Entra?nement de la force basé sur des données contre l'atrophie musculaire
Des chercheurs de l'ETH Zurich et de la ZHAW élaborent une méthode simple permettant de décrire avec précision l'entra?nement de force sur des appareils et de saisir les grandeurs de comparaison manquantes. Cela pourrait aider à l'avenir à développer des stratégies d'entra?nement optimisées, y compris contre l'atrophie musculaire liée à l'?ge.
Les muscles sont indispensables à la vie. La musculature squelettique représente à elle seule jusqu'à quarante pour cent du poids de notre corps. Ils transforment l'énergie chimique en énergie mécanique et génèrent la force avec laquelle nous respirons et nous dépla?ons. Les muscles servent également de réservoir pour les hydrates de carbone, les protéines et les acides gras et contribuent de manière essentielle au métabolisme et à l'équilibre énergétique.
La masse musculaire diminue toutefois de manière continue à partir de la quarantaine environ. Cette perte musculaire liée à l'?ge, appelée sarcopénie dans le jargon médical, est d'environ six pour cent en dix ans. Jusqu'à quatre-vingts ans, une personne perd ainsi environ un tiers de sa masse musculaire maximale. Les performances diminuent nettement et la qualité de vie se dégrade.
L'entra?nement musculaire comme médecine
Il est bien connu que l'activité physique peut stimuler la croissance musculaire. L'entra?nement musculaire est donc considéré comme la mesure la plus importante pour contrer les effets négatifs de la sarcopénie. On ignore toutefois en grande partie à quoi doit ressembler exactement un entra?nement musculaire ciblé pour remplir son objectif de manière optimale.
"Cela est d? au fait que l'on ne décrit pas assez précisément l'entra?nement de la force dans la pratique. Il n'est donc guère possible de tirer des conclusions sur la formation des muscles", explique Claudio Viecelli, doctorant à l'Institut de biologie systémique moléculaire auprès du professeur Ernst Hafen de l'ETH.
C'est cette lacune que Viecelli veut combler. Dans le cadre de sa thèse de doctorat, le biologiste moléculaire et musculaire a développé, en collaboration avec des collègues de la Haute école des sciences appliquées de Zurich (ZHAW) et de Kieser Training AG, une méthode d'une simplicité déconcertante : elle utilise les capteurs d'accélération des smartphones courants pour enregistrer avec une haute résolution temporelle le déroulement des exercices de musculation sur les appareils. Les chercheurs font actuellement état de leur méthode dans la revue spécialisée page externePLOS ONE.
Recherché par les chercheurs : Temps sous tension
Jusqu'à présent, lors d'un entra?nement de musculation, seul le travail effectué avec un poids est consigné à l'aide du nombre de séries et de répétitions. De telles données d'entra?nement ne sont toutefois pas suffisamment comparables et donc sous-optimales pour étudier les effets possibles de l'entra?nement sur la formation musculaire. Pour la physiologie musculaire, le modèle temporel de l'exercice de force est pertinent.
Les grandeurs descriptives nécessaires à cet effet sont connues depuis longtemps dans la théorie : Il s'agit entre autres de la "répétition unique", qui consiste à soulever et à abaisser la charge ; puis des "temps de contraction spécifiques", qui indiquent la durée de tension respective des muscles pour le soulèvement et l'abaissement ; et enfin de la "durée de tension totale" - elle chiffre la durée totale pendant laquelle la musculature est tendue au cours d'un exercice.
De l'accélération à la contraction
Jusqu'à présent, il n'existe cependant pas d'approche appropriée pour saisir ces grandeurs de manière fiable dans la salle de musculation. "Pour cela, il faudrait plusieurs chronomètres, voire plusieurs assistants - mais ce n'est guère praticable. C'est pourquoi ces données manquent généralement dans les protocoles d'entra?nement ainsi que dans les publications scientifiques", explique Viecelli, qui pratique lui-même la musculation avec enthousiasme. En cherchant une solution, il a eu l'idée d'utiliser son smartphone comme outil d'analyse numérique.
Pour tester cette idée, Viecelli a examiné les exercices d'entra?nement de 22 volontaires sur neuf appareils de musculation à l'ASVZ Irchel. Il a fixé à chaque fois le smartphone au bloc de poids afin qu'il enregistre les accélérations pendant les exercices. Une application spécialement programmée a enregistré les données des capteurs. A partir des profils d'accélération, Viecelli a effectivement pu déterminer les temps de contraction en question. En comparant avec des enregistrements vidéo, il a en outre montré que la méthode était suffisamment précise et fonctionnait de manière fiable.
Objectif à long terme : une salle de musculation numérisée
La nouvelle méthode d'analyse permet de décrire les exercices musculaires de manière beaucoup plus précise qu'auparavant et de saisir les grandeurs de comparaison pertinentes de manière standardisée. Ce n'est qu'ainsi qu'il sera possible de quantifier l'entra?nement de musculation en tant que stimulus de la formation musculaire et d'identifier, à l'aide d'études comparatives, les changements induits par l'entra?nement dans la physiologie musculaire. Cela pourrait notamment aider à lutter contre la sarcopénie associée à l'?ge et ses séquelles.
La méthode est en premier lieu destinée à la recherche. Mais selon Viecelli, il est envisageable qu'à l'avenir, les sportifs utilisent cet outil pour saisir eux-mêmes des données avec leur smartphone. Ils pourraient ainsi mieux adapter les plans d'entra?nement à leurs besoins.
De telles données d'utilisateur sont à leur tour intéressantes pour la science. La vision de Viecelli est une salle de musculation numérisée avec une multitude de données d'entra?nement que l'on peut mettre en corrélation avec le corps. "Notre objectif est de développer des stratégies d'entra?nement personnalisées afin d'augmenter la masse musculaire, la force ou les deux à la fois de manière efficace et efficiente", explique le biologiste moléculaire et musculaire.
Référence bibliographique
Viecelli C, Graf D, Aguayo D, Hafen E, Füchslin R. Using smartphone accelerometer data to obtain scientific mechanical-biological descriptors of resistance exercise training. PLOS ONE (2020), publié en ligne le 15 juillet, doi : page externe10.1371/journal.pone.0235156