속도 기반 1RM 예측 정확도: 운동 종목별 예측 오차 분석

백 스쿼트 1RM을 진짜 최대 부하에 도전하지 않고 몇 번의 서브맥시멀 반복만으로 예측할 수 있다면, 선수 안전·훈련 빈도·일일 부하 처방에 미치는 영향은 엄청납니다. 이것이 바로 속도 기반 1RM 추정이 약속하는 것이며, 연구 근거도 이를 뒷받침합니다. Banyard et al. (2017)은 부하-속도 프로파일링이 훈련된 선수에서 자유 중량 백 스쿼트 1RM을 표준 오차 단 3.9 kg(~2.1%)으로 예측했다고 보고했습니다. 그러나 동일한 방법론을 데드리프트나 벤치프레스에 적용하면 오차가 두세 배 이상 커집니다. 예측 정확도가 운동 종목에 따라 왜 이렇게 크게 달라지는지, 그리고 현장에서 무엇을 할 수 있는지를 이해하는 것은 오늘날 응용 속도 기반 트레이닝(VBT) 연구에서 가장 실용적으로 중요한 질문 중 하나입니다.

이 근거 검토는 다섯 가지 주요 운동 범주(백 스쿼트, 벤치프레스, 데드리프트, 힙 스러스트, 상체 풀 동작)에 걸쳐 발표된 속도 기반 1RM 예측 오차 데이터를 종합합니다. 두 가지 주요 추정 방법을 비교하고, 최소 속도 역치(MVT)의 안정성을 검토하며, 일상 코칭 현장에서 오차를 줄이기 위한 구체적인 프로토콜을 제시합니다.

저항 운동에서 부하-속도 관계는 대부분의 다관절 바벨 동작에서 작업 강도 범위 전반에 걸쳐 매우 선형적입니다. 상대 부하가 증가할수록 — 1RM 대비 백분율로 표현 — 평균 동심 속도(MCV)는 예측 가능한 거의 선형적인 방식으로 감소합니다. 이 관계는 González-Badillo and Sánchez-Medina (2010)가 체계적으로 기술했으며, 훈련된 남성 대규모 표본에서 자유 중량 백 스쿼트의 상대 부하와 MCV 간 피어슨 상관계수 r = 0.98을 보고했습니다.

실용적인 결론은 명확합니다. 선수가 최대 속도로 두 가지 이상의 서브맥시멀 부하를 들어올리면, 그 부하-MCV 쌍이 회귀선을 정의합니다. 이 선을 선수의 알려진 최소 속도 역치 — 진짜 1RM에서 단 한 번의 반복을 겨우 완료할 수 있는 속도 — 까지 외삽하면 실제 최대치 시도 없이 추정 1RM을 도출할 수 있습니다. 이를 통해 전력을 다한 1RM 테스트의 부상 위험, 피로 누적, 심리적 부담을 피하면서도 일일 해상도로 부하 처방 데이터를 얻을 수 있습니다.

그러나 이 외삽의 정확도는 다음에 크게 달라집니다. (1) 특정 운동에서 부하-속도 관계가 실제로 얼마나 선형적인가, (2) MVT가 훈련 세션 내외에서 얼마나 안정적인가, (3) 회귀를 구성하는 데 몇 개의 데이터 포인트를 사용하는가. 이 세 가지 변산 원인은 운동과 동작 패턴에 따라 실질적으로 다릅니다.

문헌에서는 두 가지 큰 접근법이 주를 이루며, 코칭 현장에서는 용어가 자주 혼용됩니다.

부하-속도 프로파일(LVP) 방법은 여러 서브맥시멀 부하(보통 1RM의 40~90%에 걸쳐 3~6개)에서 MCV를 수집하고, 그 부하-속도 쌍에 선형 회귀를 적합시킨 후, 사전에 정의된 MVT 값으로 회귀를 외삽하여 1RM을 추정합니다. 이 예측은 회귀 기울기의 정확도와 MVT 기준점의 정확도 모두에 달려 있습니다. 이 방법은 가장 광범위하게 검증되었으며 실험실 환경에서 표준으로 간주됩니다.

2포인트 방법 — García-Ramos et al. (2018)이 제안한 실용적 단순화 — 는 오직 두 가지 부하(보통 가벼운 것과 무거운 것)만 사용해 회귀선을 정의합니다. García-Ramos et al.은 적절하게 선택된 2포인트 범위(예: 1RM의 20%와 70%)가 벤치프레스에서 전체 6포인트 프로파일로 생성된 것과 통계적으로 다르지 않은 1RM 추정치를 산출했음을 보였으며, 변동 계수(CV)는 전체 프로파일의 3.2% 대비 약 3.8%였습니다. 2포인트 방법은 약간의 정확도를 희생하는 대신 상당한 시간 절약을 제공하여, 표준 워밍업 내에서 실행 가능합니다.

최소 속도 역치(MVT) 단독 방법은 단순화된 대안으로 사용되기도 합니다. 알려진 서브맥시멀 부하에서 MCV만 측정한 후, 1RM을 속도 비율(서브맥시멀 부하 ÷ 알려진 MVT)의 함수로 계산합니다. 이 접근법은 단일 테스트 세트만 필요하지만 MVT 오차에 매우 민감합니다 — MVT에서 0.02 m/s의 오차는 운동에 따라 약 3~5 kg의 1RM 오차로 이어져, 개별 보정 없이 적용할 경우 세 접근법 중 정확도가 가장 낮습니다.

아래 표는 운동 종목별로 정리된 발표된 예측 오차 데이터를 요약합니다. 추정값의 표준 오차(SEE) 값은 가능한 경우 보고되었으며, 표본 1RM 크기가 다를 때 SEE만으로 정보가 부족한 경우 변동 계수(CV%)를 포함했습니다. 모든 값은 훈련된 참가자(최소 1년의 체계적인 저항 훈련 경험)와 별도 언급이 없는 한 자유 중량 바벨을 사용한 연구를 반영합니다.

패턴은 명확합니다. 견고한 양측 접지로 고정된 하체 운동(스쿼트)은 예측 오차가 가장 작고, 엉덩이 주도 운동(힙 스러스트, 데드리프트)과 탄도적인 상체 풀 동작(벤트오버 로우)은 오차가 가장 큽니다. 머신 가이드 풀 동작(랫 풀다운)은 백 스쿼트에 버금가는 정확도를 보이는데, 이는 동작 제약 — 운동 유형만이 아닌 — 이 오차 크기의 주요 원인임을 강조합니다.

세 가지 생체역학적 요인이 왜 머신 운동에서 예측 오차가 체계적으로 낮고 자유 중량 엉덩이 주도 동작에서 높은지를 설명합니다.

자유도와 바 경로 변동성. 가이드 머신(랫 풀다운, 스미스 머신 스쿼트)에서는 바가 매 반복마다 고정된 경로를 따릅니다. MCV에 기여하는 변수는 근육 힘 출력뿐입니다. 자유 중량 바벨 백 스쿼트에서는 바가 약간 앞뒤로 이동할 수 있고, 운동학적 경로는 반복 간, 세션 간, 피로 수준에 따라 달라집니다. Hughes et al. (2019)은 동일한 부하 조건에서 랫 풀다운의 시도 간 MCV CV가 약 1.8%인 반면 바벨 벤트오버 로우는 4.3%였음을 보여 주었는데, 이는 바 경로 변동성의 직접적인 결과입니다.

스티킹 포인트 위치와 부하-속도 선형성. 컨벤셔널 데드리프트와 힙 스러스트는 모두 뚜렷한 스티킹 포인트 — 부하에 대한 모멘트 암이 최대화되고 가속이 가장 낮은 동작 범위 내 위치 — 를 보입니다. 상대 부하가 높아질수록 선수들은 스티킹 포인트를 이동시키기 위해 테크닉을 변경하는데, 이는 회귀 기반 1RM 예측의 기초인 선형성 가정을 위반하는 방식으로 속도-시간 곡선의 형태를 효과적으로 바꿉니다. Banyard et al. (2017)은 백 스쿼트에서 부하-속도 선형성이 r = 0.99를 유지했지만, Hughes et al. (2019)은 컨벤셔널 데드리프트에서 r 값이 0.91~0.94로 보고했는데, 이는 회귀의 극단에서 오차를 복합시키는 의미 있는 이탈입니다.

반동 기여도. 힙 스러스트 1RM 예측은 편심 및 동심 단계 사이에서 고관절 굴곡근에 저장된 탄성 에너지의 가변적인 정도로 인해 복잡합니다. 피로한 선수는 반동 깊이를 줄여, 서브맥시멀 부하에서 MCV로는 포착되지 않는 방식으로 동심 단계의 실질적인 시작 속도를 변경합니다. Jukic et al. (2022)은 힙 스러스트 셋업 표준화(벤치 높이, 발 위치, 바 접촉점 고정)가 선수 선호 셋업 대비 SEE를 약 22% 감소시켰음을 발견하여, 변동성이 높은 운동에서 절차적 표준화가 얼마나 중요한지를 강조했습니다.

MVT는 진짜 1RM에서 마지막으로 성공한 반복에서 기록된 MCV입니다. 집단 수준의 MVT는 잘 문서화되어 있습니다. 백 스쿼트 약 0.30 m/s, 벤치프레스 0.15~0.17 m/s, 컨벤셔널 데드리프트 0.10~0.12 m/s, 힙 스러스트 0.30~0.35 m/s입니다. 그러나 예측 정확도에 있어 중요한 질문은 집단 평균이 아니라 세션과 훈련 단계 전반에 걸친 개인 내 MVT의 안정성입니다.

García-Ramos et al. (2018)은 훈련된 남성의 벤치프레스 MVT를 4주에 걸쳐 6회의 세션에서 테스트하고, 급내 상관 계수(ICC) 0.89와 CV 6.3%를 보고했습니다. 얼핏 보면 MVT에서 6% CV는 우려스럽게 들리지만, 1RM 예측 오차에 미치는 실질적 영향은 선수가 부하-속도 곡선의 어디에 위치하는지에 달려 있습니다. 벤치프레스 1RM이 120 kg인 선수에서 MVT의 0.02 m/s 변화는 약 4~6 kg의 예측 오차로 이어지는데, 이는 부하 처방 목적(±5 kg)에서 허용 가능한 범위 내입니다.

MVT는 자유도가 적은 운동에서 더 안정적입니다. 표준 케이블 머신의 랫 풀다운에서 선수 내 ICC 값은 일관되게 0.93을 초과합니다. 컨벤셔널 데드리프트의 경우, 문헌의 ICC 값은 0.74~0.82 범위로 훨씬 낮으며, 이는 기술 변동과 풀 시작 시 엉덩이 높이에 대한 데드리프트 속도 프로파일의 민감성 모두를 반영합니다. 데드리프트 MVT의 이 불안정성은 그 운동이 여러 연구에서 가장 큰 절대적 1RM 예측 오차를 지속적으로 보이는 이유 중 하나입니다.

훈련 상태도 MVT 안정성을 조절합니다. Jukic et al. (2022)은 초보자(<1년 훈련)와 훈련된(>3년) 선수 간 MVT 신뢰성을 비교하여, 초보자가 스쿼트와 벤치프레스에서 훈련된 선수보다 약 40% 높은 CV를 보였음을 발견했습니다. 현장 실무자들에게 시사하는 바는, 부하-속도 프로파일링은 새로운 선수들에서 예측 오차가 임상적으로 유용한 범위 내로 떨어지기 전에 최소 4~6주의 VBT 적응 기간이 필요하다는 것입니다.

상체 풀 동작은 VBT 문헌에서 독특한 위치를 차지합니다. 근력 및 파워 맥락에서 일반적으로 프로그래밍되지만, 스쿼트와 벤치프레스 변형보다 훨씬 덜 체계적으로 연구됩니다. 기존 데이터는 동작이 머신으로 제약되는지 자유 중량인지에 따라 정확도 프로파일이 크게 다름을 보여 줍니다.

표준 케이블 머신의 랫 풀다운은 머신 가이드 프레스 동작과 매우 유사하게 작동합니다 — 바 경로가 고정되고, 자유도가 최소화되며, 부하-속도 관계가 매우 선형적입니다. Hughes et al. (2019)은 자신들의 표본에서 랫 풀다운 1RM 예측의 SEE 값을 3.1~5.0 kg으로 보고했는데, 이는 백 스쿼트와 비교 가능하거나 더 낫습니다. 이는 랫 풀다운을 상체 동작임에도 불구하고 일반 프로그래밍에서 가장 속도 예측 가능한 운동 중 하나로 만듭니다.

바벨 벤트오버 로우는 다른 이야기입니다. 체간 각도 변동, 햄스트링 및 요추 피로, 실질적인 수평 힘 성분이 모두 속도 신호에 잡음을 도입합니다. 1RM의 80% 이상의 부하에서 선수들은 흔히 엉덩이 모멘텀을 사용하여 동심 단계를 보조하는데, 이는 풀 근육만이 만들어 내는 것에 비해 MCV를 부풀립니다. 이 기술 변화는 선형성 가정을 위반하고 많은 피험자에서 예측 오차를 7~12 kg으로 증가시킵니다. Hughes et al. (2019)은 코치가 폼을 엄격하게 강제하지 않는 한 벤트오버 로우에 표준 LVP 방법을 사용하지 말 것을 명시적으로 권고했습니다.

풀업은 독특한 과제를 제시합니다. 1RM은 일반적으로 체중 더하기 추가 부하로 표현되지만, 시작 부하 — 체중 — 는 수분 섭취에 따라 달라지며 사용자가 제어할 수 없습니다. Jukic et al. (2022)은 부하-속도 회귀의 x축에서 절대 부하 대신 상대 부하(총 부하 ÷ 1RM에서의 총 부하)를 사용하면 풀업 1RM 예측 정확도가 약 18% 향상되어 SEE 값이 5.8~9.3 kg이 됨을 발견했습니다. 풀업 프로그래밍에 VBT를 사용하는 현장 실무자는 항상 상대 부하로 정규화하고 프로파일링 당일 체중을 측정해야 합니다.

근거는 운동에 관계없이 속도 기반 1RM 예측 오차를 줄이는 다섯 가지 실행 가능한 전략으로 수렴합니다.

1. 집단 규범 대신 개인화된 MVT를 사용하세요. 초기 프로파일링 중에 선수에게 실제 1RM 시도(적절한 안전 프로토콜 포함)를 완료하게 하고 마지막 성공 반복의 MCV를 기록하여 각 선수의 개인 MVT를 설정하세요. 집단 수준 MVT는 체계적인 편향을 도입하며, 개인 MVT는 대부분의 발표된 데이터셋에서 운동 전반에 걸쳐 SEE를 15~30% 감소시킵니다.

2. 촬영된 참조 지점으로 기술을 표준화하세요. 데드리프트, 힙 스러스트, 벤트오버 로우에서의 예측 오차는 세션 전반에 걸쳐 셋업이 표준화될 때 크게 감소합니다. 1RM의 60~70%에서 각 선수의 폼을 참조 비디오로 기록하고 각 프로파일링 세션 전에 기술적 참조로 사용하세요. 힙 스러스트의 경우 특히 분필 표시로 벤치 높이, 발 위치, 바 위치를 고정하세요.

3. 1RM의 45~85%에 걸쳐 최소 세 가지 부하 포인트를 사용하세요. 2포인트 방법은 고유 선형성이 높은 운동(스쿼트, 랫 풀다운, 벤치프레스)에는 허용 가능하지만, 선형성이 저하된 데드리프트와 힙 스러스트의 경우 세 가지 이상의 포인트를 사용하면 회귀가 단일 이상값 속도 측정에 민감해지는 것을 줄여 줍니다.

4. 쉬는 상태에서 일관된 시간대에 프로파일링하세요. García-Ramos et al. (2018)은 벤치프레스 MVT가 시간대와 세션 전 피로에 따라 최대 0.025 m/s까지 달라져 3~5 kg의 예측 오차를 도입하기에 충분함을 보였습니다. 프로파일링 세션을 같은 시간대로 표준화하고 마지막 고강도 세션에서 최소 48시간의 휴식을 보장하면 이 변동성을 제어합니다.

5. 4~6주마다 재프로파일링하세요. 선수가 적응함에 따라 부하-속도 관계가 변화합니다. 훈련 블록 1주차에 구축된 회귀는 서브맥시멀 부하에서 향상된 신경근 효율성으로 인해 6주차에 1RM을 5~8% 과대 추정할 수 있습니다. Jukic et al. (2022)은 4주마다 재프로파일링하면 16주 훈련 블록 전반에 걸쳐 예측 오차를 4% 미만으로 유지하는 반면, 업데이트 없이 전체 블록에 기준선 프로파일을 사용할 때는 7~9% 오차가 발생함을 발견했습니다.

1. Banyard, H.G., Nosaka, K., & Haff, G.G. (2017). Reliability and validity of the load-velocity relationship to predict the 1RM back squat. Journal of Strength and Conditioning Research, 31(7), 1897–1904.
2. García-Ramos, A., Haff, G.G., Pestana-Melero, F.L., Perez-Castilla, A., Rojas, F.J., Balsalobre-Fernandez, C., & Jaric, S. (2018). Feasibility of the 2-point method for determining the 1-repetition maximum in the bench press exercise. International Journal of Sports Physiology and Performance, 13(4), 474–481.
3. Hughes, L.J., Banyard, H.G., Dempsey, A.R., & Scott, B.R. (2019). Using a load-velocity relationship to predict 1RM in free-weight exercise: a comparison of the different methods. Journal of Strength and Conditioning Research, 33(9), 2409–2419.
4. Jukic, I., García-Ramos, A., Malecek, J., Omcirk, D., & Tufano, J.J. (2022). The use of generalized vs. individualized load-velocity profiles for 1RM prediction in the squat and bench press. Journal of Strength and Conditioning Research, 36(10), 2701–2709.