Feasibility of Velocity Loss-Based Volume Prescription During Constant-Load and Chain-Based Smith Machine Back Squats
2026. július 18. frissítette: Zongwei Chen, South China Normal University
The goal of this observational study was to evaluate the feasibility of percentage of velocity loss (%VL)-based approaches for prescribing training volume during constant-load and chain-based Smith machine back squats.
The study aimed to answer whether %VL can be expressed as the maximum number of repetitions (%Rep) in constant-load and chain-based Smith machine squats.
Twenty-six resistance-trained men performed repetitions-to-failure tests under variable (VRT) and constant resistance training (CRT).
The %Rep attained before reaching different levels of effort were compared between VRT and CRT across various loads and sessions.
Furthermore, this study evaluated the influence of different factors on the predictive accuracy of the %Rep-%VL relationships.
These findings will provide evidence-based evidence in prescribing and monitoring intra-set volume.
A tanulmány áttekintése
Állapot
Befejezve
Körülmények
Beavatkozás / kezelés
Részletes leírás
The goal of this observational study was to evaluate the feasibility of percentage of velocity loss (%VL)-based approaches for prescribing training volume during constant-load and chain-based Smith machine back squats.
The study aimed to answer whether %VL can be expressed as the maximum number of repetitions (%Rep) in constant-load and chain-based Smith machine squats.
Twenty-six resistance-trained men performed repetitions-to-failure tests at 85%, 75%, and 65% of their constant-load one-repetition maximum (1RM) under variable (VRT; 40% of the total external load provided by chains) and constant resistance training (CRT; 0% chains).
The %Rep attained before reaching low (10% VL), moderate (20% VL), and high (30% VL) levels of effort were compared between VRT and CRT across various loads and sessions.
Furthermore, this study evaluated the influence of regression type (individual vs. general), load specificity (load-specific vs. multiple-load), and loading configuration (CRT vs. VRT) on the predictive accuracy of the %Rep-%VL relationships established in session 1 for estimating %Rep in session 2. These findings will provide evidence-based evidence in prescribing and monitoring intra-set volume.
Tanulmány típusa
Megfigyelő
Beiratkozás (Tényleges)
26
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi helyek
-
-
Guangdong
-
Guangzhou, Guangdong, Kína, 510006
- School of Physical Education and Sports Science, South China Normal University
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Igen
Mintavételi módszer
Nem valószínűségi minta
Tanulmányi populáció
Participant characteristics (mean ± standard deviation [range]) included: age, 20.4 ± 2.1 (18-25) years; body height, 1.78 ± 0.05 (1.68-1.87)
m; body mass, 71.7 ± 7.5 (60.0-91.4)
kg; training experience, 3.5 ± 1.8 (1-10) years; and constant-load 1RM, 135.4 ± 17.4 (95-163) kg, corresponding to 1.89 ± 0.21 (1.58-2.28)
times body mass.
Leírás
Inclusion Criteria:
- at least 1 year of resistance training experience, performing back squats at least once per week.
- proficiency in the Smith machine back squat executed at maximal intended velocity.
- a constant-load 1RM of ≥ 1.5 times their body mass.
- no reported musculoskeletal injuries in the past three months.
Exclusion Criteria:
- Voluntary withdrawal or injury.
- Not satisfied with inclusion label.
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
The %Rep attained before reaching the 10%, 20%, and 30% VL thresholds
Időkeret: April 1st, 2026
|
The %Rep attained before reaching the 10%, 20%, and 30% VL thresholds was recorded across all loads, sessions, and loading configurations.
|
April 1st, 2026
|
|
The %rep predictive accuracy
Időkeret: April 1st, 2026
|
To assess predictive accuracy, second-order polynomial regression equations were generated from the first session of each loading configuration using all repetitions within a set, setting %Rep as the dependent variable and %VL as the independent variable.
These equations were constructed using different regression types (individual vs. general), load specificities (load-specific vs. multiple-load), and loading configurations (CRT vs. VRT).
During the second session, the actual %VL recorded after reaching the 10%, 20%, and 30% VL thresholds was substituted into the corresponding first-session equations to derive the predicted %Rep.
Then, the absolute estimation error was calculated as (|actual %Rep - predicted %Rep|).
In cases where muscular failure occurred before a specific %VL threshold was reached (e.g., 30% VL), the %VL of the final completed repetition was recorded, and the corresponding actual %Rep was defined as 100%.
|
April 1st, 2026
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Publikációk és hasznos linkek
A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.
Hasznos linkek
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
2025. október 7.
Elsődleges befejezés (Tényleges)
2026. január 10.
A tanulmány befejezése (Tényleges)
2026. május 1.
Tanulmányi regisztráció dátumai
Először benyújtva
2026. július 15.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2026. július 18.
Első közzététel (Tényleges)
2026. július 22.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2026. július 22.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2026. július 18.
Utolsó ellenőrzés
2026. július 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
Egyéb vizsgálati azonosító számok
- SCNU-SPT-2025-055
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IGEN
IPD terv leírása
The data that support the findings of this study are available from the corresponding author upon reasonable request.
IPD megosztási időkeret
Individual participant data and supporting documents will become available after publication of the study results and will remain available for 5 years.
IPD-megosztási hozzáférési feltételek
Individual participant data (IPD) will be shared in anonymized form with qualified researchers for scientific purposes.
The shared data will include lifting velocity of each repetition completed.
Az IPD megosztását támogató információ típusa
- STUDY_PROTOCOL
- NEDV
- CSR
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .