Estimación de 1RM y perfil carga velocidad

1RM observada, estimada y de referencia: qué significa cada resultado

La repetición máxima es la mayor resistencia que una persona completa una vez bajo las condiciones definidas de un ejercicio. Su estimación es el resultado de un modelo que intenta aproximar esa resistencia. La referencia de entrenamiento es el valor elegido para organizar el trabajo, que puede proceder de una prueba anterior o de una estimación.

Una 1RM observada describe un logro dentro de una evaluación concreta. Hace falta establecer qué cuenta como repetición válida: variante, recorrido, posición inicial, asistencia permitida y forma de completar el movimiento. Sin esa definición, dos cifras con la misma unidad pueden corresponder a tareas diferentes. Una sentadilla parcial y otra con mayor profundidad no constituyen dos observaciones intercambiables del mismo procedimiento.

Una 1RM estimada incorpora, además, una ecuación y una decisión sobre cómo prolongar sus resultados. El modelo puede utilizar velocidades obtenidas con varias cargas submáximas. Su salida no demuestra que se haya realizado el levantamiento predicho. El registro debería conservar ambos valores cuando existen, en lugar de sustituir la prueba real por la cifra calculada sin dejar constancia.

La referencia de entrenamiento tiene una función práctica. Permite expresar la masa prevista como porcentaje de una cantidad elegida. Si la referencia se cambia, se modifica la relación porcentual aunque la masa de la barra permanezca idéntica. También importa la fecha: una prueba de hace meses describe un momento anterior, no una medición automática del rendimiento actual.

Bompa y Buzzichelli explican la repetición máxima como referencia para la intensidad y distinguen las manifestaciones de fuerza según la acción. Zatsiorsky, Kraemer y Fry añaden que el contexto de competición y el de entrenamiento pueden producir referencias diferentes. Esas distinciones aportan criterios para nombrar un resultado; las cifras particulares presentadas para deportistas especializados no se convierten aquí en factores universales de conversión. Bompa y Buzzichelli (2022, pp. 29–31); Zatsiorsky et al. (2021, p. 62).

La masa absoluta y el porcentaje de 1RM cuentan historias distintas

La masa absoluta expresa qué resistencia externa se utilizó, mientras el porcentaje relaciona esa masa con una referencia individual. Ambos datos son necesarios cuando se comparan perfiles o programas. El porcentaje añade contexto, pero también incorpora el error o la antigüedad de la referencia que aparece en su denominador.

Ejemplo hipotético. Una persona levanta 60 kg. Si su referencia es 100 kg, esa masa representa el 60%. Si otra persona tiene una referencia de 80 kg, los mismos 60 kg representan el 75%. La igualdad de resistencia externa no implica igualdad de intensidad relativa. Tampoco permite deducir cuántas repeticiones realizará cada una ni cuánto esfuerzo percibirá.

La expresión utiliza masas en la misma unidad y produce un porcentaje adimensional. Si se confundieran libras con kilogramos, el cociente perdería significado. En un informe, resulta útil mostrar la masa utilizada y la referencia por separado, con la fecha y el origen de esta última. Así puede reconstruirse cómo se obtuvo el porcentaje.

Ahora supongamos que una prueba real da 100 kg, pero un modelo estima 110 kg. Programar el 80% de la estimación produce 88 kg. Esa resistencia equivale al 88% de la prueba real, no al 80%. El ejemplo no establece qué masa debe levantar una persona; muestra cómo un error de la referencia se transmite a una decisión de programación.

Existe otro problema al construir perfiles relativos. Si todas las masas se convierten a porcentajes con una 1RM estimada, la relación representada ya contiene esa estimación. No puede presentarse después la misma gráfica como una comprobación independiente de que el máximo era correcto. Para validar una predicción hace falta una referencia externa al cálculo que se está examinando.

El porcentaje resulta especialmente útil cuando su denominador está bien definido. Al comparar sesiones, conviene comprobar si se mantuvo la referencia o si se actualizó. Una disminución del porcentaje registrado podría reflejar una mejora del máximo, un cambio del modelo o una masa externa menor. La lectura de los dos componentes permite distinguir esos procesos.

Cómo se construye un perfil carga y velocidad interpretable

Un perfil reúne pares de resistencia y velocidad obtenidos con una tarea suficientemente estable. Su construcción exige definir el ejercicio, la variable de velocidad y las condiciones de ejecución antes de ajustar una ecuación. Los puntos representan repeticiones concretas; su relación no debería esconder cambios de recorrido, consigna o sistema de medición.

El objeto medido es parte del procedimiento. Un transductor unido a la barra describe su movimiento según el montaje y el procesamiento utilizado. Una plataforma puede derivar el movimiento del sistema que aplica fuerza sobre ella. Esas velocidades no son automáticamente equivalentes. El capítulo de Zatsiorsky et al. dedicado a la sala de entrenamiento explica por qué incluir el cuerpo o medir solo la barra cambia el resultado. Zatsiorsky et al. (2021, pp. 128–133).

La variable también debe mantenerse. Velocidad media concéntrica, media propulsiva y pico resumen segmentos o características diferentes. Un perfil que mezcla unas cargas medidas con promedio y otras con pico no representa una única relación bien definida. Conservar un nombre genérico como «velocidad» sería insuficiente para detectar esa mezcla.

La consigna de ejecución influye en los puntos. Si unas repeticiones se realizan con intención de acelerar y otras deliberadamente lentas, la diferencia contiene una modificación de tarea. Antes de atribuirla a la resistencia, hay que conocer qué se pidió y qué se hizo. Las observaciones técnicas pueden explicar por qué una repetición no es comparable con las demás.

La selección de una repetición representativa necesita una regla previa. Escoger la más rápida, el promedio de varias o una observación determinada puede dar resultados distintos. No existe justificación para cambiar de criterio después de ver cuál produce la gráfica más atractiva. El informe debería indicar la regla utilizada y conservar las incidencias que motivaron excluir algún registro.

Estos aspectos amplían lo explicado en el artículo sobre entrenamiento basado en velocidad y transductores. Aquí la atención se concentra en el modelo: qué datos recibe, qué resultado calcula y cómo se comprueba su utilidad. Un perfil bien documentado permite discutir esas preguntas sin reconstruir de memoria cada repetición.

Dos puntos: una recta exacta puede seguir siendo una predicción incierta

Dos pares de masa y velocidad diferentes permiten definir una recta, siempre que no compartan la misma masa. Esa facilidad matemática explica el interés por los procedimientos de dos puntos. Sin embargo, que la recta atraviese ambas observaciones no informa por sí mismo sobre el error de sus predicciones fuera de ellas.

Para una relación lineal escrita como velocidad en función de la masa, la pendiente describe cuánto cambia la velocidad por cada kilogramo dentro del modelo. El intercepto es el valor calculado cuando la masa es cero. Si se mide masa en kilogramos y velocidad en m/s, la pendiente tiene unidades de m/s por kilogramo.

Ejemplo didáctico hipotético. Dos registros son 40 kg a 0,80 m/s y 80 kg a 0,40 m/s. La pendiente resulta −0,01 m/s por kilogramo y el intercepto, 1,20 m/s. La recta es v = 1,20 − 0,01m. Es un modelo construido con datos inventados para explicar el cálculo, no una relación universal de sentadilla, press o cualquier otro ejercicio.

La separación entre masas afecta la influencia de una diferencia de velocidad. Imaginemos otros dos puntos muy próximos: 60 kg a 0,60 m/s y 65 kg a 0,55 m/s. Si el segundo registro cambia a 0,57 m/s por una variación del procedimiento, la pendiente pasa de −0,01 a −0,006. La misma diferencia de 0,02 m/s tiene una repercusión considerable porque el intervalo de masa es pequeño.

Este ejemplo no demuestra qué separación debe elegirse en una evaluación real. Permite entender la sensibilidad geométrica del método. Abrir el intervalo puede modificar esa sensibilidad, pero también cambia las exigencias de las repeticiones que hay que medir. La decisión práctica necesita considerar calidad del registro, experiencia, recursos y propósito, en lugar de deducirse de la recta aislada.

Una recta con dos puntos ofrece ajuste exacto por construcción. Para evaluar su predicción, hace falta información adicional. Añadir una tercera observación independiente permite comenzar a revisar si la relación describe otra carga, aunque tampoco basta para establecer por sí sola la exactitud de una 1RM extrapolada.

Varios puntos: ajuste, residuos y decisiones sobre registros discrepantes

Cuando se dispone de varios pares de datos, la recta no tiene que atravesarlos a todos. Un ajuste permite resumir su tendencia y calcular cuánto se separa cada observación de la predicción correspondiente. Esas diferencias, llamadas residuos, ayudan a examinar el modelo y a revisar registros que necesitan explicación.

Un procedimiento lineal habitual minimiza la suma de los cuadrados de los residuos de la variable elegida como resultado. Si se ajusta velocidad en función de masa, esa elección no es equivalente a ajustar masa en función de velocidad cuando existe dispersión. Intercambiar los ejes no constituye un cambio puramente estético: puede modificar el modelo que se utiliza después.

Ejemplo hipotético. Para las masas 40, 60 y 80 kg se observan velocidades ficticias de 0,80, 0,63 y 0,40 m/s. La recta de mínimos cuadrados es v = 1,21 − 0,01m. Sus predicciones son 0,81, 0,61 y 0,41 m/s; los residuos son −0,01, 0,02 y −0,01. La suma de residuos es cero en este ajuste con intercepto, pero cada registro conserva una diferencia.

El punto intermedio no debería borrarse solo porque no cae exactamente sobre la tendencia. Puede reflejar variación real de la ejecución, error de medición o una incidencia documentada. Antes de decidir, se revisan el registro y el procedimiento. Eliminar todo punto que incomoda a la ecuación produciría una imagen más ordenada, pero no necesariamente una descripción mejor.

Los residuos también pueden revelar una estructura. Si las diferencias se concentran de una manera sistemática según la masa, una única recta quizá no represente del mismo modo todo el intervalo. Eso invita a estudiar el modelo y sus datos, no a añadir automáticamente una curva compleja. Un modelo con más parámetros puede ajustarse mejor a observaciones concretas sin mejorar la predicción independiente.

La gráfica debería mostrar los puntos además de la línea. Cuando solo aparece la ecuación, el lector pierde la información sobre separación de cargas y dispersión. Conservar los pares originales permite comparar métodos de ajuste y comprender qué parte de la relación fue observada realmente.

Interpolar una carga y extrapolar una 1RM no tienen el mismo alcance

Interpolar consiste en calcular dentro del intervalo observado; extrapolar prolonga el modelo más allá de ese intervalo. La diferencia es decisiva al interpretar perfiles. Elegir una masa para una velocidad situada entre registros no equivale a predecir un levantamiento máximo que no formó parte de la evaluación.

Volvamos al ejemplo ficticio v = 1,20 − 0,01m, construido entre 40 y 80 kg. Si buscamos la masa correspondiente a 0,60 m/s, obtenemos 60 kg. El resultado está dentro del intervalo medido. Su uso práctico todavía exige conocer la calidad del procedimiento, pero no prolonga la recta fuera de sus puntos extremos.

Si, en cambio, se elige una velocidad de 0,20 m/s para representar el supuesto máximo, la masa calculada es 100 kg. Se ha prolongado la relación veinte kilogramos más allá del registro superior. El resultado contiene una hipótesis sobre la forma de la relación y otra sobre la velocidad que corresponde a la repetición máxima.

La extrapolación a velocidad cero produce 120 kg en esa misma recta. Esa intersección matemática no es una repetición completada. Un levantamiento concéntrico válido requiere desplazamiento durante un tiempo definido; el valor cero de la función no identifica automáticamente la mayor masa que una persona puede elevar bajo el procedimiento establecido.

Conviene mostrar el tramo extrapolado con una representación diferente del tramo observado. Esa decisión visual facilita reconocer dónde cambió el alcance del cálculo. La línea continua puede representar el intervalo con registros y una línea discontinua, su prolongación. La distinción informa mejor que una recta idéntica en todo el gráfico.

También ayuda escribir el resultado con su naturaleza: «estimación del modelo con velocidad objetivo de 0,20 m/s». La frase conserva un supuesto que se perdería al mostrar únicamente «1RM: 100 kg». La calidad de un informe depende tanto del cálculo como de que el lector pueda reconocer qué se observó y qué se infirió.

El umbral de velocidad elegido modifica la estimación del máximo

La velocidad utilizada para prolongar un perfil hasta la supuesta 1RM es un parámetro del método, no una constante demostrada para todas las personas y ejercicios. Puede proceder de una observación individual anterior o de información grupal. Su elección influye en el resultado incluso cuando las observaciones submáximas permanecen idénticas.

En la recta hipotética anterior, usar 0,20 m/s produce 100 kg y usar 0,30 m/s produce 90 kg. La diferencia no se debe a que la persona levantó diez kilogramos menos durante la evaluación: se cambió el criterio que recibe la ecuación. Por eso, comparar estimaciones necesita conservar también ese parámetro.

Una velocidad medida en una repetición máxima anterior puede ser informativa para la misma tarea, pero mantiene la fecha y las condiciones de esa observación. Utilizarla en otro ejercicio o con una variable diferente exigiría una justificación adicional. La velocidad media y el pico no comparten necesariamente un mismo umbral de referencia.

También importa cómo se obtuvo la información. Si la velocidad de la 1RM que se quiere predecir se usa para construir el criterio de esa misma predicción, la evaluación deja de representar una estimación independiente del máximo desconocido. El modelo ha recibido información de la respuesta que pretende encontrar. Esta diferencia entre procedimiento prospectivo y ajuste retrospectivo debe quedar clara.

Greig et al. sintetizaron modelos individuales y encontraron una tendencia agrupada a sobreestimar la 1RM, con diferencias limitadas entre varias elecciones habituales de modelización. Su resultado no demuestra que cada estimación falle por igual ni que añadir parámetros resuelva el problema. Ayuda a distinguir la relación entre carga y velocidad de la exactitud de la predicción final. Greig et al. (2023).

En un seguimiento, conservar el criterio permite interpretar cambios. Si se actualiza, las estimaciones anteriores podrían recalcularse de manera explícita para estudiar su efecto, manteniendo los resultados originales. Mezclar versiones sin indicarlo impediría saber si la variación refleja otro rendimiento, otra ecuación o un nuevo supuesto sobre la velocidad máxima.

Cómo se transmite el error de velocidad a una masa estimada

La sensibilidad de una estimación expresa cuánto cambia su salida cuando se modifica un dato o parámetro. En una recta carga y velocidad, una pendiente pequeña en valor absoluto puede amplificar diferencias de velocidad al convertirlas en masa. Estudiar esa relación ayuda a comunicar el resultado con una precisión razonable.

Si mantenemos el intercepto y la pendiente del modelo, una diferencia en la velocidad objetivo produce una diferencia de masa proporcional a uno dividido por la pendiente. La expresión describe esa sensibilidad local bajo los supuestos lineales. No resume todos los errores, porque en una evaluación también pueden variar el intercepto y la pendiente.

Ejemplo aritmético hipotético. Con una pendiente de −0,01 m/s por kilogramo, aumentar la velocidad objetivo en 0,05 m/s reduce la masa estimada en 5 kg. Si la pendiente fuese −0,005, la misma diferencia produciría diez kilogramos. Son dos sensibilidades de modelos inventados, no errores medidos de un transductor ni intervalos estadísticos de una persona.

La pendiente también puede cambiar por variaciones de los puntos. En el ejemplo de cargas próximas, sustituir 0,55 por 0,57 m/s modificó la pendiente de −0,01 a −0,006. La extrapolación pasa a depender de una línea distinta. Esa combinación de errores no se explica únicamente con la sensibilidad anterior, que mantenía el resto fijo.

Mostrar una masa con decimales muy pequeños puede sugerir una exactitud que el procedimiento no tiene. El modelo quizá devuelve 103,47 kg por su operación aritmética, mientras la evaluación, la variación individual y la resolución de las resistencias disponibles no sostienen esa precisión. El número de decimales debería permitir leer el resultado sin atribuirle una certeza inexistente.

En el informe conviene distinguir una exploración de sensibilidad de un intervalo de predicción. La primera modifica supuestos de forma deliberada y observa sus consecuencias. El segundo necesita un modelo estadístico y datos que permitan estimar la incertidumbre correspondiente. Dibujar una banda de colores arbitraria no convierte la primera en el segundo.

Ajuste, sesgo y error individual: cómo examinar una predicción

Validar una estimación requiere compararla con una referencia independiente y describir sus diferencias. El ajuste de la recta a los puntos utilizados para construirla responde a otra pregunta. Un perfil puede resumir bien las velocidades submáximas y, aun así, producir errores relevantes al prolongarse hasta una resistencia máxima.

El sesgo medio describe si las predicciones tienden a superar o quedar por debajo de la referencia. El error individual informa de las diferencias de cada caso. Ambos resultados aportan información distinta. Un sesgo promedio cercano a cero puede coexistir con errores grandes de signos contrarios, por lo que no debe presentarse como exactitud para todas las personas.

Ejemplo hipotético de validación. En tres casos ficticios, las masas observadas son 80, 100 y 120 kg; las predichas son 90, 100 y 110. Los errores son +10, 0 y −10 kg. El sesgo medio es cero, pero dos estimaciones difieren diez kilogramos de la referencia. El promedio de los errores absolutos es aproximadamente 6,67 kg. Ninguna de esas cifras procede de participantes reales.

La precisión aceptable depende de la decisión. Un error que permite observar una tendencia amplia puede resultar demasiado grande para ajustar una resistencia concreta. Antes de comparar modelos, es útil definir qué uso se pretende dar a la predicción y qué consecuencias tendría una discrepancia. Esa decisión no se deduce únicamente de un coeficiente de correlación.

LeMense et al. examinaron la estimación de 1RM en sentadilla y encontraron sobreestimación en la síntesis de los estudios incluidos. Esa evidencia específica coincide en dirección con la revisión más amplia de Greig, aunque sus criterios y alcance son diferentes. No corresponde combinar sus resultados como si fueran dos muestras independientes sin revisar qué estudios comparten. LeMense et al. (2024).

Una comparación útil conserva el procedimiento de la prueba real, la fecha, el dispositivo y la ecuación. Si se modifican varias condiciones a la vez, la diferencia deja de identificar un único origen de error. El informe debe permitir distinguir la validez del modelo del acuerdo entre sistemas de medición.

Interpretar un cambio del perfil entre días o fases de entrenamiento

Los perfiles longitudinales permiten describir cómo cambia una relación dentro de una tarea. Para interpretarlos, hace falta conservar las condiciones o documentar sus modificaciones. Una diferencia entre líneas puede proceder de cambios de rendimiento, de ejecución o de medición; la comparación debe examinar cuál de esas posibilidades cuenta con respaldo.

Una estrategia descriptiva consiste en observar velocidades con una misma masa y procedimiento. Otra compara las masas que corresponden a una velocidad definida dentro del intervalo común. Ambas pueden realizarse sin convertir cada sesión en una estimación de máximo. El intervalo compartido ofrece una base de comparación más directa que prolongar líneas distintas hasta zonas no observadas.

Ejemplo hipotético. Un primer perfil ficticio es v = 1,10 − 0,01m y otro, v = 1,20 − 0,01m. A 60 kg, las predicciones son 0,50 y 0,60 m/s. La diferencia describe un desplazamiento de esa relación en el modelo. No demuestra por sí sola una mejora de toda la fuerza del cuerpo ni identifica qué adaptación produjo el cambio.

Si las pendientes también varían, las líneas pueden cruzarse. Una persona podría mostrar mayor velocidad con cargas ligeras y una diferencia menor, o de otro signo, con cargas más elevadas. El promedio de todo el perfil escondería esa estructura. Representar el intervalo y las observaciones permite discutir en qué parte de la tarea apareció la variación.

NSCA distingue el rendimiento en diferentes regiones de fuerza y velocidad y advierte que una alta capacidad en un contexto lento no describe de forma completa las tareas rápidas. Este marco aporta razones para evaluar el resultado que interesa en vez de reducir el seguimiento a una sola masa máxima. French y Torres Ronda (2022, cap. 13, p. 165).

La comparación entre fases necesita el propósito del programa. Bompa y Buzzichelli sitúan las decisiones de intensidad dentro de una preparación que puede modificar sus énfasis. Un perfil se interpreta junto con las tareas realizadas y los resultados relevantes; no basta con desplazar una recta para demostrar la transferencia a una competición. Bompa y Buzzichelli (2022, p. 73).

La pérdida intraserie no es otro perfil de cargas

Un perfil compara velocidades obtenidas con resistencias diferentes bajo condiciones definidas. La pérdida intraserie compara repeticiones de una misma serie respecto de una referencia. Esa distinción permite separar el efecto de cambiar la masa del cambio que aparece mientras se acumulan repeticiones, manteniendo la resistencia externa.

En un perfil, la masa aparece como una variable que cambia entre observaciones. Dentro de una serie con resistencia constante, la comparación se ordena por repetición. Si se aplicara la recta del perfil a cada descenso de velocidad para declarar una nueva 1RM, se estaría atribuyendo a la función una tarea diferente de aquella con la que fue construida.

El cálculo de pérdida necesita un denominador explícito: primera repetición, más rápida o referencia definida de otra manera. La fórmula siguiente usa la velocidad de referencia elegida antes de analizar la serie. Una pérdida porcentual no informa, por sí sola, del número de repeticiones en reserva ni de una causa única del cambio.

Ejemplo hipotético. Una serie presenta 0,75, 0,78, 0,73, 0,68 y 0,62 m/s. Respecto de la repetición más rápida, la última pérdida es aproximadamente 20,51%. Si se utilizara la inicial, sería 17,33%. El ejemplo extiende el razonamiento del denominador: ambas cuentas son correctas para sus referencias, pero no describen el mismo criterio.

La secuencia no disminuye de manera estricta desde el comienzo. Eso puede ocurrir en un registro, y una repetición más rápida no debe forzarse a encajar en una narración de caída uniforme. La interpretación revisa familiarización, ejecución e incidencias. Los valores ficticios no permiten diagnosticar fatiga de origen central, periférico o técnico.

Sánchez-Medina y González-Badillo estudiaron la relación entre pérdida de velocidad y marcadores de fatiga en protocolos de fuerza. Su trabajo respalda estudiar esa asociación en el contexto evaluado; no transforma cualquier descenso observado en una medida completa de la fatiga. Sánchez-Medina y González-Badillo (2011).

Un criterio de interrupción se aplica a repeticiones discretas

Una frontera de pérdida es una regla para decidir cuándo finalizar una serie según los valores válidos registrados. Su aplicación ocurre después de repeticiones concretas, no sobre una línea continua que se detiene exactamente en el porcentaje elegido. La pérdida final observada puede superar la frontera y debe conservarse como resultado.

Tomemos la serie ficticia anterior con referencia de 0,78 m/s y una frontera del 20%. La velocidad límite calculada es 0,624 m/s. La última repetición registrada, 0,62, queda ligeramente por debajo. La pérdida observada es 20,51%, aunque la regla prevista fuese 20%. Redondear el registro a la frontera ocultaría lo ocurrido.

El procedimiento necesita definir si se interrumpe al alcanzar la frontera o al superarla, y qué ocurre con una repetición no válida. Una lectura errónea no debería aceptarse o eliminarse de forma oportunista según permita terminar antes o después. La incidencia se registra y la decisión conserva su motivo.

La referencia más rápida también requiere un criterio temporal. Puede definirse con las primeras repeticiones o actualizarse durante la serie. Si se actualiza, cambia el denominador y, por tanto, la velocidad límite. La regla puede ser coherente, pero debe explicarse. Presentar únicamente «20% de pérdida» no permite reconstruir esas decisiones.

Jukic et al. señalan que distintas decisiones de registro y terminación afectan la interpretación de la pérdida. Jukic et al. (2023). Para un seguimiento propio, resulta útil conservar repeticiones, referencia, frontera prevista, velocidad final y pérdida observada. Esas variables describen la aplicación de la regla, sin convertir la hoja en una puntuación única de calidad.

El docente puede trabajar esta diferencia con datos ficticios antes de utilizar un dispositivo. Los estudiantes calculan el límite, revisan una secuencia y explican por qué el resultado final no coincide exactamente con la intención. El aprendizaje se centra en la aplicación de un criterio y en el registro honesto, no en imitar un protocolo especializado.

Relacionar masa, pérdida y esfuerzo sin reducirlos a una sola medida

La intensidad relativa, la pérdida de velocidad y la proximidad al fallo describen dimensiones relacionadas, pero diferentes. Una masa puede representar el mismo porcentaje de una referencia y producir otra secuencia de repeticiones. La interpretación necesita considerar la tarea y el volumen realizado, además del criterio utilizado para finalizar la serie.

Zatsiorsky et al. explican que la relación entre porcentaje de máximo y repeticiones posibles varía entre personas y movimientos. Eso limita el uso de tablas como si cada porcentaje determinara un número exacto de repeticiones. Una regulación mediante velocidad aporta otro registro, pero tampoco elimina esa variación individual. Zatsiorsky et al. (2021, p. 62).

Dos personas que alcanzan la misma frontera pueden completar cantidades diferentes de trabajo. También una persona puede alcanzar la frontera en otro número de repeticiones cuando cambian la masa, el descanso previo o la ejecución. El porcentaje final no describe de forma suficiente la exposición acumulada.

La proximidad al fallo introduce una pregunta sobre las repeticiones que todavía podrían realizarse manteniendo el criterio de ejecución. Schoenfeld examina esa dimensión al discutir la intensidad del esfuerzo y el manejo de la fatiga en entrenamiento de hipertrofia. Su explicación ayuda a situar una serie dentro de un programa, sin afirmar que pérdida de velocidad y repeticiones en reserva sean intercambiables para todos los ejercicios. Schoenfeld (2021, pp. 129–133).

Comparación didáctica hipotética. Dos fichas registran una pérdida final del 20%, pero una contiene cuatro repeticiones y otra, nueve. Para discutir su carga, el grupo necesita las masas, las referencias, el recorrido y el propósito. La igualdad del porcentaje no basta para declarar iguales las sesiones ni para ordenar su calidad.

El programa reúne estas dimensiones según el resultado que se pretende estudiar. En unas tareas se prioriza conservar velocidad; en otras interesa organizar esfuerzo y volumen. Esa elección requiere observar sus resultados con el tiempo. La estimación de un máximo ayuda a expresar una referencia, pero no sustituye la planificación ni la evaluación de adaptación.

Un registro completo: del dato observado a la decisión explicada

Un caso bien organizado permite distinguir datos, cálculos y decisiones sin mezclarlos en una sola casilla. El registro debe conservar el procedimiento y la versión del modelo, porque esos elementos determinan cómo se interpreta la estimación. El propósito es reconstruir el razonamiento, no acumular columnas que nadie utiliza.

La tabla es una propuesta original y puede adaptarse al contexto. En un ejercicio escolar, quizá se completa con datos ficticios. En un seguimiento especializado, se vincula a sesiones y versiones del equipo. En ninguno de los dos casos conviene llamar observación a una masa que se calculó pero no se levantó.

La referencia puede incluir un campo para indicar si fue comprobada o estimada. Si el valor procede de una predicción, se conserva el método. Cuando una nueva evaluación modifica la referencia, el historial mantiene ambas fechas en lugar de reemplazar retrospectivamente todos los resultados. Así se diferencia una actualización de una corrección de registro.

NSCA sitúa la elección de pruebas en relación con las decisiones que permiten tomar. Una 1RM y una prueba isométrica pueden aportar información complementaria aunque sus resultados se relacionen. Elegir una evaluación depende del propósito y no únicamente de que entregue una cifra asociada con fuerza. French y Torres Ronda (2022, cap. 6, p. 80).

Kiely subraya que una carga programada no produce una respuesta idéntica en todas las personas. Esa perspectiva invita a observar la evolución individual antes de convertir una estimación en un pronóstico de adaptación. Kiely (2022), en Joyce y Lewindon.

El resultado práctico es una cadena legible. Se registró una tarea, se ajustó un modelo, se obtuvo una estimación y se decidió una acción. Cuando falta alguno de esos pasos, la cifra puede parecer precisa mientras se vuelve difícil explicar de dónde salió o por qué se utilizó.

Preguntas frecuentes sobre 1RM, perfiles y pérdida de velocidad

Las dudas sobre estos procedimientos suelen aparecer cuando se utiliza un mismo número para describir una observación, una estimación y una decisión. Las respuestas siguientes conservan esas diferencias. Su finalidad es ayudar a interpretar el procedimiento y sus supuestos, sin presentar una ecuación como evaluación completa de la fuerza o del esfuerzo.

¿Una recta con ajuste perfecto demuestra que la 1RM estimada es exacta?

No. Un ajuste perfecto puede producirse por construcción con dos puntos. Describe la relación con esos registros, pero no demuestra que la extrapolación coincida con una repetición máxima independiente. Para estudiar la predicción hay que comparar el resultado con una referencia válida y examinar sus diferencias, no únicamente la apariencia de la recta.

¿La carga calculada a velocidad cero es una 1RM comprobada?

No. Es una intersección matemática del modelo. Una repetición máxima comprobada corresponde a un levantamiento válido bajo condiciones definidas. Si se utiliza velocidad cero como criterio de extrapolación, el resultado debe identificarse como salida de ese método y no como una masa levantada por la persona.

¿Hace falta estimar la 1RM para observar cambios de velocidad?

No necesariamente. Se pueden comparar ejecuciones con una masa y procedimiento estables, o estudiar un intervalo común de varios perfiles. La estimación del máximo incorpora supuestos adicionales. El seguimiento debe elegir el resultado que responde a su pregunta y conservar las condiciones necesarias para que la comparación sea interpretable.

¿Una pérdida del 20% equivale siempre al mismo esfuerzo o número de repeticiones?

No. El porcentaje depende de la referencia, la tarea y el registro de la serie. Puede alcanzarse después de cantidades diferentes de trabajo. No permite deducir por sí solo repeticiones en reserva ni una causa única de fatiga. La masa, la secuencia y la ejecución completan su interpretación.

¿Cómo enseñar estos cálculos sin realizar pruebas máximas con el alumnado?

Se pueden utilizar datos hipotéticos para construir rectas, distinguir interpolación de extrapolación y calcular pérdidas con referencias diferentes. La evaluación observa si el estudiante explica supuestos, unidades y límites. Comprender una predicción no exige ejecutar un levantamiento máximo ni clasificar a los estudiantes por una cifra de fuerza.

Referencias

• Bompa, T. O., & Buzzichelli, C. A. (2022). Periodization of strength training for sports (4.ª ed.). Human Kinetics. Editorial.
• Zatsiorsky, V. M., Kraemer, W. J., & Fry, A. C. (2021). Science and practice of strength training (3.ª ed.). Human Kinetics. Editorial.
• Schoenfeld, B. J. (2021). Science and development of muscle hypertrophy (2.ª ed.). Human Kinetics. Editorial.
• French, D. N., & Torres Ronda, L. (Eds.). (2022). NSCA’s essentials of sport science. Human Kinetics. Editorial.
• Joyce, D., & Lewindon, D. (Eds.). (2022). High-performance training for sports (2.ª ed.). Human Kinetics. Consulta del extracto oficial del capítulo 18, de John Kiely. Extracto editorial consultado.
• Greig, L., Aspe, R. R., Hall, A., Comfort, P., Cooper, K., & Swinton, P. A. (2023). The predictive validity of individualised load–velocity relationships for predicting 1RM: A systematic review and individual participant data meta-analysis. Sports Medicine, 53, 1693–1708. https://doi.org/10.1007/s40279-023-01854-9.
• LeMense, A. T., Malone, G. T., Kinderman, M. A., Fedewa, M. V., & Winchester, L. J. (2024). Validity of using the load-velocity relationship to estimate 1 repetition maximum in the back squat exercise: A systematic review and meta-analysis. Journal of Strength and Conditioning Research, 38(3), 612–619. https://doi.org/10.1519/JSC.0000000000004709.
• Sánchez-Medina, L., & González-Badillo, J. J. (2011). Velocity loss as an indicator of neuromuscular fatigue during resistance training. Medicine & Science in Sports & Exercise, 43(9), 1725–1734. https://doi.org/10.1249/MSS.0b013e318213f880.
• Jukic, I., Pérez-Castilla, A., García-Ramos, A., Van Hooren, B., McGuigan, M. R., & Helms, E. R. (2023). The acute and chronic effects of implementing velocity loss thresholds during resistance training: A systematic review, meta-analysis, and critical evaluation of the literature. Sports Medicine, 53, 177–214. https://doi.org/10.1007/s40279-022-01754-4.