Musculation basée sur les données pour prévenir l'atrophie

Une équipe de l'ETH Zurich et de la ZHAW développe une méthode simple pour suivre de manière précise les exercices de musculation faits sur les équipements et obtenir les valeurs comparatives manquantes. Elle pourrait à l'avenir aider à élaborer des stratégies d'entraînement optimisées, y compris contre l'atrophie musculaire liée à l'âge.
La musculation constitue la mesure la plus importante contre l'atrophie musculaire. (Photo : Mladen Zivkovic / iStock)

Les muscles sont indispensables à la vie. Les muscles squelettiques représentent à eux seuls jusqu'à quarante pour cent de notre poids corporel. Ils convertissent l'énergie chimique en énergie mécanique et génèrent la force avec laquelle nous respirons et bougeons. Les muscles servent également de réservoir pour les glucides, les protéines et les acides gras et contribuent de manière significative au métabolisme et à l'équilibre énergétique.

Cependant, la masse musculaire diminue continuellement à partir de la quarantaine. Cette perte musculaire liée à l'âge, connue sous le nom de sarcopénie, s'élève à environ six pour cent en dix ans. À l'âge de quatre-vingts ans, une personne aura perdu environ un tiers de sa masse musculaire maximale. La capacité de performance diminue de manière significative et la qualité de vie diminue.

L'entraînement musculaire comme médecine

Il est communément admis que l'activité physique peut stimuler la croissance musculaire. L'entraînement musculaire est donc considéré comme la mesure la plus importante pour contrer les conséquences négatives de la sarcopénie. Cependant, on ignore encore largement à quoi doit ressembler exactement l'entraînement musculaire ciblé pour atteindre son but.

"Cela est dû au fait que l'entraînement musculaire n'est pas décrit de manière suffisamment détaillée dans la pratique. Il est donc difficile de tirer des conclusions sur la formation des muscles", explique Claudio Viecelli, doctorant à l'Institute of Molecular Systems Biology dirigé par le professeur Ernst Hafen de l'ETH Zurich.

Claudio Viecelli veut combler cet écart. Dans le cadre de sa thèse, le biologiste moléculaire a mis au point une méthode d'une simplicité impressionnante en collaboration avec des collègues de la Haute école spécialisée des sciences appliquées de Zurich (ZHAW) et de Kieser Training AG : il utilise les capteurs d'accélération des smartphones courants pour enregistrer avec une grande résolution temporelle le déroulement des exercices de musculation. La méthode est décrite dans le magazine spécialisé PLOS ONE.

Mesurer les temps de contraction

Jusqu'à présent, les exercices effectués avec un poids étaient enregistrés uniquement au niveau du nombre de séries et de répétitions. Cependant, ces données ne sont pas bien comparables et sont donc sous-optimales pour étudier les effets de l'entraînement sur la formation musculaire. Pour la physiologie musculaire, le schéma temporel de l'entraînement de force est pertinent.

Les variables de description nécessaires sont connues en théorie depuis longtemps : il s'agit notamment de la "répétition unique", qui consiste à lever et à abaisser la charge, puis des "temps de contraction spécifiques", qui indiquent les durées de tension musculaire pour le levage et l'abaissement, et enfin de la "durée de tension totale", qui quantifie la durée totale de tension des muscles pendant un exercice.

De l'accélération à la contraction

Il n'existait jusqu'à présent pas d'approche appropriée pour enregistrer de manière fiable ces variables dans un centre de musculation. "Cela nécessiterait plusieurs chronomètres ou même plusieurs aides - mais cela n'est guère réalisable. C'est pourquoi ces informations sont généralement absentes des protocoles d'entraînement ainsi que des publications scientifiques", explique Claudio Viecelli, lui-même un fervent adepte de l'entraînement musculaire. En cherchant une solution, il a eu l'idée d'utiliser le smartphone comme un outil d'analyse numérique.

En route vers la salle de musculation numérique : pendant un exercice sur l'appareil de musculation, les smartphones enregistrent l'accélération et la vitesse de la pile de poids. (Vidéo : ETH Zurich)

Pour tester son idée, il a examiné les exercices d'entraînement de 22 personnes sur 9 machines de musculation à l'ASVZ Irchel. Il a attaché les smartphones aux piles de poids afin qu'ils enregistrent les accélérations pendant les exercices. Une application spécialement programmée a enregistré les données des capteurs. A partir des profils d'accélération, les temps de contraction ont pu être déterminés. En les comparant avec des enregistrements vidéo, le chercheur a montré que la méthode est suffisamment précise et fiable.

Vision: la salle de musculation numérisée

Cette nouvelle méthode d'analyse permet de décrire les exercices musculaires de manière beaucoup plus précise qu'auparavant et d'enregistrer les valeurs comparatives pertinentes de manière standardisée. Ce n'est qu'alors qu'il sera possible de quantifier l'entraînement de force en tant que stimulus de la formation musculaire et d'identifier les changements induits par l'entraînement dans la physiologie musculaire au moyen d'études comparatives. Enfin, cela pourrait aider à combattre la sarcopénie liée à l'âge et ses conséquences.

Cette méthode est principalement destinée à des fins de recherche. Il est néanmoins concevable qu'à l'avenir les personnes qui s'entraînent utilisent également cet outil pour enregistrer des données de manière indépendante avec leur smartphone, selon Claudio Viecelli. Cela leur permettrait de mieux adapter les plans de formation à leurs besoins.

Ces données d'utilisateurs intéressent à leur tour la science. La vision de Claudio VIecelli est une salle de musculation numérisée avec une multitude de données d'entraînement que l'on peut corréler avec le corps. "Notre objectif est de développer des stratégies d'entraînement personnalisées pour augmenter la masse musculaire, la force ou les deux ensemble de manière efficace et efficiente", explique le biologiste moléculaire.

Référence

Viecelli C, Count D, Aguayo D, Port 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 : 10.1371/journal.pone.0235156