30～65歳の成人の筋力と満足度に対するバイオストレングストレーニングの効果 (BIO-STR)

この研究の目的は、トレーニングを受けていない成人の身体能力、筋力、体組成の改善における、テクノジム バイオストレングス マシンの有効性を従来の筋力トレーニング機器と比較して評価することです。 主な目的は、動きの振幅、速度、力に関するリアルタイムのフィードバックを提供する BioStrength マシンが、従来のフィットネス機器と比較して、筋力、体組成、トレーニング効率の点で優れた結果をもたらすかどうかを判断することです。

この研究は、参加者をバイオストレングストレーニンググループまたは従来の筋力トレーニンググループのいずれかに割り当てる最小化手法を使用して、12週間にわたるランダム化対照試験デザインに従います。 この手法により、年齢、性別、ベースラインの握力などの重要な予後因子がグループ間でバランスが保たれるようになります。これは、サンプルサイズが小さい場合、無作為化だけではこれらの因子に適切に対処できない可能性があるためです。 参加者は週に 3 回、それぞれ約 60 分のトレーニング セッションに参加します。 BioStrength グループはトレーニングを最適化するためにパーソナライズされたフィードバックを提供する先進的なマシンを使用しますが、従来型のグループはフィードバック技術のない標準的な筋力トレーニング マシンを使用します。

この研究で測定される主な結果には、最大筋力、握力、体組成が含まれます。 最大筋力は、レッグプレスおよびチェストプレスエクササイズの 10-RM (Repetition Maximum) テストを使用して評価されます。これは、参加者が連続 10 回の繰り返しで持ち上げることができる最大重量を決定します。 手の握力は Jamar ダイナモメーターを使用して測定され、参加者はそれぞれの手で 3 回ずつ試行し、最高値を記録します。 体組成は、筋肉量と体脂肪率を推定する非侵襲的方法である生体インピーダンス分析 (BIA) を使用して測定されます。 さらに、腕、脚、ウエストの周囲測定により、筋肉の成長と脂肪分布の変化に関する補足データが得られます。

この研究では、筋力トレーニングの経験が6か月以内の30～65歳の健康な成人42人を募集する。 冠状動脈性心疾患、脳卒中、関節炎、または身体能力に影響を与える可能性のあるその他の病状の既往歴のある参加者は除外されます。 20％の脱落率を考慮して、この研究ではグループごとに21人の参加者を募集することを目標とします。 募集は地元のフィットネスセンターを通じて、ソーシャルメディア広告やチラシを使用して行われます。 参加者は、12週間の介入期間を通じて通常の食習慣を維持するよう指示されます。 彼らは、筋力、体組成、全体的な体力に関連する結果に影響を与える可能性があるため、食事を大幅に変更したり、新しい栄養補助食品を導入したりしないよう求められます。

この研究は、ベースライン、介入、介入後の 3 つのフェーズで構成されます。 ベースラインテストでは、参加者は 2 日間にわたって、10-RM テスト、握力測定、BIA、周囲長測定などの筋力と体組成の評価を受けます。 介入期間は 12 週間続き、その間、参加者は評価を実施するスポーツ科学者の監督の下、割り当てられたトレーニング プログラムを完了します。 介入後、すべての参加者は同じテストを繰り返して、筋力と体組成の変化を評価します。

データは 2 因子 ANOVA を使用して分析され、2 つのグループ間の介入前後の結果が比較されます。 主な焦点は、最大筋力、握力、体組成の変化です。

BioStrength トレーニング グループは、従来の筋力トレーニング グループと比較して、筋力、握力、体組成において大きな改善を示すと仮説が立てられています。 BioStrength マシンによって提供される高度なフィードバックにより、より効率的かつ効果的な筋力向上が期待されます。 この研究は、高度な筋力トレーニング機器を使用する利点についての貴重な洞察を提供する可能性があり、特に筋力トレーニングを初めて行う人にとって、将来のトレーニングプロトコルに影響を与える可能性があります。

この研究はグラーツ大学の倫理委員会によって承認されており、参加者は書面によるインフォームドコンセントを提供する前に、研究の目的、手順、潜在的なリスクについて十分に説明されます。 すべてのデータは匿名化され、研究全体を通じて機密性が厳密に維持されます。

この研究は、BioStrength マシンが従来のジム機器に比べて目に見える利点があるかどうかを示すことを目的としているため、商業フィットネス施設にとって重要な意味を持つ可能性があります。 この研究が成功すれば、より広範囲の人々の筋肉の成長と体組成の改善を最適化する、より効率的なデータ主導型トレーニング介入の開発に貢献できる可能性がある。