<\/p>\n
Cr\u00e9dito: CC0 Dominio p\u00fablico<\/p>\n
Los investigadores de Cambridge han desarrollado un m\u00e9todo para medir el estado f\u00edsico general con precisi\u00f3n en dispositivos port\u00e1tiles, y de manera m\u00e1s robusta que los relojes inteligentes y monitores de estado f\u00edsico de los consumidores actuales, sin que el usuario necesite hacer ejercicio.\n <\/p>\n
Normalmente, las pruebas para medir con precisi\u00f3n el VO2max, una medida clave del estado f\u00edsico general y un indicador importante del riesgo de enfermedades card\u00edacas y mortalidad, requieren equipos de laboratorio costosos y en su mayor\u00eda se limitan a los atletas de \u00e9lite. El nuevo m\u00e9todo utiliza el aprendizaje autom\u00e1tico para predecir el VO2max, la capacidad del cuerpo para realizar trabajo aer\u00f3bico, durante la actividad diaria, sin necesidad de informaci\u00f3n contextual como las mediciones de GPS.<\/p>\n
En lo que es, con mucho, el estudio m\u00e1s grande de su tipo, los investigadores recopilaron datos de actividad de m\u00e1s de 11,000 participantes en el Estudio Fenland utilizando sensores port\u00e1tiles, con un subconjunto de participantes evaluado nuevamente siete a\u00f1os despu\u00e9s. Los investigadores usaron los datos para desarrollar un modelo para predecir el VO2max, que luego se valid\u00f3 con un tercer grupo que llev\u00f3 a cabo una prueba de ejercicio est\u00e1ndar en un laboratorio. El modelo mostr\u00f3 un alto grado de precisi\u00f3n en comparaci\u00f3n con las pruebas de laboratorio y supera a otros enfoques.<\/p>\n
Algunos relojes inteligentes y monitores de actividad f\u00edsica actualmente en el mercado afirman proporcionar una estimaci\u00f3n del VO2max, pero dado que los algoritmos que sustentan estas predicciones no est\u00e1n publicados y est\u00e1n sujetos a cambios en cualquier momento, no est\u00e1 claro si las predicciones son precisas o si un r\u00e9gimen de ejercicio tiene alg\u00fan efecto en el VO2max de un individuo a lo largo del tiempo.<\/p>\n
El modelo desarrollado por Cambridge es robusto, transparente y proporciona predicciones precisas basadas \u00fanicamente en la frecuencia card\u00edaca y los datos del aceler\u00f3metro. Dado que el modelo tambi\u00e9n puede detectar cambios en el estado f\u00edsico a lo largo del tiempo, tambi\u00e9n podr\u00eda ser \u00fatil para estimar los niveles de estado f\u00edsico de poblaciones enteras e identificar los efectos de las tendencias del estilo de vida. Los resultados se informan en la revista npj Digital Medicine.<\/p>\n
Una medici\u00f3n de VO2max se considera el “est\u00e1ndar de oro” de las pruebas de condici\u00f3n f\u00edsica. Los atletas profesionales, por ejemplo, prueban su VO2max midiendo su consumo de ox\u00edgeno mientras hacen ejercicio hasta el agotamiento. Hay otras formas de medir el estado f\u00edsico en el laboratorio, como la respuesta de la frecuencia card\u00edaca a las pruebas de ejercicio, pero requieren equipos como una caminadora o una bicicleta est\u00e1tica. Adem\u00e1s, el ejercicio extenuante puede ser un riesgo para algunas personas.<\/p>\n
“VO2max no es la \u00fanica medida del estado f\u00edsico, pero es importante para la resistencia y es un fuerte predictor de diabetes, enfermedades card\u00edacas y otros riesgos de mortalidad”, dijo el coautor Dr. Soren Brage de la Unidad de Epidemiolog\u00eda MRC de Cambridge. “Sin embargo, dado que la mayor\u00eda de las pruebas de VO2max se realizan en personas que est\u00e1n razonablemente en forma, es dif\u00edcil obtener mediciones de aquellas que no est\u00e1n tan en forma y que podr\u00edan estar en riesgo de enfermedad cardiovascular”.<\/p>\n
“Quer\u00edamos saber si era posible predecir con precisi\u00f3n el VO2max utilizando datos de un dispositivo port\u00e1til, de modo que no hubiera necesidad de una prueba de ejercicio”, dijo el coautor principal, el Dr. Dimitris Spathis del Departamento de Ciencias de la Computaci\u00f3n y Tecnolog\u00eda de Cambridge. . “Nuestra pregunta central era si los dispositivos port\u00e1tiles pueden medir el estado f\u00edsico en la naturaleza. La mayor\u00eda de los dispositivos port\u00e1tiles brindan m\u00e9tricas como la frecuencia card\u00edaca, los pasos o el tiempo de sue\u00f1o, que son indicadores de la salud, pero no est\u00e1n directamente relacionados con los resultados de salud”.<\/p>\n
El estudio fue una colaboraci\u00f3n entre los dos departamentos: el equipo de la Unidad de Epidemiolog\u00eda de MRC proporcion\u00f3 experiencia en salud de la poblaci\u00f3n y estado cardiorrespiratorio y datos del Estudio Fenland, un estudio de salud p\u00fablica de larga duraci\u00f3n en el Este de Inglaterra, mientras que el equipo del El Departamento de Ciencias y Tecnolog\u00eda de la Computaci\u00f3n proporcion\u00f3 experiencia en aprendizaje autom\u00e1tico e inteligencia artificial para datos m\u00f3viles y port\u00e1tiles.<\/p>\n
Los participantes en el estudio usaron dispositivos port\u00e1tiles continuamente durante seis d\u00edas. Los sensores recogieron 60 valores por segundo, lo que result\u00f3 en una enorme cantidad de datos antes de ser procesados. “Tuvimos que dise\u00f1ar una canalizaci\u00f3n de algoritmos y modelos apropiados que pudieran comprimir esta gran cantidad de datos y usarlos para hacer una predicci\u00f3n precisa”, dijo Spathis. “La naturaleza de vida libre de los datos hace que esta predicci\u00f3n sea un desaf\u00edo porque estamos tratando de predecir un resultado de alto nivel (aptitud f\u00edsica) con datos ruidosos de bajo nivel (sensores port\u00e1tiles)”.<\/p>\n
Los investigadores utilizaron un modelo de IA conocido como red neuronal profunda para procesar y extraer informaci\u00f3n significativa de los datos del sensor sin procesar y hacer predicciones de VO2max a partir de ellos. M\u00e1s all\u00e1 de las predicciones, los modelos entrenados se pueden utilizar para la identificaci\u00f3n de subpoblaciones con necesidades particulares de intervenci\u00f3n relacionadas con la aptitud f\u00edsica.<\/p>\n
Los datos de referencia de 11\u00a0059 participantes en el estudio Fenland se compararon con los datos de seguimiento de siete a\u00f1os despu\u00e9s, tomados de un subconjunto de 2675 de los participantes originales. Un tercer grupo de 181 participantes del Estudio de validaci\u00f3n de biobancos del Reino Unido se someti\u00f3 a pruebas de VO2max en laboratorio para validar la precisi\u00f3n del algoritmo. El modelo de aprendizaje autom\u00e1tico tuvo una fuerte concordancia con las puntuaciones de VO2max medidas tanto en la l\u00ednea de base (82 % de acuerdo) como en las pruebas de seguimiento (72 % de acuerdo).<\/p>\n
“Este estudio es una demostraci\u00f3n perfecta de c\u00f3mo podemos aprovechar la experiencia en epidemiolog\u00eda, salud p\u00fablica, aprendizaje autom\u00e1tico y procesamiento de se\u00f1ales”, dijo el coautor principal, el Dr. Ignacio P\u00e9rez-Pozuelo.<\/p>\n
Los investigadores dicen que sus resultados demuestran c\u00f3mo los dispositivos port\u00e1tiles pueden medir con precisi\u00f3n el estado f\u00edsico, pero es necesario mejorar la transparencia si se quiere confiar en las mediciones de los dispositivos port\u00e1tiles disponibles en el mercado.<\/p>\n
“En principio, es cierto que muchos monitores de actividad f\u00edsica y relojes inteligentes brindan una medici\u00f3n del VO2max, pero es muy dif\u00edcil evaluar la validez de esas afirmaciones”, dijo Brage. “Los modelos generalmente no se publican, y los algoritmos pueden cambiar regularmente, lo que dificulta que las personas determinen si su estado f\u00edsico realmente ha mejorado o si solo se est\u00e1 estimando mediante un algoritmo diferente”.<\/p>\n
“Todo lo relacionado con la salud y el estado f\u00edsico en su reloj inteligente es una estimaci\u00f3n”, dijo Spathis. “Somos transparentes sobre nuestro modelo y lo hicimos a escala. Demostramos que podemos lograr mejores resultados con la combinaci\u00f3n de datos ruidosos y biomarcadores tradicionales. Adem\u00e1s, todos nuestros algoritmos y modelos son de c\u00f3digo abierto y todos pueden usarlos. “<\/p>\n
“Hemos demostrado que no se necesita una prueba costosa en un laboratorio para obtener una medida real del estado f\u00edsico: los dispositivos port\u00e1tiles que usamos todos los d\u00edas pueden ser igual de poderosos, si tienen el algoritmo correcto detr\u00e1s de ellos”, dijo el autor principal. Profesora Cecilia Mascolo del Departamento de Ciencia y Tecnolog\u00eda Inform\u00e1tica. “El ejercicio cardiovascular es un marcador de salud tan importante, pero hasta ahora no ten\u00edamos los medios para medirlo a escala. Estos hallazgos podr\u00edan tener implicaciones significativas para las pol\u00edticas de salud de la poblaci\u00f3n, por lo que podemos ir m\u00e1s all\u00e1 de indicadores de salud m\u00e1s d\u00e9biles como Body Mass \u00edndice (IMC)”.<\/p>\n
\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tM\u00e1s informaci\u00f3n:<\/strong> \n Citaci\u00f3n<\/strong>: Los niveles de condici\u00f3n f\u00edsica se pueden predecir con precisi\u00f3n utilizando dispositivos port\u00e1tiles: no se requiere ejercicio (1 de diciembre de 2022) recuperado el 1 de diciembre de 2022 de https:\/\/medicalxpress.com\/news\/2022-12-accurately-wearable-devicesno-required.html\n <\/p>\n Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.\n <\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Dominio p\u00fablico Los investigadores de Cambridge han desarrollado un m\u00e9todo para medir el estado f\u00edsico general con precisi\u00f3n en dispositivos port\u00e1tiles, y de manera m\u00e1s robusta que los relojes inteligentes y monitores de estado f\u00edsico de los consumidores actuales, sin que el usuario necesite hacer ejercicio. Normalmente, las pruebas para medir con precisi\u00f3n […]<\/p>\n","protected":false},"author":1,"featured_media":4788,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[9],"tags":[10],"class_list":{"0":"post-4787","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-ejercicio","8":"tag-ejercicio"},"_links":{"self":[{"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/posts\/4787","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/comments?post=4787"}],"version-history":[{"count":1,"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/posts\/4787\/revisions"}],"predecessor-version":[{"id":4789,"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/posts\/4787\/revisions\/4789"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/media\/4788"}],"wp:attachment":[{"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/media?parent=4787"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/categories?post=4787"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/americanchiropractors.org\/es\/wp-json\/wp\/v2\/tags?post=4787"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\n\t\t\t\t\t\t\t\t\t\t\t\tPredicci\u00f3n longitudinal de la aptitud cardiorrespiratoria a trav\u00e9s de dispositivos port\u00e1tiles en entornos de vida libre, npj Digital Medicine (2022). DOI: 10.1038\/s41746-022-00719-1 Proporcionado por la Universidad de Cambridge<\/p>\n