Browsing by Subject "MLSS"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Publication
    Open Access
    Reproducibilidad inter-sujeto del tiempo hasta la extenuación a intensidad del Máximo Estado Estable de Lactato
    (2015-11-30) Lillo Bevia, José Ramón; García Pallarés, Jesús; Actividad Física y Deporte
    El Máximo Estado Estable de Lactato (MLSS) se corresponde con la intensidad de esfuerzo constante más elevada que puede ser soportada sin acumulación continua de lactato. Este estudio tiene como objetivo analizar la variabilidad inter-sujeto de los tiempos hasta la extenuación, o tiempos límite (Tlim), a la intensidad de MLSS, así como encontrar otras variables fisiológicas predictoras de este Tlim que permitan estimar su resultado, reduciendo notablemente los requerimientos logísticos y recursos materiales asociados al test MLSS. Seis ciclistas bien entrenados se sometieron a una batería de pruebas de laboratorio randomizadas y contrabalanceadas para establecer su rendimiento individual a intensidad de MLSS (250 ± 58 W), Potencia Aeróbica Máxima en un test incremental máximo (370 ± 64 W), así como de Capacidad (691 ± 59 W)) y Potencia Anaeróbica (866 ± 124 W) láctica mediante un test Wingate. Finalmente, todos los participantes realizaron un test hasta la extenuación a intensidad de MLSS en cicloergómetro, durante el que se monitorizaron los valores de, producción de lactato, frecuencia cardiaca y temperatura timpánica. Se realizó un análisis descriptivo de los resultados obtenidos que mostró un alta variabilidad inter-sujeto en el Tlim a MLSS (77.8 ± 13.8 min; CV = 17.7%). No obstante, los diferentes análisis de regresión múltiple indican que un número reducido de variables fisiológicas estudiadas, como los valores de capacidad anaeróbica obtenidos del test Wingate, o los resultados del test incremental máximo, pueden llegar a explicar el 99.4% de la varianza del Tlim a MLSS. Además, este análisis de regresión múltiple nos permite definir ecuaciones predictoras para estimar el Tlim a MLSS con mínimo error (r = 0.994 – 1.00) sin necesidad de realizar sus protocolos específicos. Estas ecuaciones de predicción van a reducir de forma notable los recursos materiales, humanos y de tiempo que son actualmente necesarios para obtener esta información considerada de vital importancia para el diseño y valoración del programa de entrenamiento de los ciclistas.