{"id":6485,"date":"2020-05-23T13:13:25","date_gmt":"2020-05-23T11:13:25","guid":{"rendered":"https:\/\/pre.vitruve.fit\/blog\/profili-di-velocita-di-prestito-personalizzati-considerazioni-sullapplicazione-per-aumentare-laccuratezza-della-previsione\/"},"modified":"2026-02-27T11:00:53","modified_gmt":"2026-02-27T10:00:53","slug":"profili-di-velocita-di-prestito-personalizzati-considerazioni-sullapplicazione-per-aumentare-laccuratezza-della-previsione","status":"publish","type":"post","link":"https:\/\/pre.vitruve.fit\/it\/blog\/profili-di-velocita-di-prestito-personalizzati-considerazioni-sullapplicazione-per-aumentare-laccuratezza-della-previsione\/","title":{"rendered":"Profili di velocit\u00e0 di prestito personalizzati: Considerazioni sull’applicazione per aumentare l’accuratezza della previsione"},"content":{"rendered":"

I profili di carico-velocit\u00e0 personalizzati vengono comunemente impiegati per prevedere il 1RM.<\/strong> Nonostante ci\u00f2, i risultati sono contrastanti: alcuni studi dimostrano che possono prevedere accuratamente il 1RM; tuttavia, altri studi rivelano il contrario. Unisciti a me mentre affronto quali sono le sottigliezze individuali che devono essere considerate per l’applicazione al fine di aumentare la precisione della previsione 1RM.<\/span><\/p>\n

 <\/p>\n

<\/span>Points cl\u00e9s<\/span><\/h2>\n
    \n
  1. Le equazioni di regressione lineare individualizzate<\/strong> sono i profili di carico-velocit\u00e0 pi\u00f9 comunemente impiegati per prevedere il 1RM<\/span><\/li>\n
  2. I risultati complessivi della letteratura<\/strong> sono misti in termini di accuratezza della previsione del 1RM<\/span><\/li>\n
  3. Ci sono diverse considerazioni applicative<\/strong> al fine di aumentare l’accuratezza della previsione del 1RM<\/span><\/li>\n<\/ol>\n

    Quando qualcuno dice “Formazione basata sulla velocit\u00e0”,<\/strong> ci\u00f2 che viene in mente per la maggior parte delle persone \u00e8 il profilo di carico-velocit\u00e0.<\/i> Successivamente, la maggior parte delle persone pensa tipicamente a un profilo di carico-velocit\u00e0 come a una equazione di regressione che coinvolge la velocit\u00e0 sull’asse x e il carico sull’asse y con un’estrapolazione della velocit\u00e0 al fine di prevedere 1RM. Le equazioni di regressione vengono tipicamente utilizzate per prevedere 1RM al fine di monitorare 1RM nel tempo o come metodo in base al quale prescrivere la sessione di allenamento. Ci sono innumerevoli studi che coinvolgono profili di carico-velocit\u00e0 delle equazioni di regressione; pertanto, piuttosto che affrontare ogni singolo studio, questa breve recensione fornir\u00e0 un breve riepilogo delle considerazioni pi\u00f9 importanti e delle sottigliezze individuali al fine di aumentare l’accuratezza della previsione di 1RM.<\/p>\n

    In sintesi, questi studi indagano la validit\u00e0 e\/o la attendibilit\u00e0 dei profili di carico-velocit\u00e0<\/a><\/strong> per la previsione del 1RM. La validit\u00e0 si riferisce all’accuratezza dei metodi di previsione del 1RM. La attendibilit\u00e0 si riferisce alla coerenza dei metodi di previsione del 1RM. \u00c8 importante indagare sia la validit\u00e0 che la attendibilit\u00e0, poich\u00e9 un metodo di previsione del 1RM pu\u00f2 essere invalido (non predire accuratamente il 1RM), ma pu\u00f2 comunque essere attendibile, il che significa che sovrastima o sottostima costantemente il 1RM di una certa entit\u00e0. Ad esempio, supponiamo che un particolare metodo di previsione del 1RM sovrastimi costantemente il 1RM di 10 chilogrammi. Anche se \u00e8 invalido (sovrastima il 1RM di 10 chilogrammi), \u00e8 attendibile (sovrastima costantemente il 1RM di 10 chilogrammi). Pertanto, in questo particolare esempio, questa persona potrebbe ancora usare questo come un solido metodo per prevedere il 1RM semplicemente sapendo che il loro 1RM \u00e8 sempre ~10 chilogrammi in meno della previsione effettiva. <\/span><\/p>\n

    Personalmente, ho giocato con entrambe le equazioni di regressione lineare e polinomiale abbastanza per prevedere 1RM. Per me, entrambi i metodi tendono a sovrastimare notevolmente 1RM, il che \u00e8 coerente con quanto riportato nella maggior parte della letteratura. Per questo motivo, di solito suggerisco di utilizzare ci\u00f2 che ho chiamato una <\/span>tabella di velocit\u00e0 del primo ripetuto individualizzata<\/span><\/i> per fare riferimento alla velocit\u00e0 del primo ripetuto individualizzato con la percentuale individualizzata di 1RM per una determinazione accurata della percentuale di 1RM sulla barra e per una previsione accurata di 1RM. <\/span> Tuttavia, per alcuni individui ho trovato che i profili di carico-velocit\u00e0 delle equazioni di regressione tipiche sono in grado di prevedere 1RM con una buona accuratezza, quindi penso ancora che valga la pena discuterne. Tieni semplicemente presenti le importanti considerazioni illustrate di seguito se sei interessato a provarlo. <\/span><\/p>\n

    <\/span>Qual \u00e8 la migliore metrica di velocit\u00e0 da usare?<\/span><\/h2>\n

    Ci sono vari metriche di velocit\u00e0 che possono essere utilizzate per prevedere il 1RM: velocit\u00e0 concentrica media (ACV), velocit\u00e0 propulsiva media (MPV), velocit\u00e0 di picco (PV) e numerosi altri (1). L’ACV \u00e8 la velocit\u00e0 media durante l’intera porzione concentrica dell’esercizio (cio\u00e8 durante la parte in cui si sta salendo o “muovendosi verso l’alto” nello squat o nella panca). La MPV \u00e8 la velocit\u00e0 media dall’inizio della porzione concentrica dell’esercizio fino al punto in cui l’accelerazione della barra \u00e8 inferiore all’accelerazione di gravit\u00e0 (questo pu\u00f2 essere particolarmente utile per valutare la velocit\u00e0 di sviluppo della forza; comunemente noto anche come RFD). La PV \u00e8 la velocit\u00e0 massima (di picco) che viene raggiunta durante la porzione concentrica dell’esercizio. <\/span><\/p>\n

    In uno studio molto recente che ha indagato quale metrica di velocit\u00e0 potesse determinare il carico relativo della panca con la massima affidabilit\u00e0, l’ACV ha avuto il coefficiente di correlazione di Pearson pi\u00f9 alto (R = 0.993) e l’errore standard della stima pi\u00f9 basso (SEE = 5.11 – 6.03%) (1). Il valore R misura la forza della relazione tra due variabili (carico e velocit\u00e0 in questo caso particolare) e va da -1.00 a +1.00 (un valore assoluto di 1.00 indicherebbe che c’\u00e8 una correlazione perfetta tra carico e velocit\u00e0). Il SEE rappresenta l’accuratezza e illustra la variazione intorno a una linea di regressione (quindi pi\u00f9 basso \u00e8 il SEE, minore \u00e8 la varianza e maggiore \u00e8 l’accuratezza della previsione). <\/span><\/p>\n

    <\/span>Qual \u00e8 il miglior metodo di previsione del 1RM da utilizzare?<\/b><\/span><\/h2>\n

    Attualmente nella letteratura scientifica sono impiegati tre metodi di previsione del 1RM utilizzando la velocit\u00e0: soglia minima di velocit\u00e0 (MVT), carico a velocit\u00e0 zero (LD0) e forza-velocit\u00e0 (FV) (2). Il MVT suggerisce che l’ultima ripetizione prima del fallimento \u00e8 sempre alla stessa ACV. Pertanto, il metodo MVT prevede la risoluzione dell’equazione di regressione lineare per y (1RM) con il MVT (x). Il metodo LD0 \u00e8 identico al metodo MVT; tuttavia, prevede la risoluzione dell’equazione di regressione lineare per una velocit\u00e0 di 0 m<\/span>.<\/span>s<\/span>-1<\/span>, invece del MVT. Il metodo FV prevede l’identificazione dell’intercetta tra FV e la relazione peso-velocit\u00e0 (in questo caso il peso \u00e8 determinato moltiplicando ciascuno dei carichi assoluti per l’accelerazione standard dovuta alla gravit\u00e0 o 9,81 m<\/span>.<\/span>s<\/span>-1<\/span>). In conclusione, il metodo di previsione del 1RM MVT \u00e8 stato dimostrato essere il pi\u00f9 valido e affidabile dei tre metodi sopra menzionati (2). <\/span><\/p>\n

    <\/span>Equazioni di regressione lineare individuali vs equazioni di regressione lineare di gruppo<\/b><\/span><\/h3>\n

    Non dovrebbe sorprendere che le equazioni di regressione lineare individuali siano pi\u00f9 accurate nella previsione del 1RM rispetto alle equazioni di regressione lineare di gruppo (3), poich\u00e9 \u00e8 ben stabilito che la relazione tra carico e velocit\u00e0 deve essere individualizzata (4). Non vedo lo scopo di indagare le equazioni di regressione lineare di gruppo, n\u00e9 vedo l’efficacia delle equazioni di regressione lineare di gruppo in ambienti di gruppo. In ambienti di gruppo, anche se pi\u00f9 atleti utilizzano lo stesso dispositivo VBT, ogni singolo atleta pu\u00f2 comunque avere la sua equazione di regressione lineare individuale (che \u00e8 contingente alla sessione; poich\u00e9 l’equazione cambier\u00e0 ovviamente ogni sessione a seconda del carico esatto e della velocit\u00e0 corrispondente esatta). Naturalmente, usa il tuo profilo di carico-velocit\u00e0 individualizzato; non usare un profilo di carico-velocit\u00e0 generico di gruppo. <\/span><\/p>\n

    <\/span>Velocit\u00e0 Intesa Massimale vs Nessuna Velocit\u00e0 Intesa Massimale<\/b><\/span><\/h3>\n

    Penso che una delle principali limitazioni con la maggior parte degli studi sia che quasi mai viene fornito un segnale di velocit\u00e0 intesa massimale. Tuttavia, in uno studio in cui c’era una condizione che riceveva un segnale di velocit\u00e0 intesa massimale e una condizione di controllo (nessun segnale di velocit\u00e0 intesa massimale \u00e8 stato ricevuto), la previsione del 1RM \u00e8 stata leggermente pi\u00f9 accurata nella condizione che riceveva un segnale di velocit\u00e0 intesa massimale (errori assoluti: 3,1 \u00b1 2,3 vs 4,1 \u00b1 1,9 kg) (5). Anche in questo caso, logicamente non dovrebbe sorprendere, poich\u00e9 se un soggetto non viene fornito con un segnale per sollevare ogni ripetizione con velocit\u00e0 intesa massimale, alcune ripetizioni possono essere pi\u00f9 veloci del normale e alcune ripetizioni possono essere pi\u00f9 lente del normale. Di conseguenza, questo avr\u00e0 drastici cambiamenti alla pendenza della linea di regressione; influenzando cos\u00ec il 1RM previsto. <\/span><\/p>\n

    <\/span>Esperti vs Inesperti Sollevatori<\/b><\/span><\/h3>\n

    Interessantemente, Banyard et al. (2017) hanno riportato che i soggetti con uno stato di allenamento pi\u00f9 alto (in grado di effettuare un back squat con pesi liberi pari a 1,5 volte la massa corporea) hanno previsioni di 1RM pi\u00f9 accurate rispetto a quelle di uno stato di allenamento pi\u00f9 basso (6). Gli autori non hanno fornito alcuna discussione o interpretazione per spiegare questi risultati. Non sono del tutto sicuro del perch\u00e9 ci\u00f2 sia cos\u00ec, poich\u00e9 ho osservato risultati misti con quelli di “stati di allenamento pi\u00f9 elevati”. Per speculare, potrebbe essere perch\u00e9 “stati di allenamento pi\u00f9 elevati” possono “macinare” (cio\u00e8 eseguire ripetizioni a velocit\u00e0 pi\u00f9 lente); tuttavia, poich\u00e9 l’equazione di regressione lineare individualizzata tiene conto dell’ACV 1RM individuale, ci\u00f2 non spiega l’intero quadro. <\/span><\/p>\n

    <\/span>Esercizi con Pesi Liberi vs Esercizi su Macchine<\/b><\/span><\/h3>\n

    Infine, arriviamo agli esercizi con pesi liberi vs esercizi su macchine. \u00c8 qui che le differenze nei risultati iniziano davvero a diventare evidenti. Per la maggior parte, le equazioni di regressione lineare che coinvolgono esercizi con pesi liberi non sono valide (6, 7) n\u00e9 affidabili (6) e di solito sopravvalutano di una quantit\u00e0 significativa il 1RM effettivo (6, 7). Tuttavia, per la maggior parte, le equazioni di regressione lineare che coinvolgono esercizi su macchine sono generalmente ragionevolmente valide e affidabili per la previsione del 1RM (5, 8). Non sono del tutto sicuro del perch\u00e9 gli esercizi su macchine siano generalmente pi\u00f9 accurati, ma per speculare penso che possa essere perch\u00e9 gli esercizi con pesi liberi sono pi\u00f9 soggetti a deviazioni tecniche; quindi, il percorso distinto della barra potrebbe svolgere un ruolo.<\/span><\/p>\n

    <\/span>Alto percentuale di 1RM vs basso percentuale di 1RM<\/b><\/span><\/h3>\n

    Le equazioni di regressione lineare che utilizzano una percentuale pi\u00f9 alta di 1RM (~80% di 1RM) sono pi\u00f9 accurate di quelle che utilizzano una percentuale pi\u00f9 bassa di 1RM (~60% di 1RM), indipendentemente dal numero di punti dati coinvolti nell’equazione di regressione lineare (6, 7). Pertanto, sembra che la relazione tra carico e velocit\u00e0 diventi curva (piuttosto che lineare) man mano che il carico sulla barra aumenta. A mio parere, la relazione carico-velocit\u00e0 assomiglia pi\u00f9 da vicino a un’equazione di regressione polinomiale di secondo ordine che a un’equazione di regressione lineare. <\/span><\/p>\n

    <\/span>Equazioni di regressione lineare individualizzate vs equazioni di regressione polinomiali individualizzate<\/b><\/span><\/h3>\n

    Mi sentirei di argomentare cautamente che le equazioni di regressione polinomiale possono essere pi\u00f9 accurate delle equazioni di regressione lineare nel prevedere 1RM (9), ma purtroppo c’\u00e8 una ricerca molto limitata sulla loro efficacia. Sono effettivamente sorpreso che sia cos\u00ec, poich\u00e9 la componente pi\u00f9 impegnativa nell’esecuzione di uno studio \u00e8 di solito la raccolta dei dati. In altre parole, i ricercatori hanno gi\u00e0 i dati, quindi si tratta solo di eseguire le statistiche, riportare i risultati e integrarli nella sezione discussione della carta. Infatti, l’articolo pi\u00f9 recente sulla prescrizione di carico autoregolata ha effettivamente utilizzato un interessante metodo per prescrivere il carico utilizzando un’equazione di regressione polinomiale (10).<\/span><\/p>\n

     <\/p>\n

    \"img-fase-3-ita\"<\/a><\/span><\/p>\n

     <\/p>\n

    <\/span>Conclusione<\/b><\/span><\/h3>\n

    Riassumendo, se sei interessato a provare le equazioni di regressione, dovresti usare un’equazione individualizzata (prova sia lineare che polinomiale), ACV come metrica della velocit\u00e0, MVT come metodo di previsione, un segnale di velocit\u00e0 massima prevista e un alto percentuale di 1RM. Inoltre, la previsione potrebbe essere pi\u00f9 accurata se sei di uno stato di allenamento pi\u00f9 alto e lo stai usando per un esercizio basato su macchina (cosa che probabilmente \u00e8 rara). Un riassunto delle considerazioni pratiche \u00e8 illustrato nella tabella 1. <\/span><\/p>\n

    \"\"<\/p>\n

    Una domanda finale potrebbe essere: “Nella letteratura, quanto sono accurate le profili di carico-velocit\u00e0 nella previsione del 1RM?”.<\/strong> Alcuni sono quasi perfetti (5, 8), mentre altri sovrastimano il 1RM fino a circa 25 chili (6, 7), ma \u00e8 in gran parte variabile tra individui. Tuttavia, la buona notizia \u00e8 che la velocit\u00e0 \u00e8 affidabile a ogni percentuale di 1RM (11). Pertanto, di solito suggerisco l’utilizzo di ci\u00f2 che ho definito una <\/span>Tabella delle velocit\u00e0 di prima ripetizione<\/span><\/i> individualizzata<\/span><\/i> e la cross-referenziazione della velocit\u00e0 con la percentuale di 1RM. Come nota finale, personalmente penso che la previsione del 1RM sia pi\u00f9 utile come strumento per monitorare il 1RM nel tempo piuttosto che come metodo effettivo per prescrivere TUTTA la sessione, semplicemente perch\u00e9 altre strategie di autoregolazione possono prescrivere e autoregolare in modo appropriato il carico e il volume. Il prossimo articolo affronter\u00e0 i metodi di previsione e monitoraggio del 1RM che ho trovato efficaci utilizzando la <\/span>Tabella di Velocit\u00e0 del Primo Ripetuto Individualizzata<\/span><\/i> che ho creato.<\/span><\/p>\n

    <\/span>Punti chiave<\/span><\/h2>\n
      \n
    1. Considerazioni per i profili di carico-velocit\u00e0 includono l’utilizzo di una equazione individuale, velocit\u00e0 concentrica media, soglia di velocit\u00e0 minima, velocit\u00e0 massima intenzionale e un alto percentuale di 1RM<\/strong><\/li>\n
    2. Utilizzare equazioni di regressione lineare individualizzate o equazioni polinomiali di secondo ordine individualizzate solo se sono accuratamente coerenti nella previsione del 1RM per te <\/strong><\/li>\n
    3. Utilizzare ci\u00f2 che ho definito una Tabella di Velocit\u00e0 del Primo Ripetuto Individualizzata<\/i> per fare riferimento alla velocit\u00e0 del primo ripetuto individualizzato con la percentuale individualizzata di 1RM come metodo rapido ed efficace per determinare accuratamente la percentuale di 1RM sulla barra e prevedere 1RM.<\/strong><\/li>\n<\/ol>\n

      <\/span>Riferimenti<\/span><\/h2>\n
        \n
      1. Garcia-Ramos, A, Pestana-Melero, FL, Perez-Castilla, A, Rojas, FJ, and Haff, GG. Mean velocity vs. mean propulsive velocity vs. peak velocity: which variable determines bench press relative load with higher reliability. <\/span>The Journal of Strength and Conditioning Research 32<\/span><\/i>(5), 1273 \u2013 1279, 2018.<\/span><\/li>\n
      2. Hughes, LJ, Banyard HG, Dempsey, AR, and Scott, BR. Using a load-velocity relationship to predict one repetition maximum in free-weight exercise: a comparison of the different methods. <\/span>The Journal of Strength and Conditioning Research 33<\/span><\/i>(9), 2409 \u2013 2419, 2019. <\/span><\/li>\n
      3. Benavides-Ubric, A, Diez-Fernandez, DM, Rodriguez-Perez, MA, Ortega-Becerra, M, and Pareja-Blanco, F. Analysis of the load-velocity relationship in deadlift exercise. <\/span>Journal of Sports Science and Medicine 19<\/span><\/i>, 452 \u2013 459, 2020. <\/span><\/li>\n
      4. Helms, ER, Storey, AG, Cross, MR, Brown, SR, Lenetsky, S, Ramsay, H, Dillen, C, and Zourdos, MC. RPE and velocity relationships for the back squat, bench press, and deadlift in powerlifters. <\/span>The Journal of Strength and Conditioning Research 31<\/span><\/i>(2)<\/span>: <\/span><\/i>292 \u2013 297, 2017.<\/span><\/li>\n
      5. Jimenez-Alonso, A, Garcia-Ramos, A, Cepero, M, Miras-Moreno, S, Rojas, FJ, and Perez-Castilla. Velocity performance feedback during the free-weight bench press testing procedure: an effective strategy to increase the reliability and one repetition maximum accuracy prediction. <\/span>The Journal of Strength and Conditioning Research <\/span><\/i>[Epub ahead of print], 2020.<\/span><\/li>\n
      6. Banyard, HG, Nosaka, K, and Haff, GG. Reliability and validity of the load-velocity relationship to predict the 1RM back squat. <\/span>The Journal of Strength and Conditioning Research 31<\/span><\/i>(7), 1897 \u2013 1904, 2017.<\/span><\/li>\n
      7. Ruf, L, Chery, C, and Taylor K. Validity and reliability of the load-velocity relationship to predict the one-repetition maximum in deadlift. <\/span>The Journal of Strength and Conditioning Research 32<\/span><\/i>(3), 681 \u2013 689, 2018. <\/span><\/li>\n
      8. Perez-Castilla, A, Suzovic, D, Domanovic, A, Fernandes, JFT, and Garcia-Ramos, A. Validity of different velocity-based methods and repetitions-to-failure equations for predicting the 1 repetition maximum during 2 upper-body pulling exercises. <\/span>The Journal of Strength and Conditioning Research <\/span><\/i>[Epub ahead of print], 2019.<\/span><\/li>\n
      9. Pestana-Melero, FL, Haff, GG, Rojas, FJ, Perez-Castilla, A, and Garcia-Ramos, A. Reliability of the load-velocity relationship obtained through linear and polynomial regression models to predict the 1-repetition maximum load. <\/span>Journal of Applied Biomechanics 34<\/span><\/i>(3), 184 \u2013 190.<\/span><\/li>\n
      10. Dorrell, HF, Moore, JM, and Gee, TI. Comparison of individual and group-based load-velocity profiling as a means to dictate training load over a 6-week strength and power intervention. <\/span>Journal of Sports Sciences <\/span><\/i>[Epub ahead of print].<\/span><\/li>\n
      11. Banyard, HG, Nosaka, K, Vernon, AD, and Haff, GG. The reliability of individualized load-velocity profiles. <\/span>International Journal of Sports Physiology and Performance 13<\/span><\/i>(6), 763 \u2013 769. <\/span><\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"

        I profili di carico-velocit\u00e0 personalizzati vengono comunemente impiegati per prevedere il 1RM. Nonostante ci\u00f2, i risultati sono contrastanti: alcuni studi dimostrano che possono prevedere accuratamente il 1RM; tuttavia, altri studi rivelano il contrario. Unisciti a me mentre affronto quali sono le sottigliezze individuali che devono essere considerate per l’applicazione al fine di aumentare la precisione […]<\/p>\n","protected":false},"author":11,"featured_media":3048,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"yasr_overall_rating":0,"yasr_post_is_review":"","yasr_auto_insert_disabled":"","yasr_review_type":"","footnotes":""},"categories":[69],"tags":[268],"class_list":["post-6485","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-guide-vbt","tag-sportsscience"],"acf":[],"yasr_visitor_votes":{"stars_attributes":{"read_only":false,"span_bottom":false},"number_of_votes":0,"sum_votes":0},"_links":{"self":[{"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/posts\/6485","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/comments?post=6485"}],"version-history":[{"count":1,"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/posts\/6485\/revisions"}],"predecessor-version":[{"id":23967,"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/posts\/6485\/revisions\/23967"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/media\/3048"}],"wp:attachment":[{"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/media?parent=6485"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/categories?post=6485"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/pre.vitruve.fit\/it\/wp-json\/wp\/v2\/tags?post=6485"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}