Fiabilidad de la determinación del umbral mediante monitores portátiles de oxigenación muscular durante la prueba de ejercicio: una revisión sistemática y meta

May 30, 2023

Scientific Reports volumen 13, número de artículo: 12649 (2023) Citar este artículo

Detalles de métricas

En los últimos años, se ha sugerido la tecnología portátil de espectroscopia de infrarrojo cercano (NIRS) para determinar los umbrales metabólicos/del ventilador. Esta revisión sistemática y metanálisis tuvo como objetivo evaluar la confiabilidad de un monitor portátil de oxigenación muscular para determinar los umbrales durante la prueba de ejercicio. La pregunta PICO propuesta fue: ¿Es confiable la intensidad del ejercicio de los umbrales de oxigenación muscular, utilizando NIRS portátiles, en comparación con los umbrales de lactato y ventilatorios para la intensidad del ejercicio determinados en atletas? Se realizó una búsqueda en Pubmed, Scopus y Web of Science y la revisión se realizó siguiendo las directrices PRISMA. Se incluyeron quince artículos. Los dominios que presentaron mayores sesgos fueron los de confusión (93% con riesgo moderado o alto) y la selección de participantes (100% con riesgo moderado o alto). El coeficiente de correlación intraclase entre la intensidad del ejercicio del primer umbral ventilatorio o de lactato y el primer umbral de oxigenación muscular fue de 0,53 (obtenido con datos de sólo 3 estudios), mientras que el segundo umbral fue de 0,80. El presente trabajo muestra que aunque un monitor portátil de oxigenación muscular tiene una confiabilidad de moderada a buena para determinar los segundos umbrales ventilatorios y de lactato, es necesario realizar más investigaciones para investigar los métodos matemáticos de detección, la capacidad de detectar el primer umbral y la detección en múltiples regiones. y el efecto del sexo, el nivel de rendimiento y el tejido adiposo en la determinación de los umbrales.

En muchos deportes, se realizan varios métodos de prueba de ejercicio para detectar umbrales metabólicos/ventiladores. Estas zonas o puntos se caracterizan por aumentos no lineales de resultados fisiológicos (p. ej., punto (V), volumen de oxígeno (VO2), lactato sanguíneo, frecuencia cardíaca, etc.), por lo que se determinan dos puntos de interrupción fisiológicos que permiten que el modelo trifásico de intensidades aplicarse1,2,3. Estos datos son importantes para los entrenadores y deportistas a la hora de evaluar la condición física y programar intensidades para optimizar el entrenamiento y mejorar la condición cardiovascular y la resistencia4,5. Por tanto, es de gran importancia contar con un método fiable para la detección del umbral6.

El umbral ventilatorio o metabólico suele determinarse mediante datos de intercambio gaseoso o de lactato en sangre, respectivamente, obtenidos durante pruebas incrementales4,7. El intercambio gaseoso es uno de los métodos más utilizados para evaluar la evolución de las mediciones de intercambio gaseoso (punto(V), VO2, volumen de dióxido de carbono (VCO2) y ventilación minuto (VE)) que permiten detectar el punto de compensación respiratoria (también denominado como umbral ventilatorio (VT))8. Por ejemplo, un método que se utiliza frecuentemente es el método ventilatorio que consiste en determinar el primer y segundo umbral ventilatorio detectando aumentos no lineales en la ventilación minuto, el equivalente ventilatorio para oxígeno, el equivalente ventilatorio para dióxido de carbono, el consumo de oxígeno y la producción de dióxido de carbono9. . Otro método muy utilizado es la medición del lactato en sangre10. En la fisiología contemporánea, el lactato se considera un importante intermediario metabólico que tiene un amplio impacto en la utilización del sustrato energético, la señalización celular y la adaptación11. También es importante para las mitocondrias, ya que el lactato es el producto final de la glucólisis y desempeña un papel en la conexión de la producción de energía independiente y dependiente del oxígeno, como una importante fuente de energía para la respiración mitocondrial4,11. Por lo tanto, el lactato ingresa al retículo mitocondrial para apoyar la homeostasis energética celular mediante la fosforilación oxidativa, y este proceso ayuda a la eliminación del lactato11. La determinación del umbral utilizando la concentración de lactato en sangre se puede obtener a partir de valores fijados (p. ej., 2 o 4 mmol L-1)12 en modelos matemáticos13,14.

Sin embargo, ambos métodos tienen limitaciones asociadas como el coste económico del intercambio gaseoso, y la necesidad de extraer una gota de sangre o su incapacidad para medir continuamente el lactato15, todo lo cual hace interesante explorar nuevas metodologías. Además, se ha sugerido que la determinación de umbrales utilizando la saturación de oxígeno muscular (SmO2) podría ser una alternativa válida al intercambio de gases pulmonar o a los métodos de lactato en sangre16,17.

La oxigenación muscular basada en Espectroscopia de Infrarrojo Cercano (NIRS) es una tecnología no invasiva descrita por primera vez por Jöbsis en 1977, para monitorear la oxigenación cerebral in vivo18. Hoy en día está adquiriendo gran popularidad en el ámbito del entrenamiento deportivo, gracias a la aparición de aparatos de medición más asequibles, fáciles de aplicar y portátiles19,20. Actualmente, la tecnología NIRS se basa en la ley de Beer-Lambert modificada, que considera la dispersión de la naturaleza de los tejidos y su geometría21,22 (Ec. 1). La tecnología NIRS detecta la oxihemoglobina ([O2Hb]) o la desoxihemoglobina ([HHb]) en función de la absorción de luz, pero en ambos casos se hace referencia a la hemoglobina o la mioglobina, ya que la tecnología NIRS no diferencia entre cromóforos (Ec. 2).

Ley de Beer-Lambert modificada Ec. (1), donde “A” es la absorción, “I” es la intensidad luminosa (lm sr−1), “\(\upvarepsilon\)” es el coeficiente de extinción para el compuesto absorbente de luz de interés, “[C] ” es la concentración del compuesto de interés (por ejemplo, [Hb], [Mb] y/o [cytox]), “L” es la distancia fuente-detector (mm), “DPF” el factor de longitud de trayectoria diferencial y “G ” es el factor que refleja la no absorción.

Ecuación para calcular la saturación de oxígeno muscular (SmO2) mediante la oxihemoglobina (O2Hb) y desoxihemoglobina (HHb) medidas.

La tecnología NIRS en el ámbito deportivo se está utilizando para observar cambios en el metabolismo muscular de diferentes músculos19. Esto nos ha permitido medir el rendimiento muscular local durante el ejercicio, determinando si los músculos funcionan de manera óptima y si hay desoxigenación dependiendo de la intensidad del ejercicio20,23,24. Además, aunque varios estudios han sugerido que la tecnología NIRS portátil se puede utilizar para determinar los umbrales de oxigenación muscular17,25,26, y se han publicado muchos estudios en los últimos años, hasta donde el autor sabe, no existen revisiones sistemáticas ni metanálisis. Se han llevado a cabo estudios que validan el uso de la tecnología NIRS para detectar umbrales.

Por lo tanto, el objetivo de esta revisión sistemática y metanálisis fue evaluar la confiabilidad de determinar la intensidad del ejercicio del umbral de oxigenación muscular (usando el NIRS portátil) en comparación con la detección, usando un método estándar de oro durante pruebas de laboratorio y de campo.

Esta revisión sistemática y metanálisis se llevó a cabo siguiendo la declaración de elementos de informe preferidos para revisiones sistemáticas y metanálisis (PRISMA)27. La pregunta PICO (Población, Intervención, Comparación y Resultados de un artículo) propuesta fue: ¿Es confiable la intensidad del ejercicio de los umbrales de oxigenación muscular, utilizando NIRS portátiles, en comparación con los umbrales de lactato y ventilatorios para la intensidad del ejercicio determinados en atletas? Se realizaron búsquedas electrónicas en tres bases de datos (PubMed, Scopus y Web of Science) el 15 de junio de 2023 utilizando los siguientes términos: “NIRS” O “Near Infrarrojo Espectroscopia” O “muscle oxigenación” O “oximetría” Y con los términos y sinónimos “umbral” O ​​“punto de interrupción” O “punto de inflexión”. Además, (Y) se utilizaron diferentes términos como “ejercicio” O “deporte” O “actividad física” O “correr” O “andar en bicicleta” O “nadar”. Cada base de datos empleó su propio mapeo de términos. Los resultados se examinaron para identificar estudios relevantes, primero por resumen y finalmente por texto completo. Los textos completos se sometieron a un proceso de selección exhaustivo para determinar su elegibilidad para su inclusión en la revisión. Sólo se consideraron para su inclusión aquellos textos que cumplieron todos los criterios predeterminados.

Los artículos obtenidos se exportaron a Zotero (versión 6.0.15, Corporation for Digital Scholarship, Viena, EE.UU.) para eliminar duplicados, y los resúmenes se subieron a JBI SUMARI (The University of Adelaide, Adelaide, Australia) para realizar el primer cribado. .

Los criterios de inclusión establecidos para la revisión sistemática fueron los siguientes: (1) Solo estudios escritos en inglés, español o portugués, (2) estudios que utilizaron un NIRS portátil y comercial para la detección del umbral de oxigenación muscular, (3) estudios que utilizaron un estándar de oro ( métodos de intercambio gaseoso o lactato sanguíneo) además de oxigenación muscular para la detección de umbrales, (4) estudios con población sana entre 18 y 65 años, y (5) estudios experimentales y cuasiexperimentales.

La primera selección se realizó mediante la revisión de los resúmenes de los artículos, previa eliminación de duplicados. Luego, se leyeron íntegramente los artículos seleccionados para tomar una decisión. Todo el proceso fue realizado por dos revisores. Cuando hubo desacuerdo sobre un resumen o artículo, se discutió posteriormente hasta alcanzar un consenso. Para cada estudio, los datos extraídos fueron: los autores y el año, los participantes, una breve descripción del protocolo, los umbrales calculados, la marca NIRS, la ubicación del NIRS y los resultados. Dos revisores extrajeron los datos de cada artículo incluido y los confirmaron un tercero. Los participantes fueron categorizados como élite, altamente entrenados, entrenados y recreativamente activos siguiendo pautas previas28,29.

La calidad de los estudios cuasiexperimentales incluidos en la revisión sistemática fue evaluada por dos revisores que trabajaron de forma independiente utilizando la escala ROBINS-I. La Escala ROBINS-I evalúa el riesgo de sesgo en 7 dominios: confusión, selección de participantes, clasificación de intervenciones, desviaciones de las intervenciones previstas, datos faltantes, medición de resultados y selección de los resultados informados30. Para cada dominio, se categorizó la evaluación del riesgo de sesgo: sin información, crítica, grave, moderada o baja30. Cuando hubo desacuerdo entre los revisores se consultó a un tercer revisor.

Se realizó un metanálisis separado para examinar la confiabilidad en la determinación de la intensidad en cada umbral utilizando NIRS y el método estándar de oro (intercambio de gases y/o lactato en sangre). Para cada estudio se extrajeron el coeficiente de correlación intraclase (CCI) y el tamaño de la muestra. Para los estudios que no proporcionaron valores de CCI, el valor de CCI se calculó a partir de la obtención de los datos de los conjuntos de datos, tablas y figuras del artículo, o a solicitud de los autores. En el caso de las figuras, los datos se extrajeron de los diagramas de dispersión mediante la aplicación de digitalización de gráficos31. Si los datos no fueron proporcionados por los autores, el estudio fue excluido del análisis. Los valores de ICC se calcularon basándose en un modelo de efectos aleatorios bidireccionales, de acuerdo absoluto y de medición única del evaluador. Para los estudios en los que fue posible obtener más de un valor de ICC (p. ej., porque la intensidad en el umbral se extrajo usando diferentes métodos automáticos), estos valores de ICC se promediaron, utilizando solo un valor de ICC para cada estudio para evitar la dependencia estadística31,32 . Los valores de CCI se transformaron a la escala z de Fisher y para el análisis se utilizó un modelo de efectos aleatorios con Estimación de Máxima Verosimilitud Restringida33, valorándose como posible moderador el tipo de estándar de oro comparado (intercambio gaseoso o lactato sanguíneo). Para el análisis de homogeneidad se utilizaron los estadísticos Q e I2. Los valores de I2 de alrededor del 25%, 50% y 75% denotaron una heterogeneidad baja, moderada y grande, respectivamente. Para evaluar el sesgo de publicación, se realizaron gráficos en embudo con el método de recortar y llenar de Duval y Tweedie para imputar datos faltantes y la prueba de Egger34,35. Para facilitar la interpretación de los datos, los valores z de Fisher se convirtieron nuevamente a valores ICC después de completar los metanálisis33. El CCI y los intervalos de confianza del 95% asociados se interpretaron como: pobre (0,00–0,25), regular (0,26–0,50), moderado (0,51–0,75) y bueno (0,76–1,00)36. La significancia estadística se estableció en p < 0,05. Se realizó un metanálisis con el paquete “metafor” (versión 4.2-0)37 en RSTUDIO (versión 2023.06.0)38.

Se incluyeron un total de 1.131 artículos de las bases de datos PubMed (237), Web of Science (507) y Scopus (387), y quedaron 559 artículos después de eliminar duplicados. Finalmente, tras seleccionar los estudios por sus resúmenes, se revisaron 129 artículos completos, de los cuales 15 se incluyeron en la revisión sistemática (Fig. 1).

Selección de estudios de la revisión sistemática y metanálisis (PRISMA).

La revisión sistemática incluyó una muestra de 344 participantes (216 hombres y 128 mujeres). Entre estos participantes, 33 eran atletas de élite, 208 atletas altamente entrenados, 31 atletas entrenados y 72 atletas recreativamente activos. Además, se incluyeron deportistas de diversos deportes (fútbol, ​​ciclismo, carrera, triatlón y remo) con protocolos de laboratorio, ya que actualmente no existen estudios realizados en pruebas de campo. Las características del estudio y los principales hallazgos se resumen en la Tabla 1.

Los estudios seleccionados habían determinado ambos umbrales de oxigenación muscular (MOT) (primero y segundo) utilizando diferentes métodos (Tabla 2). La mayoría de los estudios utilizaron la regresión lineal doble que representa el 42% y el umbral de lactato portátil (WLT) se utilizó en el 25% de los estudios incluidos en la revisión sistemática. Juntos, estos dos métodos representaron el 67% de los estudios incluidos en la revisión sistemática. Sin embargo, la identificación visual también se utilizó en dos estudios (17%).

Los dominios que presentaron mayor sesgo se debieron a confusión (7% con riesgo crítico, 33% con riesgo grave y 53% con riesgo moderado), debido a la selección de los participantes (20% con riesgo grave y 80% con riesgo moderado). ), y por la selección de los resultados reportados (40% con riesgo moderado) (Figs. 2 y 3). Para los demás dominios, la mayoría de los estudios presentaron un riesgo de sesgo bajo (> 85%).

Resumen de riesgo de sesgo. Creado con la aplicación 'robvis'54.

El riesgo de sesgo de cada estudio. Creado con la aplicación 'robvis'54.

De los 15 artículos incluidos en esta revisión, los CCI de 13 de ellos se obtuvieron del metanálisis (Tabla 3). De estos 13 artículos, el CCI se proporcionó en el propio artículo en 3, se calculó a partir de los datos obtenidos en un conjunto de datos, tabla o figura en 8, y en 2 el CCI fue proporcionado directamente por los autores (Tabla 3).

No se realizó una prueba de moderadores para el primer umbral debido al bajo número de estudios (n = 3, Tabla 3). La prueba Q no fue significativa (Q(gl = 2) = 1,01, p-val = 0,60) y la I2 fue del 0%, mostrando una baja heterogeneidad. El método Trim-and-fill estimó 0 estudios faltantes y la prueba de Egger no fue significativa (p = 0,46). El CCI del primer umbral fue moderado (CCI = 0,53) pero con un IC95% amplio [0,31, 0,69] (Fig. 4A).

Se realizaron diagramas de bosque del metanálisis para la correlación intraclase (ICC) de la intensidad del ejercicio obtenida en la primera (A) y segunda (B) determinación del umbral utilizando NIRS y el estándar de oro (intercambio de gases o lactato en sangre).

Para el segundo umbral, al principio no se observó ningún efecto de los moderadores (p = 0,94). Por tanto, se realizó un metanálisis sin diferenciar entre el CCI obtenido respecto al lactato o el intercambio gaseoso. La prueba Q no fue significativa (Q(gl = 13) = 99,17, p < 0,001) y la I2 fue del 86%, mostrando una gran heterogeneidad. El método Trim-and-fill estimó 0 estudios faltantes y la prueba de Egger no fue significativa (p = 0,54). El CCI del segundo umbral fue bueno (CCI = 0,80, IC95% [0,65, 0,89] (Fig. 4B).

El objetivo de esta revisión sistemática y metanálisis fue evaluar la confiabilidad de determinar la intensidad del ejercicio utilizando el umbral de oxigenación muscular (con el NIRS portátil) en comparación con un método de detección estándar durante las pruebas de laboratorio. Los resultados de la revisión muestran que los métodos más utilizados para determinar los umbrales de oxigenación muscular fueron la regresión doble lineal (46%), WLT (20%) y la identificación visual (20%). El metanálisis reveló que de los 13 estudios en los que se obtuvo el ICC, sólo 3 estudios evaluaron el primer umbral, observándose un ICC medio de 0,53 entre la intensidad del ejercicio obtenida en el primer umbral de oxigenación muscular (MOT1) y el primer umbral de lactato (LT1). ) o primer umbral ventilatorio (VT1). La CCI media entre el segundo umbral de oxigenación muscular (MOT2) y el segundo umbral de lactato (LT2) o el segundo umbral ventilatorio (VT2) fue de 0,80.

Nuestros metanálisis se centraron en mostrar si la intensidad del ejercicio en la que se detectaron el primer y segundo umbral utilizando el NIRS portátil era más confiable que los métodos estándar de oro (intercambio de gases y lactato en sangre). En la tabla 1 se muestra cómo se analizó la relación entre MOT y VT en 7 estudios16,25,39,40,41,42,43 y en 9 estudios para LT17,26,41,44,45,46,47,48,49.

Los estudios de Feldmann et al.16 y Van der Zwaard et al.42 compararon el VT1 y el LT1 con el MOT1 en ciclismo y encontraron valores de ICC (ICC = 0,56-0,65). Estos resultados están en línea con otros estudios que determinaron umbrales con NIRS no portátiles en ciclismo50. Además, se demostró un ICC justo en carrera (ICC = 0,23–0,49)16,44. 28/07/2023 17:06:00 Un menor número de estudios evaluaron el primer umbral en comparación con el segundo (3 vs. 12 estudios), quizás debido a la dificultad para determinar el MOT1, ya que la pendiente cambia muy ligeramente y la El valor ICC no es tan bueno como el segundo umbral42.

El segundo umbral se determinó utilizando la concentración de lactato en sangre y la oxigenación muscular en diferentes deportes como el ciclismo16,17,46,47,48, la carrera44,45,49 y el remo26. Los valores del ICC mostraron cierta disparidad y fueron regulares, moderados o buenos (ICC = 0,29-0,90) en los estudios de carrera, aunque los estudios de ciclismo mostraron un buen ICC (ICC = 0,91-0,94). Sin embargo, no se obtuvo el valor CCI de dos estudios46,48. Los estudios restantes también compararon el intercambio de gases con la oxigenación muscular en el segundo umbral en ciclismo16,39,42,43 y carrera16,40. Los resultados de los diferentes estudios sugieren que la relación entre ambos métodos en la determinación del umbral se ve afectada por la región evaluada por el dispositivo NIRS, ya que se observaron buenos valores (ICC = 0,92-0,97) al evaluar el intercostal durante el ciclismo39. Además, el vasto lateral presentó CCI moderado o bueno en diferentes investigaciones25,42, por lo que el método de prueba o determinación elegido también puede ser crítico.

Se desarrollaron diferentes métodos para determinar los umbrales en la concentración de lactato en sangre y el intercambio de gases, que los usuarios suelen combinar para encontrar el punto de inflexión más óptimo51. A pesar de las investigaciones recientes sobre la aplicación de la tecnología NIRS con el fin de obtener umbrales, faltan investigaciones sobre sus métodos de determinación. Los artículos incluidos en esta revisión sistemática utilizan diferentes métodos para determinar los umbrales: BSX Insight (20%, N = 3)45,47,49, regresión lineal doble (46%, N = 7)16,26,39,41,42 ,43,44, método visual17,25,40, Dmax o Dmax modificado46 y aplicaciones de los dispositivos Humon Beta48.

BSX Insight, que determina el umbral haciendo una comparación con la concentración de lactato en sangre, presentó buenos valores de ICC, aunque utilizó un método patentado para determinar MOT basado en el punto de inflexión de SmO2 durante las pruebas incrementales45. Sin embargo, al ser este sistema comercial y patentado, se desconocen detalles específicos del algoritmo utilizado para dicha detección. Otro método importante es el visual, que podría ser el más preciso para detectar los umbrales17 pero con error humano asociado, o complementario al anterior como fue realizado por Turnes et al.26 Recomendamos que futuros estudios exploren diferentes métodos para analizar los umbrales mediante NIRS. tecnología, para aportar evidencia sobre cuáles son óptimas, si conviene combinar varias, o si algunas son más adecuadas para determinadas poblaciones o deportes.

Los músculos analizados con NIRS portátil habían sido estudiados previamente por Perrey & Ferrari19, quienes demostraron que la SmO2 se determinaba entre diferentes músculos (vasto lateral, gastrocnemio medial, intercostal, tríceps braquial) y muchos deportes (natación, fuerza, esquí, patinaje de velocidad, vela). , carrera, rugby, escalada, balonmano, ciclismo, kayak, judo, remo, fútbol, ​​esquí alpino). El vasto lateral fue el músculo más evaluado16,25,26,40,41,42,43,44,46, aunque también se evaluaron otros músculos como el gastrocnemio44,45,47,49, el recto femoral17, el bíceps femoral44, el deltoides lateral43 o el intercostal39. . Además, los músculos analizados en cada estudio dependen de los deportes realizados en la prueba, seleccionándose los principales músculos implicados en esa actividad. Por ejemplo, en ciclismo el músculo más evaluado fue el vasto lateral, ya que es el principal músculo que contribuye a la producción de potencia. Sin embargo, algunos estudios exploraron otras regiones durante el ciclismo que podrían afectar la determinación del umbral17,47, aunque el recto femoral también es productor de potencia en esta zona donde podría haber una mayor proporción de tejido adiposo52 o porque no se produce su activación neuromuscular. afectado por el aumento de la carga de trabajo durante la prueba (p. ej., gastrocnemio)53.

La revisión sistemática también se centró en las pruebas de ejercicio para determinar si se analizaron los umbrales en los músculos (umbrales locales) o si son músculos principales en ejercicio. Los artículos incluidos en esta revisión sistemática analizaron 1 o 3 músculos como máximo al mismo tiempo. Además, la mayoría de estos estudios se centraron en correlacionar los principales músculos del ejercicio con la concentración de lactato en sangre o el intercambio de gases, y es importante tener en cuenta que el lactato y el intercambio de gases determinan cambios sistémicos, mientras que la tecnología NIRS se puede utilizar para determinar una mayor respuesta local. Por este motivo, sería interesante realizar más estudios que analicen diferentes músculos simultáneamente para entender qué sucede en cada músculo durante la prueba de esfuerzo, y cómo algunos pueden estar más relacionados con cambios sistémicos mientras que otros tienen alteraciones más específicas.

Es importante considerar que el presente metanálisis se limita a una sola medida de confiabilidad (ICC) y es deseable contar con más estadísticas (p. ej., sesgo entre métodos) para mejorar la interpretación y aplicación de los presentes resultados. No se incluyó el sesgo debido al bajo número de estudios que informaron estos datos, y las diferentes unidades utilizadas (W, km·h-1 o porcentaje) también plantearon un desafío. Este punto debe considerarse como una limitación del presente trabajo, y futuros metanálisis con un mayor número de estudios deberían incorporar estadísticas más confiables. Algunos de los artículos incluidos en esta revisión demuestran un sesgo medio entre MOT2 y LT2 o VT2 que oscila entre 0,01 y 0,4 km·h−125,44,45,49, entre 3,9 y 15,4 W39,41, 0,05 W·kg−117 y 10,7 % de la potencia producida26. Sin embargo, Batterson et al.44 mostraron un sesgo medio mayor para MOT y LT1 (1,1–1,2 km·h−1), y Driller et al.47 también demostraron cómo el método de determinación podría afectar el sesgo, siendo el más bajo para el método Dmax (17 W) y el más alto para el método OBLA (37 W). Finalmente, el estudio de Feldmann et al.16 afirmó que en términos de potencia o velocidad, el sesgo representa un paso de rendimiento (para este estudio en particular, fue 25 W para ciclismo y 0,5 km·h-1 para carrera).

Aunque los estudios incluidos presentan bajo riesgo de sesgo en la mayoría de los dominios evaluados, el análisis realizado sugiere que dos dominios presentaron un riesgo de sesgo considerable: los factores de confusión y la selección de los participantes. Los principales problemas relacionados con el dominio de confusión fueron los estudios que no consideraron el efecto del nivel de entrenamiento de los participantes, la actividad previa o el sexo en sus resultados. En algunos casos, en los resultados informados solo aparece el valor de la correlación o el coeficiente de correlación intraclase sin el intervalo de confianza. Sin embargo, la mayoría de los estudios tuvieron un sesgo en el recuento de datos faltantes y en los resultados de medición. Futuros estudios deberían tener en cuenta estos aspectos, para controlarlos al máximo, mejorar su calidad y reducir sus sesgos. Además, estos aspectos son posibles fuentes de la alta heterogeneidad encontrada en el metanálisis.

La principal limitación del presente trabajo es el pequeño número de estudios incluidos en el metanálisis (N = 13). En el futuro, un mayor número de estudios incorporados al presente análisis podrían corroborar los resultados obtenidos. Además, hubo una alta heterogeneidad entre los diferentes estudios incluidos. En cuanto a la metodología, las regiones o la muestra evaluada, con participantes que van desde competidores de nivel nacional e internacional17 hasta recreativos42, podrían afectar los resultados del metanálisis.

Considerando todos los análisis realizados pensamos que se deberían priorizar las siguientes líneas de investigación en este ámbito: explorar cuáles son los métodos matemáticos de detección más adecuados en función de los deportes o poblaciones para NIRS, investigar si es posible detectar el primer umbral , analizando múltiples regiones al mismo tiempo para saber cuáles están más relacionadas con los umbrales sistémicos y cuáles tienen un comportamiento más específico del propio músculo, y entendiendo las diferencias en la detección de umbrales en función del sexo, nivel de rendimiento, cantidad de tejido adiposo tejido o el cambio de longitud del músculo durante el ejercicio.

La presente revisión sistemática y metanálisis muestra que, aunque el uso de un monitor portátil de oxigenación muscular tiene una confiabilidad de moderada a buena para determinar el segundo umbral, se necesitan más investigaciones para investigar los métodos matemáticos de detección, la capacidad de detectar el primer umbral, la detección en múltiples regiones, y el efecto del sexo, el nivel de rendimiento y el tejido adiposo en la determinación del umbral.

Los conjuntos de datos utilizados y/o analizados durante el estudio actual están disponibles del autor correspondiente previa solicitud razonable.

Ribeiro, J. et al. Evaluación de umbrales metabólicos y ventilatorios en natación crol. J. Medicina deportiva. Física. Aptitud 55, 7 (2015).

Google Académico

Seiler, KS y Kjerland, G. Ø. Cuantificación de la distribución de la intensidad del entrenamiento en atletas de resistencia de élite: ¿Existe evidencia de una distribución "óptima"? Escanear. J. Med. Ciencia. Deportes 16, 49–56 (2006).

Artículo PubMed Google Scholar

Stergiopoulos, DC, Kounalakis, SN, Miliotis, PG y Geladas, ND Segundo umbral ventilatorio evaluado por la variabilidad de la frecuencia cardíaca en una prueba de carrera de ida y vuelta múltiple. En t. J. Medicina deportiva. 42, 48–55 (2021).

Artículo PubMed Google Scholar

Poole, DC, Rossiter, HB, Brooks, GA y Gladden, LB El umbral anaeróbico: más de 50 años de controversia. J. Physiol. 599, 737–767 (2021).

Artículo CAS PubMed Google Scholar

Skinner, JS & Mclellan, TH La transición del metabolismo aeróbico al anaeróbico. Res. P. Ejercicio. Deporte 51, 234–248 (1980).

Artículo CAS PubMed Google Scholar

Halson, SL Monitorización de la carga de entrenamiento para comprender la fatiga en deportistas. Medicina deportiva. 44, 139-147 (2014).

Artículo PubMed Central Google Scholar

Caen, K. y col. Pruebas de rampa versus escalones: ¿alternativas válidas para determinar la intensidad máxima de lactato en estado estacionario?. EUR. J. Aplica. Fisiol. 121, 1899-1907 (2021).

Artículo CAS PubMed Google Scholar

Caen, K., Bourgois, JG, Stassijns, E. y Boone, J. Un estudio longitudinal sobre el uso intercambiable de umbrales de ejercicio local y de todo el cuerpo en el ciclismo. EUR. J. Aplica. Fisiol. 122, 1657–1670 (2022).

Artículo CAS PubMed PubMed Central Google Scholar

Ferretti, G., Fagoni, N., Taboni, A., Vinetti, G. y di Prampero, PE Un siglo de fisiología del ejercicio: conceptos clave sobre cómo acoplar el flujo de oxígeno respiratorio a la demanda de energía muscular durante el ejercicio. EUR. J. Aplica. Fisiol. 122, 1317-1365 (2022).

Artículo PubMed PubMed Central Google Scholar

Bentley, DJ, Newell, J. y Bishop, D. Diseño y análisis de pruebas de ejercicio incrementales. Medicina deportiva. 37, 575–586 (2007).

Artículo PubMed Google Scholar

Brooks, GA y cols. El lactato en la biología contemporánea: un fénix resucitado. J. Physiol. 600, 1229-1251 (2022).

Artículo CAS PubMed Google Scholar

Weltman, A. et al. Predicción del umbral de lactato y concentraciones fijas de lactato en sangre a partir de un rendimiento de carrera de 3200 m en corredores masculinos. En t. J. Medicina deportiva. 08, 401–406 (1987).

Artículo CAS Google Scholar

Chalmers, S., Esterman, A., Eston, R. & Norton, K. Estandarización del método Dmax para calcular el segundo umbral de lactato. En t. J. Fisiol Deportivo. Llevar a cabo. 10, 921–926 (2015).

Artículo PubMed Google Scholar

Hofmann, P. & Tschakert, G. Opciones basadas en la intensidad y la duración para regular el entrenamiento de resistencia. Frente. Fisiol. https://doi.org/10.3389/fphys.2017.00337 (2017).

Artículo PubMed PubMed Central Google Scholar

Iannetta, D., Qahtani, A., MattioniMaturana, F. y Murias, JM El punto de ruptura de la hemoglobina desoxigenada derivada de la espectroscopia de infrarrojo cercano es una medida repetible que delimita los dominios de intensidad del ejercicio. J. Ciencias. Medicina. Deporte 20, 873–877 (2017).

Artículo PubMed Google Scholar

Feldmann, A., Ammann, L., Gächter, F., Zibung, M. y Erlacher, D. Los puntos de corte de la saturación de oxígeno muscular reflejan los umbrales ventilatorios tanto en ciclismo como en carrera. J. hum. Cinet. 83, 87–97 (2022).

Artículo PubMed PubMed Central Google Scholar

Salas-Montoro, J.-A., Mateo-March, M., Sanchez-Muñoz, C. & Zabala, M. Determinación del segundo umbral de lactato mediante espectroscopia de infrarrojo cercano en ciclistas de élite. En t. J. Medicina deportiva. https://doi.org/10.1055/a-1738-0252 (2022).

Artículo PubMed Google Scholar

Jöbsis, FF Monitorización infrarroja no invasiva de la suficiencia de oxígeno cerebral y miocárdica y de los parámetros circulatorios. Ciencia 198, 1264-1267 (1977).

Artículo ADS PubMed Google Scholar

Perrey, S. & Ferrari, M. Oximetría muscular en ciencias del deporte: una revisión sistemática. Medicina deportiva. 48, 597–616 (2018).

Artículo PubMed Google Scholar

Feldmann, AM, Erlacher, D., Pfister, S. y Lehmann, R. Dinámica del oxígeno muscular en escaladores de élite durante las pruebas de suspensión con los dedos a diferentes intensidades. Ciencia. Rep. 10, 3040 (2020).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Barstow, TJ Comprensión de la espectroscopia del infrarrojo cercano y su aplicación a la investigación del músculo esquelético. J. Aplica. Fisiol. 126, 1360-1376 (2019).

Artículo CAS PubMed Google Scholar

Rolfe, P. Espectroscopia de infrarrojo cercano in vivo. Año. Rev. Biomed. Ing. 2, 715–754 (2000).

Artículo CAS PubMed Google Scholar

Seshadri, DR y cols. Sensores portátiles para monitorear la carga de trabajo interna y externa del atleta. Dígito NPJ. Medicina. 2, 71 (2019).

Artículo PubMed PubMed Central Google Scholar

Marostegan, AB y cols. Efectos de diferentes cargas de calentamiento de los músculos inspiratorios sobre las respuestas mecánicas, fisiológicas y de oxigenación muscular durante la carrera y la recuperación de alta intensidad. Ciencia. Rep. 12, 11223 (2022).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Rodrigo-Carranza, V., González-Mohíno, F., Turner, AP, Rodriguez-Barbero, S. & González-Ravé, JM Uso de un dispositivo portátil de espectroscopía de infrarrojo cercano para estimar el segundo umbral ventilatorio. En t. J. Medicina deportiva. 42, 905–910 (2021).

Artículo CAS PubMed Google Scholar

Turnes, T. y col. Asociación entre el punto de ruptura de la hemoglobina desoxigenada, el umbral anaeróbico y el rendimiento en el remo. En t. J. Fisiol Deportivo. Llevar a cabo. 14, 1103-1109 (2019).

Artículo PubMed Google Scholar

Página, MJ y col. La declaración PRISMA 2020: una guía actualizada para informar revisiones sistemáticas. BMJ 372, n71 (2021).

Artículo PubMed PubMed Central Google Scholar

McKay, también conocido como et al. Definición de calibre de capacitación y desempeño: un marco de clasificación de participantes. En t. J. Fisiol Deportivo. Llevar a cabo. 17, 317–331 (2021).

Artículo de Google Scholar

Pauw, KD y cols. Directrices para clasificar grupos de sujetos en la investigación en ciencias del deporte. En t. J. Fisiol Deportivo. Llevar a cabo. 8, 111-122 (2013).

Artículo PubMed Google Scholar

Thomson, H., Craig, P., Hilton-Boon, M., Campbell, M. y Katikireddi, SV Aplicación de la herramienta ROBINS-I a experimentos naturales: un ejemplo de salud pública. Sistema. Apocalipsis 7, 15 (2018).

Artículo PubMed PubMed Central Google Scholar

Drevon, D., Fursa, SR y Malcolm, AL Fiabilidad y validez del intercodificador de webplotdigitizer en la extracción de datos gráficos. Comportamiento. Modificar. 41, 323–339 (2017).

Artículo PubMed Google Scholar

Badenes-Ribera, L., Rubio-Aparicio, M., Sánchez-Meca, J., Fabris, MA & Longobardi, C. La asociación entre dismorfia muscular y sintomatología de los trastornos alimentarios: una revisión sistemática y un metanálisis. J. Comportamiento. Adicto. 8, 351–371 (2019).

Artículo PubMed PubMed Central Google Scholar

Botella, J., Suero, M. & Gambara, H. Inferencias psicométricas a partir de un metaanálisis de coeficientes de confiabilidad y consistencia interna. Psicólogo. Métodos 15, 386–397 (2010).

Artículo PubMed Google Scholar

Duval, S. y Tweedie, R. Recortar y rellenar: un método simple basado en gráficos en embudo para probar y ajustar el sesgo de publicación en el metanálisis. Biometría 56, 455–463 (2000).

Artículo CAS PubMed MATEMÁTICAS Google Scholar

Sterne, JAC & Egger, M. Métodos de regresión para detectar sesgos de publicación y otros en el metanálisis. En Sesgo de publicación en metanálisis 99–110 (Wiley, 2005). https://doi.org/10.1002/0470870168.ch6.

Portney, LG y Watkins, MP Fundamentos de la investigación clínica: aplicaciones a la práctica (Pearson/Prentice Hall, 2009).

Google Académico

Viechtbauer, W. Realización de metanálisis en R con el paquete metafor. J. estadística. Software. 36, 1–48 (2010).

Artículo de Google Scholar

Equipo central de R. R: Un lenguaje y entorno para la computación estadística 2012. (Fundación R para la Computación Estadística, 2022).

Contreras-Briceño, F. et al. Determinación del punto de compensación respiratoria mediante la detección de cambios en la oxigenación de los músculos intercostales mediante espectroscopia de infrarrojo cercano. Vida 12, 444 (2022).

Artículo ADS PubMed PubMed Central Google Scholar

Osmani, F., Lago-Fuentes, C., Alemany-Iturriaga, J. & Barcala-Furelos, M. La relación del analizador de saturación de oxígeno muscular con otras herramientas de monitorización y cuantificación en una prueba incremental máxima en cinta rodante. Frente. Fisiol. https://doi.org/10.3389/fphys.2023.1155037 (2023).

Artículo PubMed PubMed Central Google Scholar

Raleigh, C., Donne, B. y Fleming, N. Asociación entre diferentes umbrales derivados de forma no invasiva con el umbral de lactato durante el ejercicio incremental gradual. En t. J. Ejercicio. Ciencia. 11, 391–403 (2018).

PubMed PubMed Central Google Académico

Van Der Zwaard, S. et al. Umbral de oxigenación derivado de espectroscopia de infrarrojo cercano: confiabilidad y su relación con el primer umbral ventilatorio. MÁS UNO 11, e0162914 (2016).

Artículo PubMed PubMed Central Google Scholar

Yogev, A. et al. Comparación del punto de compensación respiratoria con la saturación de oxígeno muscular en músculos locomotores y no locomotores mediante espectroscopia NIRS portátil durante el ejercicio de todo el cuerpo. Frente. Fisiol. 13, 818733 (2022).

Artículo PubMed PubMed Central Google Scholar

Batterson, PM, Kirby, BS, Hasselmann, G. & Feldmann, A. Las tasas de saturación de oxígeno muscular coinciden con los umbrales de ejercicio basados ​​en lactato. EUR. J. Aplica. Fisiol. https://doi.org/10.1007/s00421-023-05238-9 (2023).

Artículo PubMed Google Scholar

Borges, NR y Driller, MW El dispositivo portátil de predicción del umbral de lactato es válido y confiable en corredores. J. Cond. de fuerza. Res. 30, 2212–2218 (2016).

Artículo PubMed Google Scholar

Cayot, TE et al. Estimación del umbral de lactato mediante espectroscopia inalámbrica de infrarrojo cercano y análisis de detección de umbral. En t. J. Ejercicio. Ciencia. 14, 284–294 (2021).

PubMed PubMed Central Google Académico

Driller, M., Borges, N. & Plews, D. Evaluación de un nuevo sensor de umbral de lactato portátil en ciclistas recreativos y altamente entrenados. Ing. Deportivo. 19, 229–235 (2016).

Artículo de Google Scholar

Farzam, P., Starkweather, Z. y Franceschini, MA Validación de una novedosa tecnología inalámbrica y portátil para estimar los niveles de oxígeno y la potencia umbral de lactato en el músculo en ejercicio. Fisiol. Rep. 6, e13664 (2018).

Artículo PubMed PubMed Central Google Scholar

McMorries, RM, Joubert, DP, Jones, EJ y Faries, MD Un estudio de validación de un dispositivo de umbral de lactato no invasivo. En t. J. Ejercicio. Ciencia. 12, 221–232 (2019).

PubMed PubMed Central Google Académico

Lin, C.-W., Huang, C.-F., Wang, J.-S., Fu, L.-L. y Mao, T.-Y. Detección de umbrales ventilatorios mediante espectroscopia de infrarrojo cercano con un modelo de regresión polinómica. Arabia J. Biol. Ciencia. 27, 1637-1642 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Jamnick, NA, Pettitt, RW, Granata, C., Pyne, DB y Bishop, DJ Un examen y crítica de los métodos actuales para determinar la intensidad del ejercicio. Medicina deportiva. 50, 1729-1756 (2020).

Artículo PubMed Google Scholar

Niemeijer, VM et al. La influencia del tejido adiposo en la oxigenación del músculo esquelético derivada de la espectroscopia de infrarrojo cercano resuelta espacialmente: el alcance del problema. Fisiol. Medidas. 38, 539–554 (2017).

Artículo PubMed Google Scholar

Quesada, JIP, Bini, RR, Diefenthaeler, F. & Carpes, FP Propiedades espectrales de la activación muscular durante la prueba de ciclismo incremental. J. Ciencias. ciclo. 4, 7-13 (2015).

Google Académico

McGuinness, LA & Higgins, JPT VISualización de riesgo de sesgo (robvis): un paquete R y una aplicación web Shiny para visualizar evaluaciones de riesgo de sesgo. Res. Sintetizador. Métodos 12, 55–61 (2021).

Artículo PubMed Google Scholar

Descargar referencias

La contribución de JM-F fue financiada por una beca de doctorado (ref. FPU20/01060) del Ministerio de Universidades de España.

Grupo de Investigación en Biomecánica del Deporte (GIBD), Departamento de Educación Física y Deporte, Facultad de Ciencias de la Actividad Física y el Deporte, Universitat de València, C/Gascó Oliag, 3, 46010, Valencia, España

Carlos Sendra-Pérez, Jose Luis Sanchez-Jimenez, Joaquín Martín Marzano-Felisatti, Alberto Encarnación-Martínez & Jose I. Priego-Quesada

Red Española de Investigación del Rendimiento Deportivo en Ciclismo y Mujer (REDICYM), Consejo Superior de Deportes (CSD), Facultad de Ciencias de la Actividad Física y del Deporte, Campus d’Ontinyent, Laboratorio Biomecánica, Avda. Conde de Torrefiel n° 22, 46870, Ontinyent, Spain

Alberto Encarnación-Martínez, Rosario Salvador-Palmer & Jose I. Priego-Quesada

Grupo de Biofísica y Física Médica, Departamento de Fisiología, Universitat de València, Facultad de Medicina y Odontología, Avd. Blasco Ibáñez 15, 46010, Valencia, España

Rosario Salvador-Palmer & Jose I. Priego-Quesada

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

CSP y JIPQ tuvieron la conceptualización de la idea. Todos los autores contribuyeron al diseño del estudio. CS, JSJ y JMF trabajaron en la curación de datos. CSP y JIPQ realizaron el análisis estadístico y la visualización de datos. RSP, AEM y JIPQ supervisaron el proyecto. CSP escribió el borrador original del manuscrito y todos los autores revisaron, editaron y aceptaron la versión final del manuscrito.

Correspondence to Jose I. Priego-Quesada.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Sendra-Pérez, C., Sánchez-Jiménez, JL, Marzano-Felisatti, JM et al. Fiabilidad de la determinación del umbral mediante monitores portátiles de oxigenación muscular durante la prueba de ejercicio: una revisión sistemática y un metanálisis. Informe científico 13, 12649 (2023). https://doi.org/10.1038/s41598-023-39651-z

Descargar cita

Recibido: 05 de mayo de 2023

Aceptado: 28 de julio de 2023

Publicado: 04 de agosto de 2023

DOI: https://doi.org/10.1038/s41598-023-39651-z

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.