Szacowanie wydatku energetycznego i klasyfikacja aktywności fizycznej za pomocą urządzeń do noszenia (EEPAC)

Aktywność fizyczna (PA) jest definiowana jako każdy ruch ciała wytwarzany przez mięśnie szkieletowe, który wymaga wydatku energetycznego. Dowody naukowe na korzystne działanie są niepodważalne. Udowodniono, że regularny PA pomaga zapobiegać i leczyć kilka chorób niezakaźnych, takich jak choroby serca, udar, cukrzyca i różne formy raka.

PA jest złożonym zachowaniem charakteryzującym się częstotliwością, intensywnością, czasem i typem (FITT). Aby zrozumieć wpływ PA na zdrowie i nasze ogólne samopoczucie, konieczne jest monitorowanie wszystkich czterech cech PA. Algorytm klasyfikacji PA może ocenić ilość czasu spędzonego w różnych pozycjach ciała i aktywności. Umożliwienie oceny częstotliwości, czasu i rodzaju. Aby w pełni scharakteryzować PA, należy oszacować intensywność. Można tego dokonać poprzez oszacowanie wydatku energetycznego (EE).

Urządzenia ubieralne odgrywają kluczową rolę w monitorowaniu PA. Są praktycznym sposobem zbierania obiektywnych danych PA w codziennym życiu, w dyskretny sposób, przy stosunkowo niskich kosztach. Ponadto mogą być stosowane jako narzędzie motywacyjne do zwiększania PA. Akcelerometria była rutynowo stosowana do ilościowego określania PA i przewidywania EE przy użyciu modeli liniowych i nieliniowych. Jednak związek między EE a przyspieszeniem różni się w zależności od czynności. Na przykład jazda na rowerze może generować taką samą amplitudę przyspieszenia jak bieganie, ale EE może się znacznie różnić. Oczywiste jest, że samo przyspieszenie ma ograniczoną dokładność oszacowania EE z różnych działań.

Poprawę szacowania EE można osiągnąć poprzez najpierw sklasyfikowanie rodzaju działalności. Dla każdego rodzaju działalności można zastosować różne szacunki. Istnieje wiele metod klasyfikacji PA i szacowania EE. Literatura opisuje wykorzystanie równań opartych na regresji w połączeniu z punktami odcięcia, modeli liniowych, modeli nieliniowych, drzew decyzyjnych, sztucznych sieci neuronowych itp. Nadal nie jest jasne, jaka byłaby najlepsza metoda oszacowania EE, nie wspominając już o tym, jakie cechy przyczyniłyby się do powstania modelu.

Inną możliwością jest dodanie odpowiedniego biosygnału do modelu estymacji. Tętno, częstość oddechów, temperatura to sygnały, które mają odpowiedź związaną ze wzrostem PA. Tętno było wcześniej używane do poprawy oszacowania EE w połączeniu z akcelerometrią. Częstotliwość oddychania i temperatura mogą przyczynić się do oszacowania EE jest nadal niejasna.

Dlatego cel obecnego badania jest dwojaki. Po pierwsze, zbadanie udziału różnych zmiennych (sygnałów fizjologicznych) w szacowaniu EE i klasyfikacji PA. Po drugie, opracuj i zweryfikuj model do szacowania EE i klasyfikacji PA w symulowanych warunkach swobodnego życia w oparciu o odpowiednie zmienne.