球速新闻
如图1所示，A1、B1为原地正手、反手击球；A2、A3为向前、侧向移动正手击球，B2、B3为向前、侧向移动反手击球，受试者根据预定的来球落点向前或向侧移动2—3 m完成击球；C1为侧向移动正反手交替击球，受试者在不同来球方向之间(跑动距离为4—6 m)来回移动完成击球，所有反手击球都采用双手反手技术。每个方案分别在低球速(30 m/h)和高球速(60 km/h)各进行2 min测试(A2、B2只在低球速进行一次测试)，每个测试间隔1 min，所有测试完毕后模拟自由单打比赛2 min。能耗预测回归方程的检验：验证组采用8位受试者单打比赛10 min，用来模拟网球运动，与实验组一样同步佩戴ActiGraph GT3X和K4b2。具体击球方式、击球位置、球落点，以及发球机摆放位置如图1所示，发球机调频12 s，其中底线O点作为受试者准备位置。
随着近年来我国慢性疾病患病率急剧增长，越来越多的人们认识到了体力活动对预防和治疗诸多慢性疾病(如冠心病、肥胖等)的重要性[1-2]。网球运动具有健身功能、娱乐功能、教育功能和商业功能等，且作为世界第二大球类运动深受广大体力活动参与者的喜爱[3-5]。因而准确简便地对网球运动进行监测和干预对体力活动的开展和运动健身具有重要意义。目前国内对体力活动测量的方法主要有：双标水法(doubly labeled water)、运动传感器(motion sensors)、间接热量测定法(indirect calorimetry)、心率表(heart rate monitors)、体力活动问卷(physical activity questionnaires)等。这些方法各有其优点与不足，其中间接测热法被视为精确且常用的测量方法[6]，并且作为各种测量的金标准[7-9]，但其操作较为复杂，仪器设备昂贵，不适合大样本量研究；加速度传感器由于使用方便、轻巧、价格相对廉价、对体力活动监测性效度较高而被广泛用于体力活动能量消耗的监测[10-11]。但是不同型号加速度计的评估结果具有差异性[12]，而且其测量结果也会因不同的佩戴位置和佩戴方法而存在差异[13]，基于不同活动方式建立的能耗评估方程对其他类型的体力活动的评估会出现高估或低估的现象[14-16]。网球运动是一种运动轨迹无规律，多急停急起、转身、侧向移动、前后移动，以大幅度挥臂动作完成击球为主的运动。国内对加速度计评估周期性运动，如慢走、慢跑等运动能量消耗研究较多[17-18]，但使用加速度计对诸如网球类非周期性运动的研究较少。
本研究在正式测试之前采用身高体重仪(HK-6000)对受试者身高、体重进行测量。正式测试时让每个受试者分别在拍柄、持拍手手腕外侧、腰部髂肌外侧、大腿中央前侧和脚踝外侧(持拍手同一侧肢体)各佩戴一个加速度计(ActiGraph GT3X)，同时佩戴便携式气体代谢分析仪(cosmed K4b2，以下简称K4b2)，对其能量消耗进行监测。在实验测试前严格按照使用说明书对K4b2进行预热和校检，对加速度计基本信息(受试者身高、体重、年龄和测试时间等，其采样频率为30 Hz)进行设定，并与K4b2时间进行同步处理；被试和测试员严格按使用说明书进行佩戴和运动过程监测。测试过程中网球落点、运行轨迹、球速采用斯波尔斯ss-8000网球发球机进行控制。测试所用网球均为Teloon Rising球。
【摘 要】目的:应用ActiGraph GT3X对网球运动等非周期性运动能量消耗进行测评,建立适合网球运动能耗预测的回归方程,从而丰富ActiGraph测量体系.方法:以K4b2测量值作为校标,分别在拍柄、持拍手手腕外侧、腰部髂肌外侧、大腿中央前侧和脚踝外侧(持拍手同一侧肢体)各佩戴一个加速度计(ActiGraph GT3X),同步对网球运动中不同球速下(30 km/h、60 km/h)的原地正、反手击球,侧向移动正、反手击球,向前移动正、反手击球,侧向移动正反手交替击球和模拟自由单打的运动过程进行监测.结果:腰部、大腿和踝关节部位GT3X的EE和MET预测值存在明显低估,与K4b2测量值一致性较低;手腕和拍柄部位GT3X的EE和MET预测值存在明显高估,与K4b2测量值一致性较低;研究建立了2个网球运动能耗预测回归方程,经检验其预测值与实测值没有显著性差异.结论:运用ActiGraph GT3X对网球等隔网对抗运动项目进行监测存在显著误差,EE和MET的预测存在明显高估或低估的现象;基于ActiGraph GT3X所建立的能耗预测方程能对网球运动进行有效的运动监测.
ActiGraph GT3X在测量完毕后通过电脑的Actilife6.1.4软件以10 s为单位下载，并通过自带的计算公式计算出能量消耗值(下文统一用EE表示，Freedson VM3 Combination 2011)和梅脱值(下文统一用METs表示，Crouter Adult 2010)，同时导出counts值至Excel2007。K4b2的测量数据通过无线遥控装置传输到电脑上cosmed K4b2软件中，以10 s为单位导出至Excel2007当中，并对每个运动阶段数据进行筛选，选取第30 s到90 s的数据作为统计数据；所得GT3X和K4b2数据通过SPSS22.0统计软件进行统计分析，包括对K4b2和GT3X的EE、MET值均数统计，对K4b2测量值和GT3X预测值进行配对T检验，并用Bland-Altman Plot统计方法验证其差异性或一致性，对GT3X的count值和K4b2的EE、MET测量值进行Pearson相关分析。回归模型建立采用经典逐步线性回归，同时采用配对T检验、Pearson相关分析和Bland-Altman Plot分析对所建回归方程有效性进行验证。
