การเปรียบเทียบเทคโนโลยี GPS และ EMG ในการประเมินการทำงานของกล้ามเนื้อในการกีฬา และแนวคิดความสัมพันธ์ที่ไม่เป็นเชิงเส้น

การเปรียบเทียบเทคโนโลยี GPS และ EMG ในการประเมินการทำงานของกล้ามเนื้อในการกีฬา และแนวคิดความสัมพันธ์ที่ไม่เป็นเชิงเส้น

การทำความเข้าใจภาระการทำงานของกล้ามเนื้อ (Muscle Load) และพลังงานที่ใช้ไปในการเคลื่อนไหวทางกีฬาเป็นสิ่งสำคัญสำหรับการเพิ่มประสิทธิภาพการฝึกซ้อม และการป้องกันการบาดเจ็บ เทคโนโลยี Global Positioning System (GPS) และ Electromyography (EMG) เป็นเครื่องมือที่ถูกนำมาใช้ในการติดตามและวิเคราะห์สมรรถภาพของนักกีฬา งานวิจัยหลายฉบับได้ใช้ GPS ในการประเมิน Metabolic Power (MP) และ Energy Cost (EC) อย่างไรก็ตาม งานที่ใช้ EMG ในการคำนวณพารามิเตอร์เหล่านี้โดยตรงยังมีไม่มากนัก บทความนี้จะนำเสนอผลการศึกษาล่าสุดที่เปรียบเทียบการใช้งานเทคโนโลยีทั้งสอง และขยายความเพิ่มเติมเกี่ยวกับแนวคิดความสัมพันธ์ที่ไม่เป็นเชิงเส้นระหว่าง EMG และแรงของกล้ามเนื้อ รวมถึงเหตุผลทางสรีรวิทยาที่น่าจะเกี่ยวข้อง

การศึกษาเปรียบเทียบการคำนวณ Metabolic Power (MP) และ Energy Cost (EC) โดยใช้ GPS และ EMG ในนักฟุตบอลเยาวชน

งานวิจัยชื่อว่า "Comparison of Metabolic Power and Energy Cost of Submaximal and Sprint Running Efforts Using Different Methods in Elite Youth Soccer Players: A Novel Energetic Approach” ซึ่งตีพิมพ์เมื่อปี 2024 ในวารสาร Sensors โดยมีผู้เขียนหลักคือ Gabriele Grassadonia, Pedro E. Alcaraz และ Tomás T. Freitas ได้ทำการเปรียบเทียบวิธีการคำนวณ Metabolic Power (MP) และ Energy Cost (EC) ในการวิ่งแบบ Submaximal และ Sprint ในกลุ่มนักฟุตบอลเยาวชนชาย การศึกษานี้ได้เปรียบเทียบวิธีการคำนวณ MP และ EC โดยใช้ข้อมูลจาก GPS และ EMG ในกลุ่มนักฟุตบอลเยาวชนชายอายุไม่เกิน 17 ปี จำนวน 16 คน การศึกษานี้มีวัตถุประสงค์เพื่อวิเคราะห์ความต้องการเชิงกลไก และพลังงานที่แตกต่างกันระหว่างการวิ่งประเภทต่างๆ รวมถึงการตรวจสอบพฤติกรรมของอัตราส่วน EMG ต่อแรง (EMG/F ratio) และการกำหนด EC และ MP ด้วยเทคโนโลยีทั้งสอง

ในการทดลอง นักกีฬาจะทำการวิ่ง Submaximal ด้วยความเร็วคงที่สี่ระดับ ตามด้วยการวิ่ง Sprint เต็มที่ ข้อมูล GPS และ EMG ถูกบันทึกพร้อมกัน โดย GPS-IMU (Inertial Measurement Unit) ถูกใช้เพื่อวัดความเร็วและแรง ส่วน EMG Shorts ที่ติดตั้งอิเล็กโทรดสิ่งทอ (textile electrodes) ถูกใช้เพื่อเก็บข้อมูลการทำงานของกล้ามเนื้อจากกลุ่มกล้ามเนื้อหลักสามกลุ่ม ได้แก่ quadriceps, hamstrings, และ glutes ทั้งสองข้าง

เหตุผลในการเลือกใช้ Myontec (EMG Shorts) ในงานวิจัย

การเลือกใช้ EMG Shorts จาก Myontec ในงานวิจัยนี้มีข้อได้เปรียบหลายประการที่สำคัญต่อการเก็บข้อมูลในสภาวะจริง (ecologically valid conditions) ความสะดวกสบายและความเหมาะสมกับการใช้งานที่มีการเคลื่อนไหว อิเล็กโทรดเหล่านี้สามารถปรับให้เข้ากับสรีระของร่างกายได้ดีกว่าและเคลื่อนไหวไปพร้อมกับผิวหนัง ซึ่งอาจช่วยลดสิ่งรบกวนจากการเคลื่อนไหวบางประเภทได้ ช่วยลดสิ่งรบกวนที่เกิดจากการลื่นไถลของอิเล็กโทรดบนผิวหนังและการแกว่งของสายเคเบิลได้ และเทคโนโลยีพกพาอย่าง Myontec ทำให้สามารถเก็บข้อมูลภายใต้เงื่อนไขที่เป็นสถานการณ์จริงมากขึ้น ไม่จำกัดการใช้งานเฉพาะในห้องปฏิบัติการ ซึ่งเป็นสิ่งสำคัญสำหรับผู้ปฏิบัติงาน

ความแตกต่างระหว่าง GPS และ EMG

ผลการศึกษาแสดงให้เห็นถึงความแตกต่างที่น่าสนใจ กล่าวคือ

• พฤติกรรม EMG ในการวิ่ง: กิจกรรมของ EMG เพิ่มขึ้นเป็นเส้นตรงในการวิ่ง Submaximal แต่เมื่อรวมการวิ่ง Sprint เข้าไปด้วย แนวโน้มจะกลายเป็น Exponential ซึ่งบ่งชี้ว่าการ Sprint ก่อให้เกิดการเพิ่มขึ้นของการใช้พลังงานอย่างมีนัยสำคัญ

• EMG/F Ratio: อัตราส่วน EMG/F แสดงแนวโน้มที่เป็นเส้นตรงจนถึงระยะ 30 เมตรของการวิ่ง Sprint แต่หลังจากนั้นจะเปลี่ยนเป็นแบบ Polynomial ในระยะ 50 เมตร

• ความแตกต่างของ MP และ EC: พบความแตกต่างอย่างมีนัยสำคัญทางสถิติระหว่าง MP และ EC ที่คำนวณจาก GPS และ EMG ในช่วงระยะ Sprint บางช่วง โดยเฉพาะอย่างยิ่ง GPS มีแนวโน้มที่จะประเมินค่า MP และ EC ต่ำเกินไป เมื่อเทียบกับ EMG ในช่วงการ Sprint ที่ความเร็วสูง (ประมาณ 25-40 เมตร) ซึ่งบ่งชี้ว่าเทคโนโลยี GPS อาจไม่เหมาะสมที่สุดในการระบุปริมาณการใช้พลังงานที่แท้จริงในกิจกรรมที่มีความเร็วสูง ตรงกันข้าม วิธีที่ได้จาก EMG ดูเหมือนจะแม่นยำกว่าในการคำนวณ MP และ EC ในการเคลื่อนไหวลักษณะนี้

แนวคิดและเหตุผลที่ช่วยอธิบายความสัมพันธ์ที่ไม่เป็นเชิงเส้นของ EMG-Force

ผลการวิจัยข้างต้นที่แสดงให้เห็นว่า EMG มีพฤติกรรมไม่เป็นเชิงเส้นเมื่อความเข้มข้นของการเคลื่อนไหวสูงขึ้น สะท้อนให้เห็นถึงปรากฏการณ์ "ความสัมพันธ์ที่ไม่เป็นเชิงเส้นระหว่าง EMG และแรงกล้ามเนื้อ (Non-linear EMG-Force Relationship)" โดยทั่วไป ความสัมพันธ์ระหว่างแอมพลิจูดของสัญญาณ EMG (หรือค่า Root Mean Square: RMS) และแรงกล้ามเนื้อจะแสดงลักษณะเป็นเส้นตรงที่ระดับแรงต่ำ แต่จะเบี่ยงเบนไปสู่รูปแบบที่ไม่เป็นเชิงเส้น ซึ่งมักมีลักษณะคล้ายฟังก์ชัน exponential หรือ positive quadratic เมื่อระดับแรงเพิ่มสูงขึ้น

เหตุผลทางสรีรวิทยาที่อาจจะอธิบายปรากฏการณ์นี้มีความซับซ้อนและเกี่ยวข้องกับหลายกลไกดังนี้

1. Motor Unit Recruitment Dynamics

   • หลักการขนาดของเฮนเนมาน (Henneman's Size Principle): หน่วยสั่งการกล้ามเนื้อ (Motor Units: MUs) จะถูกเกณฑ์เข้าร่วมการทำงานตามลำดับขนาดของเซลล์ประสาทสั่งการ โดยเริ่มจาก MU ขนาดเล็กที่มี Threshold ต่ำ ไปยัง MU ขนาดใหญ่ที่มี Threshold สูง เมื่อความต้องการแรงเพิ่มขึ้น

   • การเกณฑ์เส้นใย Type II (Recruitment): MU ขนาดใหญ่มักประกอบด้วยเส้นใยกล้ามเนื้อชนิด Type II (fast-twitch) ซึ่งสร้างแรงได้มากและตอบสนองเร็ว เส้นใยเหล่านี้สร้างศักย์ไฟฟ้าต่อหน่วย (Motor Unit Action Potentials: MUAPs) ที่มีแอมพลิจูดสูงกว่าอย่างมีนัยสำคัญ ดังนั้น เมื่อ MU ขนาดใหญ่เหล่านี้ถูกเกณฑ์เพิ่มเข้ามา ณ ระดับแรงสูง สัญญาณ EMG โดยรวมจึงเพิ่มขึ้นอย่างรวดเร็วกว่าการเพิ่มขึ้นของแรง ทำให้เกิดความไม่เป็นเชิงเส้นได้ นี่เป็นเพราะแอมพลิจูดของ MUAP จาก MU ขนาดใหญ่ที่ถูกเกณฑ์เข้ามาใหม่ ณ ระดับแรงสูง จะเพิ่มขึ้นอย่างรวดเร็วกว่าเมื่อเทียบกับสัดส่วนแรงที่ MU เหล่านั้นสร้างเพิ่มขึ้นให้กับกล้ามเนื้อทั้งหมด

2. การปรับอัตราการยิงของหน่วยสั่งการ (Firing Rate Modulation) และการซิงโครไนซ์ (Synchronization):

   • การปรับอัตราการยิง: กล้ามเนื้อสามารถเพิ่มแรงได้โดยการเพิ่มความถี่ในการยิงสัญญาณ (firing rate) ของ MU ที่ทำงานอยู่แล้ว ซึ่งมีความสำคัญมากขึ้นที่ระดับแรงสูง อัตราการยิงจะเพิ่มขึ้นตามแรงแล้วจึงเริ่มคงที่หรืออิ่มตัว

   • การซิงโครไนซ์ของหน่วยสั่งการ (Motor Unit Synchronization): การที่ MU หลายตัวยิงสัญญาณประสาทในเวลาใกล้เคียงกันมากขึ้น สามารถทำให้แอมพลิจูดของสัญญาณ EMG ที่ผ่านการเรียงกระแส (rectified sEMG) เพิ่มขึ้นอย่างมีนัยสำคัญ โดยไม่จำเป็นต้องมีการเพิ่มขึ้นของแรงเฉลี่ยตามสัดส่วน หากการซิงโครไนซ์มีแนวโน้มเพิ่มขึ้น ณ ระดับการหดตัวที่สูง ก็จะทำให้แอมพลิจูด EMG เพิ่มขึ้นแบบไม่เป็นเชิงเส้นเมื่อเทียบกับแรง

3. องค์ประกอบของชนิดเส้นใยกล้ามเนื้อ (Muscle Fiber Composition):

   • กล้ามเนื้อที่มีเส้นใยกล้ามเนื้อแบบผสม (heterogeneous) เช่น มีสัดส่วนของเส้นใย Type I และ Type II ที่แตกต่างกัน มักจะแสดงความสัมพันธ์ EMG-Force ที่ไม่เป็นเชิงเส้น การกระจายตัวที่ไม่สม่ำเสมอของเส้นใย Type II ภายในปริมาตรการตรวจจับของอิเล็กโทรด จะนำไปสู่การเพิ่มขึ้นของ EMG ที่ไม่เป็นเชิงเส้นที่เด่นชัดยิ่งขึ้น เมื่อหน่วยสั่งการขนาดใหญ่เหล่านี้ถูกเกณฑ์ ณ ระดับแรงที่สูงขึ้น

4. ความล้าของกล้ามเนื้อ (Muscle Fatigue):

   • ในระหว่างการหดตัวที่ทำให้เกิดความล้า (fatiguing contractions) แอมพลิจูดของ EMG (เช่น integrated EMG หรือ RMS) โดยทั่วไปจะเพิ่มขึ้นเมื่อเวลาผ่านไป ซึ่งอาจเกิดขึ้นได้สองกรณี คือ 1) เพื่อรักษาระดับแรงเป้าหมายที่ไม่ถึงระดับสูงสุด (submaximal target force) ให้คงที่ไว้ (แม้ว่ากล้ามเนื้อจะเริ่มล้าลง) 2) เพิ่มขึ้นแม้ว่าความสามารถในการผลิตแรงสูงสุดของกล้ามเนื้อนั้นจะลดลง ซึ่งกลไกนี้ทำให้ความสัมพันธ์ EMG-Force เปลี่ยนแปลงไป และแสดงลักษณะที่ไม่เป็นเชิงเส้นมากขึ้น
     

บทสรุป

การศึกษาเปรียบเทียบเทคโนโลยี GPS และ EMG ชี้ให้เห็นถึงความแตกต่างในการประเมิน MP และ EC โดยเฉพาะอย่างยิ่งในการเคลื่อนไหวที่มีความเข้มข้นสูงอย่างการวิ่ง Sprint ซึ่ง GPS อาจประเมินค่าต่ำกว่าความเป็นจริง การใช้ EMG ซึ่งสะท้อนการทำงานของระบบประสาทและกล้ามเนื้อได้แม่นยำกว่า อาจเป็นแนวทางที่เหมาะสมกว่าในการประเมินภาระงานที่แท้จริง

ความเข้าใจเรื่องความสัมพันธ์ที่ไม่เป็นเชิงเส้นของ EMG-Force เป็นสิ่งสำคัญอย่างยิ่งในการตีความข้อมูล EMG การที่แอมพลิจูด EMG ไม่ได้เพิ่มขึ้นเป็นสัดส่วนโดยตรงกับแรง โดยเฉพาะอย่างยิ่งที่ระดับแรงสูงนั้น เป็นผลมาจากกลไกทางสรีรวิทยาที่ซับซ้อน เช่น การเกณฑ์เส้นใย Type II ที่สร้างศักย์ไฟฟ้าสูง การปรับอัตราการยิง การซิงโครไนซ์ของหน่วยสั่งการ และผลจากความล้าของกล้ามเนื้อ การตระหนักถึงความไม่เป็นเชิงเส้นนี้จะช่วยให้นักวิทยาศาสตร์การกีฬาและโค้ชสามารถประเมินและวางแผนการฝึกซ้อมได้อย่างมีประสิทธิภาพและแม่นยำมากยิ่งขึ้นในอนาคต