Running economy en pasfrequentie
In een eerder stukje in SportGericht
7
hebben we laten zien dat het met behulp van kleine
versnellingssensoren die met sporttape op de voet worden vastgezet mogelijk is om heel nauwkeurig zweef- en contacttijden te meten tijdens (herhaald) springen. Er is toen aangeven dat deze detectoren voor coach en atleet waardevolle informatie zouden kunnen opleveren bv. over pasfrequenties, pasritmes, looptechniek (in relatie tot vermoeidheid). In dit stukje laten we zien dat met versnellingsensoren ook tijdens hardlopen mogelijk is om nauwkeurig pasfrequentie en contacttijden te meten. We hebben onderzocht in hoeverre ervaren en onervaren lopers tijdens lopen op een voor hun comfortabele loopsnelheid automatisch de pasfrequentie kiezen waarbij hun energiegebruik minimaal is.
Inleiding Iedereen weet dat je voor hardlopen conditie nodig hebt. Als maat voor conditie wordt vaak de maximale zuurstofopname (VO2max) gehanteerd. Hoe groter het vermogen om zuurstof op te nemen 1
tijdens de inspanning des te beter de duurprestatie is, althans dat is de algemene veronderstelling. Dus lijkt het zaak om door middel van training de VO2max zo groot mogelijk te maken. Echter de VO2max is beperkt trainbaar en bovendien hebben goed getrainde topatleten zeer vergelijkbare waardes voor VO2max. Op topniveau blijkt VO2max dan ook niet de doorslaggevende prestatiebepalende factor te zijn als het om duurinspanning gaat (voor referenties zie
16
). Afrikaanse lopers hebben vergelijkbare
waardes voor VO2max als hun Europese collega’s, toch weten we allemaal wie er voorop lopen op de midden en lange afstandsnummers. Als verklaring hiervoor is wel eens geopperd dat Afrikaanse lopers een betere ‘running economy’ hebben, dat wil zeggen dat ze op een bepaalde snelheid minder energie gebruiken dan hun blanke collega’s of anders gesteld: dat zij met dezelfde hoeveelheid energie een grotere afstand overbruggen
11
. Inderdaad blijkt running economy een heel belangrijke
prestatiebepalende factor te zijn. Running economy wordt op zijn beurt weer door verschillende factoren beïnvloed. Het is belangrijk op te merken dat running economy nauwelijks afhankelijk is van loopsnelheid. In elk geval niet zolang de loopsnelheid onder de anaerobe drempel blijft 10. Bij dergelijke loopsnelheden is de zuurstofopname een goede maat voor energiegebruik. Bij snelheden boven de anaerobe drempel wordt de energie niet meer alleen met behulp van zuurstof vrijgemaakt en de anaerobe bijdrage is niet goed te bepalen. Verder blijkt running economy beïnvloed te worden door lichaamsbouw, waaronder b.v. het vetpercentage, de beenlengte, beenvolume en de momentsarm van de achillespees ten opzichte van het enkelgewricht (voor referenties zie Discussie). Beenstijfheid wordt ook in relatie gebracht met running economy en daar zitten componenten in die te maken hebben met stijfheid van pezen maar ook van spieren. Die actieve spierstijfheid wordt geregeld vanuit het zenuwstelsel (de aansturing) en daar ligt dus misschien een mogelijkheid om door middel van coördinatie- of krachttraining verbetering van de running economy te bewerkstelligen. Een grotere beenstijfheid tijdens het lopen leidt tot kortere contacttijden (tijd dat de voet aan de grond is tussen twee stappen) waarbij beenstijfheid waarschijnlijk toeneemt bij toenemende loopsnelheid1.
De
contacttijd neemt af bij toenemende loopsnelheid en ook met het verhogen van de pasfrequentie bij gelijkblijvende loopsnelheid. Over het algemeen wordt een goede running economy in verband gebracht met langere contacttijden 5, 20, echter er is ook gevonden dat korte contacttijden samengaan met een betere running economy 14. Pasfrequentie is een parameter die te maken heeft met coördinatie en looptechniek. Als we bij gelijk blijvende loopsnelheid met een te lage of te hoge pasfrequentie lopen gaat het energiegebruik omhoog en wordt de running economy dus slechter. Goed getrainde lopers blijken over het algemeen te lopen met een optimale pasfrequentie. Kennelijk hebben zij tijdens de vele trainingskilometers ‘geleerd’ om 2
een pasfrequentie te kiezen waarbij hun energiegebruik minimaal is. Dit wil overigens niet zeggen dat er in individuele gevallen bij ervaren lopers geen winst te boeken zou zijn door verdere optimalisatie van de pasfrequentie. Wanneer we naar de loopstijl van recreatieve lopers kijken, is het moeilijk voorstelbaar dat een ieder van hen zich ook op de voor hem of haar meest economische manier voortbeweegt. In het huidige onderzoek hebben we daarom de running economy van ervaren en onervaren lopers vergeleken. We hebben vooral onderzocht in hoeverre, bij een gelijkblijvende loopsnelheid, de voorkeurspasfrequentie van de verschillende deelnemers afweek van de energetisch optimale frequentie. We verwachtten uiteraard dat running economy van ervaren lopers beter was dan van onervaren lopers. Tevens was de verwachting dat ervaren lopers met een pasfrequentie zouden lopen die dichter bij hun optimale pasfrequentie (minimaal energie gebruik) zou liggen dan onervaren lopers.
3
Methode Instrumenten In het huidige onderzoek zijn de pasfrequentie en contacttijden tijdens het lopen gemeten met behulp van batterij gevoede 3 assig- piezoelektrische versnellings sensoren (±6 g; 1000 Hz, MMA7361L, Freescale Semiconductor, Austin, Texas, USA) met een draadloos zendertje. Het geheel zit in een klein licht kunststof doosje (4.5x3.0x1.8 cm, 29 gr totaalgewicht) dat op de schoen (bovenop de tenen) met sporttape wordt vastgezet. In het huidige onderzoek kon nog maar met één sensor worden gemeten, maar figuur 1 toont data van een recente meting met twee sensoren (±16 g; 1000 Hz uitgerust met een geheugenkaartje). Met behulp van een zelf ontwikkelt software algoritme (MATLAB R2010a, Mathworks, Natick, USA) worden automatisch de momenten van afzetten en landen gedetecteerd. Waaruit vervolgens pasfrequentie en contact-
en zweeftijden worden berekend. De instantane
pasfrequentie (in passen per minuut) is in dit onderzoek bepaald door 60 seconden te delen door de tijd die er zat tussen de landingen van de rechtervoet. In figuur 1 is dat b.v. de tijd tussen de eerste en derde grote piek (beide landingen van de rechter voet) die tijd was 2 x 380 ms = 0.760 sec. Dus 60 sec /0.760 sec levert in dit geval een instantane pasfrequentie op van 78.9 passen per minuut (=157.8 stappen/min). Vervolgens werd de gemiddelde waarde van deze instantane pasfrequentie bepaald over dezelfde minuut waarin ook de gemiddelde zuurstofopname werd gemeten (zie ‘protocol’). Net zoals bij het springen7, blijkt er ook tijdens hardlopen een prima overeenstemming te zijn (figuur 2) tussen deze manier van meten en het tegelijkertijd meten met een krachtenplatform (Kistler, type 9281, Kistler Instruments Corp., Amherst, NY, USA). Een krachtenplatform wordt als gouden standaard gezien als het gaat om het bepalen van contacttijden. Het duidelijke voordeel van meten met versnellingssensoren is dat er op elke ondergrond en overal gemeten kan worden en bovendien kunnen alle passen gemeten worden en niet alleen wanneer de voeten op het krachtenplatform landen. In het huidige onderzoek is de sensor op de rechtervoet getapet en is er gelopen op een loopband met nul procent helling (Life Fitness 95T Achieve®, Nederland). De uitademingslucht tijdens het lopen werd van teug tot teug geanalyseerd met behulp van Cosmed Quark b2® ( Rome, Italy) apparatuur. Gedurende alle metingen werd ook de hartslag geregistreerd met een Suunto t6 heart rate monitor (Suunto Oy, Vantaa, Finland).
4
Figuur 1: Voorbeeld van versnellingsensor signalen (voor- achterwaartse richting) tijdens hardlopen met sensoren op rechter (iets dikkere lijn) en linker voet. De 13 grote pieken zijn landingsmomenten (ongeveer elke 380 ms een piek), de kleinere scherpe pieken daartussen zijn afzetmomenten (voet komt los van de grond)
300
contacttijd sensoren (ms)
280 260 240 220 y = 0.99x + 1.47 r² = 0.99
200 180 160 140 120 100 100
150
200
250
300
contacttijd krachtenplatform (ms) Figuur 2: Voorbeeld van een relatie tussen grondcontacttijden verkregen met krachtenplatform en tegelijkertijd met behulp van versnellingsensor op de voet van één proefpersoon die met verschillende snelheden (joggensprint) over een krachtenplatform liep, zowel met voorvoet- als met hiellanding. Elke datapunt is verkregen uit 1 landing op het krachtenplatform tijdens 19 afzonderlijke loopjes.
Deelnemers Tien gezonde maar niet loopgetrainde mannen werden vergeleken met tien goed getrainde lopers. De niet lopers trainden in elk geval meer dan één keer per week voor een andere sport, maar deden geen 5
van allen vaker dan hooguit één keer per maand iets wat op een duurloopje leek. De ervaren lopers trainden minimaal drie keer per week specifiek op lopen en deden mee aan wedstrijden op regionaal en nationaal niveau op afstanden die varieerden van 800m tot de marathon (42.2 km). De gemiddelde (± SD) beste tijd op de 10 km in deze groep was 34 min 53 sec (± 85 sec).
Protocol Alle deelnemers kwamen op twee dagen naar de Vrije Universiteit met minimaal twee dagen daartussen. Op dag 1 vond er eerst een warming up van vijf minuten plaats op een zelfgekozen loopbandsnelheid. Daarna werd de anaerobe drempel bepaald waarbij de loopbandsnelheid elke twee minuten met 1 km·h-1 werd vergroot. De onervaren en ervaren lopers begonnen hierbij respectievelijk op 8 km·h-1 en 10 km·h-1 per uur. De meting werd gestopt zodra de ‘respiratory exchange ratio’ (RER) gedurende 10 teugen boven de 1.0 uitkwam 15. Deze anaerobe drempel bepaling werd gevolgd door 30 min rust waarin o.a. lichaamssamenstelling en -bouw werden gemeten (Tabel 1). De belangrijkste loopmeting vond daarna plaats op een constante snelheid die 80% was van individueel bepaalde anaerobe drempelsnelheid. Deze laatste meting werd vervolgens op een ander dag nog een keer herhaald. Beide metingen verliepen in detail als volgt: eerst werd er vijf minuten gelopen als warming up, waarbij de deelnemers in de eerste twee minuten het lopen met verschillende opgelegde (metronoom) pasfrequenties oefenden (in de range ± 18% van de zelfgekozen pasfrequentie). In de laatste minuut werden de zelfgekozen pasfrequentie en het bijbehorende zuurstofgebruik gemeten. Vervolgens volgden er aansluitende blokjes van telkens twee minuten, waarbij de met behulp van een metronoom opgelegde pasfrequentie 6, 12 en 18 % (in willekeurige volgorde) boven of onder de zelfgekozen frequentie lag. De laatste 2 minuten liepen de deelnemers weer zonder metronoom zodat opnieuw de zelfgekozen pasfrequentie kon worden gemeten. De (steady state) zuurstofopname en pasfrequentie werden in elk blokje van twee minuten gedurende de laatste minuut gemeten.
6
Resultaten Running economy In tabel 1 is te zien dat er in lichaamssamenstelling en -bouw geen noemenswaardige verschillen tussen de groepen zaten. Zoals verwacht was de loopsnelheid bij de anaerobe drempel significant lager bij de onervaren lopers en was hun running economy als ze liepen met hun zelfgekozen (voorkeurs) pasfrequentie slechter (=hogere waarde) dan van de ervaren lopers (tabel 1).
Tabel 1: gegevens van de proefpersonen. Onervaren lopers
Ervaren lopers
Leeftijd (jaren)
23.8 ± 1.7
25.0 ± 3.3
Lengte (cm)
183.0 ± 8.2
188.5 ± 6.2
Gewicht (kg)
76.4 ± 12.1
74.0 ± 7.9
BMI (kg/cm )
22.8 ± 3.4
20.8 ± 1.7
Vetpercentage (%)
17.0 ± 4.0
14.0 ± 2.5
Volume onderbeen (L)
3.9 ± 0.6
3.7 ± 0.4
Beenlengte (cm)
103.2 ± 4.5
107.2 ± 4.1
Momentsarm Achillespees (cm)
4.4 ± 0.3
4.3 ± 0.3
Minimaal mogelijke enkelhoek (°)
64.2 ± 5.9
63.8 ± 5.8
Drempel snelheid (km/h)
12.0 ± 1.2
15.7 ± 1.3**
.229 ± .031
.188 ± .010*
2
-1
-1
Running economy (VO2 ml∙kg ∙m )
Gemiddelden ± SD *p < .05; **p < .01 significant verschil tussen de groepen
Conclusie Ervaren lopers lopen veel zuiniger dan niet ervaren lopers
7
Invloed van lichaamsbouw Om enig inzicht te krijgen in hoeverre verschillen in lichaamsbouw zouden kunnen bijdragen aan de onderlinge verschillen in running economy is er onderzocht welke van de gemeten variabelen een relatie vertoonden met de running economy (Tabel 2). Binnen de groep ervaren lopers ging een laag vetpercentage (en BMI) gepaard met een wat betere running economy, ook het hebben van lange benen was gunstig. Opvallend genoeg werden deze relaties niet gevonden in de groep onervaren lopers, kennelijk zijn andere factoren (looptechniek, pasfrequentie?) meer bepalend voor de running economy in deze groep.
Tabel 2: Correlatie coëfficiënten tussen antropometrische variabelen en running economy tijdens lopen op de voorkeurspasfrequentie. Onervaren
Ervaren
Totale groep
(n=10)
(n=10)
(n=20)
BMI
0.24
0.71*
0.46*
Vetpercentage
0.05
0.60
0.38
Gewicht
-0.08
0.35
0.08
Minimaal mogelijke enkelhoek
0.47
0.35
0.31
Momentsarm Achillespees
-0.33
-0.18
-0.10
Onderbeenlengte
-0.23
-0.67*
-0.30
Beenlengte
-0.17
-0.74*
-0.48
Volume onderbeen
0.31
0.20
0.31
*p < .05
Conclusies Voor ervaren lopers lijken een laag vet percentage en het hebben van lange benen energetisch voordelig (zie echter discussie) Bij onervaren lopers wordt de running economy mogelijk vooral bepaald door hun looptechniek
8
Optimale pasfrequentie In figuur 3 is te zien hoe met behulp van curve fitting per deelnemer en per meting de pasfrequentie werd bepaald waarbij het zuurstofgebruik theoretisch het laagst zou zijn. Voor 36 van de 40 metingen was zo’n curve fitting mogelijk. Voor vier metingen, waaronder beide metingen van één van de onervaren lopers, volgden de metingen niet dit patroon van een dalparabool (U-vorm). Voor één van de onervaren lopers kon de optimale pasfrequentie dus niet worden bepaald.
Running economy (VO2 ml∙kg-1∙m-1)
0.30 0.28 0.26 0.24 0.22 0.20 0.18 60
70
80
90
100
110
Pasfrequentie (st/min)
Figuur 3: Voorbeeld van zuurstofgebruik bij verschillende pasfrequenties en constante loopsnelheid (80% anaerobe drempel) voor een onervaren (cirkels) en een ervaren (vierkanten) loper. Door middel van curve fitting de
(2
orde polynoom) is de theoretische optimale pasfrequentie bepaald (90 pas/min voor beide lopers). De
zelfgekozen voorkeurspasfrequentie (open symbolen) voor de onervaren deelnemer lag met 78 (pas/min) ruim onder het optimum van 90 pas/min (waarbij zijn zuurstofgebruik minimaal was).
De gemiddelde (± S.D) voorkeurspasfrequentie (pas/min) van de groep onervaren lopers (77.8 ± 2.8) was significant lager dan die van de ervaren lopers (84.4 ± 5.3). Deze getallen lagen voor beide groepen significant onder (p<0.05) de respectievelijke optimale frequenties: 84.9 ± 5.0 voor onervaren lopers en 87.1 ± 4.8 voor de ervaren lopers. Bij de onervaren lopers was het verschil tussen voorkeurs- en optimumfrequentie groter. In figuur 4 staan de individuele verschillen (gemiddelden van twee metingen) en daaruit blijkt dat vooral de onervaren lopers met een voorkeurspasfrequentie liepen die lager was dan hun meest economische (optimale) pasfrequentie. Bij drie onervaren lopers was dit
9
verschil zelfs meer dan 10%, maar ook enkele van de ervaren lopers zouden profijt kunnen hebben van een kleine verhoging van hun pasfrequentie.
Afwijking van het optimum (%)
5.0%
0.0% Onervaren
Ervaren
-5.0%
-10.0%
-15.0%
-20.0% Figuur 4: Procentuele afwijking ( [(voorkeurspasfrequentie –optimale pasfrequentie) / optimale pasfrequentie] *100%) voor de onervaren (links) en ervaren (rechts) lopers. Ieder balkje is de gemiddelde waarde van de twee metingen van een deelnemer.
De variatie in voorkeurspasfrequentie tussen de twee metingen binnen elke deelnemer was gering: de variatie coëfficiënten (individueel gemiddelde/sd) waren 1.0 ± 0.6 (onervaren lopers) en 0.7 ± 0.5 (ervaren lopers). Voor de optimale pasfrequentie waren de getallen voor onervaren en ervaren lopers respectievelijk: 2.5 ± 2.2 % en 1.4 ± 1.3 %. Dit betekent dus dat de metingen (heel) betrouwbaar zijn.
Conclusies Zowel de voorkeurs- als de optimale pasfrequentie kunnen betrouwbaar worden vastgesteld Bijna alle lopers lopen met een iets (2 tot 17%) te lage pasfrequentie.
10
Running economy en pasfrequentie Wat is nu de betekenis van het lopen met een veelal iets te lage pasfrequentie voor de individuele lopers als we kijken naar het energiegebruik (VO2)? Een belangrijke vraag is natuurlijk hoeveel energie er bespaard kan worden indien men zou lopen met de optimale pasfrequentie waarbij het energiegebruik minimaal is. Voor veel lopers bleek de kromming van de relatie tussen pasfrequentie en running economy gering te zijn. Dit betekent dat kleine afwijkingen tussen de voorkeurspasfrequentie en de volgens de curve optimale pasfrequentie slechts een (zeer) geringe toename van het energiegebruik teweeg brachten (Figuur 5). De theoretische verbetering in running economy door de pasfrequentie te optimaliseren was dan ook voor beide groepen gering en niet significant verschillend tussen de groepen. Running economy (verkregen uit gefitte waardes van individuele curven) zou voor de onervaren lopers gemiddeld met 1.4 % verbeteren (p=0.06), namelijk van 0.239±.031 ml∙kg-1∙m-1 naar 0.236±.031 ml∙kg1
∙m-1, indien zij hun pasfrequentie zouden verhogen naar hun optimale pasfrequentie. Voor de ervaren
lopers zou de te behalen verbetering in termen van zuurstofgebruik, van 0.190±.013 ml∙kg-1∙m-1 naar 0.189±.013 ml∙kg-1∙m-1, gemiddeld zeer gering zijn (0.6%) en ook niet significant (p=0.24). Echter in individuele gevallen lijken enkele ervaren lopers toch energie te kunnen besparen indien zij hun pasfrequentie iets (5-8%, figuur 6) zouden verhogen. Voor de praktijk zijn vooral deze individueel mogelijke verbeteringen interessant.
Running economy (ml O2·kg-1·m-1)
0.270
0.250
0.230
0.210
0.190
0.170 60
70
80
Pasfrequentie
11
90
(st·min-1)
100
110
Figuur 5: Een kleine verschuiving in pasfrequentie (x-as) van voorkeur (81 pas/min) naar optimum (85 pas/min), leidde bij de meeste deelnemers slechts tot een geringe (in dit voorbeeld van net boven naar net onder 0.19
ml∙kg-1∙m-1) verbetering in running economy (y-as). Er werd hierbij van de gefitte curve uitgegaan en niet van de gemeten data punten (waar meer toevalsvariatie in zit).
In figuur 6 staat voor alle deelnemers het berekende energieverlies dat zij hadden tijdens het lopen met hun voorkeurspasfrequentie ten opzichte van de de theoretisch optimale (meest zuinige) pasfrequentie. Uit figuur 6 blijkt duidelijk dat met name enkele onervaren lopers (O3,O4,O8) er baat bij zouden hebben hun pasfrequentie te veranderen (verhogen). De winst in termen van energie gebruik zou voor deze deelnemers in de buurt van de 3-5% liggen. Echter ook enkele ervaren lopers (E4,E9,E10) zouden door verhogen van hun pasfrequentie hun running economy met ongeveer 1% kunnen verbeteren.
REvoork - REopt (O2 ml·kg-1·m-1)
0.014 0.012 0.01 0.008 0.006 0.004 0.002 0
mw
Onervaren
Ervaren
Figuur 6: Individueel berekend verschil in energiegebruik (running economy) tussen het lopen op de voorkeurspasfrequentie en de optimale pasfrequentie (mw is missende waarde voor deelnemer O10).
Conclusie Met name (maar niet uitsluitend) beginnende lopers kunnen energie besparen (1-5%) door hun pasfrequentie te optimaliseren (meestal betekent dit: verhogen). 12
Hartslagfrequentie en pasfrequentie Niet iedere loper heeft de beschikking over ademgas-analyse apparatuur om zijn of haar optimale pasfrequentie te bepalen. Het goede nieuws is daarom dat het huidige onderzoek laat zien dat de optimale pasfrequenties zoals bepaald met behulp van de hartslagfrequentie niet verschillend (p>0.31) waren van die bepaald met de zuurstofopname. Net als de relatie tussen pasfrequentie en zuurstofopname (figuren 3 en 5) verliep de relatie tussen pasfrequentie en hartslagfrequentie ook volgens een dalparabool (figuur 7). Voor de onervaren lopers waren de optimale pasfrequenties (pas/min) bepaald met zuurstofgebruik en hartslagfrequentie respectievelijk 83.0±7.3 en 84.9±5.0, voor de ervaren lopers 85.4±3.5 en 86.1±3.2. Bovendien waren er significant positieve relaties tussen beide methodes van optimum bepaling, zowel in de onervaren (r = 0.70) als in de ervaren groep (r= 0.76) lopers. Dus individuele sporters zouden bij een constante duurloopsnelheid (bij voorkeur op een lopende band) met behulp van een metronoom zelf kunnen experimenteren met het lopen op verschillende pasfrequenties. De pasfrequentie waarbij de hartslagfrequentie dan minimaal is, is dan de meest economische pasfrequentie. Het voordeel van deze manier van werken zou kunnen zijn dat een meting op basis van de hartslagfrequentie probleemloos op een aantal verschillende dagen herhaald kan worden en dat er zodoende een heel betrouwbaar beeld te krijgen is van de optimale, meest economische individuele pasfrequentie.
Conclusie: ook zonder ademgas-analyse kan de optimale pasfrequentie worden bepaald met een hartslagmeter
13
180.0 170.0
0.300
160.0 150.0
0.250
140.0 130.0
0.200
120.0
Hartslagfrequentie (sl·min-1)
Running economy (VO2 ml·kg-1·m-1)
0.350
110.0 0.150
100.0 60
70
80
90
100
110
Pasfrequentie (pas·min-1) Meting 1 RE
Meting 2 RE
Meting 1 HF
Meting 2 HF
Figuur 7: Running economy (onderste 2 curven en linker y-as) en hartslagfrequentie (bovenste 2 curven en rechter y-as) als functie van de pasfrequentie op twee verschillende meetdagen bij een redelijk ervaren loper (E10). Zowel voor de relaties van zuurstofopname als voor de hartslagfrequenties blijkt het minimum (optimum) rond de 85 stappen/min te liggen.
Grondcontacttijden Tijdens het lopen met de voorkeurspasfrequentie was de grondcontacttijd significant langer bij de onervaren (300.5±29.5 ms) dan in de ervaren lopers (243.0±26.3 ms). Het is bekend dat contacttijd afneemt bij toenemende loopsnelheid, dus door de absoluut hogere loopsnelheid van de ervaren lopers kunnen deze contacttijden niet direct met elkaar worden vergeleken. Indien we loopsnelheid als covariant toevoegden in de vergelijking tussen de groepen bleek er geen verschil (p=0.93) in contacttijd tussen de groepen te zijn. In beide groepen bleek wel dat binnen de individuele deelnemers de contacttijden (bij gelijkblijvende loopsnelheid) significant afnamen met een toename van de pasfrequentie. Hierbij waren de correlatie coëfficiënten respectievelijk -0.71 en -0.83 voor de onervaren en ervaren lopers. Dus kortere passen gingen, zoals verwacht, samen met kortere contacttijden. De meeste lopers moeten hun pasfrequentie iets verhogen om met de optimale frequentie te lopen, dat betekent dus dat ze kortere passen zouden moeten maken, hetgeen in eerste instantie waarschijnlijk zal leiden tot afname van contacttijden bij gelijkblijvende loopsnelheid (zie ook discussie). 14
Conclusies: Het verschil in contacttijden tussen ervaren en onervaren lopers kwam door het verschil in loopsnelheid en droeg waarschijnlijk niet veel bij aan de gemeten verschillen in running economy. Voor individuele lopers gaat het verhogen van de pasfrequentie bij gelijkblijvende snelheid in eerste instantie gepaard met kortere grondcontacttijden (en kortere passen).
15
Discussie De hierboven vermelde conclusies zijn op zich duidelijk maar er zijn natuurlijk de nodige beperkingen aanwezig en mitsen en maren te plaatsen. In het kader van dit artikel zou het te ver voeren om deze allemaal te behandelen. De huidige metingen vonden plaats op een lopende band wat gestandaardiseerd meten mogelijk maakt, maar lopen op een band is toch anders dan ‘vrij’ lopen op de weg of de atletiekbaan. Het ontbreken van luchtweerstand bv. , wordt soms ‘gesimuleerd’ door de loopband onder een kleine hoek (1 graad) af te stellen. In het huidige onderzoek is dit niet gedaan, omdat we geen extra verschil in running economy wilden ‘creëren’ tussen de groepen. Op voorhand verwachtten wij dat de ervaren lopers mogelijk een lager vetpercentage zouden hebben, maar achteraf bleek dat statistisch gezien beide groepen een vergelijkbaar vetpercentage hadden (Tabel 1). Bij ‘vrij’ lopen zijn niet alleen de omstandigheden (temperatuur, wind etc.) moeilijker te standaardiseren maar deelnemers zouden ook een mobiel apparaat met zich mee moeten dragen om zuurstofopname te meten. Dit zou de running economy en looptechniek zeker beïnvloed hebben. Bovendien concluderen Saunders et al. in hun review dat running economy op een band gemeten erg goed correleert met die tijdens vrij lopen 16. In het huidige onderzoek maken we onderscheid tussen ervaren en onervaren lopers, maar beide groepen waren zeker niet homogeen. Vooral in de onervaren groep zaten deelnemers met een verschillende sportachtergrond, maar ook in de ervaren groep zaten atleten van verschillend prestatieniveau, met een verschillende trainingsomvang en met uiteenlopende specialisaties qua wedstrijdafstand. Verschillen in running economy binnen de groep ervaren lopers zouden hier mede aan te wijten kunnen zijn, bijvoorbeeld omdat de huidige relatief lage testsnelheid in het voordeel zou zijn van de langeafstand lopers ten opzichte van de middenlange afstand lopers 5. De gevonden getallen (economy, pasfrequenties, contacttijden etc.) komen overigens goed overeen met die in de literatuur. Dat de running economy beter was voor ervaren lopers dan onervaren lopers is geen verrassende bevinding (voor referenties zie:16). De huidige bevindingen zijn in lijn met de consensus dat running economy door vele factoren wordt beïnvloed 20. De ervaren lopers liepen bijvoorbeeld weliswaar dichter in de buurt van hun in energetisch opzicht optimale pasfrequentie, maar pasfrequentie was zeker niet de meest verklarende factor voor hun betere running economy ten opzichte van de onervaren lopers. Omgekeerd gold bijvoorbeeld ook dat
er onervaren lopers waren die (bijna) op hun optimale
pasfrequentie liepen maar nog steeds een mindere running economy hadden dan alle ervaren lopers. Binnen de groep onervaren lopers werden geen relaties tussen running economy en antropometrische gegevens gevonden. Waarschijnlijk was de heterogeniteit in looptechniek binnen deze groep een alles 16
overheersende factor. Pasfrequentie is slechts één van de vele factoren die running economy bepalen. Het huidige onderzoek laat wel zien dat de pasfrequentie een factor is die waarschijnlijk heel makkelijk te verbeteren is, omdat de meeste lopers heel goed instaat bleken hun pasfrequentie op geleide van een metronoom aan te passen. Een kleine maar significante verbetering van de running economy bij lopers die in eerste instantie niet ‘vanzelf’ op hun optimale frequentie liepen werd in een eerdere studie al in 15 sessies bereikt 12. Bovendien is elke procent verbetering in running economy waarschijnlijk te vertalen in een vergelijkbare verbetering van wedstrijdprestatie (eindtijd) 8. Scholz et al. vonden significante relaties tussen het hebben van een kleine momentsarm van de Achillespees (korte hiel) en een klein onderbeenvolume enerzijds en een goede running economy anderzijds (r2 respectievelijk 0.55 en 0.28) bij 16 km/uur 17. Echter, in het huidige onderzoek, waarbij we de momentsarm volgens dezelfde methode is bepaald, was er geen significante relatie tussen beide parameters en de running economy (tabel 2). Mogelijk dat het aantal van tien deelnemers in de huidige ervaren groep te laag was om dergelijke relaties aan te kunnen tonen. Includeren van de tien onervaren lopers gaf geen verbeteringen van deze relaties en is bovendien niet zo zinnig, omdat beide groepen grote verschillen in running economy lieten zien, waarbij de onderliggende bepalende factoren zeer waarschijnlijk verschillend waren. Binnen de huidige groep ervaren lopers was de correlatie (r=0.6) tussen running economy en vetpercentage niet statistisch significant maar die met BMI (=gewicht/lengte2) wel. Het is bekend (en logisch) dat economy slechter wordt bij een hoger vet percentage: overtollig gewicht zal toch moeten worden ‘meegesleept’ . In de BMI zit echter ook lichaamslengte en opvallend was dat binnen de ervaren groep de langere lopers een betere economy hadden (r=0.7). Het is echter onduidelijk in hoeverre dit resultaat op toeval berust aangezien de onderzoeksgroep klein was. Williams en Cavanagh
20
en ook
Scholz et al. 17 vonden in groepen van respectievelijk 31 en 15 lopers van zeer vergelijkbaar niveau met de huidige tien ervaren lopers (ongeveer 34 min op de 10 km), geen enkele relatie tussen (been)lengtematen en running economy. Wel is het zo dat in beide eerdere studies alle lopers op eenzelfde snelheid liepen, terwijl in de huidige studie snelheid individueel bepaald was. Dit kan van belang zijn, recent is aangetoond dat kortere mensen (en kinderen) tijdens wandelen op de voor een ieder optimale snelheid (minimaal energiegebruik), net zoveel energie per kg lichaamsgewicht gebruiken per stap 19. Tegelijkertijd betekende dit dat , omdat lange mensen voor een vergelijkbare verplaatsing minder stappen hoefden te maken, het energiegebruik per afgelegde meter afnam met het toenemen van de lengte 19. Bovendien vonden Svedenhag en Sjödin bij twintig leden van het Zweedse nationale 17
midden- en langeafstand selectie, eveneens dat lange lopers bij een loopsnelheid van 15 km per uur minder energie per kg gebruikten dan kortere lopers 18. Onze resultaten sluiten dus wel weer aan op de bevindingen van deze laatste studies. Cavanagh en Kram hebben al laten zien dat de zelfgekozen paslengte (en dus pasfrequentie) bij een gegeven snelheid slecht voorspeld kan worden uit lichaamslengte of beenlengte3. Ook in het huidige onderzoek was er geen relatie (r<0.1) tussen beenlengte en pasfrequentie. De langere ervaren lopers maakten absoluut gezien iets langere passen, maar de relatie tussen paslengte en beenlengte binnen de ervaren groep, waarbij de snelheidsverschillen onderling nog redelijk beperkt bleven, was niet significant (r=0.56, p=0.09). Bij een vaste loopsnelheid en vergelijkbare pasfrequentie zouden langere lopers dus met relatief (t.o.v. hun lengte) kortere passen kunnen lopen, dit zou mogelijk tot minder ‘remming’ bij het neerkomen kunnen leiden: de loop wordt wat meer ‘rollend,’ zeker als ook de verticale verplaatsing beperkt kan worden gehouden. Een rollende, ‘schuivende’ loopstijl wordt vaak in verband gebracht met een goede running economy 20. Zo’n efficiënte stijl zou ook gepaard gaan met een relatief lange contacttijd (relatief bij die gegeven loopsnelheid). Soms wordt er verondersteld dat een langere contacttijd, gekoppeld aan een hiellanding20 gepaard gaat met een betere running economy (zie ook 5). Echter in het huidige onderzoek vonden we, na correctie voor loopsnelheid, geen relaties tussen contacttijd en running economy. Wel vonden we voor iedere loper afzonderlijk dat de contacttijd afnam met toenemen van de pasfrequentie (bij gelijkblijvende snelheid). Dus het advies dat wij willen geven aan enkele van de lopers, nl. om met een hogere pasfrequentie te gaan lopen, zou direct tot gevolg hebben dat zij met een iets kortere contacttijd zouden gaan lopen. Dit lijkt in tegenspraak met eerder vermeld idee dat juist langere contacttijden gepaard zouden gaan met een betere running economy. Echter Nummela et al. vonden juist een beter economy bij kortere contacttijden14. Hasegawa et al. vonden dat de niet- hiellanders tijdens een marathon een kortere contacttijd hadden en suggereerden dat dit samen zou gaan met een betere running economy ten opzichte van atleten die wel op hun hiel landden9. Ons advies zou zijn om, indien lopers niet met de optimale pasfrequentie blijken te lopen, hen eerst te leren om die frequentie te verbeteren (waarschijnlijk te verhogen) en vervolgens aan andere technische aspecten te gaan werken. Het is overigens de vraag in hoeverre dit laatste een bewust proces kan (en moet) zijn. Het terugkoppelen van de verticale verplaatsing tijdens het lopen met de opdracht het op en neer bewegen te beperken, zou een mogelijke bijdrage kunnen leveren aan het bespoedigen van het proces van optimalisatie, dat overigens waarschijnlijk grotendeels ook wel ‘vanzelf’ plaatsvindt met het verstrijken van de trainingskilometers, dus zonder gerichte aanwijzingen of feedback. Het lijkt ons bovendien lastig om direct aan contacttijden van lopers te gaan sleutelen, maar misschien leidt 18
terugkoppeling van de geproduceerde contacttijd met de opdracht om die te verlengen of te verkorten wel ‘automatisch’ tot veranderingen in looptechniek en mogelijk economy. Interessant in dit verband is dat het in elk geval mogelijk blijkt om op korte termijn bewust en consistent de contacttijd tijdens het lopen te veranderen 13. Het is voor zover wij weten nog niet bekend of hiermee ook de running economy verbeterd kan worden. Men moet wel bedenken dat de beste loopstijl waarschijnlijk die stijl is die het best past bij de eigen ‘natuurlijke’ resonantiefrequentie van de benen 2, 6, die we elk afzonderlijk kunnen beschouwen als een soort (imperfecte) veren. Tijdens de landing wordt er energie ingestopt die we tijdens de afzet (deels) weer terugkrijgen. Het is zeer de vraag in hoeverre we aan de veereigenschappen van het been moeten en kunnen sleutelen, bv. door bewust meer of minder te buigen in enkels en knieën. Het is zeker denkbaar dat het verbeteren van de running economy voor een groot deel plaatsvindt buiten onze directe invloed om bv. door geleidelijke aanpassingen van het bindweefsel gedurende vele jaren van trainen. Bovendien moeten we niet vergeten dat het aanpassen van de techniek waarschijnlijk tot andere belastingen van spieren, pezen en gewrichten zal leiden en het is niet uit te sluiten dat dit, zeker wanneer dit overhaast plaatsvindt, zelfs tot blessures leidt.
Conclusies Ervaren lopers hebben hun pasfrequentie ‘automatisch’ geoptimaliseerd naar het energiegebruik, al zouden enkele lopers er waarschijnlijk baat bij hebben hun pasfrequentie nog iets te verhogen. Deze conclusies zijn geheel in overeenstemming met eerdere bevindingen 4 De zelfgekozen pasfrequentie was gemiddeld genomen minder optimaal bij de onervaren lopers. Ongeveer de helft van deze lopers zou hun running economy op korte termijn betekenisvol kunnen verbeteren door de pasfrequentie te verhogen. Verschillen in de zelfgekozen en optimale pasfrequentie tussen ervaren en onervaren lopers konden het verschil in running economy tussen de groepen niet verklaren. Andere (niet gemeten) parameters, zoals mogelijk een te verticaal gerichte afzet, zijn waarschijnlijk verantwoordelijk voor de slechtere running economy in onervaren ten opzichte van ervaren lopers. Voor het bepalen van de individueel optimale pasfrequentie volstaan een loopband, een metronoom en een hartslagmeter.
19
Over de auteurs Dr. Jo de Ruiter heeft lichamelijke opvoeding (HALO) en bewegingswetenschappen gestudeerd. Sinds zijn promotie op het gebied van de spierfysiologie werkt hij als docent/onderzoeker aan de Faculteit BewegingsWetenschappen van de VU in Amsterdam. Hij is voormalig tien-kamper en heeft jarenlang atleten van nationaal niveau gecoacht, onder andere als bondstrainer speerwerpen. Wout Werker (MSc.) is in 2011 met dit onderzoek afgestudeerd aan de faculteit Bewegingswetenschappen aan de Vrije Universiteit te Amsterdam. Hij heeft in 2005 de opleiding Bewegingstechnologie afgerond. Wout is op dit moment actief op zoek naar een baan. Menno Zuidema (MSc.) heeft na het afronden van de opleiding Bewegingstechnologie (HHS) de master Bewegingswetenschappen gevolgd aan de VU, waarvan dit stuk behoorde tot zijn afstudeerwerk. Menno is werkzaam bij McRoberts in Den Haag waar hij applicaties voor versnellingssensoren ontwikkelt. Daarnaast probeert hij de Nederlandse top te bereiken op de middellange (hardloop)afstanden in de atletieksport.
20
Referenties 1.Arampatzis A, Bruggemann GP & Metzler V (1999). The effect of speed on leg stiffness and joint kinetics in human running. J Biomech, 32 (12), 1349-1353. 2.Cavagna GA, Mantovani M, Willems PA & Musch G (1997). The resonant step frequency in human running. Pflugers Arch, 434 (6), 678-684. 3.Cavanagh PR & Kram R (1989). Stride length in distance running: velocity, body dimensions, and added mass effects. Med Sci Sports Exerc, 21 (4), 467-479. 4.Cavanagh PR & Williams KR (1982). The effect of stride length variation on oxygen uptake during distance running. Med Sci Sports Exerc, 14 (1), 30-35. 5.Chapman RF, Laymon AS, Wilhite DP, McKenzie JM, Tanner DA & Stager JM (2012). Ground Contact Time as an Indicator of Metabolic Cost in Elite Distance Runners. Med Sci Sports Exerc, 6.Dalleau G, Belli A, Bourdin M & Lacour JR (1998). The spring-mass model and the energy cost of treadmill running. Eur J Appl Physiol Occup Physiol, 77 (3), 257-263. 7.de Ruiter J (2010). Het gebruik van versnellingmeters tijdens sprongtesten. Sportgericht, 64 (4), 22-27. 8.Di Prampero PE, Capelli C, Pagliaro P, Antonutto G, Girardis M, Zamparo P & Soule RG (1993). Energetics of best performances in middle-distance running. J Appl Physiol, 74 (5), 2318-2324. 9.Hasegawa H, Yamauchi T & Kraemer WJ (2007). Foot strike patterns of runners at the 15-km point during an elite-level half marathon. J Strength Cond Res, 21 (3), 888-893. 10.Helgerud J, Storen O & Hoff J (2010). Are there differences in running economy at different velocities for well-trained distance runners? Eur J Appl Physiol, 108 (6), 1099-1105. 11.Larsen HB (2003). Kenyan dominance in distance running. Comp Biochem Physiol A Mol Integr Physiol, 136 (1), 161-170. 12.Morgan D, Martin P, Craib M, Caruso C, Clifton R & Hopewell R (1994). Effect of step length optimization on the aerobic demand of running. J Appl Physiol, 77 (1), 245-251. 13.Morin JB, Samozino P, Zameziati K & Belli A (2007). Effects of altered stride frequency and contact time on leg-spring behavior in human running. J Biomech, 40 (15), 3341-3348. 14.Nummela A, Keranen T & Mikkelsson LO (2007). Factors related to top running speed and economy. Int J Sports Med, 28 (8), 655-661. 15.Santos EL & Giannella-Neto A (2004). Comparison of computerized methods for detecting the ventilatory thresholds. Eur J Appl Physiol, 93 (3), 315-324. 16.Saunders PU, Pyne DB, Telford RD & Hawley JA (2004). Factors affecting running economy in trained distance runners. Sports Med, 34 (7), 465-485. 21
17.Scholz MN, Bobbert MF, van Soest AJ, Clark JR & van Heerden J (2008). Running biomechanics: shorter heels, better economy. J Exp Biol, 211 (Pt 20), 3266-3271. 18.Svedenhag J & Sjodin B (1994). Body-mass-modified running economy and step length in elite male middle- and long-distance runners. Int J Sports Med, 15 (6), 305-310. 19.Weyand PG, Smith BR, Puyau MR & Butte NF (2010). The mass-specific energy cost of human walking is set by stature. J Exp Biol, 213 (Pt 23), 3972-3979. 20.Williams KR & Cavanagh PR (1987). Relationship between distance running mechanics, running economy, and performance. J Appl Physiol, 63 (3), 1236-1245.
22
