Machine Translated by Google
sensores
Artigo
Saídas mecânicas de aceleração de sprint derivadas de dados de
posição ou velocidade-tempo: um estudo de comparação de vários sistem
Charly Fornasier-Santos 1,2 , Axelle Arnould 1.2 , Jérémy Jusseaume1,3 , Benjamin Millot 1.4, Gael Guilhem
Antoine Couturier 1, Pierre Samozino 5, Jean Slawinski 1,* e Jean-Benoît Morin 2,6
Citação: Fornasier-Santos, C.;
Arnould, A.; Jusseaume, J.; Millot, B.;
Guilhem, G.; Couturier, A.;
Samozino, P.; Slawinski, J.; Morin, J.-B.
Saídas mecânicas de aceleração de sprint
derivadas de dados de posição ou
velocidade-tempo: um estudo de comparação
de vários sistemas. Sensores 2022, 22,
8610. https://doi.org/10.3390/
s22228610
Editora Acadêmica: Frame Iosa
Recebido: 27 de setembro de 2022
Aceito: 28 de outubro de 2022
Publicado: 8 de novembro de 2022
Nota do editor: MDPI permanece neutro em
relação a reivindicações jurisdicionais em
mapas publicados e afiliação institucional
ições.
Direitos autorais: © 2022 pelos autores.
Licenciado MDPI, Basel, Suíça.
Este artigo é um artigo de acesso aberto
distribuído nos termos e
condições do Creative Commons
Licença de atribuição (CC BY) (https://
creativecommons.org/licenses/by/
4.0/).
Sensores 2022, 22, 8610. https://doi.org/10.3390/s22228610
1
,
1
Laboratório Sport Expertise and Performance (EA 7370), Instituto Francês do Esporte (INSEP), 75012 Paris,
2
França LAMHESS, Universidade Côte d'Azur, 06000 Nice, França Laboratório de Adaptações Metabólicas ao
3
Exercício em Condições Fisiológicas e Patológicas (AME2P), Universidade Clermont Auvergne (UCA), 63001
Clermont-Ferrand, França Federação Francesa de Atletismo (FFA), 73376 Paris, França Laboratório
4
Interuniversitário de Ciências do Movimento Humano, Univ Savoie Mont Blanc, EA 7424, 73000 Chambéry, França
5
Laboratório Interuniversitário de Biologia do Movimento Humano , Univ Lyon, UJM-Saint-Etienne, EA 7424, 42023
Saint-Etienne, França * Correspondência: jean.slawinski@insep.fr; Tel.: +33-6-80-78-07-79
6
Resumo: Para comparar diretamente cinco sistemas de campo comumente usados (codificador linear motorizado,
laser, radar, sistema de posicionamento global e portas de temporização) durante a aceleração de sprint para (i)
medir dados de velocidade-tempo, (ii) calcular a principal força associada –variáveis de velocidade, e (iii) avaliar
sua respectiva confiabilidade entre tentativas. Dezoito participantes realizaram três sprints de 40 m, durante os
quais cinco sistemas foram usados para registrar simultaneamente e separadamente o centro do corpo da posição
horizontal da massa ou velocidade ao longo do tempo. As saídas mecânicas de força-velocidade horizontal para
as duas melhores tentativas foram calculadas seguindo um modelo dinâmico inverso e com base em um ajuste
exponencial dos dados de posição ou velocidade-tempo. Entre os cinco sistemas, a velocidade máxima de corrida
foi próxima (7,99 a 8,04 msÿ1 ), enquanto a constante de tempo apresentou diferenças maiores (1,18 a 1,29 s).
Os resultados da validade concorrente em geral mostraram um erro sistemático relativo de 0,86 a 2,28% para
variáveis de velocidade máxima e teoricamente máxima e de 4,78 a 12,9% para variáveis de aceleração inicial. A
confiabilidade intertentativas apresentou baixos coeficientes de variação (todos <5,74%) e foi muito próxima entre
todos os sistemas. Todos os sistemas testados aqui podem ser considerados relevantes para medir a velocidade
máxima e calcular as saídas mecânicas de força-velocidade. Os profissionais são aconselhados a interpretar os
dados obtidos com qualquer um desses sistemas à luz desses resultados.
Palavras-chave: GPS; codificador linear; força; velocidade; arrancada
1. Introdução
O desempenho da aceleração do sprint é fundamental em muitos esportes e tem sido
explorado por meio da avaliação de variáveis mecânicas, levando cada vez mais funcionários a
avaliá-los durante o sprint (por exemplo, velocidade de corrida e força de reação do solo). Isso foi
feito usando captura de movimento 3D padrão ouro e sistemas de plataformas de força que medem
a velocidade do centro de massa do velocista [1–3]. No entanto, analisar uma fase de aceleração
total de um sprint (de 0 até a obtenção da velocidade máxima em atletas) com esses sistemas
padrão-ouro envolve um protocolo experimental pesado e procedimentos de processamento de
dados que podem não se adequar consistentemente às condições in situ e aos requisitos dos
praticantes. Para resolver esse problema, um método de campo baseado nas leis newtonianas do
movimento e na medição da posição ou velocidade dos atletas foi proposto e validado para calcular
a força externa média líquida produzida pelos atletas durante uma aceleração de sprint completa
[4,5 ] . Este método tem sido usado em vários contextos da ciência e prática esportiva [6-8]. Desde
que a entrada de posição-tempo ou velocidade-tempo seja medida com precisão, esse método pode ser imple
https://www.mdpi.com/journal/sensors
Machine Translated by Google

Sensores 2022, 22, 8610 2 de 11

com uma ampla gama de sistemas modernos [4]. Esta precisão da medição da posição-tempo ou
velocidade-tempo foi mostrada para a tecnologia de codificador linear [9-11], lasers [12,13], radares [12,14],
sistemas de posicionamento global (GPS) [15,16], e portas de temporização [17]. Com base nisso, as
capacidades de produção de força horizontal específicas de sprint foram recentemente estudadas por meio
da abordagem “perfil de força-velocidade” usando a tecnologia de codificador linear motorizado 1080 Sprint
[18], o sistema de laser MuscleLab [19], o radar Stalker ATS II [20] , Catapult Vector S7 GPS [21] e os
portões de temporização Microgate [22].
No entanto, nenhum estudo avaliou diretamente a validade simultânea de todos esses
sistemas de “padrão prata” dentro de um único protocolo e uma ampla gama de velocidades de
sprint. Tal estudo de comparação múltipla parece garantido para informar pesquisadores e
profissionais sobre a magnitude das diferenças entre sistemas e a intercambiabilidade potencial
dos resultados mecânicos calculados. O objetivo deste estudo foi comparar diretamente cinco dos
sistemas de campo mais comumente usados (codificador linear, laser, radar, GPS e portas de
tempo) durante a aceleração de sprint para (i) medir dados de velocidade-tempo, ( ii) calcular as
principais variáveis de força-velocidade associadas, e (iii) avaliar sua respectiva confiabilidade entre tentativa

2. Materiais e Métodos 2.1.

População do estudo Dezoito
participantes (13 homens e 5 mulheres) (idade: 27,0 ± 6,7 anos, altura: 1,79 ± 0,10 me massa
corporal: 72,0 ± 12,6 kg) se voluntariaram para participar do presente estudo. Eles praticavam esportes
em vários níveis, desde não especialistas até velocistas de elite, e estavam livres de lesões nos membros
inferiores nos três meses anteriores aos testes. Os participantes foram instruídos a evitar qualquer
exercício extenuante 24 horas antes dos experimentos. Eles foram informados sobre a natureza, objetivos
e riscos associados aos procedimentos experimentais antes de fornecer consentimento por escrito para
participar do presente estudo, que foi aprovado pelo comitê de ética da área oeste da França, Tours
(Nÿ2021-A02523-38) .

2.2. Protocolo
Após um aquecimento individual de 20 minutos (mobilidade, ativação, exercícios de atletismo
e acelerações ), cada participante realizou três tentativas de sprint de 40 m em uma pista oficial ao
ar livre (tartan®), com uma largada de três pontos. Os seguintes sistemas foram usados
sincronizadamente para medir a velocidade horizontal ou deslocamento do centro de massa do
corpo durante as tentativas: (i) codificador motorizado linear (1080 Sprint, 1080 Motion; 333 Hz,
Lidingö, Suécia), (ii) laser (Muscle Dispositivo LabTM Laser Speed Ergotest Innovations, Stathelle,
Noruega, 1000 Hz), (iii) radar (Stalker Pro II Sports Radar Gun; Plano, TX, EUA, 46,875 Hz), (iv)
GPS (Vector S7; Catapult Innovations, Melbourne, Austrália, 10 Hz) e (v) portas de temporização
(Witty Microgate, Microgate, Bolzano, Itália). Os dois melhores sprints de 40 m com base no tempo
final mais rápido a 40 m foram mantidos para a análise. Para cada tentativa e cada sistema, os
dados de posição-tempo e velocidade-tempo foram usados para calcular as saídas mecânicas de
sprint usando o mesmo procedimento de análise de dados (conforme detalhado abaixo) e
comparados. As seções a seguir apresentam as características de cada sistema e o registro de
dados brutos associados. Todos os sistemas simultaneamente e separadamente capturaram a
velocidade de corrida, mas não foram sincronizados devido a limitações técnicas óbvias.

2.2.1. Codificador Linear

O aparelho foi colocado em modo isotônico com 1 kg de carga de resistência para
diminuir a folga do cabo, e o aparelho foi colocado na pista, 5 m atrás da posição inicial.
No entanto, esse 1 kg extra de resistência não afetou as comparações entre sistemas para
velocidade de corrida e dados derivados, pois todos os sistemas mediram o mesmo movimento de
corrida com o corredor conectado ao codificador por meio de um cabo preso a um cinto. Os dados
brutos de velocidade foram calculados a 333 Hz a partir da mudança de posição do cabo e foram
registrados em um tablet. Os dados brutos de velocidade foram exportados no formato ASCII para
posterior análise com OriginPro, versão 2021 (OriginLab Corporation, Northampton, MA, EUA).
Machine Translated by Google

Sensores 2022, 22, 8610 3 de 11

2.2.2. Laser

O dispositivo foi colocado sobre um tripé na pista, 5 m atrás da posição inicial e 1 m acima do
nível do solo, correspondendo aproximadamente à altura do centro de massa dos participantes [14] .
O sistema de laser calcula a velocidade medindo o tempo de atraso da luz infravermelha pulsada
que é refletida no objeto [12]. Os dados brutos de velocidade foram amostrados a 1000 Hz,
registrados e suavizados pelo software do fabricante (Muscle LabTM, versão 10.200.90.5097,
Stathelle, Noruega) e depois exportados em formato ASCII para análise posterior com OriginPro.

2.2.3. Radar

O aparelho foi montado sobre um tripé na pista, 5 m atrás da posição inicial e 1 m acima do nível do
solo. Os dados brutos amostraram a velocidade de corrida dos participantes a partir de ondas de rádio de
frequência muito alta convertidas em um fluxo de dados digitais processados com um software personalizado
(MookyStalker V2.0.9) para fornecer a velocidade em uma frequência de amostragem de 46,875 Hz [12].
Os dados brutos foram exportados no formato TXT para análise posterior com o OriginPro. Outliers de
dados brutos foram excluídos. Em seguida, os dados limpos foram ajustados usando o modelo exponencial
proposto e foram validados por Samozino e colegas [5] para calcular as saídas mecânicas do sprint.

2.2.4. GPS

As unidades GPS forneceram uma taxa de amostragem de 10 Hz e englobaram um sistema

de constelação dupla (GNSS e GPS). Eles foram firmemente instalados em um colete ajustado na
coluna torácica superior entre as escápulas. Cada participante carregava dois dispositivos GPS
dentro de dois coletes diferentes ao mesmo tempo para examinar a variabilidade entre dispositivos.
A qualidade do posicionamento GPS foi de 61,9 ± 5,3%, a diluição horizontal média da precisão foi
de 0,65 ± 0,04 e o número de satélites foi de 17,0 ± 1,0, o que é considerado dentro da faixa superior
de boa qualidade de sinal [23]. O GPS pode calcular a velocidade usando métodos de diferenciação
posicional ou deslocamento Doppler. A marca do GPS utilizada no presente estudo determinou a
velocidade através do método Doppler-shift, que se baseia no cálculo da velocidade medindo a
mudança na frequência do sinal periódico emitido pelo satélite [23]. Os dados brutos de velocidade
registrados por cada unidade GPS foram carregados no console Openfield (versão 3.4.0, Catapult
Innovations, Melbourne, Austrália) com a caixa de formato CSV marcada, permitindo o acesso aos
dados brutos e suavizados de velocidade.
Por fim, os dados foram analisados com o OriginPro.

2.2.5. Portões de
cronometragem Portões de cronometragem de feixe duplo foram colocados na pista 1 m acima do
nível do solo a 0, 5, 10, 15, 20, 30 e 40 m da linha de partida, para capturar toda a fase de aceleração e
garantir valores mecânicos de sprint válidos cálculo [17]. A posição inicial estava localizada 0,5 m atrás do
primeiro portão de cronometragem (ou seja, 0 m). Como resultado desta localização, o intervalo de tempo
entre a primeira ação propulsiva do participante (ou seja, determinado quando o polegar da mão dianteira
saiu do chão) e o cruzamento dos portões de tempo foi determinado quadro a quadro por inspeção visual
de as gravações de vídeo usando um iPhone 8 (iOS 13.7, Apple Inc., Los Altos, CA, EUA). Os vídeos foram
gravados a 240 fps de uma visão lateral esquerda localizada a 5 m da linha de partida. O tempo de atraso
foi calculado em 36 tentativas de sprint e seu valor foi de 0,25 ± 0,06 s.

2.3. Processamento
de dados Para todos os sistemas, os dados brutos de posição-tempo ou velocidade-tempo para
as duas melhores tentativas foram usados para calcular as saídas mecânicas com base no método
proposto por Samozino e colegas [4,5] . Resumidamente, neste método macroscópico baseado no
movimento do centro de massa do corpo, a posição-tempo ou a velocidade-tempo ao longo do tempo
durante a aceleração foi ajustada com uma função exponencial usando o método de regressão dos
mínimos quadrados com um ajuste de tempo para garantir a início real da computação em t = 0 s, em
 garante , ,x o

Machine Translated by Google

2.3. Processamento

Sensores 2022, 22, 8610 de dados Para todos os sistemas, os dados brutos de posição-tempo ou velocidade-tempo 4 de 11
para as duas melhores tentativas foram usados para calcular as saídas mecânicas com base no
método proposto por Samozino e colegas [4,5]. Resumidamente, neste método macroscópico
baseado no movimento do centro de massa do corpo, executando posição-tempo ou velocidade-
tempo ao longo do tempo durante o caso de atraso entre o disparo do tempo e o aumento real da
velocidade
máxima de[4] regressão
com Vmax, a aceleração
dos foi equipado
mínimos quadrados com auma
, e Tau, função de
constante exponencial
tempo de usando a velocidade
aceleração precoce:
método com um ajuste de tempo para garantir o início real da computação em t = 0 s, em caso de
atraso entre o gatilho de tempo e o aumento
real nadevelocidade
velocidade máxima e Tau, a constante tempo de [4] com Vmax,
aceleração o ÿ(tÿd)/ÿ v(t) = vmax· 1 ÿ e
inicial:
vt v ÿ 1 e/ (1)
Em seguida, a aceleração do corredor na direção horizontal foi calculada por Então, a aceleração
seguindo
posteriordolíquida
as corredor
as
leis
leis na direção
fundamentais
horizontal
fundamentais dahorizontal
aplicada
da
dinâmica
dinâmica foi
à direção
nanacalculada
direção derivando
horizontal,
derivação
horizontal,
adaforça aforça
velocidade
velocidade
ade reação
de do ao
ao reação
longo
sololongo
dodo doântero-
tempo
ântero-posterior
tempo
solo e
e seguindo
nahorizontal líquidado
massa corporal aplicada
atleta eao do corpofoi
o centro de massa corporal foimodelado
modeladaao aolongo
longodo dotempo
tempocom
combase
basena
massa corporal
força-velocidade
da velocidade
foi descrita linear
pela do atleta
obteve
velocidade
obtida e na
a força
foi força
descrita
máxima
de de
arrasto
pela arrasto
teórica aerodinâmica
aerodinâmica
velocidade
(V0) e amáxima
componenteestimada.
estimada.
teórica (V0)Finalmente,
Finalmente,
horizontal
e a da forçaa de
componente
a relação relação
força-
reaçãolinear
horizontal
do
solo (F0) (Figura 1). Para os sistemas de registro de velocidade, os dados consideraram a força de
reação
para
velocidade
para do
análise solo
análises (F0)
doposterior
platô (Figura
posteriores
Vmax
variaram
. do 1). Paraoentre
variaram
planalto
entre os sistemas
primeiro
Vmax deacima
o primeiro
. valor registro
valor de de
0,5velocidade,
acima de
msÿ1
0,5 e
msÿ1 os dados
o último
eo último
pontoconsiderados
ponto
de velocidade
de

Figura 1. Dados brutos de velocidade e dados brutos de velocidade ajustados pela

função
duas monoexponencial
calculadas
velocidade
lineares
A velocidade
melhores
de
para
ajustados [5] função
força-velocidade
tentativas
máxima
cada sistema
pela e (Figura
(Vmax),
foram para 1.duas
Dados
codificador
subsequentemente
tempo
as brutos
monoexponencial
de aceleração
linear,
melhores de
laser, evelocidade
calculadas
codificador
[5]
tentativas
radar,
perfis
GPS
para
foram
de eportas
dados
, laser,
ecada brutos
força-velocidade de
subsequentemente
radar,
sistema
de GPS
temporização).
( perfis
epara
portas
o
de temporização). A velocidade máxima (Vmax), a constante de tempo de aceleração (Tau),
a velocidade teórica máxima (V0) e a componente horizontal da força de reação do solo (F0)
foram
(Tau), calculadas.
(F0 )velocidade
foram calculados.
máxima teórica (V0 ) e componente horizontal da força de reação do solo

2.4. Estatisticas

Todos os dados são apresentados como média ± desvio padrão (DP) (min–max). Os
principais parâmetros cinéticos da relação força-velocidade obtidos com cada sistema foram
comparados usando viés (diferenças médias entre sistemas e viés sistemático) e limites de
concordância (viés + ou - erros aleatórios calculados como 1,96 × desvio padrão das
diferenças intersistemas [24] (Figura 2) A confiabilidade entre as tentativas para cada
parâmetro foi calculada usando a mudança na média e o erro padrão de medição (SEM,
expresso em porcentagem dos valores médios) entre as duas melhores tentativas [25]. Além
disso, esse coeficiente de variação (%) entre tentativas foi calculado para as variáveis principais.
Machine Translated by Google Parâmetros éticos da relação força-velocidade obtidos com cada sistema foram
comparados usando viés (diferenças médias entre sistemas e viés sistemático) e
limites de concordância (viés + ou - erros aleatórios calculados como 1,96 × desvio
padrão das diferenças intersistemas [24] (Figura 2). A confiabilidade entre tentativas
Sensores 2022, 22, 8610 para cada parâmetro foi calculada usando a mudança na média e o erro padrão de medição 5 de 11 (SEM,
pressionado em porcentagem dos valores médios) entre as duas melhores tentativas [25]. Além disso,
esse coeficiente de variação intertentativa (%) foi calculado para as variáveis principais.

Figura 2. Comparações de Bland e Altman entre o codificador linear e outros sistemas

[24]. Média Figura 2. Comparações de Bland e Altman entre o codificador linear e outros
sistemas [24]. As diferenças brutas médias com o codificador linear foram calculadas para (a)
velocidade
(c)(Tau),
solo
calculadas máxima
velocidade
( F0).
(c)força (Vmax),
velocidade
para
teórica
de(a)
reação (b)solo
velocidade
máxima
teórica
do diferenças
máxima
(V0)
máxima
(F0
e (d)
(V0 brutas
). componente
(Vmax), de aceleração
) e (d) componente
(b) constante com o codificador
horizontalhorizontal
de
da tempo
constante
da
de força linear
aceleração
de tempo
de (foram
reação
çãoTau),
do

3.
Resultados
3. Resultados 3.1.
Comparações entre
sistemas 3.1. Comparações entre sistemas A Tabela 1 mostra as principais
Esses
variáveis
mostra as resultados
tentativas de
(n sprint
principais mostraram
calculadas
= 36)variáveis
em umade quase
para de
corrida
sprinttodos
(n = 36)
ospara
calculadas
40 m participantes
empara
um
os sprint
todose
cinco detentativas
40
sistemas
os m para A os
participantes Tabela
cinco
e 1
considerados.
sistemas
entre
encoder.
testamos
sistemas considerados.
Entretanto,
com os
diferenças
sistemas
No
aspara
diferenças
entanto,
maiores
Vmax
extremas
para Esses
diferenças
maiores
eVmax resultados
extremas
V0 observadas
e principalmente
ediferenças
V0ocorreram mostraram
observadas
e principalmente
entre
ocorreram
entre
entre
oentre
GPS valores
osooentre
sistemas
e
GPS
GPS quase
o codificador
eos
oevalores
GPS
o
sistemas
para iguais
codificador
e Tau
olineares
linear. entre
encoder
para
e F0,
linear.
Além
Tau
iguais
com os
linear.
edisso,
Além
F0,
disso,
por
unidade testamos
apresentamos
aosquestões
resultados
1, devidoduas
aosunidades
de apenas
próximos
clareza,
resultados
os GPS desimultaneamente,
apresentamos
(menos
resultados
próximos
0,2%
deapenas
duas
para
(menos
unidades
os mas
V0resultados
de
e 2,2%
0,2%
GPS por
paradaquestões
para
simultaneamente,
F0)
unidade de
V0 observado
e 2,2% clareza,
1, devido
paraentre
mas
F0)
observados entre unidade 1 e unidade 2. unidade 1 e unidade 2.

Tabela 1. Principais variáveis mecânicas calculadas a partir dos dados de posição ou velocidade coletados durante 40 m A Tabela 2a,b apresenta
as diferenças brutas médias entre os sistemas e os sprints associados para todos os participantes e tentativas (n = 36) usando os cinco sistemas
comparados. Os valores são médios (em limites de concordância para todos os assuntos e ensaios. negrito) ± SD, (mín–máx). Os números em
itálico indicam o coeficiente de variação intersujeitos (%) para velocidade máxima (Vmax), constante de tempo de aceleração (Tau) e máximos
teóricos da relação força-velocidade (F0 e V0).
Machine Translated by Google

Sensores 2022, 22, 8610 6 de 11

Tabela 1. Principais variáveis mecânicas calculadas a partir dos dados de posição ou velocidade coletados durante sprints de
40 m para todos os participantes e tentativas (n = 36) usando os cinco sistemas comparados. Os valores são a média (em
negrito) ± SD, (min–max). Os números em itálico indicam o coeficiente de variação intersujeitos (%) para velocidade máxima
(Vmax), constante de tempo de aceleração (Tau) e máximos teóricos da relação força-velocidade (F0 e V0 ).

Vmáx V0 F0
(msÿ1) Números) (ms-1) (N.kgÿ1)
8,02 ± 1,20 1,22 ± 0,12 8,31 ± 1,30 6,48 ± 0,62
codificador linear (6,11–10,50) (1,00–1,52) (6,26–11,00) (5,21–8,09)
15,0% 7,99 9,4% 1,17 15,7% 8,27 9,6% 6,77
± 1,15 (6,17– ± 0,11 (0,99– ± 1,24 (6,33– ± 0,77 (5,30–
Laser 10,37) 14,4% 1,40) 9,0% 10,83) 15,0% 8,15) 11,4%

8,00 ± 1,15 1,24 ± 0,12 8,30 ± 1,24 6,40 ± 0,78

Radar (6,17–10,49) (1,03–1,52) (6,31–10,99) (5,01–8,00)
14,4% 9,4% 15,0% 12,3%
8,02 ± 1,18 1,29 ± 0,16 8,33 ± 1,28 6,18 ± 0,96
GPS (6,14–10,57) (0,85–1,55) (6,28–11,09) (4,36–8,88)
14,7% 12,3% 15,4% 15,6%
8,04 ± 1,15 1,25 ± 0,11 8,45 ± 1,27 6,38 ± 0,87
portões de temporização (6,16–10,30) (0,98–1,45) (6,39–10,89) (4,85–8,45)
14,3% 8,9% 15,0% 13,7%

Tabela 2. (a). Diferenças brutas médias (em negrito) para comparações dois a dois (linha vs. coluna = uma comparação) ± SD
e limites associados de concordância para todos os assuntos e tentativas (n = 36) para velocidade máxima (Vmax, parte inferior
da tabela, fundo em cinza), constante de tempo de aceleração (Tau, parte superior, fundo em branco). (b). Diferenças brutas
médias (em negrito) para comparações dois a dois (linha vs. coluna = uma comparação) ± SD e limites associados de
concordância para todos os assuntos e tentativas (n = 36) para velocidade máxima teórica (V0 , parte inferior da tabela , fundo
cinza) força e velocidade (F0 , parte superior, fundo branco).

(uma)

Codificador Linear Laser Radar GPS Portões de

ÿ0,055 ± 0,079 0,018 ± 0,077 0,072 ± 0,140 tempo 0,025 ± 0,101
codificador linear
(-0,210; 0,100) (ÿ0,133; 0,169) (-0,203; 0,346) (-0,147; 0,223)
ÿ0,031 ± 0,080 ÿ0,072 ± 0,077 0,126 ± 0,135 0,079 ± 0,095
Laser Números)
(ÿ0,187; 0,125) (-0,224; 0,079) (-0,139; 0,391) (-0,108; 0,267)
ÿ0,014 ± 0,093 ÿ0,017 ± 0,078 0,054 ± 0,148 0,007 ± 0,096
Radar
(ÿ0,196; 0,167) (-0,169; 0,136) (-0,235; 0,343) (ÿ0,181; 0,195)
ÿ0,003 ± 0,096 0,028 ± 0,104 0,012 ± 0,100 ÿ0,047 ± 0,167
GPS
(-0,191; 0,186) (-0,177; 0,233) (-0,184; 0,207) (-0,374; 0,280)
0,025 ± 0,103 0,056 ± 0,097 0,039 ± 0,100 0,027 ± 0,107
portões de temporização
(-0,177; 0,226) (-0,135; 0,246) (-0,156; 0,234) (-0,182; 0,237)
Vmáx (msÿ1 )
(b)

Codificador Linear Laser Radar GPS Portões de

0,294 ± 0,397 ÿ0,086 ± 0,375 ÿ0,299 ± 0,729 tempo ÿ0,104 ± 0,462
codificador linear
(-0,485; 1,072) (-0,820; 0,649) (ÿ1,729; 1,131) (ÿ1,009; 0,800)
ÿ0,047 ± 0,102 0,379 ± 0,393 ÿ0,593 ± 0,677 ÿ0,398 ± 0,475
Laser F0 (N.kgÿ1 )
(ÿ0,246; 0,153) (-0,391; 1,150) (ÿ1,919; 0,733) (ÿ1,329; 0,533)
ÿ0,013 ± 0,116 ÿ0,034 ± 0,099 ÿ0,214 ± 0,791 ÿ0,019 ± 0,460
Radar
(-0,239; 0,214) (-0,228; 0,160) (-1,764; 1,337) (-0,920; 0,882)
0,012 ± 0,122 0,059 ± 0,135 0,025 ± 0,132 0,195 ± 0,857
GPS
(-0,227; 0,252) (-0,206; 0,323) (-0,234; 0,284) (-1,484; 1,874)
0,137 ± 0,126 0,183 ± 0,133 0,149 ± 0,134 0,124 ± 0,141
portões de temporização
(-0,110; 0,384) (-0,078; 0,445) (-0,114; 0,413) (-0,152; 0,400)
V0 (msÿ1 )
Machine Translated by Google

Sensores 2022, 22, 8610 7 de 11

3.2. Comparações entre

tentativas A Tabela 3 mostra o coeficiente de variação média (CV) entre tentativas e as alterações
associadas na média e erro padrão de medição (SEM) para todos os assuntos e tentativas (n = 36)
usando os cinco sistemas comparados . Esses resultados gerais mostram CV e SEM semelhantes para
Vmax, Tau, V0 e F0 entre as tentativas.

Tabela 3. Média do coeficiente de variação entre tentativas em negrito (CV em %) e alteração associada
na média (negrito) e erro padrão de medição (SEM) para todos os assuntos e tentativas (n = 36) para os
cinco sistemas comparados . Mudança relativa na média e SEM relativa em % e itálico.

CV Média Entre Ensaios ± SD (%) Mudança na média ± SEM

Vmáx V0 F0 Vmáx V0 F0
(%) Ganho (%) (%) (%) (msÿ1) Números) (ms-1) (N.kgÿ1)
0,04 ± 0,13 ÿ0,04 ± 0,06 0,04 ± 0,16 0,21 ± 0,27
codificador linear 1,13 ± 0,98 4,52 ± 3,04 1,25 ± 1,13 3,84 ± 2,85
0,5 ± 1,6 % ÿ3,0 ± 5,2% 0,5 ± 1,9% 3,3 ± 4,2%
0,05 ± 0,11 ÿ0,03 ± 0,06 0,05 ± 0,13 0,20 ± 0,33
Laser suave 1,11 ± 0,77 4,58 ± 3,33 1,26 ± 0,79 4,11 ± 3,37
0,6 ± 1,4% ÿ2,6 ± 5,5% 0,6 ± 1,6% 3,0 ± 4,9%
0,08 ± 0,13 ÿ0,01 ± 0,08 0,09 ± 0,16 0,09 ± 0,39
Radar 1,37 ± 0,94 5,00 ± 4,27 1,52 ± 1,06 4,32 ± 3,93
1,0 ± 1,7% ÿ0,9 ± 6,5% 1,0 ± 1,9% 1,4 ± 6,1%
0,07 ± 0,18 0,03 ± 0,09 2,0 0,08 ± 0,20 ÿ0,06 ± 0,40
GPS suave 1,47 ± 1,40 5,74 ± 3,98 1,63 ± 1,57 5,64 ± 5,89
0,9 ± 2,2% ± 6,7% ÿ0,04 1,0 ± 2,5% ÿ1,1 ± 6,4%
0,04 ± 0,14 ± 0,06 ÿ3,5 ± 0,03 ± 0,16 0,23 ± 0,29 3,6
portões de temporização 1,31 ± 1,00 5,09 ± 2,06 1,47 ± 1,12 4,20 ± 2,68
0,5 ± 1,7% 4,9% 0,4 ± 1,9% ± 4,6%

4. Discussão

O objetivo deste estudo foi comparar cinco dos sistemas de campo mais populares (encoder linear,
laser, radar, GPS e portas de tempo) durante a aceleração de sprint para (i) medir dados de velocidade-
tempo, (ii) calcular os principais variáveis força-velocidade associadas, e (iii) avaliar sua respectiva
confiabilidade entre tentativas.
As presentes descobertas confirmam a qualidade quase perfeita do ajuste entre os dados
brutos de velocidade ou posição e o modelo exponencial e, por sua vez, a viabilidade da
determinação da relação força-velocidade seguindo o método proposto e validado por Samozino e
colegas [4,5], baseado em observações anteriores [9,26,27]. Esta viabilidade é confirmada para
todos os sistemas testados, conforme mostrado em estudos anteriores [18–22]. Os resultados da
validade concorrente em geral mostram um pequeno erro sistemático relativo de 0,85% a 2,28%
para as variáveis de velocidade máxima (Vmax e V0) e maior (4,78% a 12,9%) para as variáveis
de aceleração inicial (Tau e F0).

4.1. Comparações entre sistemas

Na ausência de um padrão-ouro absoluto, os resultados da validade concorrente para Vmax
mostram um erro sistemático relativo variando de 0,86 ± 0,47% entre o radar e o laser a 1,06 ±
0,77% entre o GPS e o laser. Como também mostrado na Figura 1 e na Tabela 2b, esses
resultados para V0 mostram a mesma tendência com faixas ligeiramente maiores de diferenças
brutas médias: de 1,06 ± 0,87% entre o radar e o codificador linear a 2,28 ± 1,49% entre os portões
de temporização e o laser . Isso sugere que todos os sistemas testados podem ser considerados
intercambiáveis para avaliar Vmáx e V0. Esse resultado está de acordo com os achados de alguns
estudos anteriores comparando alguns desses sistemas [12,21,28–30]. Este nível muito alto de
concordância foi provavelmente devido à baixa taxa de mudança na velocidade de corrida em
torno do platô Vmax .
Com relação às variáveis de aceleração precoce (Tau e F0), todas as comparações mostraram
maiores diferenças intersistemas: erro sistemático relativo para Tau variando de 5,49 ± 3,72% entre radar
e codificador linear a 12,89 ± 9,09% entre laser e GPS. Para F0, variaram de 4,78 ± 3,20% entre o
encoder linear e o radar a 11,54 ± 6,29% entre o laser e o GPS. Como a taxa de aumento da velocidade
foi maior no início da fase de aceleração, isso provavelmente exacerbou a diferença encontrada entre os
sistemas, em comparação com a menor taxa de variação da velocidade ao final da aceleração. Ao
contrário do máximo
Machine Translated by Google

Sensores 2022, 22, 8610 8 de 11

variáveis de velocidade, esses resultados confirmam a confiabilidade das comparações intra-sistema e

sugerem que as comparações dos valores de atletas obtidos em diferentes sistemas devem levar em
consideração essas diferenças.
Apesar dos resultados gerais consistentes, os dados da Tabela 1 mostram uma diferença
específica entre as portas de temporização (8,45 msÿ1 em média) e todos os outros sistemas (de 8,27
a 8,33 msÿ1 em média) para V0. Isso pode ser devido às medidas de tempo parcial de 40 m para
todas as tentativas, enquanto os sistemas de dados de velocidade foram analisados até o último ponto
do platô Vmax , que ocorreu antes dos 40 m para a maioria dos atletas testados. A presente amostra
de participantes não incluiu velocistas de nível mundial, mas os dados foram consistentes em toda a
ampla gama de Vmáx testada (6,5 a 10,60 ms-1 ).
As diferenças entre sistemas observadas para Tau e F0 podem ser explicadas pelo método
de ajuste usado nesta experimentação e os primeiros dados levados em consideração após o limite
de velocidade de 0,5 msÿ1
, o que pode ter uma grande influência no modelo. Em linha com a interpretação
da boa concordância para os valores de velocidade máxima, a menor concordância para as variáveis de
aceleração também pode ser devida à taxa muito alta de variação da velocidade durante a aceleração
inicial. Essa influência foi ainda maior quando a taxa de amostragem do sistema foi menor.

Em relação aos sistemas de laser e GPS, o conjunto de dados analisados foram os dados
suavizados fornecidos pelo software do fabricante, mas também analisamos o conjunto completo de
dados brutos (fornecidos especificamente pelo fabricante para o propósito deste estudo). Em ambos
os casos, os resultados para os dados brutos foram extremamente próximos aos apresentados no
presente estudo para os dados suavizados, que são os únicos dados acessíveis por padrão a todos
os usuários. De fato, menos de 1% de diferença foi observada nos valores do erro sistemático relativo
entre os dados brutos e suavizados para todos os sistemas e variáveis.

4.2. Comparações entre

tentativas A confiabilidade entre tentativas apresentou coeficientes de variação baixos a muito baixos
(CV máximo de 5,74%) e resultados muito próximos entre todos os sistemas (Tabela 3). Esses resultados
mostraram que a confiabilidade entre tentativas foi boa na população testada e que cada um dos cinco
sistemas de campo testados pode ser considerado igualmente confiável para comparações intra ou
interatletas usando o mesmo sistema, medição e procedimentos de análise.

4.3. Limitações

Todos os sistemas utilizados não mediram a velocidade do centro de massa e, portanto, induziram
incerteza quanto à velocidade real dos participantes. Além disso, este estudo não incluiu um padrão-ouro
(câmera 3D ou plataforma de força), porque era um cenário muito raro e quase impossível de usar em tais
condições de campo. Nesse contexto, focamos nas comparações de sistemas considerados “padrão
prata”.
Tempos fracionados obtidos com análise de vídeo em câmera lenta (aplicativo MySprint ou câmera
GoPro ) [22,31] é outro método de campo popular que não foi testado aqui. Isso ocorreu devido a razões
logísticas em um contexto de protocolo pesado, mas podemos presumir razoavelmente que os resultados
dessa abordagem de tempos parciais teriam sido muito próximos de outros sistemas de tempos parciais
obtidos aqui, conforme apresentado em estudos anteriores [22,31].
Não podemos descartar a influência do limite inicial fixo em 0,5 msÿ1 e a inspeção visual do platô
Vmax nos resultados do cálculo. Pesquisas em andamento foram realizadas para testar essa hipótese. No
entanto, a mesma abordagem metodológica baseada na inspeção visual do sinal foi utilizada pelo mesmo
investigador experiente (autor CFS) para cada tecnologia.

Finalmente, 1 kg de resistência foi usado no codificador linear motorizado para cada tentativa
para evitar qualquer forma de folga no cabo, mas isso não afetou as comparações intersistemas
realizadas em nosso estudo. Dito isso, essa informação precisa ser levada em consideração ao
comparar os dados atuais com outros estudos usando outros sistemas que não incluem essa leve
resistência extra.
Machine Translated by Google

Sensores 2022, 22, 8610 9 de 11

O número de satélites e a diluição horizontal média da precisão são indicadores-chave para

garantir que os dados coletados possam ser analisados e interpretados com confiança.
De fato, dados de baixa qualidade (por exemplo, menos de 6 satélites conectados aos dispositivos
e/ou diluição horizontal de precisão maior que 1) [23] podem fornecer valores errôneos de medidas
de velocidade e aceleração que podem influenciar a interpretação das variáveis mecânicas de
sprint computadas . Portanto, os profissionais devem levar sistematicamente em consideração
esses indicadores para analisar os dados com confiança.

5. Conclusões

Dadas as diferenças entre sistemas e tentativas observadas, todos os sistemas testados aqui
podem ser considerados relevantes para medir a velocidade máxima e calcular as saídas do perfil
de sprint força-velocidade usando a abordagem validada de Samozino et al. No entanto,
pesquisadores e profissionais são aconselhados a interpretar seus próprios dados obtidos com
qualquer um desses sistemas à luz desses resultados e sua relação custo/facilidade de uso.
Somente as comparações intra-sistema permitirão a interpretação mais precisa das alterações
interatletas ou intraatletas. Alternativamente, as comparações entre sistemas (por exemplo, entre
diferentes estudos de pesquisa) devem ser interpretadas com cautela devido às diferenças percentuais
observadas aqui e aos diferentes processos e amostragem de dados. Alguns de nossos trabalhos
recentes não publicados mostram que limites de velocidade mais altos para determinar o início do
sprint (por exemplo, 1 msÿ1 ) levam a uma maior confiabilidade intersistemas.
Esses resultados sugerem a possibilidade de várias aplicações práticas, como monitoramento
facilitado e análise regular do perfil mecânico do sprint na prevenção ou gerenciamento de lesões,
com base em vários sistemas diferentes.

Contribuições dos Autores: Conceituação, CF-S., AA, JJ, BM, JS e J.-BM; metodologia, CF-S., JS e J.-BM; software, CA;
análise formal, CF-S., AA, PS, JS e J.-BM; investigação, CF-S., AA, JJ, BM, JS e J.-BM; recursos, GG; curadoria de dados,
CF-S., AA, JS e J.-BM; redação—preparação do rascunho original, CF-S., AA, JJ, BM, GG, PS, JS e J.-BM; redação—revisão
e edição, CF-S., AA, JJ, BM, GG, PS, JS e J.-BM; visualização, CF-S., JS e J.-BM; supervisão, GG, PS, JS e J.-BM;
administração de projetos, GG; aquisição de financiamento, GG Todos os autores leram e concordaram com a versão
publicada do manuscrito.

Financiamento: Este estudo faz parte do programa de pesquisa denominado FULGUR (Equipe: 30 pesquisadores, Bolsa:
1,9 M€) financiado pela Agência Francesa de Pesquisa (referência ANR-19-STPH-0003). Este programa faz parte da
perspectiva dos Jogos Olímpicos e Paraolímpicos de Paris 2024 em colaboração com as Federações Francesas de Atletismo,
Rugby e Esportes no Gelo, Universidades de Nantes, Côte d'Azur, Savoie Mont Blanc, Jean Monnet Saint-Etienne, Saclay ,
a escola Mines Saint Etienne, a Comissão Francesa de Energias Alternativas e Energia Atômica (CEA), o Centro Nacional
Francês de Pesquisa Científica (CNRS), Natural Grass e Super Sonic Imagine. Benjamin Millot recebeu uma bolsa (contrato
CIFRE Nÿ2019/1904) financiada pela Federação Francesa de Atletismo e pela Agência Francesa de Pesquisa e Tecnologia.
O Laboratório Sport, Expertise and Performance (EA 7370) é parceiro da rede francófona ReFORM, reconhecida como
Centro de Pesquisa para a Prevenção de Lesões e Doenças e Proteção de Atletas pelo Comitê Olímpico (COI). Como
membro da Rede de Pesquisa Médica do COI, ReFORM recebeu financiamento do COI para estabelecer programas de
pesquisa de longo prazo sobre a prevenção de lesões e doenças no esporte para a proteção da saúde do atleta.

Declaração do Conselho de Revisão Institucional: O estudo foi conduzido de acordo com a Declaração de Helsinque e
foi aprovado pelo comitê de ética da região oeste da França, Tours (Nÿ2021-A02523-38).

Declaração de Consentimento Informado: O consentimento informado foi obtido de todos os indivíduos envolvidos no estudo.

Declaração de Disponibilidade de Dados: Não aplicável.

Agradecimentos: Agradecemos a todos os participantes envolvidos neste estudo, bem como a Christine Hanon (Federação
Francesa de Atletismo) e Julien Piscione (Federação Francesa de Rugby) por sua valiosa assistência e empréstimo de
equipamentos.

Conflitos de Interesse: Os autores declaram não haver conflito de interesse.

Machine Translated by Google

Sensores 2022, 22, 8610 10 de 11

Referências
1. Nagahara, R.; Mizutani, M.; Matsuo, A.; Kanehisa, H.; Fukunaga, T. Associação de desempenho de sprint com forças de reação do solo durante as
fases de aceleração e velocidade máxima em um único sprint. J. Appl. Biomec. 2017, 34, 104–110. [CruzRef]
2. Rabita, G.; Dorel, S.; Slawinski, J.; Sàez-De-Villarreal, E.; Couturier, A.; Samozino, P.; Morin, J.-B. Mecânica de Sprint em atletas de classe mundial :
Uma nova visão sobre os limites da locomoção humana: Mecânica de Sprint em Atletas de Elite. Escanear. J. Med. ciência Esportes 2015, 25, 583–
594. [CruzRef]
3. Schache, AG; Lai, AKM; Marrom, NAT; Crossley, KM; Pandy, MG Mecânica das articulações dos membros inferiores durante o sprint de aceleração
máxima. J. Exp. Biol. 2019, 222, jeb209460. [CruzRef]
4. Morin, J.-B.; Samozino, P.; Murata, M.; Cruz, MR; Nagahara, R. Um método simples para calcular a cinética de aceleração de sprint a partir de dados
de velocidade de corrida: Estudo de replicação com design aprimorado. J. Biomec. 2019, 94, 82–87. [CruzRef]
5. Samozino, P.; Rabita, G.; Dorel, S.; Slawinski, J.; Peyrot, N.; de Villarreal, ES; Morin, J.-B. Um método simples para medir potência, força, propriedades
de velocidade e eficácia mecânica na corrida de sprint. Escanear. J. Med. ciência Esportes 2016, 26, 648–658. [CruzRef]
6. Raya Brothers, A.; Garcia-Mateus, P.; Garcia-Ramos, A.; Rodriguez-Perez, MA; Soriano-Maldonado, A. Delineando o potencial do perfil de força-
velocidade vertical e horizontal para otimizar o desempenho esportivo: uma revisão sistemática. J. Sports Sci. Rev. 2021, 40, 331–344. [CruzRef]

7. Slawinski, J.; Termoz, N.; Rabita, G.; Guilhem, G.; Dorel, S.; Morin, J.-B.; Samozino, P. Como as análises de eventos de 100 m melhoram nossa
compreensão do desempenho de sprint masculino e feminino de classe mundial. Escanear. J. Med. ciência Esportes 2017, 27, 45–54. [CruzRef]
8. Watkins, CM; Storey, A.; McGuigan, MR; Downes, P.; Gill, ND Perfil de Força-Velocidade-Potência Horizontal de Jogadores de Rugby: Uma Análise
Transversal de Demandas de Movimento em Nível de Competição e Posição Específica. J. Força Cond. Res. 2021, 35, 1576–1585. [CruzRef]

9. Melhor, CH; Partridge, RC A equação de movimento de um corredor, exercendo um esforço máximo. Proc. R. Soc. Lond. Ser. B Ferver. ciência
1928, 103, 218–225. [CruzRef]
10. Eriksrud, O.; Ahlbeck, F.; Harper, D.; Gloersen, Ø. Validade das medições de velocidade de um dispositivo de resistência motorizado durante
Mudança de Direção. Frente. Physiol. 2022, 13, 824606. [CrossRef]
11. Volkov, NI; Lapin, VI Análise da curva de velocidade na corrida de sprint. Med. ciência Sports 1979, 11, 332–337. [CruzRef]
12. Simperingham, KD; Cronin, JB; Ross, AA Avanços no Perfil de Aceleração de Sprint para Atletas de Esportes de Equipe Baseados em Campo:
Utilidade, Confiabilidade, Validade e Limitações. Medicina Esportiva. 2016, 46, 1619–1645. [CruzRef]
13. Harrison, AJ; Bourke, G. O efeito do treinamento de sprint resistido no desempenho de velocidade e força em jogadores masculinos de rugby. j.
Força Cond. Res. 2009, 23, 275–283. [CruzRef]
14. Chelly, SM; Denis, C. Leg power and hopping rigidness: Relation with sprint running performance. Med. ciência Exercício Esportivo.
2001, 33, 326–333. [CruzRef]
15. Hoppe, MW; Baumgart, C.; Polglaze, T.; Freiwald, J. Validade e confiabilidade de GPS e LPS para medição de distâncias percorridas
e propriedades mecânicas de sprint em esportes coletivos. PLoS ONE 2018, 13, e0192708. [CruzRef]
16. Lacome, M.; Peeters, A.; Mathieu, B.; Marrier, B.; Carling, C.; Piscione, J. Podemos usar o GPS para avaliar o desempenho do sprint no rugby
sevens? Um estudo de validade concorrente e confiabilidade entre dispositivos. Biol. Esporte 2019, 36, 25–29. [CruzRef]
17. Haugen, T.; Buchheit, M. Monitoramento do desempenho da corrida de sprint: considerações metodológicas e práticas. Medicina Esportiva.
2016, 46, 641–656. [CruzRef]
18. Cruz, MR; Lahti, J.; Marrom, SR; Chedati, M.; Jimenez-Reyes, P.; Samozino, P.; Eriksrud, O.; Morin, J.-B. Treinamento em potência máxima em sprint
resistido: Metodologia de determinação de carga ideal e resultados do piloto em atletas de esportes coletivos. PLoS ONE 2018, 13, e0195477.
[CruzRef]
19. Ghigiarelli, JJ; Ferrara, KJ; Poblete, KM; Vale, CF; González, AM; Venda, nível de concordância KM, confiabilidade e alteração mínima detectável do
dispositivo de velocidade a laser MusclelabTM em perfis de sprint de força-velocidade-potência em atletas universitários da Divisão II. Esportes
2022, 10, 57. [CrossRef]
20. Mendiguchia, J.; Samozino, P.; Martinez-Ruiz, E.; Brughelli, M.; Schmikli, S.; Morin, J.-B.; Mendez-Villanueva, A. Progressão das propriedades
mecânicas durante a corrida de sprint em campo após o retorno aos esportes de uma lesão muscular nos isquiotibiais em jogadores de futebol.
Endoscopy 2014, 35, 690-695. [CruzRef]
21. Clavel, P.; Leduc, C.; Morin, J.-B.; Owen, C.; Samozino, P.; Peeters, A.; Buchheit, M.; Lacome, M. Validade Concorrente e Confiabilidade do Perfil de
Força-Velocidade de Corrida Avaliada com Dispositivos GPS em Atletas de Elite. Int. J. Sports Physiol. Executar. 2022, 17, 1527–1531. [CruzRef]

22. Romero-Franco, N.; Jimenez-Reyes, P.; Castaño-Zambudio, A.; Capelo-Ramirez, F.; Rodriguez-Juan, JJ; González-Hernandez, J.; Toscano-Bendala,
FJ; Cuadrado-Peñafiel, V.; Balsalobre-Fernández, C. Desempenho de sprint e resultados mecânicos calculados com um aplicativo para iPhone:
comparação com métodos de referência existentes. Eur. J. Sport Sci. 2017, 17, 386–392. [CruzRef]
23. Malone, JJ; Lovell, R.; Varley, MC; Coutts, AJ Desempacotando a Caixa Preta: Aplicações e Considerações para o Uso do GPS
Dispositivos no Esporte. Int. J. Sports Physiol. Executar. 2017, 12, 18–26. [CruzRef]
24. Bland, JM; Altman, DG Métodos estatísticos para avaliar a concordância entre dois métodos de medição clínica. Lancet 1986,
327, 307–310. [CruzRef]
25. Hopkins, WG Medidas de Confiabilidade em Medicina Esportiva e Ciência. Medicina Esportiva. 2000, 30, 1–15. [CruzRef] 26. di
Prampero, PE; Fusi, S.; Sepulcri, L.; Morin, J.-B.; Belli, A.; Antonutto, G. Corrida de sprint: uma nova abordagem energética. J. Exp. Biol.
2005, 208, 2809-2816. [CruzRef]
Machine Translated by Google

Sensores 2022, 22, 8610 11 de 11

27. Furusawa, K.; Colina, AV; Parkinson, JL A dinâmica da corrida “sprint”. Proc. R. Soc. Londres. Ser. B Ferver. ciência 1927, 102, 29–42.
[CruzRef]
28. Komino, P.; Mat, YL; Zadro, I.; Osgnach, C.; Morin, J.-B. Saídas mecânicas de aceleração de sprint: comparação direta entre
Dispositivos GPEXE Pro2 e 1080 Sprint. Esporte Desempenho Sci. Rep. 2022, 163.
29. Lacome, M.; Owen, C.; Peeters, A.; Piscione, J.; Le Meur, Y.; Leduc, C. Velocidade da força com GPS: é confiável? Esporte Desempenho Sci.
Rep. 2020, 115.
30. Rakovic, E.; Paulsen, G.; Helland, C.; Haugen, T.; Eriksrud, O. Validade e confiabilidade de um dispositivo motorizado de resistência ao sprint. j.
Força Cond. Res. 2022, 36, 2335–2338. [CruzRef]
31. Stenroth, L.; Vartiainen, P.; Karjalainen, PA Perfil de força-velocidade na patinação no hóquei no gelo: confiabilidade e validade de um método simples e
método de campo de baixo custo. Biomecânica Esportiva. 2020, 2020, 1–16. [CruzRef]