摘要
目的：
这篇荟萃分析的主要目的是比较不同试验中下蹲跳（countermovementjump,CMJ）的最高值与平均值在监测神经肌肉状态的（如：疲劳和超补偿）表现。其次是测量因变量的敏感性。
试验设计：
使用荟萃分析进行系统回顾
方法:
针对CMJ变量的最高与平均值进行荟萃分析。在Pubmed,Scopus和WebofScience上进行多个文献检索，从而确定使用CMI检测训练状态的文章。使用试验前后数据的平均值与标准差计算95%置信区间（95%confidenceinterval，95%CI）的效应值（Effectsizes,ES）。计算95%CL下的变异系数（coefficientofvariation,CV）来评估每一个变量的不稳定水平。使用随机效应模型来评估异质性。
结果：
篇文章中一共提供个ESs用于荟萃分析；85.4%的文章使用了最高的CMJ高度，13.2%使用了平均值和1.3%使用了两者一起来报告CMJ表现的改变。基于荟萃分析，在探讨CMJ疲劳和超补偿时，CMJ的平均高度比CMJ的最高高度更敏感。除此之外，其他的CMJ变量如峰值功率，平均功率，峰值速度，冲击力峰值，峰值冲量，在追踪训练的超补偿现象时，功率的敏感度更高。
介绍
下蹲跳（Countermovementjump，CMJ）已经成为最常用来检测个体、运动团体和军人神经肌肉状态的测试之一。许多研究者发现CMJ表现是疲劳和超补偿的客观标志。然而，一些研究也报道了使用CMJ测试的混合结果。研究结果的差异性可能是由一般和特异性因素共同作用的结果。一般因素可能包括：人种，干预持续时间和活动强度等。CMJ表现的特异性因素包括一系列不同的运动学与动力学的变量（如跳的高度，峰值功率，相对峰值功率，相对功率，平均功率，速度峰值，冲击力峰值，平均冲击力，峰值力量发展速率，离心时间/向心时间，负荷和免荷状态下的CMJ的腾空时间/收缩时间）。除此之外，一些变量在决定被试的神经肌肉状态时敏感性更高。
使用最高值和平均值来评估和监测CMJ性能已被确定为另一个混杂因素。从统计学上讲，当平均值超过最高值时，研究者或实践者找到真实分数的概率要高得多（~10:1）。在监测个人的“实际”表现的变化时，找到真正的分数至关重要。很少有研究在进行CMJ评估和监测或进行其他的表现的测试时指出报告最高值与平均值的优缺点。这些研究的局限性在于未能量化差异的大小（例如：通过荟萃分析得出的效应值）。鉴于这些已经确定的局限性，meta分析的主要目的是比较CMJ在研究中检测神经肌肉状态时报告最高值与报告平均值之间的差异。次要目的是决定因变量对检测CMJ表现和神经肌肉状态变化的敏感性。
方法
文献检索一位作者进行了文献检索，整理了摘要，应用了初始纳入标准。使用CMJ监测慢性干预（如≥3周）后的神经肌肉状态（如疲劳，或超补偿）的所有的同行评审期刊的文章被纳入初始分析。根据每个研究的初始目的，进行疲劳和超补偿分析。疲劳是指受慢性干预的影响，无法维持所需水平。超补偿效应是指在训练刺激后充分恢复，并超过基线测量的表现。在电子检索中使用了以下关键词：“countermovementjump”或“verticaljump”。在年2月18日在Pubmed、Scopus和WebofScience（图1）内进行了搜索。搜索不限定年份。搜索策略包括研究所有的训练方式和用于评估CMJ表现的运动学和动力学变量。
纳入标准在筛选文献的第二阶段，纳入标准如下：（i）研究必须用英语书写；（ii）在基线和干预后测试CMJ，结果显示为平均值和标准差；（iii）运动学（跳跃高度，速度和时间独立变量）和/或动力学变量（冲击力，峰值力量发展速率）变量最高和/或平均值（所有的重复变量）；（iv）干预持续时间大于或等于3周；以及（v）参与者为健康男性和/或女性，分为不同类型组。影响CMJ表现的手臂摆动，具有成熟效应与时间效应。进行电刺激和营养供给的文章被排除在外。如果没有相关的资料，将与作者联系并通过电子邮件提高必要的资料。如果作者没有提供原始数据，则使用ycasd从图表中提取平均值与标准差，或根据中位数，范围，样本量进行估计。在研究选择的第三阶段，两位作者根据上述纳入标准对标题和摘要进行了审查和鉴定。在最后阶段，第四位作者对入选的文章进行了回顾并纳入荟萃分析。
研究质量一名作者使用临床试验报告统一标准(consolidatedstandardsofreportingtrials,CONSORT)检测报告的质量。在CONSORT标准中确定25个项目的最高得分为37分。这些项目按照章节和主题分布如：“标题和摘要”，“介绍”（背景和目标）、“方法”（试验设计、参与者、干预、结果、样本量、双盲、统计方法）；“结果”（被试流动、招募、基线数据、分析的数据、结果和评估、辅助分析、危害）；“讨论”（限制、通用性、解释）；“其他信息”（注册、协议、资金）等。
统计分析通过检测森林图、置信区间和I2。25，50和75的I2分别表示低、中、高异质性。使用DerSimonian和Laird方法检测随机效应。基于已经被用于检测疲劳和/或超补偿的CMJ性能变量进行了荟萃分析。在允许的情况下，对亚组之间的最高和平均CMJ性能进行比较。统计学差异被设定为在P≤0.05，并使用95%CL的ES计算每一个因变量和亚组之间的差异大小。使用ES量化CMJ检测神经肌肉状态的的敏感性（大效应0.8；中等效应0.2-0.8，小效应0.2）。每一个CMJ变量的CV（如,即[标准差÷平均值]×，95%CL）测定其稳定性水平。一般认为CV＞30%=大，CV＜10%=小。CV大的变量在重复性测量时检测主统计学显著性差异的可能性较小（比值）。所有的数据均使用CMAv3（Biostat,NewJersey,USA)和Excel工作表(Microsoft,Washington,USA)进行探索
结果
纳入的文章概括初步检索产出了篇文献（图1）。应用纳入标准后，纳入篇文章进行最终分析。篇文章使用最高输出值（即85.4%），20篇文章使用平均输出值（13.2%）去测量、评估和检测CMJ性能，有两篇文章报告了这两个数值。
图1研究方法
偏差在所有的纳入的文章中，当所有的变量都被纳入分析时，52%的总体干预措施后与初次评估的无显著性差异(p0.05)（即项无显著性差异的干预÷项干预=52%）。当进行相同的分析时，发现最高CMJ（÷=55%）和平均CMJ（6÷40=15%）之间的非显著性结果存在显著性差异。
文章质量篇被纳入的论文的质量评价在38%-70%之间，平均CONSORT评分为51%，59%被纳入的文章的评分超过50%。所有的研究都得到了伦理支持。
被试特征这项荟萃分析的总样本量为，73%的被试被纳入干预组，27%的被试被纳入对照组。年龄为8±到82±3岁71，平均年龄为23±12岁。其中一篇文章没有报道患者年龄。男性被试（80%）比女性被试（20%）使用的更多。60%的被试为运动员。主要为以下几个项目的运动员：足球（49%），篮球（10%），：足球（49%）、篮球（10%）、田径（8%）、排球（5%）、手球（5%）、柔道（3%）、橄榄球联盟（3%）、网球（2%）、水球（2%）、高山滑雪（1%）、美式足球（1%），澳大利亚规则足球（1%），芭蕾舞（1%），棒球（1%），越野滑雪（1%），舞蹈（1%），曲棍球（1%），垒球（1%），跆拳道（1%）、举重运动员（1%）和摔跤（1%）。非运动员被试（40%）包括：体力劳动者（37%）、体育/体育科学专业学生（32%）、久坐的人（12%）、老年人（9%）、儿童（5%）、未经训练的绝经后妇女（3%）以及建筑工人或未经培训的工人绝经前妇女（2%）。
训练模型在所有的收录的文章中，采用了以下20种训练模式（有些研究不止一种训练模式）：力量训练（49%）、增力训练（27%）、耐力训练（9%）、速度训练（7%）、振动训练（6%）、奥举（4%）、平衡（3%）、柔韧性（3%）、损伤预防计划（3%），足球（2%）、敏捷性（1%）、健美操（1%）、卡泼卫勒舞（1%）、协调（1%）、体育课（1%）、举重（1%）、垒球（1%）、游泳（1%）和摔跤（1%）。58%的文章将运动员专项训练与实验干预/训练相结合。训练时间3周到周不等，平均为13±15周。
下蹲跳性能变量研究中共使用63个CMJ变量进行研究。然而，对73%的变量进行量化的文献较少（只有1,2篇）。此外，35%的变量的CV（95%CI）大于30%（即较大）（补充资料表SM1）。CMJ的跳跃高度和峰值功率可用于检测疲劳效应（3%），所有的CMJ表现指数用于监测超补偿效应（%）。
35项荟萃分析对最高和平均CMJ变量进行了4个比较。通过确定疲劳和超代偿条件下每一个CMJ变量的ES显著性（p0.05），确定每个变量检测变化的灵敏度，高度对疲劳较为敏感[ES=?0.27（?0.48–0.05），p=0.01；I2=39.8，p=0.06]；但是最高高度并不敏感[ES=?0.04（?0.33–0.24），p=0.76；I2=33.5，p=0.15]。另一方面，平均高度对疲劳的变化较敏感[ES=?0.56（?0.89–0.24），p=0.00；I2=00.0，p=0.50]（图2）
图2疲劳：CMJ高度（最高与平均值）
对于很多变量，CMJ对确定超补偿效应的敏感性较高，其效应可以在图3中观察到，所有的研究都包含在补充材料（SupplementaryMaterial,SM）中（图SM1）。以下是对结果的总结：高度[整体:ES=0.37(0.32-0.43),p=0.00;I2=25.8,p=0.00;最高:ES=0.33(0..38)，p=0.00;I2=20.0,p=0.01;平均:ES=0.74(0..90)，p=0.00;I2=15.8,p=0.];峰值功率[总体:ES=0.46(0..59)，p=0.00;I2=45.9,p=0.00;最大:ES=0.44(0..58)，p=0.00;I2=44.2,p=0.00;平均:ES=0.83(0..47)，p=0.;I2=54.1,p=0.11)(图SM2);平均功率[最高:ES=0.30(0..44)，p=0.00;I2=00.0,p=0.92)(图SM3)；速度峰值[最高:ES=0.53(0..89)，p=0.00;I2=70.1,p=0.00](图SM4)；最大作用力[最大:ES=0.66(0..02)，p=0.00;I2=75.6,p=0.00](图SM5)；平均冲量[最高:ES=0.52(0..04)，p=0.05;I2=00.0,p=0.89](图SM6)；其中离心平均功率[最高:ES=1.01(0..65)，p=0.00;I2=00.0,p=0.40](图SM7)。
图3超代偿；高度（平均与最高）
功率是CMJ的另外一个性能变量，功率是通过参与者的跳跃高度和体重计算，对超补偿很敏感[ES=0.52(0..97)，p=0.02;I2=15.0,p=0.32]。然而，在小组分析时，最大功率并不敏感[最高:ES=0.04(0..71)，p=0.92;I2=00.0,p=0.86，但平均功率敏感[平均:ES=0.83(0..38)，p=0.00;I2=00.0,p=0.74](图SM8)。
24个CMJ变量在确定超补偿现象时敏感性不足；身体重心的偏移（图SM9），峰值力量发展速率（图SM10），平均作用力（图SM11），峰值功率时的作用力（图SM12），收缩持续时间（图SM13）,最大功率时的速度（图SM14），最大负速度（图SM15）,身体重心的转移（图SM16），最大加速度（图SM17）,20kg时的高度（图SM19），接触时间（图SM20），离心阶段的持续时间（图SM21），40kg的高度（图SM22），至最大最作用力的时间（图SM23）,峰值力量发展速率（图SM24）,腾起向上的峰值速度的速率（图SM25）,腾起后的最大速度的速率（图SM26），向心收缩持续时间与从最小垂直冲击力到腾飞的持续时间的比例（图SM27），跳跃效率（图SM28）,Esslinger健身指数（图SM29）,50kg的峰值功率（图SM30）过度时期的作用力（图SM31）,从最小垂直作用力至腾空的持续时间（图SM32）。一项研究报道了63个CMJ性能变量中的32个变量（表SM2）。其中6个因变量对检测超补偿效应较敏感（即，30kg负重下的高度，作用力-速度曲线下的面积；作用力发展的离心率；峰值功率与峰值位移之间的时间；负重40kg下的峰值功率；负重40kg下的峰值速度）。总之，确定超补偿的敏感的变量为22%(8+6=14，即22%)，而78%的CMJ变量对确定疲劳和超补偿效应并不敏感(非敏感变量总数:25+24=49，即78%)。
讨论
检测神经肌肉状态与CMJ检测的疲劳和过度补偿效应的能力一致。因此，这项荟萃分析的主要目的是确定使用平均与最高CMJ性能在监测这种状态的有效性。次要目的是为了确定因变量检测CMJ性能变化的敏感性。本次研究中采用了神经肌肉状态的概念，使用CMJ性能来检测疲劳和超补偿效应，之前的很多研究也曾采用这种方法。根据本次研究，平均CMJ高度在检测疲劳和超补偿性能方面比CMJ最高高度更敏感。通过最高和平均CMJ性能，平均值在检测神经肌肉状态时比最高值更敏感。除此之外，CMJ性能变量在检测训练干预之后的超代偿效应是合适的：通过计算得到的峰值功率，平均功率，峰值速度，峰值冲击力，平均冲量和冲量。研究主要表明，与最高值相比，当在所有的性能试验中取CMJ变量的平均值时，其检测性能变化的变量的敏感性增强了。这表明，当使用平均值来追踪CMJ性能变量时，获得真实分数的几率增加。
研究人员中引用的最古老的文章可以追溯到年。在CMJ试验中，该文章中“三个试验中最好的一次被记录”。年，提出了一个重要问题：在测量身体性能时，实验者应该使用峰值还是平均值。作者描述了使用均值的好处，但也给出了研究者需要确保因个体差异所导致的测量误差较小。从此以后，该建议被一直遵循。因此从年一个经典的引用一直被采纳并给出了两个选项（即最高或平均）。近期，关于报道几次试验的最佳/最高分或平均分数的问题再次被提出。研究者发现在最高[ES=0.32(0.05--0.65)]和平均[ES=0.35(0.02--0.62)]高度之间的差异并不显著，并得出结论，使用最高或平均CMJ在监测CMJ性能改变方面的能力。然而，当数据聚集后，荟萃分析的样本量增加，最高值与平均值之间的差异变得明显了
大多数的干预措施是针对个人和团体运动员（即61%）进行的，因为CMJ被认为是一种简单、有效和受欢迎的检测运动性能的测试。除此之外，关于运动训练模式的影响，CMJ性能可以用于检测力量训练、增强式训练和速度训练。这些训练方法常常被用来提高运动员的基本体能特征，而这些干预措施通常通过评估CMJ变现来进行量化。不同的模式训练导致CMJ性能的改变在这篇文章中进行了叙述，在一些荟萃分析与系统性评论中也有记录。
用于检测在CMJ性能中的63个因变量中，由于样本量不足，73%的变量的有效性需要进一步探索。研究数量的不足可能会影响ES和CV的大小。因此，78%的因变量的ES无意义，其中，35%的变量的CV较大。在追踪神经肌肉状态时，这些变量的使用似乎有一些困难。也就是说，除非差异性增大，否则CV变大使检测不同时间点（即前、中、后）与干预组的统计学差异的困难度变大。例如，平均离心功率的CV和ES变大；因此，在使用CMJ追踪肌肉骨骼时，应该小心。
相反，在追踪超补偿效应时，9个变量被发现是敏感的。值得注意的是，峰值速度CV较小，ES中等。尽管他具有中等和显著的异质性，但是，峰值速度只用于最高的条鱼。根据荟萃分析的结果，如果使用平均跳跃，ES会增加，峰值速度的异质性减少。在另一个方面，已经在现场评估了一些运动学因素，如速度峰值；然而，并没有记录加速器的使用（作为替代测量）。其他可能的仪器，如线性位置传感器（Linerpositiontransducer,LPT）已经被用于现场与实验室评估，但是，据作者所知，LPT不应该被使用，因为大多数的研究并没有讲述峰值速度的可靠性与有效性。因此，应该使用作用力板测量峰值速度。此外，使用力板计算峰值速度和CMJ高度有助于探讨获得这些变量之间的相似性。当通过冲量与公式高度=v2/2g，计算CMJ高度时，g是由于重力加速度，V是垂直腾空速度，这个V应该是峰值速度。因此，建议教练员与运动科学家选择其中一个变量（即峰值速度或CMJ高度）。CMJ高度CVs中等，对于超补偿效应具有中等敏感性，其结果与峰值功率相似。CMJ高度的简单性是它的另一个优点，因为其可以根据从力板或接触垫获得的接触时间计算出来。然而，其他的变量都需要压力板。平均功率、平均冲量和最大冲击力CVs中等，敏感性中等。除此以外，对比通过方程组计算的功率，只有均值在检测超补偿效应时较敏感（p0.05）。使用最大值分组CV中等，ES较小。然而平均值分组CV中等，ES较大。
从整体分析来看，发表的偏移对结果没有显著影响。然而，裂区分析显示最高组与平均组之间的差异较大。这一结果得到了荟萃分析的证实。所以，平均值被认为是检测疲劳和/或超代偿的最佳测量方法（即，检测训练过程）。通过理解第II类错误概念解释这个现象，小样本量会增加找不到确实存在的显著差异的比例。在这种情况下，小样本量是用于确定研究中心因变量改变的试验规模（即最高CMJ）。研究人员已经证实了减少试验大小对统计能力的负面影响。因此，多次重复的平均值提供了一个更加稳定和有代表性的数值，减少出现第II类错误的可能性。平均值常用于生物力学参数，并认为与生物学参数相关。根据目前的研究结果，我们无法确定CMJ变量敏感性与平均CMJ试验数量之间的不同。然而，多次根据CV与12次跳跃重复计算的CMJ高度的平均值有利于CMJ的探索。
这篇关于CMJ性能的综述使用荟萃分析决定并证明平均数值比最高值在检测变化时更加敏感。然而，心理、生理和生物力学因素在CMJ生物差异方面起到重要作用。在多个试验中及时了解心理作用有利于提高测量的可靠性。其他影响因素包括：（i）肌肉兴奋-收缩耦合过程中的改变，和（ii）肌肉骨骼冗余，这是指力量产生过程中个体肌肉活动的波动导致肌肉激活模式的变化。因此，当使用平均法检测神经肌肉状态时，可以很好解决人体运动中的自然变化
短期研究（持续时间＜3周）的排除可能会影响结果。为了减少训练干预（短期和长期）的混杂因素排除短期研究；然而，包含的干预措施的持续时间差异较大，在解释结果时应予以考虑。值得注意的是，许多短期干预发现CMJ作用力-时间变量在检测CMJ性能方面较为敏感。其他可能混淆研究结果的因素包括：人群类型（运动，能力，和训练状态）和检测CMJ状态的设备（即作用力板，位置传感器和接触垫）
结论
首先，大多数时间都使用最高CMJ性能进行分析，然而，当可以比较最高和平均结果时，平均跳跃结果比最高跳跃高度在检测疲劳和超代偿效应时更敏感。此外，越来越少的研究使用CMJ性能检测疲劳效应。根据这篇荟萃分析，与最高CMJ高度相比，平均CMJ高度是检测神经肌肉状态最合适的变量。除此之外，峰值功率、平均功率、峰值速度、峰值冲击力、平均脉冲、和计算的功率在量化超变量效应方面似乎是有价值的。利用所有的重复动作的平均CMJ，对于所有的变量应增加他们在训练过程中追踪疲劳的敏感性。未来需要进一步的研究探索检测疲劳效应较敏感的其他CMJ的变量
实践应用
鉴于本荟萃分析的结果，建议以下实际应用：
?应使用无手臂摆动的平均CMJ表现来跟踪神经肌肉状态。
?平均CMJ高度比最高CMJ高度更敏感地监测神经肌肉状态的变化。
?用于监测神经肌肉状态的变量应具有较小的中等CV和中等较大的ES。
科室介绍医院康复医学工程科(足脊矫治与运动康复研究中心)，隶属于医院（医院）。目前科室以足脊结构和人体生物力学为基石的运动康复新理念作为科室的发展方向；另外科室其规模、设备、技术医院内前列，是集科研和教学一体的康复工程技术诊疗机构。科室占地㎡，科室配有全套德国进口加工设备、压力衣制作设备、计算机辅助设计与制造系统（CAD-CAM）、3D扫描、太空舱脊柱三维矫治系统、SIMIAktisys3D临床动作分析系统、足踝生物力学静态评估系统和动态评估系统、3D打印等国内一流的先进设备。科室与香港理工大学、医院（QueenMaryHospital）、医院（PrinceofWalesHospital）、北京理工大学、所等建立紧密合作。科室目前有博士2名、硕士研究3名、资深运动康复师3名、康复工程师4名及多名助理康复工程师。
专家介绍医院
康复医学工程科-足脊矫治与运动康复研究中心主任——解益
香港理工大学硕士（人体结构和人体生物力学方向）中国康复医学会康复医学工程辅具专委会常委，中国生物材料先进制造分会（3D打印）常委中国康复器具协会委员中国足踝专业委员会委员世界中医药联合会小儿脑瘫专业委员会理事中国康复医学康复工程与产业促进专业委员会委员中国康复医学会青年治疗委员会委员郑州大学康复治疗专业康复工程课程负责人中国康复杂志审稿专家河南省康复医学工程研究中心负责人参与《假肢与矫形器的临床应用》、《低温热塑矫形器实用技术》、《矫形器》、《矫形器的临床应用》等12本专业书籍编写，其中2本为副主编。发表论文10余篇，其中主持和参与省课题5项、参与国家自然科学基金2项.个人研究方向：足脊生物力学的改变对颈肩腰腿痛的影响、儿童先天性四肢发育畸形的生物力学矫正与矫形器设计、脊柱侧弯（驼背）生物力学调整与脊柱侧弯矫形器设计及临床应用等门诊安排诊疗范围：脊柱侧弯、脊柱生理曲度改变（驼背）、扁平足、高弓足、X和O型腿、先天性的马蹄内外翻足、先天性的斜颈、运动损伤、创伤性的骨性关节炎、中枢和外周神经疾患导致功能障碍者（如：脊髓损伤患者、脑卒中患者、脑瘫患者、儿麻患者等）、烧伤患者、淋巴水肿患者、骨折术后患者、类风湿关节炎患者、截肢患者、足脊结构和人体生物力学改变导致关节的应力性损伤和劳损性的疼痛等，可提供精准的评估、矫治（结构矫治与运动康复）、科学的运动控制和科学的肌骨疼痛的ADL管理。另外，还为各类型功能障碍患者或残疾人提供各种的移动设备、交通工具及家居环境的评估、改造、适应和训练。
END联系方式
科室0-
邮箱
