1회 최대 반복(1RM)은 최대 근력 용량의 황금 기준 측정이자 퍼센트 기반 훈련에서 부하 처방의 기준입니다. 그러나 직접 1RM 테스팅은 진정한 최대 노력을 수반하고, 근골격 부상 위험을 수반하며(훈련된 선수에서 1,000회 테스팅 세션당 1~3건으로 추정), 여러 종목에서 선수단을 관리할 때 상당한 시간이 필요합니다.
부하-속도 프로파일링(LVP) — 최대하 부하 전반에 걸쳐 바벨 부하와 평균 구심 속도 간의 관계를 수립하는 것 — 은 Gonzalez-Badillo와 Sanchez-Medina의 2010년 획기적 관찰에서 등장했습니다: 스쿼트의 부하-속도 관계는 고도로 선형적(R² ≥ 0.97)이며 1RM 부하는 각 개인에게 예측 가능한 최소 속도에 해당합니다. 실무자가 3~5개의 최대하 부하에서 속도를 측정하고 이 선형 관계를 수립할 수 있다면, 개인의 최소 속도 임계값에 해당하는 부하로 외삽하여 최대 노력 시도 없이 추정 1RM을 산출할 수 있습니다.
이 리뷰가 다루는 핵심 질문은: 이 예측이 실제로 얼마나 정확하며, 어떤 요인이 정확성에 가장 큰 영향을 미치는가?
부하-속도 프로파일링 방법론
표준 LVP 세션의 진행 방식:
- 선수는 점진적으로 증가하는 부하에서 세트를 수행합니다(예: 추정 1RM의 40%, 55%, 70%, 85%), 각 부하에서 완전한 구심 노력과 최대 속도 의도로 3회 반복합니다.
- 선형 위치 변환기 또는 IMU 센서를 사용하여 각 부하에서 평균 구심 속도(MCV)를 기록합니다.
- 부하-MCV 데이터에 선형 회귀를 적용합니다: 부하 = a − (b × MCV), 여기서 a와 b는 개인적으로 결정된 기울기와 절편 매개변수입니다.
- 1RM은 개인의 최소 속도 임계값(MVT — 선수가 반복을 완료할 수 있는 가장 느린 MCV)을 회귀 방정식에 삽입하여 추정됩니다: 추정 1RM = a − (b × MVT).
추정의 정확도는: (1) 각 부하에서의 속도 측정 품질, (2) 충분히 넓은 속도 범위에 걸친 부하 선택, (3) 개인 MVT의 정확도, (4) 프로파일이 현재 훈련 상태 대비 얼마나 최근에 수립되었는지에 의존합니다.
스쿼트 1RM 예측 정확도
스쿼트는 여러 실험실과 집단에 걸쳐 일관된 증거를 갖춘 LVP 기반 1RM 예측에서 가장 많이 연구된 운동입니다:
- Gonzalez-Badillo와 Sanchez-Medina(2010) — 획기적 연구. 80명의 훈련된 남성에서 4~6개의 최대하 부하(1RM의 40~93%)를 사용하여, 부하-속도 관계는 분산의 97.2~99.5%를 설명했습니다(참가자 전반에 걸친 R²). 0.31 m/s의 인구 평균 MVT로의 외삽을 사용한 1RM 예측의 추정 표준 오차(SEE)는 3.2kg이었습니다.
- Garcia-Ramos et al.(2018) — 30명의 파워리프터에서 LVP 검증. 개인적으로 보정된 MVT 사용 시 SEE = 2.9kg(1RM의 3.1%). 인구 평균 MVT 사용 시 SEE는 5.4kg(5.8%)으로 증가 — 개인 MVT 보정의 중요성을 보여줍니다.
- Weakley et al.(2020) — 스쿼트 LVP 정확도의 체계적 리뷰. 12개 연구(n = 437)에 걸쳐 평균 SEE = 3.8kg(범위: 2.1~6.4kg). 더 높은 정확도와 관련된 요인: 더 높은 샘플링 속도(≥800Hz), 프로파일에 더 많은 부하(4개 이상), 더 넓은 부하 범위(≥40% 1RM 범위), 개인적으로 보정된 MVT.
실용적으로, 잘 실행된 스쿼트 LVP는 훈련된 선수에서 1RM을 ~4kg 이내로 추정합니다 — 이는 퍼센트 기반 부하 처방에 충분하며, 1RM의 ±5% 오차는 처방된 부하의 ±2.5~5kg 변동으로 해석됩니다.
벤치 프레스 1RM 예측 정확도
벤치 프레스 LVP 정확도는 두 가지 요인으로 인해 스쿼트 정확도보다 체계적으로 낮습니다: 더 큰 개인 간 MVT 변동과 바 경로 불일치가 속도 측정에 미치는 더 큰 영향.
- Garcia-Ramos et al.(2016) — 30명의 훈련된 남성에서 LVP 1RM 예측 vs 직접 테스트된 1RM 비교(벤치 프레스). 인구 평균 MVT(0.17 m/s) 사용 시 SEE = 7.1kg(평균 1RM 105kg의 6.8%). 개인적으로 보정된 MVT 사용 시: SEE = 4.4kg(4.2%) — 정확도 38% 향상.
- Randell et al.(2021) — 40명의 저항 훈련 피험자, 4개 부하를 사용한 벤치 프레스 LVP. 평균 절대 오차 = 5.9kg(범위: 2.1~12.8kg). 넓은 개인 범위는 일부 선수가 인구 MVT 가정에서 크게 벗어남을 강조하며 개인 보정이 중요함을 보여줍니다.
- 벤치 프레스에서의 바 경로 편차(내측-외측 이동, 다양한 호 궤적)는 더 제한된 스쿼트 바 경로에 비해 추가적인 속도 측정 오차를 발생시킵니다. 바에 부착된 선형 위치 변환기를 사용하는 연구는 IMU 기반 방법보다 낮은 벤치 프레스 SEE를 보입니다(Garcia-Ramos et al., 2016).
벤치 프레스의 경우, 인구 평균보다 개인적으로 보정된 MVT를 사용하는 것이 권장됩니다. 벤치 프레스의 인구 평균 MVT 값은 0.14~0.22 m/s(SD ±0.06 m/s)로, 개인이 평균에서 크게 벗어나는 경우 8~15kg의 오차를 유발할 수 있는 충분히 넓은 범위입니다.
2점법 vs 다점법 LVP 비교
코치에게 실용적인 문제는 유효한 LVP에 필요한 부하 수입니다. 전체 4~6부하 프로토콜은 전용 테스팅 세션이 필요하지만, 2점 프로토콜(가벼운 부하와 무거운 부하만 사용)은 일반 준비 운동 순서에 통합될 수 있습니다.
2점 LVP 개념은 Jaric et al.(2015)에 의해 공식화되었으며 Garcia-Ramos et al.(2018) 등에 의해 근력 테스팅에 특별히 검증되었습니다. 핵심 증거:
- Garcia-Ramos et al.(2018) — 26명의 훈련된 남성에서 스쿼트 1RM 예측을 위한 2부하(1RM의 45% + 85%) vs 4부하(45%, 60%, 75%, 85%) LVP 비교. 2부하 SEE = 3.4kg vs 4부하 SEE = 2.9kg — 유의하지 않은 차이(p = 0.31). Bland-Altman 분석은 유사한 일치 한계를 보였습니다.
- 핵심 조건: 두 부하는 1RM의 최소 30%(가급적 ≥35~40%) 이상 차이가 나야 합니다. 분리가 < 20%일 때 2점 LVP 정확도가 크게 저하되었습니다(SEE가 6.8~9.2kg으로 증가). 회귀가 불량하게 제한된 선으로 더 넓은 범위에 걸쳐 외삽하기 때문입니다.
- 실용성 이점: 1RM의 45%와 85%에서 2점 LVP는 세트 간 휴식을 포함하여 약 8~12분이 소요됩니다. 전체 4~6부하 프로토콜의 20~35분에 비해. 이는 시간이 제한된 환경에서 선수를 주별로 재프로파일하는 것을 가능하게 합니다.
2점 방법은 이제 정기적 모니터링을 위한 대부분의 고성능 환경에서 선호되는 접근법입니다. 전체 다점 프로파일은 초기 개인 MVT 보정 및 매크로사이클 후 평가에 사용됩니다.
최소 속도 임계값: 개인 간 변동
최소 속도 임계값(MVT)은 LVP 예측 오차의 가장 중요한 원인입니다. 계산에 사용된 MVT가 개인의 실제 MVT에서 벗어나면 추정 1RM은 MVT 오차 0.05 m/s당 약 8~15kg 이동합니다 — 예측 정확도에 직접적이고 큰 영향을 미칩니다.
대규모 표본 연구에서 공개된 MVT 값:
| 운동 | 평균 MVT(m/s) | SD(m/s) | 95% CI 범위(m/s) |
|---|---|---|---|
| 바벨 백 스쿼트 | 0.31 | 0.06 | 0.19~0.43 |
| 바벨 벤치 프레스 | 0.17 | 0.06 | 0.05~0.29 |
| 데드리프트 | 0.14 | 0.05 | 0.04~0.24 |
| 스미스 머신 스쿼트 | 0.28 | 0.05 | 0.18~0.38 |
데이터 출처: Gonzalez-Badillo와 Sanchez-Medina(2010), Garcia-Ramos et al.(2016), Weakley et al.(2020).
개인 MVT 결정은 최소 한 번의 진정한 1RM 시도가 필요합니다 — 이 시도 중의 속도가 개인의 MVT로 기록됩니다. 이후 모든 LVP 세션은 인구 평균 대신 이 개인 보정을 사용합니다. MVT 자체는 상대적으로 안정적입니다: Jukic et al.(2020)은 4주에 걸친 개인 MVT의 검사-재검사 신뢰도가 ICC = 0.94임을 보여주었습니다. 이는 MVT가 매 훈련 블록마다 재결정될 필요가 없음을 시사합니다 — 하지만 기술이 크게 변하거나 오랜 훈련 중단 후에는 재수립해야 합니다.
시간적 유효성: 프로파일이 얼마나 오래 정확성을 유지하는가
LVP 실무의 중요하지만 덜 연구된 측면은 특정 날짜에 수립된 프로파일이 현재 1RM의 정확한 예측자로 얼마나 오래 유지되는지입니다. 훈련 블록에 걸쳐 근력이 향상됨에 따라 부하-속도 관계가 이동합니다 — 선수는 동일한 절대 부하에서 더 빠르게 움직여, 오래된 회귀선이 더 이상 현재 1RM으로 정확하게 외삽하지 못합니다.
- Weakley et al.(2020) — 8주 훈련 블록 시작에 수립된 프로파일이 블록 끝의 1RM을 SEE 7.2kg으로 예측했습니다 — 동시 프로파일(3.8kg)의 정확도보다 두 배 이상. 정확도 저하는 주로 상당한 근력 향상(1RM 5% 이상 증가)을 보인 선수들에서 발생했으며, 이동된 부하-속도 관계가 오래된 프로파일에 포착되지 않았습니다.
- Jukic et al.(2020) — 8주 된 프로파일의 1RM 예측 오차가 임상적으로 의미 있음을 보여줬습니다: 오래된 프로파일 사용으로 인해 부하 처방이 1RM의 6~12% 벗어났습니다 — 실제 목표가 62%인데 70% 노력을 처방하는 것과 동일합니다. VBT 또는 퍼센트 기반 훈련에서 이는 기능적으로 중요한 오차입니다.
- 실용적 권장 사항: 활성 훈련 중 4~6주마다, 또는 1RM의 ≥5% 변화가 의심될 때마다 LVP를 재수립하세요. 2점 방법은 전용 테스팅 세션 없이 이를 실용적으로 만들어줍니다.
훈련 환경을 위한 최선 사례 LVP 프로토콜
검토된 증거를 바탕으로 훈련 환경을 위해 다음 LVP 프로토콜을 권장합니다:
초기 보정 (한 번 수행, 매 매크로사이클마다 반복)
- 추정 1RM의 40~90%에 걸친 전체 4~6부하 LVP를 부하당 3회 반복으로 수행합니다(최대 의도, 최소 속도 손실).
- 세션 끝에 진정한 1RM 시도를 수행하고 속도를 기록합니다 — 이것이 해당 운동의 개인 MVT입니다.
- 이 MVT 값을 저장하여 모든 후속 정기 모니터링 세션에 사용하세요.
정기 모니터링 (2~4주마다)
- 일반 준비 운동의 일부로 최대 속도 의도로 1RM의 ~45%에서 3회, ~80~85%에서 3회 수행합니다.
- 개인 MVT를 사용한 2점 회귀를 적용하여 현재 1RM을 추정합니다.
- 추정 1RM을 이전 값과 비교 — ≥5% 변화가 있으면 그에 따라 부하 처방을 조정합니다.
주요 실용적 기준
- 부하에 관계없이 모든 반복에서 항상 최대 구심 의도를 사용하세요 — 최대하 노력은 가벼운 부하에서 측정된 속도를 부풀려 회귀를 왜곡합니다.
- 부하당 3회 반복; 첫 번째 반복을 제외(준비 운동 효과)하고 나머지 두 개를 평균하여 속도 데이터 포인트로 사용합니다.
- 2점 방법의 최소 부하 분리: 두 부하 사이에 1RM의 35%.
- 기술이 상당히 변하거나 ≥6주의 훈련 중단 후에는 개인 MVT를 재수립하세요.
자주 묻는 질문
01부하-속도 프로파일링이 전통적인 1RM 테스팅을 완전히 대체할 수 있나요?+
02정확한 부하-속도 프로파일을 구축하는 데 몇 개의 부하가 필요한가요?+
03벤치 프레스 1RM 예측이 스쿼트 예측보다 덜 정확한 이유는 무엇인가요?+
04부하-속도 프로파일을 얼마나 자주 업데이트해야 하나요?+
05최소 속도 임계값이란 무엇이며 왜 중요한가요?+
06부하-속도 프로파일링이 스쿼트와 벤치 프레스 외 다른 운동에도 작동하나요?+
관련 글
부하-속도 관계 정확도 연구 메타분석
부하-속도 관계 정확도 연구 메타분석에 대한 심층 가이드. 과학적 연구 근거, 구체적 수행법, 프로그래밍, 데이터 기반 모니터링까지 총정리. 부하-속도 관계 정확도 연구 메타분석은(는) 훈련 프로그래밍의 근본적 질문에 답하는 연구 영역입니다.
최소 속도 임계값(MVT) 연구 종합 리뷰
최소 속도 임계값(MVT) 연구 종합 리뷰에 대한 심층 가이드. 과학적 연구 근거, 구체적 수행법, 프로그래밍, 데이터 기반 모니터링까지 총정리.
자동조절을 위한 속도 기반 훈련(VBT): 연구가 말하는 것
자동조절을 위한 속도 기반 훈련(VBT)의 과학적 근거를 정리합니다. 주요 연구, 퍼센트 기반 훈련과의 비교, 피로 관리 근거, 실전 시사점을 다룹니다.
힘 발달 속도(RFD) 훈련 방법: 근거 리뷰
어떤 훈련 방법이 힘 발달 속도(RFD)를 가장 효과적으로 향상시키는가? 플라이오메트릭, 탄도성, VBT, 등척성 접근법의 체계적 리뷰를 소개합니다.
속도 손실 임계값: 근비대 vs 파워 결과 비교
10%, 20%, 30% 속도 손실 임계값에 대한 연구가 무엇을 말하는가? 근비대와 파워 훈련 결과를 엄격하게 비교하는 근거 종합 리뷰입니다.
파워 출력 감소를 피로 모니터링 도구로 활용하기
파워 출력 감소를 추적하여 근력·파워 선수의 피로를 모니터링하는 방법은 무엇인가? 세션 내 및 세션 간 피로에 관한 체계적 리뷰입니다.
클린 동작의 파워-시간 곡선 완전 분석: 800Hz IMU로 측정한 1풀, 트랜지션, 2풀 파워 분포
클린의 파워-시간 곡선은 1풀, 트랜지션, 2풀로 나뉘며 2풀에서 최대 파워가 발생합니다. 800Hz IMU PoinT GO로 측정한 데이터와 연구 사례를 분석합니다. PoinT GO 800Hz IMU 측정 데이터로 검증된 가이드입니다.
마지막 반복에서 바 속도가 떨어지는 이유: 신경근 피로의 과학적 분석
마지막 반복 바 속도 감소의 생리학적 원인을 분석합니다. 신경근 피로, 대사 산물 축적, 운동단위 동원 변화가 속도 손실에 미치는 영향을 연구 데이터로 설명합니다. PoinT GO 800Hz IMU 측정 데이터로 검증된 가이드입니다.
전문 연구 수준의 정확도로 퍼포먼스를 측정하세요