Predecir el gasto energético en niños en edad preescolar utilizando datos de acelerómetro y giroscopio. | JoVE Visualize

Área de la Ciencia:

Ingeniería Biomédica Ingeniería Biomédica.
Ciencia del ejercicio pediátrico Ciencia del ejercicio pediátrico
Tecnología portátil Tecnología portátil.

Sus antecedentes:

La estimación precisa del gasto energético (EE) en los niños en edad preescolar es crucial para comprender sus niveles de actividad física y la salud metabólica.
Los sensores portátiles ofrecen un método prometedor y no invasivo para el monitoreo de EE en condiciones de vida libre.
Investigaciones anteriores han explorado los datos del acelerómetro para la predicción de EE, pero el valor agregado de los datos del giroscopio sigue siendo menos claro.

Objetivo del estudio:

Investigar si la integración de datos giroscópicos con los datos del acelerómetro mejora la precisión de la predicción del gasto energético en niños en edad preescolar.
Para comparar el rendimiento de diferentes configuraciones de sensores (solo acelerómetro, solo giroscopio y doble sensor) para la predicción de EE.
Evaluar varios modelos de aprendizaje automático para predecir EE utilizando diferentes entradas de sensores y ubicaciones de desgaste.

Principales métodos:

Treinta y nueve niños en edad preescolar (de 3 a <6 años) participaron en el estudio.
Los participantes usaron múltiples dispositivos (OPAL, GT9X, GENEActiv) en diferentes lugares del cuerpo, mientras que el gasto de energía se midió utilizando una unidad metabólica portátil.
Se desarrollaron y evaluaron 54 modelos de aprendizaje automático utilizando el error cuadrado de la raíz media, comparando datos de acelerómetro, giroscopio y sensores duales con diferentes algoritmos y sitios de desgaste.

Principales resultados:

El modelo forestal aleatorio que incorpora datos tanto del acelerómetro como del giroscopio (sensor dual) demostró un error cuadrado de la raíz media marginalmente menor en comparación con otras configuraciones en la mayoría de los casos.
Si bien los modelos de doble sensor mostraron ligeras mejoras, la mejora en la precisión de la predicción del gasto energético fue mínima en varios entornos.
No se observaron diferencias significativas en el rendimiento del modelo basado en la medida específica de EE (equivalentes metabólicos o kilojulios por minuto) o la ubicación del desgaste.

Conclusiones:

La adición de los datos del giroscopio a los datos del acelerómetro proporciona solo mejoras marginales en la predicción del gasto energético en niños en edad preescolar.
Teniendo en cuenta las ganancias mínimas y los desafíos potenciales en la adquisición y procesamiento de datos para sistemas de doble sensor, se recomiendan modelos basados en acelerómetros para futuras investigaciones.
Los estudios futuros deberían centrarse en la optimización de algoritmos basados en acelerómetros para una estimación robusta y práctica del gasto energético en niños pequeños.