Stima del dispendio energetico e classificazione dell'attività fisica con dispositivi indossabili (EEPAC)

L'attività fisica (PA) è definita come qualsiasi movimento corporeo prodotto dal muscolo scheletrico che richiede dispendio energetico. Le prove scientifiche degli effetti benefici sono inconfutabili. È dimostrato che la PA regolare aiuta a prevenire e curare diverse malattie non trasmissibili come malattie cardiache, ictus, diabete e diverse forme di cancro.

PA è un comportamento complesso caratterizzato da frequenza, intensità, tempo e tipo (FITT). Per comprendere l'effetto della PA sulla salute e sul nostro benessere generale, è essenziale monitorare tutte e quattro le caratteristiche della PA. Un algoritmo di classificazione PA può valutare la quantità di tempo trascorso in diverse posture e attività del corpo. Permettendo di valutare la frequenza, il tempo e il tipo. Per caratterizzare completamente l'AP, è necessario stimare l'intensità. Ciò può essere fatto mediante la stima del dispendio energetico (EE).

I dispositivi indossabili svolgono un ruolo cruciale nel monitoraggio della PA. Sono un modo pratico per raccogliere dati PA oggettivi nella vita quotidiana, in modo discreto, a un costo relativamente basso. Inoltre possono essere applicati come strumento motivazionale per aumentare la PA. L'accelerometria è stata abitualmente utilizzata per quantificare la PA e per prevedere l'EE utilizzando modelli lineari e non lineari. Tuttavia, la relazione tra EE e accelerazione differisce da un'attività all'altra. Ad esempio, il ciclismo può generare la stessa ampiezza di accelerazione della corsa, ma l'EE può differire notevolmente. È chiaro che l'accelerazione da sola ha una precisione limitata per stimare l'EE da diverse attività.

Il miglioramento della stima dell'EE potrebbe essere ottenuto classificando prima il tipo di attività. Per ogni tipo di attività possono essere utilizzate stime diverse. Esistono numerosi metodi per classificare PA e stimare EE. La letteratura descrive l'uso di equazioni basate sulla regressione combinate con punti di taglio, modelli lineari, modelli non lineari, alberi decisionali, reti neurali artificiali, ecc. Non è ancora chiaro quale sarebbe il metodo migliore per stimare l'EE, per non parlare di quali caratteristiche contribuirebbero al modello.

Un'altra possibilità è quella di aggiungere un segnale biologico rilevante al modello di stima. Frequenza cardiaca, frequenza respiratoria, temperatura sono tutti segnali che hanno una risposta correlata ad un aumento della PA. La frequenza cardiaca è stata utilizzata in precedenza per migliorare la stima dell'EE in combinazione con l'accelerometria. La frequenza respiratoria e la temperatura potrebbero contribuire alla stima dell'EE non è ancora chiara.

Pertanto, l'obiettivo del presente studio è duplice. In primo luogo, esplorare il contributo di diverse variabili (segnali fisiologici) alla stima dell'EE e alla classificazione della PA. In secondo luogo, sviluppare e convalidare un modello per stimare l'EE e classificare l'AP in condizioni di vita libera simulate in base alle variabili pertinenti.