Para muchos, los rastreadores de acondicionamiento físico se han convertido en herramientas indispensables para monitorear cuántas calorías han quemado en un día. Pero para aquellos que viven con obesidad, que se sabe que exhiben diferencias en la marcha, la velocidad, la energía quemada y más, estos dispositivos a menudo miden la actividad inexactamente, hasta ahora.
Para muchos, los rastreadores de acondicionamiento físico se han convertido en herramientas indispensables para monitorear cuántas calorías han quemado en un día. Pero para aquellos que viven con obesidad, que se sabe que exhiben diferencias en la marcha, la velocidad, la energía quemada y más, estos dispositivos a menudo miden la actividad inexactamente, hasta ahora.
Los científicos de la Universidad Northwestern han desarrollado un nuevo algoritmo que permite a los relojes inteligentes monitorear con mayor precisión las calorías quemadas por las personas con obesidad durante diversas actividades físicas.
La tecnología une una brecha crítica en la tecnología de acondicionamiento físico, dijo Nabil Alshurafa, cuyo laboratorio del noroeste, Hábits Lab, creó y probó el algoritmo de código abierto y dominante específicamente sintonizado para personas con obesidad. Es transparente, rigurosamente comprobable y listo para que otros investigadores se construyan. Su próximo paso es implementar una aplicación de monitoreo de actividades a finales de este año que estará disponible para uso de iOS y Android.
«Las personas con obesidad podrían obtener grandes conocimientos de salud de los rastreadores de actividades, pero la mayoría de los dispositivos actuales pierden la marca», dijo Alshurafa, profesor asociado de medicina conductual en la Facultad de Medicina Feinberg de la Universidad Northwestern.
Los algoritmos actuales de monitoreo de actividades que usan los rastreadores de acondicionamiento físico se construyeron para personas sin obesidad. Los rastreadores desgastados de la cadera a menudo leen mal la quema de energía debido a los cambios de marcha y el dispositivo se inclina en personas con mayor peso corporal, dijo Alshurafa. Y, por último, los modelos usados por la muñeca prometen una mejor comodidad, adherencia y precisión entre los tipos de cuerpo, pero nadie los ha probado o calibrado rigurosamente para este grupo, dijo.
«Sin un algoritmo validado para los dispositivos de muñeca, todavía estamos en la oscuridad sobre la cantidad de actividad y energía con obesidad realmente cada día, desacelerando nuestra capacidad para adaptar las intervenciones y mejorar los resultados de la salud», dijo Alshurafa, cuyo equipo probó los algoritmo de su laboratorio de su laboratorio contra los algorits de estado de estado de estado. quema de calorías.
Los hallazgos se publicarán el 19 de junio en Nature Informes científicos.
La clase de ejercicio que motivó la investigación
Alshurafa estaba motivado para crear el algoritmo después de asistir a una clase de ejercicio con su suegra que tiene obesidad.
«Ella trabajó más duro que nadie, sin embargo, cuando miramos a la clasificación, sus números apenas se registraron», dijo Alshurafa. «Ese momento me golpeó: el fitness no debería sentirse una trampa para las personas que más la necesitan».
Algoritmo rivaliza métodos estándar de oro
Al usar datos de rastreadores de acondicionamiento físico comerciales, el nuevo modelo rivaliza los métodos estándar de oro para medir la quemadura de energía y puede estimar cuánta energía está utilizando alguien con obesidad cada minuto, lo que alcanza más del 95% de precisión en situaciones del mundo real. Este avance facilita a más personas con obesidad rastrear sus actividades diarias y su uso de energía, dijo Alshurafa.
Cómo el estudio midió la energía de energía
En un grupo, 27 participantes del estudio llevaban un rastreador de aptitud física y un carro metabólico: una máscara que mide el volumen de oxígeno que el usuario inhala y el volumen de dióxido de carbono que el usuario exhala para calcular su quema de energía (en kilocalorías/kcals) y la tasa metabólica en reposo. Los participantes del estudio pasaron por un conjunto de actividades físicas para medir su quema de energía durante cada tarea. Luego, los científicos analizaron los resultados del rastreador de fitness para ver cómo se comparan con los resultados de los carros metabólicos.
En otro grupo, 25 participantes del estudio llevaban un rastreador de acondicionamiento físico y una cámara corporal mientras vivían sus vidas. La cámara del cuerpo permitió a los científicos confirmar visualmente cuándo el algoritmo se sobreestimó o subestimó los kcals.
A veces, Alshurafa dijo que desafiaría a los participantes del estudio a hacer tantas flexiones como pudieran en cinco minutos.
«Muchos no podían caer al piso, pero cada uno aplastó los abushups de pared, sus brazos temblando de esfuerzo», dijo, «celebramos los entrenamientos ‘estándar’ como la prueba final, pero esos estándares dejan de lado a tantas personas. Estas experiencias me mostraron que debemos repensar cómo los gimnasios, los rastreadores y los programas de ejercicios miden el éxito, por lo que el trabajo duro de nadie no se inscribe».
El estudio se titula: «Desarrollar y comparar un nuevo algoritmo de quemadura de energía inclusiva del IMC en wearables desgastados».
Otros autores del noroeste incluyen al autor principal Boyang Wei y Christopher Romano y Bonnie Nolan. Este trabajo también se realizó en colaboración con Mahdi Pedram y Whitney A. Morelli, anteriormente de Northwestern.
Funding for the study was provided by the National Institute of Diabetes and Digestive and Kidney Diseases (grants K25DK113242-01A1 and R01DK129843-01), the National Science Foundation (grant 1915847), the National Institute of Biomedical Imaging and Bioengineering (grant R21EB030305-01) and the National Institutes of Health’s National Center for Avance de las ciencias de la traducción (Grant UL1TR001422).
