- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT05523830
Estimación del Gasto Energético y Clasificación de la Actividad Física con Wearables (EEPAC)
Se ha comprobado que la actividad física regular (AF) ayuda a prevenir y tratar varias enfermedades no transmisibles, como enfermedades cardíacas, accidentes cerebrovasculares y diabetes. La intensidad es una característica clave de la AF que se puede evaluar estimando el gasto de energía (EE). Sin embargo, falta precisión en la estimación de EE basada en acelerómetros. Se ha sugerido que la adición de señales fisiológicas puede mejorar la estimación. Todavía no está claro cuánto puede agregar cada señal a la variación explicada y cómo pueden mejorar la estimación.
El objetivo del presente estudio es doble:
explorar la contribución de la frecuencia cardíaca (FC), la frecuencia respiratoria (BR) y la temperatura de la piel a la estimación de EE desarrollar y validar un modelo estadístico para estimar EE en condiciones simuladas de vida libre en función de las señales fisiológicas relevantes.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
La actividad física (AF) se define como cualquier movimiento corporal producido por el músculo esquelético que requiere gasto de energía. La evidencia científica de los efectos beneficiosos es irrefutable. Se ha comprobado que la AF regular ayuda a prevenir y tratar varias enfermedades no transmisibles, como enfermedades cardíacas, accidentes cerebrovasculares, diabetes y diferentes formas de cáncer.
PA es un comportamiento complejo que se caracteriza por la frecuencia, intensidad, tiempo y tipo (FITT). Para comprender el efecto de la AF en la salud y nuestro bienestar general, es esencial monitorear las cuatro características de la AF. Un algoritmo de clasificación de PA puede evaluar la cantidad de tiempo que se pasa en diferentes posturas corporales y actividades. Permitiendo evaluar frecuencia, tiempo y tipo. Para caracterizar completamente la PA, es necesario estimar la intensidad. Esto se puede hacer mediante la estimación del gasto de energía (EE).
Los wearables juegan un papel crucial en el monitoreo de PA. Son una forma práctica de recopilar datos objetivos de actividad física en la vida diaria, de forma discreta y a un costo relativamente bajo. Además, se pueden aplicar como una herramienta de motivación para aumentar la actividad física. La acelerometría se ha utilizado de forma rutinaria para cuantificar la PA y predecir la EE utilizando modelos lineales y no lineales. Sin embargo, la relación entre EE y aceleración difiere de una actividad a otra. Por ejemplo, andar en bicicleta puede generar la misma amplitud de aceleración que correr, pero la EE puede diferir mucho. Está claro que la aceleración por sí sola tiene una precisión limitada para estimar EE de diferentes actividades.
Se podría mejorar la estimación de EE clasificando primero el tipo de actividad. Para cada tipo de actividad se pueden utilizar diferentes estimaciones. Existen numerosos métodos para clasificar PA y estimar EE. La literatura describe el uso de ecuaciones basadas en regresión combinadas con puntos de corte, modelos lineales, modelos no lineales, árboles de decisión, redes neuronales artificiales, etc. Todavía no está claro cuál sería el mejor método para estimar EE, sin mencionar qué características contribuirían al modelo.
Otra posibilidad es agregar una bioseñal relevante al modelo de estimación. La frecuencia cardíaca, la frecuencia respiratoria, la temperatura son todas señales que tienen una respuesta relacionada con un aumento de la PA. La frecuencia cardíaca se ha utilizado anteriormente para mejorar la estimación de EE en combinación con la acelerometría. La frecuencia respiratoria y la temperatura podrían contribuir a la estimación de EE aún no está claro.
Por lo tanto, el objetivo del presente estudio es doble. En primer lugar, explorar la contribución de diferentes variables (señales fisiológicas) a la estimación de EE y la clasificación de AP. En segundo lugar, desarrollar y validar un modelo para estimar EE y clasificar PA en condiciones de vida libre simuladas en función de las variables relevantes.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Limburg
-
Maastricht, Limburg, Países Bajos, 6229ER
- Maastricht University
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Edad entre 18 y 64 años
- Proporcionó consentimiento informado por escrito
- Capaz de ser físicamente activo con PAR-Q+
Criterio de exclusión:
- Una contraindicación para la actividad física.
- Una contraindicación para usar wearables, fijada con un emplasto hipoalergénico
- Enfermedad crónica
- Un marcapasos o cualquier dispositivo implantado en el pecho
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Modelos observacionales: Otro
- Perspectivas temporales: Otro
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
---|---|
Sujetos sanos
56 sujetos sanos serán reclutados para el estudio actual
|
Sin intervención
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Modelo de Estimación del Gasto Energético
Periodo de tiempo: 1,5 años
|
El objetivo principal de este estudio es desarrollar y validar un algoritmo de estimación del gasto energético y clasificación de la actividad física basado en sensores portátiles.
Para ello se identificarán las señales relevantes que contribuyen a la clasificación de la actividad física y la estimación del gasto energético.
|
1,5 años
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Algoritmo de frecuencia cardíaca (variabilidad)
Periodo de tiempo: 1,5 años
|
Diseñar y validar un algoritmo de frecuencia cardíaca (variabilidad) - Investigar la viabilidad de modelar el gasto energético instantáneo |
1,5 años
|
Contribución de diferentes bioseñales a la estimación del gasto energético
Periodo de tiempo: 1,5 años
|
Evaluar la contribución de diferentes bioseñales a la estimación del gasto energético
|
1,5 años
|
Gasto instantáneo de energía
Periodo de tiempo: 1,5 años
|
Investigar la viabilidad de modelar el gasto energético instantáneo
|
1,5 años
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Guy Plasqui, Maastricht University
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- NL80580.068.22
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .
Ensayos clínicos sobre Sin intervención
-
University of OxfordOxford University Hospitals NHS TrustDesconocidoSíntomas de comportamientoReino Unido
-
Munich Municipal HospitalTechnical University of Munich; University of RegensburgDesconocido
-
Ottawa Heart Institute Research CorporationCanadian Institutes of Health Research (CIHR)Activo, no reclutandoDependencia a la nicotina, cigarrillos | Abstinencia de nicotinaCanadá
-
Shiraz University of Medical SciencesTerminado
-
Heidelberg UniversityDesconocidoRetraso de idioma | Trastornos del desarrollo del lenguajeAlemania
-
IWK Health CentreCanadian Institutes of Health Research (CIHR)TerminadoTrastorno de oposición desafiante | Trastorno de conductaCanadá
-
The Hospital for Sick ChildrenTerminadoObesidad infantilCanadá
-
IWK Health CentreMcGill University; Canadian Institutes of Health Research (CIHR); University of... y otros colaboradoresActivo, no reclutandoTrastornos del neurodesarrollo | Trastornos del ComportamientoCanadá
-
VA Office of Research and DevelopmentTerminadoTrastornos de Estrés PostraumáticoEstados Unidos
-
Sahlgrenska University Hospital, SwedenKarolinska University Hospital; Skane University Hospital; Karlstad Central Hospital y otros colaboradoresActivo, no reclutandoClaudicación intermitenteSuecia