Evaluación del rendimiento de algoritmos para estimar el tiempo sedentario diario utilizando sensores usados en la...

Área de la Ciencia:

• Investigación sobre la actividad física y el comportamiento sedentario
• Ingeniería biomédica y tecnología de sensores
• Salud pública y epidemiología

Sus antecedentes:

• La medición precisa del tiempo sedentario es crucial para comprender sus impactos en la salud.
• Los acelerómetros usados en la muñeca son convenientes, pero requieren algoritmos validados para la estimación del tiempo sedentario.
• Existen pruebas limitadas en el mundo real para algoritmos aplicados a sensores usados en la muñeca.

Objetivo del estudio:

• Evaluar el rendimiento de 21 algoritmos para estimar el tiempo sedentario utilizando sensores usados en la muñeca en adultos que viven libres.
• Para comparar las estimaciones del algoritmo con un dispositivo de referencia usado en el muslo (activPAL).
• Identificar las características del algoritmo asociadas con una estimación precisa del tiempo sedentario.

Principales métodos:

• Setenta y un adultos (35-65 años) llevaron sensores activPAL en las muñecas y en los muslos durante un máximo de 10 días.
• El tiempo sedentario se estimó utilizando 21 algoritmos de clasificación distintos (punto de corte y aprendizaje automático).
• Las pruebas de equivalencia (±10%) y la regresión lineal analizaron la precisión del algoritmo con respecto a la referencia activPAL.

Principales resultados:

• Solo 5 de los 21 algoritmos (24%) estimaron el tiempo sedentario dentro del 10% de la medida de referencia.
• Los algoritmos de aprendizaje automático (Trost Extended, OxWearables) y los métodos específicos de punto de corte mostraron una mejor precisión.
• El rendimiento del algoritmo se vinculó a estudios de desarrollo utilizando datos basados en la postura y la vida libre.

Conclusiones:

• Una minoría de los algoritmos disponibles actualmente cuantifican con precisión el tiempo sedentario a partir de sensores usados en la muñeca en condiciones de vida libre.
• Los estudios de evaluación comparativa son esenciales para identificar algoritmos confiables e informar el desarrollo futuro de algoritmos.
• La investigación futura debe centrarse en algoritmos desarrollados y validados utilizando metodologías sólidas.