0.001）;俯臥撐、提踵、深蹲模型均最終含有4個變量：重復次數、身高、心率和體重，其模型D的r分別為0.926、0.822、0.903，說明這4個變量與不同動作能耗均存在高度相關關系（P<0.001）;調整后的決策系數R2是衡量模型好壞的重要指標，4個模型調整后的R2決定系數分別為0.685、0.854、0.675、0.812，可見各模型效果較好。

表7給出了各模型自變量的偏回歸系數估計值、標準化后的偏回歸系數以及回歸系數的顯著性檢驗結果，結果顯示總模型各自變量的容忍度（TOL）均大于0.813，方差膨脹因子（VIF）均小于1.229，俯臥撐模型各自變量的TOL均大于0.341，VIF均小于2.933;提踵模型各自變量TOL均大于0.692，VIF均小于1.445;深蹲模型各自變量TOL均大于0.676，VIF均小于1.480。因此4個模型各自變量間均不存在多元共線性問題。

總能耗、俯臥撐能耗、提踵能耗和深蹲能耗的線性回歸方程見表8，各模型R2分別為0.685、0.854、0.675和0.812，SEE分別為0.831、0.514、0.289和0.438。心率、重復次數及體重3個自變量共可有效解釋總能耗68.5的變異量，其中心率是對總能耗影響最大的變量;重復次數、身高、心率及體重4個自變量共可分別有效解釋不同動作模型能耗的85.4、67.5和81.2的變異量，其中，重復次數是對不同動作能耗影響最大的變量，最先被引入模型;通過回歸方程的方差分析對4個能耗方程進行檢驗，其F值分別為392.253、262.641、27.644和194.191，P值均小于0.001，可知回歸方程是顯著的，所建構的能耗方程具有統計學意義。

2.3 慢速自重抗阻訓練能耗模型的準確性評估

2.3.1 各能耗模型預測值與實測值的相關性分析

從預測值-實測值的散點圖上看（見圖5），深蹲模型的散點最為靠近參考線（y=x），具有較好的能耗預測效度;俯臥撐模型的散點普遍靠近參考線，但位于參考線以下的點居多;總模型和提踵模型的散點較為分散，預測誤差明顯高于其他2個模型。當總能耗實測值在1～3 kcal/min時，能耗預測值有較大波動，當實測值大于5 kcal/min后，點較為分散。

2.3.2 各能耗模型整體預測準確性比較

結合表8可知，總模型的能耗預測值與實測值存在中度相關關系（r=0.729，P<0.001），其RMSE、Bias、MAPE指標分別為0.75、0.19、0.29。俯臥撐、提踵、深蹲模型能耗預測值均與其實測值存在高度相關關系（r=0.929，P<0.001;r=896，P<0.001;r=0.911，P<0.001）。從3個不同動作模型的整體測量誤差上看，深蹲模型在MAPE和Bias 2個指標上均低于提踵模型和俯臥撐模型（MAPE=0.08，Bias=0.01）;而在RMSE指標上，提踵<深蹲<俯臥撐，RMSE分別為0.24、0.28、0.46。

2.3.3 各能耗模型預測值與實測值的一致性檢驗

以驗證組每個受試者的每項抗阻訓練的6個重復次數為檢驗單元，使用Bland-Altman法對總能耗方程與間接測熱法的一致性進行進一步的分析，圖6中x軸代表各能耗預測值和實測值的均值，y軸代表預測值和實測值的差值，兩條虛線為一致性界限表示差值95的置信區間，中間的實線為差值的均值。

本研究所計算的總模型、俯臥撐模型、提踵模型和深蹲模型的一致性限度區間分別為（-1.38，2.11）、（-0.70，1.28）、（-0.52，0.67）和（-0.70，0.75），差值的均線分別為0.36、0.29、0.07和0.02，一致性界限差值的絕對值分別3.49、1.98、1.19和1.45，在一致性區間之外的點分別9個、3個、6個和4個。從以上數據綜合判斷，4個模型的均值均接近0線，預測值與實測值95的殘差均落在Bland-Altman散點圖±1.96 SD區間內，表明4個模型對運動能耗均有較好的預測能力，俯臥撐模型和間接測熱法的一致性水平最好。

3 分析與討論

3.1 試驗設計方案分析

傳統抗阻訓練主要是使用自由重量或高負荷負重器械來促使機體肌肉肥大[21]，然而，對于健身初學者、普通老年人以及臨床人群來說，使用高負荷自由重量或器械訓練需要較長時間的神經肌肉恢復[22]，且易造成運動損傷風險。故本研究側重于利用人體自身重量進行的抗阻運動，滿足抗阻訓練的個體化、周期化和漸

進性原則，對于普通老年人群和健身初學者等來說是負重器械的可行替代品。傳統速度抗阻訓練定義為動作（離心和向心結合）完成時間小于4 s，慢速抗阻訓練定義為向心或離心階段持續2～6.5 s，總時間4～13 s，極慢速度抗阻訓練定義為向心或離心動作大于等于10 s或總時間大于等于14 s。Lyons等人[23]的研究表明，以傳統、慢速以及極慢速度的動作速度進行抗阻訓練均能促進不同人群的肌力增長與肌肉肥大，且組間并無差異。另一項研究[24]比較傳統速度與慢速兩種不同訓練節奏的單次站坐轉換的能量消耗，發現運動速度為3 s上升、3 s下降的站坐轉換的凈能耗大約比運動速度1 s上升、1 s下降的高40。由此可以看出，慢速抗阻訓練能夠更好地促進神經支配肌肉的能力，并可能對缺乏訓練經驗的人群發展運動技能更有幫助。因此，本研究選取向心階段3 s、離心階段3 s的動作速度完成3個常見身體不同部位的抗自重動作（俯臥撐、提踵和深蹲）在6種不同重復次數下的測試。

3.2 慢速自重抗阻訓練的能耗特征分析

本研究結果表明，俯臥撐的能耗最高，深蹲次之，提踵最低。該結果與國外相關研究結果基本一致，究其原因，產生此結果的主要原因將從動作目標肌肉、人體肌肉分布以及肌肉單次收縮幅度三方面來分析。從動作目標肌肉來看，俯臥撐主要是鍛煉上肢、腰腹部位的肌肉訓練動作，包括肱二頭肌、肱三頭肌及胸大肌等，尤其是胸肌，它是評估人體上肢力量素質的最常用方法;提踵動作的目標肌肉主要為腓腸肌;深蹲被認為是增強腿部、臀部力量和圍度以及發展核心力量必不可少的練習。從人體肌肉分布來看，Janssen等人[25]對468名年齡在18～88歲的人進行的一項研究表明，大多數成年人下半身的肌肉質量和體積均大于上半身，男性下肢肌肉約占人體總重的54.9，上肢肌肉約占人體總重的42.9。從肌肉單次收縮幅度來看，前人有研究表明，人體在運動時上肢肌肉比下肢肌肉更加活躍，上肢肌肉在收縮頻率、收縮次數以及工作時間方面均顯著高于下肢肌肉[26]。而Janssen等人[25]在此基礎之上發現，人體運動時上肢肌肉的收縮頻率、收縮次數雖顯著高于下肢肌肉，但下肢肌肉的收縮幅度大約是上肢肌肉收縮幅度的2～3倍，下肢肌肉單次收縮的幅度遠大于上肢肌肉。由上可知，與深蹲、提踵相比，俯臥撐動作的覆蓋肌群更多，故肌肉做功較多，其能量消耗最高。

3.3 各能耗模型的建構與效度分析

3.3.1 各模型的建構分析

身高、體重、BMI以及體脂百分比作為人體的身體形態指標，在運動能量消耗的相關研究中最為常用。本研究結果表明，身高、體重與運動總能耗及不同動作能耗的線性相關關系顯著，對機體能量消耗有較大影響。

此外，運動過程的總能量消耗會隨著重復次數的增加而線性增加[27]，本研究將不同自重抗阻運動的重復次數與能量消耗進行相關性分析，發現俯臥撐、深蹲動作的重復次數均與其能耗存在高度相關關系（r=0.813，P<0.001;r=0.855，P<0.001），提踵的重復次數與能耗存在中度相關關系（r=0.512，P<0.001），研究證明可選用重復次數建立不同動作的能耗回歸公式。此結果與之前的研究基本一致，Nakagata等人[24]比較了兩種不同訓練節奏的單次站坐轉換的能量消耗，研究發現兩種訓練節奏站坐轉換的重復次數與能耗之間均存在高度相關關系（r =0.998～0.999，P<0.001）。另一項研究[28]探討了兩種不同跑步速度對180°轉彎運動的能量消耗的影響，同樣得出總耗氧量與重復轉彎次數存在高度相關關系，會隨重復轉彎次數的增加呈線性增加 （4.3 km/h：r=0.973，5.4 km/h：r=0.996，P<0.001）。

心率是反映人體運動狀態的重要指標，與能量消耗之間存在線性關系，心率測量是監測和評價能量消耗的常用方法之一。因此，運動時對心率的監測對于指導大眾健身人群日常運動有著重要作用。本研究將心率與能量消耗進行相關性分析，發現俯臥撐的心率與能耗存在高度相關關系（r=0.828，P<0.001），深蹲的心率與能耗存在中度相關關系（r=0.598，P<0.001），故選用心率指標分別建立不同動作的能耗回歸公式。此結果與之前的研究基本一致，李沖等人[29]研究兩種常見力量負荷抗阻訓練的能量消耗水平，結果表明心率在中等力量負荷（12 RM）、低力量負荷（25 RM）組合動作抗阻訓練中均與能耗存在中度相關關系（r=0.538，P<0.001;r=0.732，P<0.001）。

本研究根據前人對機體能量消耗影響因素的研究，通過逐步多元回歸分析最終以身高、體重、心率和重復次數作為自變量指標建構總能耗和不同動作能耗模型，通過回歸方程的方差分析對各能耗方程進行檢驗，發現4個方程P值均小于0.001，能耗方程具有統計學意義。

3.3.2 各模型的預測準確性分析

在以往的研究中，不同學者使用不同的評價指標來衡量模型的預測能力，其中包括r、R2、RMSE 、BIAS和MAPE等指標。本研究通過逐步多元回歸采用了上述評價指標，以不同受試者進行外部效度和準確性檢驗結果顯示，總能耗模型R2為0.685、不同動作能耗模型R2分別為 0.854、0.675、0.812，且均顯著相關。這與Lytle等人[12]的研究結果一致，該研究利用人體形態學變量及抗阻相關變量構建的最優模型能夠較為合理地推算運動過程中的能量消耗，其總能耗模型R2為0.773、單項抗阻動作能耗模型R2范圍為0.62～0.83。Benito等人[30]的研究結果與之相似，循環抗阻運動能耗預測方程女性R2為0.92，SEE=4.9;男性R2為0.79，SEE=7.7。另一項[31]研究表明，使用去脂體重、性別和腰部加速度計VM值所構建的能耗方程，共可有效解釋抗阻運動能耗的73的變異量（R2=0.730）。值得注意的是，在研究中，總模型的RMSE、Bias、MAPE指標分別為0.75、0.19、0.29;不同動作能耗預測模型的RMSE指標分別為0.24、0.28、0.46。而在以往抗阻運動能耗預測模型的研究中并沒有上述3個指標對模型準確性進行檢驗，后續研究需進一步展開討論。

Bland-Altma圖是指以圖形的方式直觀地反映兩種測量結果的一致界限性，從而得出這兩種測量方法是否具有一致性的結論，此方法可以運用于評估預測值與實測值的一致性，以此來檢驗模型的預測準確性[32]。本研究結果顯示，總模型的一致性限度區間為（-1.38，2.11），不同動作能耗一致性限度區間分別為（-0.70，1.28）、（-0.52，0.67）和（-0.70，0.75），差值的均線分別為0.36、0.29、0.07和0.02，4個模型的均值均接近0線，且總模型和不同動作模型的大部分散點基本落在±1.96 SD 之間，證明各模型均具有良好的預測能力。而在以往的基于自重抗阻運動能耗預測模型的研究中并沒有使用Bland-Altman法對模型準確性進行檢驗，因此未來研究應重視此方法的應用，使研究結果更加可靠。綜上可知，已有的研究充分肯定了抗阻運動在健身與康復領域的價值，并已證明自重抗阻在力量訓練中具有實際效用，且本研究推導的抗阻訓練總能耗及不同動作能耗估算公式的預測值均是較為準確、可信的，為應用本研究推算公式計算健康男性自重抗阻訓練能耗提供了可靠依據。但就目前而言缺乏對抗阻訓練與能量消耗的劑量-效應關系進行系統探討，也無法為本研究中的結果提供直接依據，故后續還需要更多研究進一步探討其共變的因果關系。

3.4 本研究的局限

本研究中受試者均為40名年齡在19～25歲的健康男性，樣本量較少，所建立的模型是否具有人群的局限性還需后續研究適當增加男女樣本量加以探討。在實驗方案上，本研究中共選取3個抗自重動作，動作數量有限，未來可進一步豐富在實驗室情景下的自重抗阻訓練種類的相關研究，如引體向上、仰臥起坐等，并應在條件允許的情況下，構建多種能耗預測模型，進一步提高能耗模型的準確性。

4 結 論

（1）3個抗自重動作在6種重復次數下的能量消耗及心率對比，相同重復次數下，俯臥撐最高，深蹲次之，提踵最低。

（2）心率與總能耗存在高度相關關系，是對總能耗模型貢獻最大的變量，重復次數與不同動作能量消耗均存在較高的相關關系，是預測能量消耗較佳的自變量。

（3）以身高、體重、心率等基本生理學參數和重復次數為自變量推導的能耗評價模型，能夠較為準確地預測慢速自重抗阻訓練的運動能耗，預測精度較高，可為自重抗阻運動能量消耗的科學監控提供實證參考。

參考文獻：

[1]Hakkinen K， Kraemer WJ， Newton RU， et al. Changes in electromyographic activity， muscle fibre and force production characteristics during heavy resistance/power strength training in middle-aged and older men and women[J]. Acta Physiol Scand，2001 Jan;171（1）：51-62.

[2]Fleck S J. Cardiovascular adaptations to resistance training[J]. Medicine and science in sports and exercise， 1988， 20（5）：146-151.

[3]American College of Sports Medicine. American College of Sports Medicine position stand. Progression models in resistance training for healthy adults[J]. Med Sci Sports Exerc，2009，41（3）：687-708.

[4]于亮.慢速抗阻訓練：周期性增肌的新刺激模式[J].成都體育學院學報，2021，47（1）：40.

[5]朱琳，陳佩杰.能量消耗測量方法及其應用[J].中國運動醫學雜志，2011，30（6）：577-582.

[6]Wilmore J H， Parr R B， Ward P， et al. Energy cost of circuit weight training[J]. Medicine and science in sports， 1978， 10（2）： 75-78.

[7]Gore C J， Withers R T. Effect of exercise intensity and duration on postexercise metabolism[J]. Journal of applied Physiology， 1990， 68（6）： 2362-2368.

[8]Bahr R， Ingnes I， Vaage O， et al. Effect of duration of exercise on excess postexercise O2 consumption[J]. Journal of Applied Physiology， 1987， 62（2）：485-490.

[9]Bahr R， Sejersted O M. Effect of feeding and fasting on excess postexercise oxygen consumption[J]. Journal of Applied Physiology， 1991， 71（6）：2088-2093.

[10]Short K R， Sedlock D A. Excess postexercise oxygen consumption and recovery rate in trained and untrained subjects[J]. Journal of applied physiology， 1997， 83（1）：153-159.

[11]Robergs R A， Gordon T， Reynolds J， et al. Energy expenditure during bench press and squat exercises[J]. Journal of strength and conditioning research， 2007， 21（1）：123.

[12]Lytle JR， Kravits DM， Martin SE， Green JS， Crouse SF， Lambert BS. Predicting Energy Expenditure of an Acute Resistance Exercise Bout in Men and Women. Med Sci Sports Exerc[J]. 2019，51（7）：1532-1537.

[13]Duffield R， Dawson B， Pinnington H C， et al. Accuracy and reliability of a Cosmed K4b2 portable gas analysis system[J]. Journal of Science and Medicine in Sport， 2004， 7（1）：11-22.

[14]Ledermann J， Harter P， Gourley C， et al. Olaparib maintenance therapy in platinum-sensitive relapsed ovarian cancer[J]. New England Journal of Medicine， 2012， 366（15）：1382-1392.

[15]鄧樹勛，王建，喬德才，等.運動生理學[M].北京：高等教育出版社， 2009.

[16]Nakagata T， Naito H， Yamada Y. Metabolic equivalents of body weight resistance training with slow movement：Implications for exercise prescription and health promotion[J]. J Exerc Physiol Online ，2018，21（5）：29-38.

[17]田興辰. 標準俯臥撐與不穩定俯臥撐的動作分析[D].上海：上海體育學院，2016.

[18]陳晨. 軀干位置對自重深蹲運動中下肢生物力學的影響研究[D].上海：上海體育學院，2019.

[19]Chandler T J， Stone M H. The squat exercise in athletic conditioning：A position statement and review of the literature[J]. Chiropractic Sports Medicine， 1992（6）：105.

[20]Weir J B V. New methods for calculating metabolic rate with special reference to protein metabolism[J]. The Journal of physiology， 1949， 109（1-2）：1-9.

[21]American College of Sports Medicine. American College of Sports Medicine position stand. Progression models in resistance training for healthy adults[J]. Medicine and science in sports and exercise， 2009， 41（3）：687-708.

[22]Fragala M S， Cadore E L， Dorgo S， et al. Resistance training for older adults：position statement from the national strength and conditioning association[J]. The Journal of Strength & Conditioning Research， 2019， 33（8）.

[23]Lyons A， Bagley J. Can Resistance Training at Slow Versus Traditional Repetition Speeds Induce Comparable Hypertrophic and Strength Gains？[J]. Strength and Conditioning Journal， 2020， 42（5）：48-56.

[24]Nakagata T， Yamada Y， Hatamoto Y， et al. Energy expenditure of a single sit-to-stand movement with slow versus normal speed using the different frequency accumulation method[J]. Medicina， 2019， 55（3）：77.

[25]Janssen I， Heymsfield S B， Wang Z M， et al. Skeletal muscle mass and distribution in 468 men and women aged 18–88 yr[J]. Journal of applied physiology， 2000，89（1）：81-88.

[26]Monster A W， Chan H， O′Connor D. Activity patterns of human skeletal muscles：relation to muscle fiber type composition[J]. Science， 1978， 200（4339）：314-317.

[27]Hatamoto Y， Yamada Y， Higaki Y， et al. A novel approach for measuring energy expenditure of a single sit-to-stand movement[J]. European journal of applied physiology， 2016， 116（5）：997-1004.

[28]Hatamoto Y， Yamada Y， Fujii T， et al. A novel method for calculating the energy cost of turning during running[J]. Open access journal of sports medicine， 2013（4）：117.

[29]李沖，史曙生.健康青年男性兩種力量負荷抗阻訓練能量消耗的推算[J].中國運動醫學雜志，2019，38（5）：364-371.

[30]Benito Peinado P J， lvarez Sánchez M， Díaz Molina V， et al. Aerobic energy expenditure and intensity prediction during a specific circuit weight training：A pilot study[J]. 2010，5（2）：134-135.

[31]Puyau M R， Adolph A L， Vohra F A， et al. Prediction of activity energy expenditure using accelerometers in children[J]. Medicine & Science in Sports & Exercise， 2004， 36（9）：1625-1631.

[32]陳慶果，劉耀天，譚雅兮，等.腕部加速度計中不同類型能耗預測模型的建構與評估[J].首都體育學院學報，2019，31（3）：261-271.

收稿日期：2021-06-30

作者簡介：楊麗君（1997- ），女，四川遂寧人，在讀碩士研究生，研究方向體力活動測量與評價。

通訊作者：陳慶果（1981- ），男，博士，教授，研究方向體力活動測量與評價。

作者單位：四川師范大學體育學院，四川 成都 610101