Sambandet mellan rörelseekonomin vid cykling och löpning för elitaktiva triathleter

Examensarbete

Kandidatnivå

Sambandet mellan rörelseekonomin vid cykling och löpning för elitaktiva triathleter

The relationship between gross efficiency during cycling and running among elite triathlets

Författare: Marie Carlsson Handledare: Tomas Carlsson Examinator: Magnus Carlsson

Ämne/huvudområde: Idrotts- och hälsovetenskap Kurskod: GIH253

Poäng: 15 hp

Examinationsdatum: 2019-07-04

Vid Högskolan Dalarna finns möjlighet att publicera examensarbetet i fulltext i DiVA.

Publiceringen sker open access, vilket innebär att arbetet blir fritt tillgängligt att läsa och ladda ned på nätet. Därmed ökar spridningen och synligheten av examensarbetet.

Open access är på väg att bli norm för att sprida vetenskaplig information på nätet.

Högskolan Dalarna rekommenderar såväl forskare som studenter att publicera sina arbeten open access.

Jag/vi medger publicering i fulltext (fritt tillgänglig på nätet, open access):

Sammanfattning

Syfte

Syftet med denna studie var att undersöka om det finns ett samband mellan rörelseekonomin (GE) i cykling och löpning, hos elitaktiva triathleter. Vidare syftar denna studie till att undersöka om det finns någon skillnad mellan GE vid cykling och löpning samt om det finns någon könsmässig skillnad i GE för dessa två olika aktivitetsformer.

Metod

Studiedeltagarna (5 kvinnor, 5 män) (23 ± 7,5 år) genomförde ett cykeltest och ett löptest för att bestämma deltagarnas GE. Rullbandets lutning var 2,5º och intensitetsnivåerna varade fem minuter med en minuts stående vila. För varje ny nivå ökade hastigheten med 2,4 km∙tim

vid cykeltestet och 0,6 km∙tim

vid löptestet. Under testen analyserades deltagarnas syreupptagning samt direkt efter avslutad nivå togs ett laktatprov. Deltagarnas GE beräknades utifrån den relativa arbetsnivån där laktathalten stigit 1 mmol∙l

från det lägsta uppmätta värdet. Pearsons korrelation, oberoende t-test och parat t-test genomfördes för att kunna identifiera eventuella samband, könsskillnader respektive skillnader för de två aktivitetsformerna avseende GE. Alfanivån för statistisk signifikans sattes till 0,05.

Resultat

Det var ett signifikant samband mellan GE för cykling och löpning (p = 0,041). Det förekom ingen könsmässig skillnad i GE för varken cykling (p = 0,59) eller löpning (p = 0,31). Däremot är GE för cykling högre än för löpning (p < 0,001).

Slutsatser

En triathlet med högt GE vid cykling har generellt sett ett högt GE vid löpning, trots att dessa aktivitetsformer skiljer sig åt såväl koordinativt som utifrån ett GE-perspektiv.

Nyckelord: Rörelseekonomi, cykling, löpning

Abstract

Purpose

The aim of this study was to investigate whether there is a correlation between gross efficiency (GE) in cycling and running among elite triathletes.

Furthermore, this study aims to investigate if there is a difference between GE in cycling and running and whether there is any gender difference in GE for these two different forms of activity.

Methods

The participants (5 women, 5 men) (23 ± 7.5 years) performed a cycle test and a running test to determine the participants’ GE. The treadmill inclination was set to 2.5º and the intensity levels lasted five minutes with one minute standing rest. For each new level, the speed increased by 2.4 km∙h

in the cycling test and 0.6 km∙h

in the running test. During the tests, the participants’ oxygen uptake was analysed and a lactate sample was taken immediately after the completed level. The

participants’ GE was calculated based on the relative work intensity where the lactate concentration increased 1 mmol∙l

from the lowest measured value.

Pearson's correlation, independent samples t-test and paired sample t-test were conducted to identify relationship, gender differences, and difference in GE

between the activity forms, respectively. The alpha level for statistical significance was set to 0.05.

Results

There was a significant correlation between GE in cycling and running (p = 0.041).

There was no significant gender difference in GE for either cycling (p = 0.59) or running (p = 0.31). However, GE in cycling was higher than in running (p < 0,001).

Conclusions

A triathlete with high GE in cycling generally has a high GE in running, despite that these forms of activity differ both coordinatively and from a GE perspective.

Key words: Gross efficiency, cycling, running

Innehållsförteckning

Introduktion ... 2

Syfte ... 5

Frågeställningar ... 5

Metod ... 6

Urval ... 6

Förberedelser ... 6

Cykeltest ... 7

Vila ... 10

Löptest ... 10

Statistisk analys ... 11

Etiska överväganden ... 11

Resultat ... 12

Diskussion ... 15

Resultatdiskussion ... 15

Metoddiskussion ... 17

Fortsatt forskning ... 19

Slutsatser ... 20

Referenser ... 21

Bilagor ... 24

Bilaga 1. Informationsbrev ... 24

Bilaga 2. Samtyckesformulär ... 26

Introduktion

Standarddistansen för en triathlon är den olympiska distansen vilken omfattar 1,5 km simning, 40 km cykling och 10 km löpning med en totaltid under två timmar för världseliten (Bentley, Millet, Vleck, & McNaughton, 2002). Vid den

olympiska distansen startar eliten samtidigt och det är tillåtet att ligga bakom varandra under såväl simmomentet, cykelmomentet som löpmomentet.

Inom uthållighetsidrott kan prestationen påverkas av såväl mentala strategier med visualisering, självprat och målsättning (McCormick, Meijen & Marcora, 2015) som fysiologiska mekanismer som hur snabbt man kan anpassa syreupptaget utifrån ett förändrat syrekrav i muskulaturen (Jones & Carter, 2000). De viktiga fysiska kraven för en elittriathlet är ett högt maximalt syreupptag (V̇O

max), en hög intensitetsnivå vid den anaeroba tröskeln och ett högt GE (Sleivert &

Rowlands, 1996). Även tekniska och taktiska färdigheter i både simningen, cyklingen och löpningen påverkar prestationen (Ofoghi, Zeleznikow, Macmahon, Rehula, & Dwyer, 2016).

Triathlontävlingar på den olympiska distansen möjliggör att man rent taktiskt kan lägga sig bakom medtävlare för att minska vatten- och luftmotståndet vid de olika delmomenten med avsikt att spara energi (Bentley et al., 2002, Zouhal et al., 2015, Davies, 1980). Denna energisparande strategi kan medföra att atleten orkar springa på en högre procent av sitt V̇O

max vid löpmomentet (Bentley et al., 2002).

Mooses et al. (2015) undersökte den Kenyanska löpareliten där achilles momentarm associerades med en bättre rörelseekonomi och att detta är en av många faktorer som kan förutse prestationen. Rörelseekonomi (gross efficiency (GE)) är förhållandet mellan utfört arbete som genereras och den totala

metaboliska energikostnaden och kan formuleras som GE = utfört arbete /

energiförbrukning och uttrycks i procent (Ettema & Lorås, 2009). Ettema och

Lorås (2009) menar att en atlet med ett högt GE är mer energieffektiv vid en given

hastighet än vad en icke energieffektiv atlet är. Genom ett rörelseekonomitest, som

utförs på ett rullband, beräknas det utförda arbetet vilket är det arbete som krävs

för att övervinna hjulens rullfriktion och arbetet mot gravitationen vid den givna

arbetsintensiteten. (Carlsson et al., 2016). Energiförbrukningen beräknas genom att

fastställa respiratoriska kvoten (RER), som är kvoten av inandat syre och utandad

koldioxid, samt medelvärdet av syreupptaget de sista två minuterna vid den givna arbetsintensiteten (Carlsson et al., 2016).

Enligt Moseley, Achten, Martin, och Jeukendrup (2004) finns det ingen signifikant skillnad mellan motionärers (18,6 ± 0,3 %), tränade cyklisters (18,8 ± 0,4 %) och elitcyklisters (17.9 ± 0,3 %) GE. Lucia, Hoyos, Perez, Santalla och Chicharro (2002) undersökte manliga professionella cyklister, där resultatet visade på att ett högt GE (24,5 ± 0,7 %) vid cykling verkar kompensera för ett relativt lågt

V̇O

max. Hopker, Jobson, Carter och Passfield (2010) jämförde manliga och kvinnliga tävlingscyklister, där GE var högre hos kvinnor vid 150 W (22,5 ± 2,1 vs 19,9 ± 1,8 %) och 180 W (22,3 ± 1,8 vs 20,4 ± 1,5 %). Nickleberry och Brooks (1996) menar att tidigare cykelerfarenhet var av mindre betydelse när GE

jämfördes mellan manliga motionärer och tävlingscyklister där GE för cyklingen var mellan 15-28 % hos tävlingscyklisterna och mellan 13-22 % hos motionärerna.

Enligt Foster och Lucia (2007) har triathleter på hög nivå, antingen genom träning eller genetiska fördelar, höga värden för V̇O

max och att framtida förbättringar hos en individs prestation kan bero på förbättrad rörelseekonomi vid löpning. Det förekommer att löpekonomin uttrycks i hur lågt V̇O

löparen har vid den givna hastigheten 3:44 min∙km

, där den högsta rapporterade rörelseekonomin vid löpning år 2007 var 39,0 ml∙min

∙kg

(Foster & Lucia, 2007). Conley och Krahenbuhl (1980) observerade rörelseekonomi vid löpning i ett nationellt 10 km lopp i USA, där männen efteråt testade sitt syreupptag i ett steady-state-test och ett V̇O

max-test. Steady state anses vara det mest stabila tillståndet att läsa av

rörelseekonomin (Conley & Krahenbuhl, 1980). De menar att rörelseekonomi vid löpning spelar stor roll för prestationen i ett 10 km lopp för vältränade löpare med liknande V̇O

max. Daniels och Daniels (1992) undersökte vältränade manliga och kvinnliga medel- och långdistanslöpare som utförde submaximala tester vid olika rullbandshastigheter. Det fanns inga signifikanta skillnader vid liknande intensitet mellan könen. Männen var dock mer rörelseekonomiska än kvinnorna vid samma hastighet, där männen konsumerade mindre syre (p < 0,05).

Inom triathlon har en tidigare studie undersökt sambandet mellan triathleters

rörelseekonomi vid cykling och löpning (Swinnen, Kipp, & Kram, 2018). De

använde sig av ett konstant motstånd (200 W) vid cyklingen (på en stationär

testcykel) och en bestämd hastighet vid löpningen (12,5 km∙tim

vid horisontell lutning) och uttrycker rörelseekonomi som effektutveckling. Inget samband påvisades mellan rörelseekonomin för cykling och löpning (r = 0,66; p = 0,053).

En stationär testcykel begränsar dem laterala cykelrörelserna som förekommer vid

naturlig vägcykling och påverkar sannolikt cyklistens rörelser (Hug & Dorel,

2009). Rörelser som cyklisten orsakar utöver den energi som enbart används för att

komma framåt kan vara en svaghet som Swinnen et al. (2018) inte tagit hänsyn till

i sin undersökning av rörelseekonomi. Swinnen et al. (2018) analyserade data från

friska, uthållighetsutövande manliga atleter (löpare, cyklister och triathleter) samt

rekommenderar att resultatet inte bör generaliseras för kvinnor. Följaktligen har

ingen tidigare studie undersökt skillnaden och sambandet mellan elitaktiva

triathleters GE vid cykling och löpning på rullband vid konstant lutning.

Syfte

Syftet med denna studie var att undersöka om det finns ett samband mellan rörelseekonomin (GE) i cykling och löpning, hos elitaktiva triathleter. Vidare syftar denna studie till att undersöka om det finns någon skillnad mellan GE vid cykling och löpning samt om det finns någon könsmässig skillnad i GE för dessa två olika aktivitetsformer.

Frågeställningar

Finns det ett samband mellan elitaktiva triathleters GE vid cykling och löpning?

Finns det skillnad mellan mäns och kvinnors GE vid cykling?

Finns det skillnad mellan mäns och kvinnors GE vid löpning?

Finns det skillnad mellan GE för löpning och cykling?

Metod

Urval

Tio elitaktiva triathleter (5 kvinnor, 5 män) deltog i studien, se tabell 1. Sju av studiedeltagarna (SD) hade placerat sig topp tre på svenska ungdoms-, junior- eller seniormästerskapen (U/J/S SM) under se senaste fem åren. Samtliga SD hade meriterat sig inom topp åtta i U/J/S SM under samma period. Studiedeltagare rekryterades från en gymnasieskola (NIU) med triathloninriktning (n = 3) och från en förening med elitaktiva triathleter (n = 7) boende i närområdet. Deltagarna i studien fick ta del av ett informationsbrev (Bilaga 1) som beskrev studien och deras medverkan, samt hur personuppgifter skulle hanteras. Därefter hade SD möjlighet att ställa frågor angående testprocedur och förberedelser. SD fick

instruktioner om att de enbart fick genomföra lättare träning dagarna innan testerna samt att inte träna något samma dag som testerna. Vidare instruerades SD om att inte äta eller dricka något (förutom vatten) två timmar innan teststart.

Tabell 1. Studiedeltagarnas ålder, vikt och längd.

Kvinnor Män Totalt

Ålder (år) 23,0 ± 7,5 24,8 ± 6,5 25,0 ± 7,0 Vikt (kg) 63,6 ± 10,5 72,8 ± 5,0 65,0 ± 12,0 Längd (cm) 169,2 ± 9,5 180,8 ± 4,5 172,0 ± 12,5 Ålder, vikt och kroppslängd presenteras som medelvärde ± standardavvikelse.

Förberedelser

En hälsodeklaration fylldes i och samtyckesformuläret skrevs på innan teststart.

Mätning (Harpenden Stadiometer; Holtain Ltd, Crymych, Storbritannien) och vägning (Midrics 2; Sartorius AG, Göttingen, Tyskland) av SD samt vägning av material, såsom cykel, hjälm, cykelskor, säkerhetssele, pulsband och löparskor samt de kläder som skulle användas under testerna, som skulle användas under testerna gjordes innan SD beträdde rullbandet. Kalibrering av

syreupptagningsutrustningen gjordes under uppvärmningen. En standardiserad

uppvärmning genomfördes på rullbandet, där de fem första minuterna även syftade

till inlärning uppe på bandet med cykeln vid en hastighet på 18 och 20 km∙tim

för

kvinnor respektive män vid noll graders lutning. Därefter höjdes lutningen och hastigheten sänktes till studiedeltagarens angivna ingångsvärden under ytterligare 2,5 minut, med avsikt att SD skulle få känna på rullbandslutningen och hastigheten inför testet. Sedan testades friktionskoefficienten mellan cykel och rullband, då justerades bandets lutning till ett negativt värde (nedförsbacke) och hastigheten höjdes till 20 km∙tim

samtidigt som SD slutade trampa. När bandets lutning justerats så att SD förhöll sig i jämvikt noterades lutningen som därefter användes för att beräkna friktionskoefficienten (µ) utifrån formeln: µ = (m

∙ g ∙ sin α) / (m

∙ g ∙ cos α), där m

är SD:s totala massa inklusive cykel, g är

gravitationskonstanten och α är jämnviktslutningen.

Cykeltest

Testtillfället utgjordes inledningsvis av ett cykeltest (med egen cykel och egna cykelskor) efterföljt av ett löptest, för att efterlikna ordningsföljden i triathlon.

Testet undersökte GE vid 5-6 stycken olika intensitetsnivåer, baserat på SD:s avklarade intensitetsnivås RER-värde. Även SD:s uppskattning av intensitetsnivån beaktades utefter Borgskalan (Borg, 1982), där skattningen inte skulle överstiga 17 (”mycket ansträngande”) för att SD i detta avseende skulle få genomföra

ytterligare en nivå. Hastighetsnivåerna för cyklingen ökades med 2,4 km∙tim

(Tabell 2).

Tabell 2. Hastighetsnivåerna hos kvinnor och män för respektive intensitetsnivå.

v, 1 (km∙tim^-1)

v, 2 (km∙tim^-1)

v, 3 (km∙tim^-1)

v, 4 (km∙tim^-1)

v, 5 (km∙tim^-1)

v, 6 (km∙tim^-1)

Kvinnor cykling 11,6 14,0 16,4 18,8 21,2 23,6

Kvinnor löpning 8,2 8,8 9,4 10,0 10,6 11,2

Män cykling 16,4 18,8 21,2 23,6 26,0 28,4

Män löpning 10,0 10,6 11,2 11,8 12,4 13,0

v representerar rullbandshastigheten. De olika hastighetsnivåerna utfördes med en rullbandslutning på 2,5°.

Figur 1. Flödesschema för testproceduren avläses från höger till vänster. Uv = uppvärmning på bandet innan testets start. När SD 1 vilar testas SD nr 2.

Testerna genomfördes på ett rullband (HP COSMOS Saturn 450/300rs;

h/p/cosmos sports & medical GmbH, Nussdorf-Traunstein, Tyskland) med en konstant lutning (2,5º) för både cyklingen och löpningen. Syreupptagningen mättes med hjälp av syreupptagsutrustning (Jaeger Oxycon Pro; Erich Jaeger Gmbh, Tyskland) som även mätte produktionen av koldioxid. Detta

syreupptagningsinstrument gjorde det möjligt att ta reda på energiförbrukningen för de olika arbetsintensiteterna för både cykel- och löpmomentet. Som en extra åtgärd för att kontrollera intensitetsnivåerna togs ett kapillärt blodprov efter uppvärmning och efter varje avklarad hastighetsnivå för att analysera blodlaktatkoncentrationen (Biosen 5140; EKF-Diagnostic GmbH, Barleben, Tyskland). Varje hastighetsnivå var fem minuter lång för att vara säker på att SD uppnådde steady state (ett tillstånd där syreförbrukningen är konstant under en längre tid). Varje avklarad hastighetsnivå efterföljdes av en minuts vila där bandet stannades och ett kapillärt blodprov togs.

För beräkning av GE nyttjades förhållandet; utfört arbete / energiförbrukning.

Friktionskoefficienten användes för att beräkna det utförda arbetet genom ((m

∙ g

∙ [sin α] ∙ v + k

∙ m ∙ g ∙ [cos α] ∙ µ ∙ v) ∙ k

) ∙ 1000

(W). I de fall då arbetsintensiteteten resulterade i ett RER-värde över 1,0 och/eller en

blodlaktatkoncentration som översteg 4,0 mmol·l

, så exkluderades detta värde från den slutliga beräkningen av GE. Vid en arbetsintensitet vid eller över en laktatkoncentration på 4 mmol·l

kommer det en för stor del av energibidraget från anaeroba processer vilket medför att GE-värdet inte blir lika tillförlitligt (Foster & Lucia, 2007). Däremot användes eventuella laktatvärden högre än 4,0 mmol·l

för att skapa kurvan för sambandet mellan arbetsintensitet och

laktatkoncentration. Mätvärdena från syreupptagningsutrustningen importerades

till Excel för att beräkna medelvärdet av RER, V̇CO

och V̇O

under de sista två

minuterna för varje intensitetsnivå för respektive löp- och cykeltest.

För att kunna jämföra rörelseekonomivärdena för cykling och löpning så utgjordes arbetsintensiteten vid laktatvariabeln Rise1mmol referensvärdet. Rise1mmol representerar den arbetsintensitet då blodlaktatvärdet stigit 1 mmol·l

från det lägsta uppmätta värdet. Exempelvis 0,64 mmol vid 158,5 W till 1,64 mmol vid 218 W (Figur 2). För att fastställa Rise1mmol plottades först mätvärdesparen för laktat och arbetsintensitet in i ett diagram och laktatkurvans ekvation beräknades i Excel (Figur 2). Med utgångspunkt från kurvans ekvation beräknades det laktatvärde som varje effektutveckling motsvarade och effektvärdet vid Rise1mmol lästes av.

Nästa steg i att fastställa vilket GE-värde som effektutvecklingen vid Rise1mmol motsvarade var att ta fram det linjära sambandet mellan effektutvecklingen och GE (Figur 3). Ekvationen för sambandet användes sedan för att beräkna GE vid

Rise1mmol.

Figur 2. Exempel på samband mellan laktatkoncentration och effektutveckling under

cykelmomentet. Tredjegradkurvans ekvation presenteras som y = k3 ∙ x3 + k2 ∙ x2 + k1 ∙ x + m. De rödstreckade linjerna åskådliggör effektutvecklingen vid Rise1mmol som i detta exempel är 218 W.

Figur 3. Exempel på samband mellan GE och effektutvecklingen för cyklingen med linjens ekvation i förhållandet y = k ∙ x + m. De rödstreckade linjerna åskådliggör vilken GE som effektutvecklingen vid Rise1mmol, som i detta exempel är 218 W, motsvarar.

Vila

Efter cykeltestet erhöll SD 50-70 minuters passiv vila. Detta för att två deltagare utförde testerna under samma tillfälle. När SD 1 utfört cykeltestet startade uppvärmningen för SD 2, därmed vilade SD 1 när SD 2 testades. Löptestet inleddes med en standardiserad uppvärmning som genomfördes på rullband i fem minuter, på SD:s angivna ingångshastighet med en rullbandslutning på 2,5º (Figur 1). Efter uppvärmningen togs ett laktatprov för att försäkra sig om på att SD återhämtat sig efter cykeltestet.

Löptest

Löptestet undersökte GE vid 4-7 stycken olika intensitetsnivåer som vardera bibehöll 5 minuter (Tabell 2), baserat på samma kriterier för att ytterligare en nivå skulle genomföras som för cyklingen. För varje ny nivå ökade

rullbandshastigheten med 0,6 km∙tim

samtidigt som lutningen behölls konstant på 2,5º. Efter varje avslutad nivå var det en minuts vila under vilken ett laktatprov togs och ansträningsnivån skattades. Beräkning av GE gjordes på samma sätt som vid cykeltestet där första steget var att fastställa effektutvecklingen då

laktatkoncentrationen stigit 1 mmol∙l

från den lägsta uppmätta koncentrationen.

Utifrån det linjära sambandet mellan GE och effektutvecklingen beräknades

därefter det GE-värde som motsvarade effektutvecklingen vid Rise1mmol.

Statistisk analys

Mätvärdena presenteras som medelvärde ± standardavvikelse. För att undersöka om testvariablerna var normalfördelade användes Shapiro-Wilk-test. Sambandet mellan GE för cykling och löpning analyserades med hjälp av Pearsons

korrelation. Ett parat t-test utfördes för att undersöka skillnaden mellan GE för cyklingen och GE för löpningen vid Rise1mmol. Ett oberoende t-test gjordes för att se om signifikant skillnad förekom mellan män och kvinnor hos GE för cykling respektive GE för löpning. De statistiska analyserna genomfördes i

analysprogrammet IBM SPSS Statistics software, version 25. (IBM Corporation, Arnmonk, NY, USA). Alfanivån för statistisk signifikans sattes till 0,05.

Etiska överväganden

Studiedeltagarna informerades om hur personuppgifter skulle komma att hanteras i informationsbrevet (Bilaga 1) och att Högskolan Dalarna var ansvarig för

behandlingen av personuppgifter i samband med examensarbetet. Som deltagare i undersökningen kunde studiedeltagarna enligt Dataskyddsförordningen (GDPR) erhålla information om hur personuppgifter behandlats under arbetet.

Studiedeltagarna fick även information om att de hade rätt att ansöka om ett så kallat registerutdrag, samt att få eventuella fel rättade. De informerades att fråga Högskolans dataskyddsombud om frågor uppkom angående behandlingen av personuppgifter. Alla mätvärden kopplade till SD kodades och förvarades skyddade på Högskolan Dalarna. I informationsbrevet inkluderades även

information om att deltagandet var frivilligt och de när som helst kunde avsluta sin medverkan utan att behöva uppge något skäl.

SD är elitaktiva och därmed överskreds arbetsbelastningen under testtillfället inte arbetsintensiteterna som vanligt hölls under ordinarie träningspass. Säkerhetssele användes under uppvärmning och tester, ett rep som var kopplad till ett nödstopp, för att undvika säkerhetsrisk.

Denna studie har godkänts av forskningsetiska nämnden vid Högskolan Dalarna

(HDa dnr: 7 1-2019/372)

Resultat

Resultatet från cykel- och löptesterna redovisas i Tabell 3.

Tabell 3. Rörelseekonomi och effektutveckling vid Rise1mmol.

GE cykling (%) GE löpning (%) P cykling (W) P löpning (W) Män 21,2 ± 0,8 8,4 ± 0,5 264,4 ± 13,8 110,5 ± 9,3 Kvinnor 21,0 ± 0,6 8,1 ± 0,6 188,0 ± 24,5 80,3 ± 16,7 GE = rörelseekonomi, P = effektutveckling och uttrycks i watt (W)

Intensitetsnivåerna som uppnåddes hos kvinnorna var upp till nivå 5-6 på cyklingen och nivå 4-7 på löpningen. Hos männen uppnåddes nivå 5-6 på cyklingen och nivå 5-7 på löpningen.

Medelvärdet för laktatkoncentrationen efter sista nivån vid cyklingen var 4,3 ± 1,1 mmol·l

och lägsta laktatkoncentrationen vid löpningen var 1,2 ± 0,3 mmol·l

. För att säkerställa att variablerna var normalfördelade användes Shapiro-Wilk-test och alla ingående variabler var normalfördelade (p > 0,05).

Pearsons korrelationsanalys påvisade att GE för löpning är korrelerad med GE för cykling vid Rise1mmol (r = 0,65; p = 0,04) (Figur 4).

Figur 4. Sambandet mellan GE för cykling och löpning (n = 10) vid en relativ arbetsintensitet motsvarande laktatvariabeln Rise1mmol (p < 0,05).

Ett parat t-test påvisade att det fanns en signifikant skillnad mellan GE för löpning och GE för cykling vid Rise1mmol (t = -80,2; p < 0,001) (Figur 5).

Figur 5. Skillnaden vid jämförelse av rörelseekonomi för cykling och löpning (n = 10) vid en relativ arbetsintensitet motsvarande Rise1mmol (p < 0,001). Kvadraten representerar

gruppmedelvärdet och felstaplar representerar ± 1 standardavvikelse. *** p < 0,001.

Ingen signifikant skillnad påvisades mellan män och kvinnor vid GE för cyklingen (t = 0,56; p = 0,59) eller GE för löpningen (t = 1,09; p = 0,31) när ett oberoende t- test användes (Figur 6 och 7).

Figur 6. Skillnaden mellan män och kvinnor vid GE för cykling vid Rise1mmol. Kvadraten representerar gruppmedelvärdet och felstaplar representerar ± 1 standardavvikelse.

***

Figur 7. Skillnaden mellan män och kvinnor vid GE för löpning vid Rise1mmol. Kvadraten representerar gruppmedelvärdet och felstaplar representerar ± 1 standardavvikelse.

Diskussion

Huvudsyftet med denna studie var att undersöka om det finns ett samband mellan GE för cykling och löpning hos elitaktiva triathleter. Studien ämnade även att undersöka om det finns några skillnaden mellan mäns och kvinnors GE vid cykling och löpning. Samt skillnaden mellan GE vid cykling och löpning.

Resultatet påvisade ett signifikant samband mellan GE för cykling och löpning vid en arbetsintensitet motsvarande Rise1mmol. Det fanns även en signifikant skillnad mellan GE för cykling och löpning. Det förekom ingen signifikant skillnad mellan mäns och kvinnors GE för cyklingen eller löpningen.

Resultatdiskussion

Sambandet mellan GE vid löpning och cykling innebär att om en triathlet har en hög GE vid löpning så har hen generellt sett även ett högt GE vid cykling. Detta kan förklaras med att återuppbyggandet av ATP i musklerna inte påverkas av vilken sport som utövas, utan avser hur energieffektiv personen i fråga är. Är koordinationen välutvecklad hos atleten skulle även detta kunna vara en

bidragande faktor till det positiva sambandet mellan GE vid cykling och löpning.

Om en jämförelse görs mellan denna studie och evidensläget upptäcks vissa skillnader. I denna studie testades elitaktiva triathleter som varit topp åtta på U/J/S SM de senaste fem åren, Swinnen et al. (2018) testade triathleter som tränat 9.5 ± 2.1 timmar cykel och löpning i snitt de senaste två åren och är inte titulerade som elitaktiva triathleter. Triathleternas rörelseekonomi vid cykling och löpning påvisade inget signifikant samband (r = 0,66; p = 0,053) (Swinnen et al., 2018).

Detta resultat kan ha påverkats av att triathleterna inte var elitaktiva, vilket de var i denna studie. En annan potentiell förklaringsfaktor skulle kunna vara att antal deltagare skiljde sig mellan studierna. I denna studie deltog tio triathleter samtidigt som deltagarna i studien av Swinnen et al. var nio stycken. Eftersom deras

signifikansnivå var på gränsen till ett samband, hade eventuellt fler SD i deras

studie kunnat påvisa ett samband. En annan potentiell orsak till att resultaten

skiljer sig åt mellan studierna är att Swinnen et al. (2018) valde att uttrycka

rörelseekonomi som effektutveckling vilket skiljer sig från denna studie där GE

presenteras i procent. Swinnen et al. (2018) fann dock ett signifikant samband

mellan rörelseekonomi för cykling och löpning hos cyklisterna (r = 0,68, p =

0,045), vilket kan ha påverkats av att dessa cyklister enbart var atleter och inte elit.

Medelvärdet hos GE för cyklingen i denna studie var 21,2 ± 0,8 % för männen och 21,0 ± 0,6 % för kvinnorna vid intensitetsvariabeln Rise1mmol. Jämförs detta med vad Lucia et al. (2002) påvisade, var medelvärdet högre för GE hos dessa

världsrankade professionella cyklister. De hade 24,5 % i GE för cykling där intensitetsvariabeln motsvarade 80 % av V̇O

max. Detta kan vara en följd av att elitaktiva triathleter i Sverige inte är på samma nivå som de professionella cyklisterna internationellt som dessutom har ett träningsfokus som inriktar sig på cykel-specifik träning och inte sim- och löpträning. Lucia et al. (2002) testade sina SD på en stationär testcykel vilket förhållandevis kan påverka GE vid cyklingen jämförelsevis med rullbandscyklingen. Lucia et al. (2002) undersökte GE vid 80 % av V̇O

max vilket kan påverka jämförandet av GE-värdet då denna studie inte förhöll sig till SD:s V̇O

max. Denna studies intensitetsvariabel motsvarade Rise1mmol för cyklingen och löpningen.

Det fanns ingen signifikant skillnad mellan mäns och kvinnors GE vid Rise1mmol för varken cykling eller löpning. Hopker et al. (2010) undersökte könsskillnader avseende GE vid Rise1mmol för tävlingscyklister och fann ingen skillnad mellan mäns och kvinnors GE, vilket stödjer denna studies resultat.

Rörelseekonomin för löpning presenteras vanligtvis, utifrån författarens vetskap,

som syreupptaget vid en given hastighet. Orsaken till detta är att det utförda arbetet

blir noll på grund av att löparen inte gör något arbete mot varken gravitationen,

friktionen eller luftmotståndet vid noll graders lutning på rullbandet. Ingen

signifikant skillnad mellan kvinnors och mäns GE påvisades i denna studie. Då

GE-testerna i den här studien gjordes i förhållande till gravitationen i form av

rullbandslutning för cykel och löpning är detta en fördel då det möjliggör

beräkning av GE genom att beräkna kvoten mellan det utförda arbetet och

energiförbrukningen. Daniels och Daniels (1992) undersökte manliga och

kvinnliga elitlöpare och presenterade rörelseekonomi för löpning genom att

jämföra V̇O

vid olika löphastigheter. De påvisade att det inte fanns någon

signifikant skillnad mellan kvinnor och män, vid arbetsintensiteten motsvarande

4,0 mmol∙l

som representerar 87,1 % av V̇O

max för kvinnorna och 85,5 % av

V̇O

max för männen (p > 0,05).

Tyngdpunktsförflyttningen som sker under löpningen och cyklingen kan påverka hur energieffektiv atleten är. Varför GE vid cykling har ett högre värde än GE vid löpning kan delvis förklaras av hur mycket tyngdpunkten lyfts mot gravitationen under rörelsecykeln. Genom att den vertikala tyngdpunktsförskjutningen är liten så förbrukas mindre energi och därmed arbetar kroppen inte mot gravitationen lika mycket som när tyngdpunkten har en stor förskjutning (Slawinski & Billat, 2004).

Signifikanta skillnader sågs i denna studie mellan GE vid cykling och GE vid löpning, vilket delvis kan förklaras av att den vertikala tyngdpunktsförskjutningen är större vid löpning jämfört med cykling. En annan förklaring till skillnaden är att i löpsteget sker större accelerationer och inbromsningar jämförbart med tramptaget under cyklingen som ett resultat av lägre hastighetsvariationer. Retardationen och accelerationen som sker under ett löpsteg påverkar alltså den metaboliska

kostnaden (Chang & Kram, 1999). Rotationer som sker med armar och ben är energikrävande (Bergh, 1987), vilket kan bidra till att löpningen som innefattar armrörelser har ett lägre GE än vid cykling. Sammantaget bör skillnader i tyngdpunktsförskjutningen och i linjära accelerationer under rörelsecykeln

innebära lägre energiåtgång vid löpning än cykling och därmed förklara varför GE är större.

Metoddiskussion

Genom informationsbrevet fick deltagarna reda på hur långt innan teststart de kunde äta, träna och hur de skulle förbereda sig. SD:s förberedelser kontrollerades genom ifyllandet av hälsodeklarationen, där bland annat mat och träning

antecknades. Detta gav författaren en vetskap om atletens träningsbelastning och även kolhydratsinnehållet i maten (som påverkar RER-värdet). Arbetsnivåer med laktatvärden över laktattröskeln (4 mmol∙l

) eller RER-värden över 1,0 användes inte för att beräkna GE då det blir ett för stort anaerobt bidrag, vilket skulle resultera i ett falskt för högt GE. Värden över laktattröskeln motsvarar snabbare kolhydratsförbränning som påverkar syreupptaget vilket medför att steady-state blir allt svårare att uppnå (Foster & Lucia, 2007). Dock användes alla laktatvärden till att skapa kurvan för sambandet mellan laktatkoncentration och

effektutveckling. Fletcher, Esau och MacIntosh (2009) undersökte rörelseekonomi för löpning vid 75, 85 och 95 % av laktattröskeln samt menar på att

arbetsintensiteter över laktattröskeln inte kan garantera steady state.

Arbetsintensiteten motsvarar Rise1mmol i denna studie, som ligger under laktattröskeln. Därmed beräknas validiteten för sambandet mellan GE vid cykel och löpning vara hög då detta möjliggör jämförelse mellan GE för cykling och löpning vid samma arbetsintensitet, Rise1mmol. Flera arbetsintensiteter studerades under denna studie, samtidigt som Swinnen et al. (2018) enbart undersökte en specifik nivå för cyklingen och löpningen med en arbetsintensitet motsvarande 200 W vid cyklingen och 12,5 km∙tim

vid löpningen. Swinnen et al. (2018) samlade in rörelseekonomi-värden som utgjordes av V̇O

och V̇CO

under de sista två minuterna av löp- och cykeltestet som vardera pågick i fem minuter för beräkning av rörelseekonomi. Vilket särskiljer sig från denna studies metodupplägg, där laktatkoncentrationen plottades i ett diagram mot effektutvecklingen och Rise1mmol avlästes med hjälp av linjens ekvation för att därefter beräkna GE.

För att kunna beräkna GE för respektive intensitetsnivå användes medelvärdena för syreförbrukningen och RER under de sista två minuterna, vilket även Swinnen et al. (2018) gjorde. En styrka med detta upplägg jämfört med en kortare

samplingsperiod, som många andra studier brukar använda, är att

medelvärdesberäkningarna blir mer tillförlitliga. Användandet av samma rullbandslutning vid cykling och löpning, i denna studie, gjorde det möjligt att beräkna det utförda arbetet och efterföljande beräkning av GE, vilket medför en hög validitet för jämförandet av GE vid cykling och löpning.

Inför studien genomfördes en pilotstudie för att fastställa en rullbandslutning som var relevant för såväl cykling som löpning. Vidare testades det fram vilka

ingångshastigheter och hastighetsökningar som var relevanta för den tänkta målgruppen bestående av manliga och kvinnliga elitaktiva triathleter.

Denna studie undersökte GE för cykling på ett rullband, vilket anses vara mer likt den cykling som triathleterna gör på träning och tävling jämfört med cykling på stationär testcykel. Det är även en styrka att SD fick använda sin egen cykel vilket medför att sittpositionen och därmed rundtrampet är densamma som vid den vardagliga träningen, då en ny sittposition skulle kunna påverka GE.

Rullbandscyklingen ställer högre krav på balansen än en stationär testcykel där

energiförbrukningen som går åt till att bibehålla balansen ingår i beräkningen av

GE. Detta resulterar i ett GE som är mer likt cykling som sker på landsväg vilket

inte är fallet då en stationär testcykel används vid analys av rörelseekonomi. Detta medför att denna studies resultat avseende GE vid cykling inte är helt jämförbar med resultaten i tidigare studier (Hopker et al. 2010, Lucia et al. 2002, Swinnen et al. 2018). En annan styrka med denna studies metodupplägg gällande analys av GE vid löpning är att rullbandslutningen på 2,5 grader möjliggör beräkning av utfört arbete mot gravitationen. Detta medför i sin tur att GE kan beräknas som ett procenttal istället för att nyttja syreförbrukningen vid en given löphastighet med noll graders rullbandslutning för att beskriva rörelseekonomin vilket Swinnen et al.

(2018) använde sig av.

Vilotiden mellan cykel-och löptestet i denna studie var 50-70 minuter, vilket innebär tillräcklig tid för återhämtning då SD är elitaktiva triathleter som är vana att återhämta sig från belastningar som är högre än den belastning de utsattes för i denna studie. Det har visat sig att laktatkoncentrationen hos motionärer har återgått till vilovärdet redan efter cirka 30 min trots att laktatkoncentrationen uppgick till 3,9 ± 0,3 mmol·l-1 efter avslutat arbete (Menzies et al., 2010). I denna studie var medelvärdet för laktatkoncentrationen efter sista nivån vid cyklingen 4,3 ± 1,1 mmol·l

och lägsta laktatkoncentrationen vid löpningen var 1,2 ± 0,3 mmol·l

, vilket indikerar att återhämtningstiden mellan testerna var tillräcklig.

Fortsatt forskning

Tidigare forskning kring sambandet mellan GE för cykling och löpning hos elitaktiva triathleter anses vara svag och därmed rekommenderas mer

evidensbaserad forskning för att en generalisering av detta samband ska kunna göras för elittriathleter med olika prestationsnivå (nationell elit till internationell elit). Triathlon är en relativt ung sport som fortfarande utvecklas och därmed finns det behov att skapa en kravprofil för eliten. Det behövs mer forskning inom området GE som efterliknar tävlingsspecifika färdigheter som tillexempel: cykling på rullband som utmanar balansen, fler arbetsintensiteter vid olika

rullbandslutningar, undersökning av sambandet mellan prestationsförmåga och GE

samt mer forskning med fokus på den internationella triathloneliten. Det finns även

ett behov av att genomföra träningsstudier för att få ökad kunskap om vilken typ

av träning som förbättrar rörelseekonomin för de olika delmomenten inom

triathlon.

Slutsatser

Sambandet mellan GE vid de två aktivitetsformerna indikerar att en elitaktiv

triathlet med högt GE vid cykling generellt sett har ett högt GE vid löpning,

trots att dessa aktivitetsformer skiljer sig åt koordinativt. Skillnaden mellan

GE vid cykling och löpning reflekterar att cykling är en mer energieffektiv

rörelseform jämfört med löpning. Då det inte fanns någon könsmässig skillnad

mellan GE vid cyklingen eller GE för löpning, tyder detta på att kvinnor och

män är lika energieffektiva i dessa två aktiviteter.

Referenser

Bentley, D. J., Millet G. P., Vleck V. E., & McNaughton L. R. (2002). Specific aspects of contemporary triathlon: Implications for physiological analysis and performance. Sports Medicine, 32(6), 345-359. doi:10.2165/00007256-

200232060-00001

Bergh, U. (1987). The influence of body mass in cross-country skiing. Medicine and Science in Sports and Exercise, 19(4), 324-331. doi:10.1249/00005768- 198708000-00002

Borg, G. A. (1982). Psychophysical bases of perceived exertion. Medicine and Science in Sports and Exercise, 14(5), 377-381. doi:10.1249/00005768-

198205000-00012

Carlsson, M., Carlsson, T., Wedholm, L., Nilsson, M., Malm, C., & Tonkonogi, M. (2016). Physiological demands of competitive sprint and distance performance in elite female cross-country skiing. Journal of Strength and Conditioning

Research, 30(8), 2138-2144. doi:10.1519/JSC.0000000000001327

Chang, Y., & Kram, R. (1999). Metabolic cost of generating horizontal forces during human running. Journal of Applied Physiology, 86(5), 1657-1662.

doi:10.1152/jappl.1999.86.5.1657

Conley, D. L., & Krahenbuhl, G. S. (1980). Running economy and distance running performance of highly trained athletes. Medicine and Science in Sports and Exercise, 12(5), 357-360. doi:10.1249/00005768-198025000-00010

Daniels, J., & Daniels, N. (1992). Running economy of elite male and elite female runners. Medicine and Science in Sports and Exercise, 24(4), 483-489.

doi:10.1249/00005768-199204000-00015

Davies., C. T. M. (1980). Effects of wind assistance and resistance on the forward

motion of a runner. Journal of Applied Physiology: Respiratory, Environmental

and Exercise Physiology. 48(4), 702-709. doi:10.1152/jappl.1980.48.4.702

Ettema, G., & Lorås, H. W. (2009). Efficiency in cycling: A review. European Journal of Applied Physiology, 106(1), 1-14. doi:10.1007/s00421-009-1008-7

Fletcher, J. R., Esau, S. P., & MacIntosh, B. R. (2009) Economy of Running:

Beyond the Measurement of Oxygen Uptake. Journal of Applied Physiology, 107(6), 1918-1922. doi:10.1152/japplphysiol.00307.2009

Foster, C., & Lucia, A. (2007). Running economy: The forgotten factor in elite performance. Sports Medicine, 37(4-5), 316-319. doi:10.2165/00007256- 200737040-00011

Hopker, J., Jobson, S., Carter, H., & Passfield, L. (2010). Cycling efficiency in trained male and female competitive cyclists. Journal of Sports Science and Medicine, 9(2), 332-337.

Hug, F., & Dorel, S. (2009). Electromyographic analysis of pedaling: A review.

Journal of Electromyography and Kinesiology, 19(2), 182-198.

doi:10.1016/j.jelekin.2007.10.010

Jones A.M., & Carter H. (2000). The effect of endurance training on parameters of aerobic fitness. Sports Medicine, 29(6), 373–386. doi:10.2165/00007256-

200029060-00001

Lucia, A., Hoyos, J., Perez, M., Santalla, A., & Chicharro, J. L. (2002). Inverse relationship between VO

max and economy/efficiency in world-class cyclists.

Medicine & Science in Sports & Exercise, 34(12), 2079-2084.

doi:10.1097/00005768-200212000-00032

McCormick, A., Meijen, C., & Marcora, S. (2015). Psychological determinants of whole-body endurance performance. Sports Medicine, 45(7), 997-1015.

doi:10.1007/s40279-015-0319-6

Menzies, P., Menzies, C., McIntyre, L., Paterson, P., Wilson, J., & Kemi, O. J.

(2010). Blood lactate clearance during active recovery after an intense running

bout depends on the intensity of the active recovery. Journal of Sports Sciences,

28(9), 975-982. doi:10.1080/02640414.2010.481721

Mooses, M., Mooses, K., Haile, D. W., Durussel, J., Kaasik, P., & Pitsiladis, Y. P.

(2015). Dissociation between running economy and running performance in elite kenyan distance runners. Journal of Sports Sciences, 33(2), 136-144.

doi:10.1080/02640414.2014.926384

Moseley, L., Achten, J., Martin, J. C., & Jeukendrup, A. E. (2004). No differences in cycling efficiency between world-class and recreational cyclists. International Journal of Sports Medicine, 25(5), 374-379. doi:10.1055/s-2004-815848

Nickleberry, B. L., & Brooks, G. A. (1996). No effect of cycling experience on leg cycle ergometer efficiency. Medicine and Science in Sports and Exercise, 28(11), 1396-1401. doi:10.1097/00005768-199611000-00008

Ofoghi, B., Zeleznikow, J., Macmahon, C., Rehula, J., & Dwyer, D. B. (2016).

Performance analysis and prediction in triathlon. Journal of Sports Sciences, 34(7), 607-612. doi:10.1080/02640414.2015.1065341

Slawinski, J. S., & Billat, V. L. (2004). Difference in mechanical and energy cost between highly, well, and nontrained runners. Medicine and Science in Sports and Exercise, 36(8), 1440-1446. doi:10.1249/01.MSS.0000135785.68760.96

Sleivert, G. G., & Rowlands, D. S. (1996). Physical and physiological factors associated with success in the triathlon. Sports Medicine, 22(1), 8-18.

doi:10.2165/00007256-199622010-00002

Swinnen, W., Kipp, S., & Kram, R. (2018). Comparison of running and cycling economy in runners, cyclists, and triathletes. European Journal of Applied Physiology, 118(7), 1331-1338. doi:10.1007/s00421-018-3865-4

Zouhal., H, Ben Abderrahman., A, Prioux., J, Knechtle., B, Bouguerra., L, Kebsi., W, & Noakes.,T. D. (2015). Drafting's improvement of 3000-m running

performance in elite athletes: is it a placebo effect?. International Journal of

Sports Physiology and Performance 10(2), 147-152. doi:10.1123/ijspp.2013-0498.

Bilagor

Bilaga 1. Informationsbrev

Bilaga 2. Samtyckesformulär