OBJETIVO: O teste de caminhada de seis minutos (TC6M) é uma estrategia simples e de baixo custo operacional que objetivamente mede a aptidão cardiorrespiratória de indivíduos com diferentes condições de saúde. Nosso objetivo foi desenvolver equações de predição da potência aeróbica em homens idosos saudáveis usando o TC6M. MÉTODOS: Foram medidos a composição corporal (massa corporal [MC], índice de massa corporal [BMI], porcentagem de gordura [%G]) e potência aeróbica de pico através de teste cardiopulmonar de exercício máximo (velocidade, frequência cardíaca [FC] e consumo de oxigênio [VO2] no limiar anaeróbico e no pico]) e através do TC6M (distancia [D], produto massa corporal x distância, FC e VO2de pico) em 76 idosos saudáveis com idade entre 65 e 80 anos (69.1 ± 0.3 anos). RESULTADOS: Foram observadas correlações significativas para VO2pico no TC6M em função do produto MCxD (R = 0,75, P < 0,0005), MC (R = 0,56, P < 0,0005), D (R = 0,43, P = 0,0004) e FC máxima (R = 0,37, P = 0,001). A correlacionou-se significativamente com %G (R = -0,43, P = 0,005), IMC (R = -0,36, P = 0,021) e idade (R = -0,31, P < 0,045), enquanto que a MCxD correlacionou-se com MC (R = 0,86, P < 0,005). A inclusão da MCxD aumentou o R 2 de 0,65 para 0,74 e diminuiu o erro padrão da estimativa (EPE) gerando a equação (R = 0,86, EPE = 182,1 mL·min-1, P < 0,0005) para a predição do VO2peak: VO2peak = 962,2 + (0,037 x MCxD) + (8,565 x FC máxima). Foi também gerado um modelo preditivo não dependente de exercício através de regressão univariada, mas não múltipla. A %G (R=0,43, EPE = 702,2 m, P < 0,005) gerou o melhor modelo para a predição da distancia, i.e., distancia = 702,2 - (3,067 x %G). CONCLUSÃO: Nossas modelos de predição parecem estimar precisamente o VO2pico de idosos saudáveis, especialmente quando a MCxD é considerada.

BACKGROUND AND OBJECTIVE: A simple, low-cost approach commonly used to objectively analyze the cardiorespiratory fitness of individuals with different health conditions is the six-minute walk test (6-MWT). Our objective was to develop peak aerobic power prediction using the six-minute walk test in healthy older men. METHODS: We measured body composition (body mass [BM], body mass index [BMI], fat percentage [FAT]) and peak aerobic power breath-by-breath during cardiopulmonary exercise testing (CPET [velocity, heart rate [HR] and VO2 at the anaerobic threshold and peak]) and a 6-MWT (distance [D], weight by distance [WxD], HR and oxygen consumption [VO2] at peak) in 76 healthy older men aged 65 to 80 years (69.1 ± 0.3 yrs-old). RESULTS: We observed significant correlations for VO2peak during the 6-MWT as a function of WxD (R = 0.75, P < 0.0005), BM (R = 0.56, P < 0.0005), D (R = 0.43, P = 0.0004) and maximum HR (R = 0.37, P = 0.001). Distance correlated significantly with FAT (R = -0.43, P = 0.005), BMI (R = -0.36, P = 0.021) and age (R = -0.31, P < 0.045), whereas WxD correlated with BM (R = 0.86, P<0.005).The inclusion of WxD increased the R2 from 0.65 to 0.74 and decreased the estimative error while yielding the following equation (R = 0.86, standard error of the estimate (SEE) = 182.1 mL•min-1, P < 0.0005) to predict VO2peak: VO2peak = 962.2 + (0.037 x WxD) + (8.565 x maximum HR). A non-exercise model was obtained by univariate regressions but not multiple regressions. The FAT (R = 0.43, SEE = 702.2 m, P < 0.005) yielded the best model for predicting distance, i.e., distance = 702.2 - (3.067 x FAT). CONCLUSION: Our prediction model seems to accurately estimate VO2peak in healthy older men primarily when WxD is considered.

OBJETIVO: Analisar as relações entre carga, massa corporal e massa magra na tentativa de fornecer normas padrão de referencia para o teste de uma repetição máxima e predizer a forca muscular corporal em idosos. MÉTODOS: A massa corporal, a massa magra e o teste de uma repetição máxima (1RM) foram medidos em 189 idosos com idade entre 61 e 82 anos. A forca muscular corporal (FMC) foi calculada como a somatória das cargas dos diferentes exercícios. RESULTADOS: Para mulheres, a inclusão da massa corporal ou da massa magra aumentou o R2 de 0.41 para 0.82, e resultou na equação: FMC = 75.788 + (2.288 × carga em kg para o puxador) + (0.799 × massa magra em kg). Para homens, a inclusão da massa corporal (FMC = 290.33 - [3.140 × idade em anos] + [1.236 × massa corporal em kg] + [1.549 × carga em kg para o leg press]) ou da massa magra (FMC = 343.25 - [3.298 × idade em anos] + [.415 × massa magra em kg] + [1.737 × carga em kg para o leg press]) diminuiu o erro padrão da estimativa. CONCLUSÃO: Nossos resultados suportam a ideia de que a carga correlaciona-se com a massa corporal e massa magra, e que a carga empregada em determinado exercício está significativamente associada com a forca muscular corporal. Portanto, isso permite o desenvolvimento de um modelo preditivo de forca muscular corporal com substancial acurácia.

PURPOSE: To analyze possible relationships between load, body mass and lean body mass in an effort to provide norm-referenced standards for the one repetition maximum test and to predict whole body muscle strength (WBMS) in older individuals. METHODS: We measured body mass, lean body mass and the one repetition maximum (1RM) test in different exercises in 189 older men and women aged 61 to 82 years. Whole body muscle strength (WBMS) was calculated as the sum of loads of the different exercises. RESULTS: For women, the inclusion of body mass or lean body mass increased the R2 from 0.41 to 0.82, and yielded the following equation: WBMS = 75.788 + (2.288 × load in kg of latissimus pull down) + (0.799 × lean body mass in kg). For men, the inclusion of either body mass (WBMS = 290.33 - [3.140 × age in years] + [1.236 × body mass in kg] + [1.549 × load in kg of leg press]) or, in particular, lean body mass (WBMS = 343.25 - [3.298 × age in years] + [.415 × lean body mass in kg] + [1.737 × load in kg of leg press]) decreased the standard error of the estimate. CONCLUSION: Our data support the idea that load correlates with body mass and lean body mass and that the load used for a specific exercise is significantly associated with WBMS, thereby permitting the development of a predictive model of WBMS with increased accuracy.