RPE 與百分比阻力訓練:肌力與肌肥大成效比較
以 RPE 為基礎的自我調節訓練,所產生的肌力與肌肥大適應與傳統 %1RM 百分比負荷相當,且對有訓練經驗者可能具備些微機率上的肌力優勢。然而,在缺乏訓練經驗者、高次數組別以及遠離力竭的動作中,主觀 RPE 的評估精準度會明顯下降。
最近更新: 2026-11-03
使用基於保留次數的自覺用力程度(RIR-based RPE)來自我調節阻力訓練負荷,所產生的長期肌力與肌肥大增長與傳統固定的 %1RM 百分比處方相當 [1]。在有訓練經驗的運動員中,以 RPE 為基礎的負荷設定在最大肌力上可能具備些微的名義數值或機率優勢 [4],但系統性統合分析顯示,自我調節與標準化百分比負荷處方之間並無統計學上的顯著差異 [1]。RPE 訓練法的主要限制在於,評分準確度高度依賴於訓練經驗、與肌肉力竭的接近程度以及動作選擇 [3, 8, 9]。
肌力適應
傳統的負荷模型通常將正式組設定為個人預先測得之單次最大重量(%1RM)的固定百分比 [4]。相較之下,基於 RIR 的 RPE 則是根據在向心力竭前還剩餘幾次反覆動態分配負荷(例如,RPE 8 代表保留 2 次反覆次數)[13]。
在一項納入 15 篇研究的系統性回顧與統合分析中(PROSPERO CRD42021240506),採用自我調節負荷處方(無論是基於 RIR 的 RPE 還是客觀的速度導向訓練),與標準化百分比訓練相比,在 1RM 肌力上沒有顯著差異(平均差 [MD] = 2.07 kg, 95% CI: -0.32 至 4.46 kg, p = 0.09, SMD = 0.21)[1]。若單看持續超過 4 週的研究,所有被評估的自我調節方案均系統性地提升了 1RM 最大肌力,且效果量介於小型到大型之間 [3]。此外,在有阻力訓練經驗的人群中,主觀的 RIR-based RPE 與客觀的速度導向訓練在提升肌力方面效果相當 [1]。
在一項針對 21 名具阻力訓練經驗男性的 8 週每日波動週期(DUP)研究中,使用 RIR-based RPE 的訓練者在後蹲增加了 +17.05 ± 5.44 kg、臥推增加 +10.70 ± 3.30 kg、兩項總和增加 +27.75 ± 7.94 kg;而 %1RM 組的後蹲增加 +13.91 ± 5.89 kg、臥推增加 +9.64 ± 5.36 kg、總和增加 +23.55 ± 10.38 kg [4, 7]。儘管原始數據差異未達傳統統計顯著性,但基於量級推論(magnitude-based inference)分析顯示,RPE 組在深蹲(ES = 0.50 ± 0.63)、臥推(ES = 0.28 ± 0.73)及總和(ES = 0.48 ± 0.68)上,分別有 79%、57% 與 72% 的機率具備微弱優勢 [4]。
肌肥大成效
RPE 負荷法與百分比負荷法的直接比較顯示,在訓練量與努力程度匹配的情況下,肌肉增長效果相當 [4, 7]。在同一項針對訓練有素男性的 8 週實驗中,超音波測量的肌肉厚度增長在 %1RM 組與 RIR-based RPE 組之間沒有顯著差異:胸大肌(+1.59 ± 1.33 mm 對比 +1.90 ± 1.91 mm)、股外側肌 50% 股骨長度處(+2.13 ± 1.95 mm 對比 +1.85 ± 1.97 mm),以及股外側肌 70% 股骨長度處(+2.40 ± 2.22 mm 對比 +2.31 ± 2.27 mm)[4, 7]。
與力竭的距離也會影響局部肌肥大。在一項為期 10 週、比較「週期化力竭距離」(RIR 1–4)與「固定力竭距離」(固定 RIR 1)的研究中,兩組的股外側肌橫截面積增加幅度相似(6.5% ± 4.2% 對比 5.5% ± 3.6%)[10]。然而,肱三頭肌厚度僅在週期化 RIR 1–4 組中顯著增加(5.8% ± 5.9% 對比 2.2% ± 4.9%),儘管該組回報的整體訓練自覺強度(Session RPE)較低 [10]。
主觀 RPE 的準確性與限制
RPE 負荷法的實用性直接取決於訓練者準確評估自身離力竭距離的能力 [3, 9]。研究證實該量表具有強大的生理學與生物力學基礎:RIR-based RPE 評分在後蹲(r = -0.87)與臥推(r = -0.79)中均與槓鈴移動速度呈強烈負相關 [4, 7]。在健力競技選手中,深蹲、臥推與硬舉的 %1RM 與 RIR-based RPE 相關性高達 r = 0.88 至 0.92 [3]。
然而,評估的精準度會受到經驗、疲勞程度及特定動作的影響:
- 訓練經驗: 經驗豐富的訓練者(> 1 年經驗)評估 1RM 的 RPE 時,明顯比新手(< 1 年經驗)更接近真正力竭(9.80 ± 0.18 對比 8.96 ± 0.43, p = 0.023),且展現出更強的速度與 RPE 負相關(r = -0.88 對比 r = -0.77)[3, 9]。
- 接近力竭程度: 隨著疲勞累積與組別逐漸逼近向心力竭,訓練者能更精準地估算剩餘次數(在 70% 1RM 的多組訓練方案中,臥推達 r = 0.95,深蹲達 r = 0.93)[9]。但在遠離力竭的高反覆次數組別中,準確度會明顯下降 [3]。
- 動作差異: 在未經訓練的成年人中,即使相對強度相同,標準量表上的主觀用力評分在不同動作間也存在顯著差異;肩推產生的主觀 RPE 明顯高於提踵,這表示若未經校準,主觀量表可能無法一致適用於所有動作 [8]。
訓練量自我調節與速度衰減閾值
自我調節除了用於決定負荷外,也能用來控制訓練組數與總量 [1]。雖然主觀訓練量自我調節(例如 RPE 停止策略,即達到目標 RPE 時便結束該動作組數)尚缺乏長期對照試驗 [1],但客觀的速度衰減(velocity loss, VL)閾值在肌力與肌肥大適應之間提供了明確的區分 [1]。
統合分析數據顯示,較低的速度衰減閾值(≤ 25%)比高閾值(> 25%)能帶來顯著更大的 1RM 肌力提升(MD = 2.32 kg, p = 0.02, SMD = 0.23),不過這種肌力優勢主要出現在主項動作搭配輔助訓練時 [1]。相反地,較高的速度衰減閾值(> 25%)所引發的肌肉橫截面積增長,顯著大於 ≤ 25% 的閾值(MD = 0.61 cm², p = 0.03, SMD = 0.28)以及 ≤ 20% 的閾值(MD = 0.64 cm², p = 0.03, SMD = 0.34)[1]。而在 20–25% 與 > 25% 速度衰減閾值之間的肌肥大差異則未達統計顯著性(MD = 0.36 cm², p = 0.28, SMD = 0.13)[1]。
值得注意的是,速度衰減反映的是該組中完成的總次數,而非僅由最後一次反覆速度推算出的末端 RPE [16]。例如,達到 RPE 8(最後一次反覆速度為 0.20 m·s⁻¹)在 8 次反覆的組別中會導致約 51% 的速度衰減,但在約 87.5% 1RM 的 3 次反覆組別中,速度衰減僅約 23% [16]。
實務應用
對於有訓練經驗的運動員,RIR-based RPE 提供了一種實用的方法來因應日常肌力波動,而無需頻繁進行最大肌力測試 [3, 4]。標準健力模型將 RPE 10 定義為 0 RIR(1 下 100% 1RM 的努力程度),RPE 8 則對應 2 RIR(1 下約 92.2% 1RM、3 下約 86.3%、6 下約 78.6%)[13]。
混合模式則結合了這兩種方法。在自我調節訓練量訓練(AVT)中,起始強度固定在 1RM 的某個百分比,第一組以目標 RIR 執行以建立基準表現,隨後的組數則隨著疲勞累積動態調整反覆次數與組間休息時間 [6]。
參考文獻
網路來源
- The Effect of Load and Volume Autoregulation on Muscular ...
- “Which autoregulation strategy should we use?” The effects ...
- Effects of subjective and objective autoregulation methods for ...
- RPE vs. Percentage 1RM Loading in Periodized Programs ...
- Autoregulation vs. traditional loading: Finding the best ...
- As You Get Older, Training Too Hard Could Hold You Back
- RPE vs. Percentage 1RM Loading in Periodized Programs ...
- RPE Alone Is Weak for Prescribing Strength Training Intensity
- Application of the Repetitions in Reserve-Based Rating ... - PMC
- Influence of Varying Proximity-to-Failure on Muscular ...
- A Comparison of Traditional and Autoregulated Periodized ...
- THE EFFECTS OF PERCENTAGE-BASED, RATING ...
- RPE Calculator | RPE Percentage Chart | RPE to 1RM Converter
- Predicting Total Back Squat Repetitions from ... - PMC - NIH
- Velocity-Based Training
- Velocity Based Training Q&A Part 1