Оценка расхода энергии и классификация физической активности с помощью носимых устройств (EEPAC)

Физическая активность (ФА) определяется как любое движение тела, производимое скелетными мышцами и требующее затрат энергии. Научные доказательства благотворного воздействия неопровержимы. Доказано, что регулярная ФА помогает предотвратить и лечить несколько неинфекционных заболеваний, таких как болезни сердца, инсульт, диабет и различные формы рака.

ПА представляет собой сложное поведение, которое характеризуется частотой, интенсивностью, временем и типом (FITT). Чтобы понять влияние ФА на здоровье и наше общее самочувствие, необходимо отслеживать все четыре характеристики ФА. Алгоритм классификации PA может оценивать количество времени, проведенного в различных позах тела и активности. Дает возможность оценить частоту, время и тип. Чтобы полностью охарактеризовать PA, необходимо оценить интенсивность. Это можно сделать путем оценки расхода энергии (ЭЭ).

Носимые устройства играют решающую роль в мониторинге PA. Это практичный способ сбора объективных данных PA в повседневной жизни, ненавязчивым способом и при относительно низких затратах. Кроме того, их можно применять в качестве мотивационного инструмента для повышения ФА. Акселерометрия обычно используется для количественной оценки PA и прогнозирования EE с использованием линейных и нелинейных моделей. Однако взаимосвязь между ЭЭ и ускорением отличается от одного вида деятельности к другому. Например, езда на велосипеде может генерировать ту же амплитуду ускорения, что и бег, но EE может сильно отличаться. Ясно, что само по себе ускорение имеет ограниченную точность для оценки ЭЭ от различных видов деятельности.

Улучшение оценки ЭЭ может быть достигнуто путем первоначальной классификации вида деятельности. Для каждого вида деятельности могут использоваться разные оценки. Существует множество методов классификации PA и оценки EE. В литературе описано использование уравнений на основе регрессии в сочетании с точками отсечения, линейными моделями, нелинейными моделями, деревьями решений, искусственными нейронными сетями и т. д. До сих пор неясно, какой метод будет лучшим для оценки EE, не говоря уже о том, какие функции будут способствовать модели.

Другая возможность состоит в том, чтобы добавить соответствующий биосигнал в модель оценки. Частота сердечных сокращений, частота дыхания, температура — все это сигналы, имеющие реакцию, связанную с увеличением ФА. Частота сердечных сокращений использовалась ранее для улучшения оценки ЭЭ в сочетании с акселерометрией. Частота дыхания и температура могут способствовать оценке ЭЭ, до сих пор неясно.

Таким образом, цель настоящего исследования двояка. Во-первых, изучить вклад различных переменных (физиологических сигналов) в оценку ЭЭ и классификацию ФА. Во-вторых, разработать и проверить модель для оценки EE и классификации PA в смоделированных условиях свободной жизни на основе соответствующих переменных.