巴西人膝关节伸肌一次重复最大测试的参考值。

该项目由两个阶段组成：为了制定最终的标准化 1RM 协议，将进行试点研究（第一阶段），以确定启动 1RM 尝试的最佳目标负载。 然后将根据试点研究的结果定义方案，并使用该方案启动主要研究（第二阶段）。

将使用腿部伸展机（MacSport、Sigma）进行单次最大测试（1RM）。 该测试的目的是确定被测肌肉群（在本研究中为膝关节伸肌）通过其整个运动范围且无需代偿运动，在单次运动中可以举起的最大重量。 膝盖应与设备的轴线对齐（必要时调整靠背），双手应牢牢抓住手柄。 设备将被设置为使个人从 90 度屈曲开始膝关节伸展，并伸展直至达到 0 度屈曲。 测试期间将给予标准化的口头鼓励。

所有招募的个人，包括参与试点研究（第一阶段）和主要研究（第二阶段）的人，都将在两个不同的时刻进行评估。 在第一次评估（试点研究测试 1 或试点研究 T1）中，将按照方案使用 1RM 测试评估参与者的人体测量数据、是否存在合并症、自我报告的定期体力活动、认知筛查和膝伸肌力量由作者提出（详细信息如下）。 特别是对于试点研究，这是一项方法学研究，旨在确定第一次 1RM 尝试的最佳初始负荷，将根据体重（体重的 40%、60% 和 80%）随机分配三个初始负荷选项通过信封。 该试点研究总共包括 72 名个体，分布在六个年龄组，平均间隔为 10 年（即 18-29 岁、30-39 岁、40-49 岁、50-59 岁、60-69 岁和 70-80 岁） 。 每个年龄组将有 12 名参与者，其中四名参与者以体重的 40%（两名男性和两名女性）进行首次 1RM 尝试，另外四名参与者以体重的 60%（两名男性和两名女性）进行首次 1RM 尝试，其余四名则以体重的 60% 进行首次 1RM 尝试。体重的 80%（两名男性和两名女性）。 这样，在最初的 1RM 尝试中，参与者将均匀分布在年龄组、性别和体重百分比中。 在试点研究（试点研究 T2）的评估中，第一次评估试点研究 T1 后 48-72 小时，将重新评估个体的膝关节伸肌力量（遵循与试点研究相同的方案和相同的体重百分比）研究 T1）以调查测试的可重复性和熟悉程度（例如学习效果）。

初步研究的拟定方案将遵循以下顺序：(1) 轻负荷（体重的 20%）进行 10 次重复的热身； (2) 休息两分钟； （三）首次尝试采用试验开始前随机选择的体重百分比（即体重的40%、60%或80%）； (4) 负荷分级将基于李克特难度等级，从 1 到 5（1-非常简单，2-简单，3-中等，4-非常困难，5-极其困难）；从 1 到 3 的响应将增加上次负载的 20%，从 4 到 5 的响应将增加上次负载的 10%。 个人在每个进展之间将有两分钟的休息时间； (5)如果尝试不成功，应减少负载5%或10%；成功时，这将是1RM值，失败时，1RM将是最后一次成功提升的值； (6) 理想情况下，1RM 值应在 4 至 6 次尝试中获得，前提是最后一次尝试不是最高值。 如前所述，48-72 小时后，个人将按照与试点研究 T1 相同的方案和初始负荷进行试点研究 T2。 1RM 测试的最佳初始负载将是在试点研究 T1 和试点研究 T2 中进行的最佳测试中以最少的尝试达到最高 1RM 值的负载，只要它们落在 4 到 6 次尝试的范围内。

在完成试点研究并获得 1RM 测试的最佳初始负载结果后，主要研究将开始并遵循先前提出的相同方案。 然而，在两个主要研究测试（主要研究 T1 和主要研究 T2）期间，它将使用被确定为试点研究中理想初始负荷的最佳体重百分比。 在试点研究和主要研究中，同一评估者应在 T1 和 T2 中执行测试，以便分析评估者内部的可重复性并避免潜在的评估者间偏差。 用于分析的1RM值将是从主要研究T1和主要研究T2的评估中获得的最高值。

样本量将根据试点研究进行计算。 用于计算的变量将是膝关节伸肌力量，因为这是该研究的主要结果。 将采用80%的幂和0.05的alpha。

Microsoft Excel 2010（微软，美国）和SPSS 21.0版本（IBM，美国）分别用于数据制表和统计分析。 Shapiro-Wilk 检验将用于分析数据分布的正态性。 正态分布的数据将被描述为平均值±标准差并通过参数检验进行统计处理，而非正态分布的数据将被描述为中位数[四分位数范围25-75%]并通过非参数检验进行统计处理。 为了确定试点研究中 1RM 测试的最佳初始负载并比较不同年龄组，必要时将使用单向方差分析或 Kruskal-Wallis 测试与 Dunn 事后测试。 Pearson 或 Spearman 系数将用于识别 1RM 测试和人体测量变量之间的简单相关性，而多元线性回归分析将用于建立参考方程。 P<0.05 的值将被视为统计显着性，但多元线性回归模型除外，其中显示与膝伸肌 1RM 相关性达到 P<0.20 的变量将包含在模型中。