적응된 신체 활동 세션의 강도를 추정하기 위한 새로운 도구의 사용 (UNITS-APA)

신체 활동은 여러 보건 당국에서 수년 동안 권장해 왔습니다. 실제로 수많은 연구에서 신체 활동이 노인의 삶의 질, 자율성 획득 및 기능 제한 감소에 미치는 영향을 입증했습니다. 이 문제는 기대 수명이 증가함에 따라 점점 더 존재하고 있으며, 이는 노인의 지위에 도달하는 개인의 유병률을 증가시킵니다. 이러한 예측은 점점 더 많은 사람들이 노화의 결과와 함께 살아야 할 것임을 암시합니다. 이러한 관점에서 적응된 신체 활동을 통한 이러한 사람들의 관리는 노인들 사이에서 허약과 입원의 위험을 제한함으로써 건강 시스템을 완화하는 데 필요합니다. 적응된 신체 활동을 촉진하기 위해 이 분야의 전문가의 역할은 균형, 근육 강화 및 유산소 운동을 통해 신경인지, 신경근 및 심폐 측면을 유도하는 신체 활동 세션을 설정하는 것입니다. 이 세션은 병리학, 운동 성취 수준 및 세션의 인지된 어려움과 같은 다양한 기준에 따라 정의됩니다. 참가자에게 가장 일반적인 정량화 방법은 Borg Rating of Perceived Exertion(RPE) 척도입니다. 이 척도는 "인지된 노력 없음"에 대한 6에서 "최대 노력"에 대한 20 범위의 척도로 노력에 대한 인식을 측정하는 것으로 구성됩니다. 이 도구를 사용하면 중간 정도의 강도에서 심박수와 강한 상관관계가 있다는 장점이 있습니다. 이러한 다양한 매개변수를 통해 적응된 신체 활동 엔지니어는 이러한 다양한 매개변수에 따라 훈련 부하를 결정할 수 있습니다. 이 훈련 부하는 참가자의 기능적 능력에 가장 잘 맞도록 다음 세션을 조정하여 이러한 사람들의 치료를 개별화할 수 있습니다. 그러나 이 훈련 부하는 주관적입니다. 적응형 신체 활동 전문가의 경우 다양한 세션의 훈련 부하 정량화는 개인 경험을 기반으로 합니다. 이 방법은 다른 전문가에게 정량화하고 일반화하기 어렵습니다. 마찬가지로 세션의 어려움에 대한 느낌은 각 참가자마다 다릅니다. RPE의 정량화는 세션의 마지막 연습과 그룹 효과에 의해 크게 영향을 받습니다. 이러한 한계를 해결하기 위해 다양한 도구가 개발되었습니다. 가장 일반적인 솔루션 중 하나는 심박수 모니터를 사용하는 것입니다. 이 센서의 장점은 주관적인 개인 간 편견 없이 세션 동안 심박수를 정량화할 수 있다는 것입니다. 그러나 이 정량화 방법은 근육 강화의 훈련 부하와 낮은 상관관계를 가지고 있습니다. 이 제한은 신경근 측면에 초점을 맞춘 운동의 많은 부분으로 인해 적응된 활동 세션의 추정에 큰 영향을 미칩니다. 이 문제를 해결하기 위해 인간 움직임 분석은 세션 중에 제안된 다양한 유형의 운동에 따라 에너지 소비를 추정하는 보완 도구가 될 것입니다. 이 분석은 동작 또는 운동 측정의 기구학에 따라 다양한 동작을 분류하기 위한 딥 러닝의 도래로 크게 촉진되었습니다. 이러한 맥락에서 두 가지 측정 시스템이 두드러집니다. 한편으로 Actigraph는 가속도계에서 계산한 크기 벡터에 따라 훈련 부하를 정량화하기 위해 이 분야에서 가장 널리 사용되는 도구 중 하나입니다. 이 훈련 부하는 센서가 기록한 활동에 따라 낮음, 보통 또는 높음으로 식별됩니다. 반면 깊이 카메라를 사용하여 인체를 분할하는 것은 빠르게 발전하는 분야입니다. 딥 러닝과 결합된 이 측정 시스템으로 수집된 데이터는 여러 개인의 광범위한 움직임을 동시에 분류할 수 있습니다. 이러한 측정 시스템을 사용하면 워크로드 추정을 더 잘 이해할 수 있습니다. 실제로 운동 분류와 실행 시간 및 심박수와 결합된 반복 횟수의 연관성은 생태학적 조건에서 정확한 에너지 소비를 가능하게 합니다. 이러한 데이터는 적응된 신체 활동 세션을 위한 노인 관리의 보다 정확한 개별화를 허용합니다. 노쇠에 대한 이러한 유형의 맞춤형 관리는 건강하게 노화하는 미래의 도전 과제의 일부가 될 것입니다.