Blog

Dec 05, 2023

Evaluación del estado de salud física más allá del recuento de pasos diarios mediante un sensor de actividad portátil

npj Digital Medicine volumen 5, Número de artículo: 164 (2022) Cite este artículo 5201 Accesos 1 Citas 136 Detalles de métricas Altmetric El estado de salud física define la capacidad de un individuo para desempeñarse

npj Digital Medicine volumen 5, Número de artículo: 164 (2022) Citar este artículo

5201 Accesos

1 Citas

136 altmétrico

Detalles de métricas

El estado de salud física define la capacidad de un individuo para realizar las actividades normales de la vida diaria y normalmente se evalúa en entornos clínicos mediante cuestionarios y/o pruebas validadas, por ejemplo, pruebas de caminata cronometradas. Estas mediciones tienen un contenido de información relativamente bajo y suelen tener una frecuencia limitada. Los sensores portátiles, como los monitores de actividad, permiten la medición remota de parámetros asociados con la actividad física, pero no se han explorado ampliamente más allá de la medición del recuento de pasos diarios. Aquí informamos los resultados de una cohorte de 22 personas con hipertensión arterial pulmonar (HAP) a quienes se les proporcionó un monitor de actividad Fitbit (Fitbit Charge HR®) entre dos visitas clínicas (18,4 ± 12,2 semanas). En cada visita clínica se registraron un máximo de 26 mediciones (19 categóricas y 7 continuas). Del análisis de la frecuencia de pasos minuto a minuto y la frecuencia cardíaca derivamos varias métricas asociadas con la actividad física y la función cardiovascular. Estas métricas se utilizan para identificar subgrupos dentro de la cohorte y compararlos con parámetros clínicos. Varias métricas de Fitbit están fuertemente correlacionadas con parámetros clínicos continuos. Utilizando un enfoque de umbral, mostramos que muchas métricas de Fitbit dan como resultado diferencias estadísticamente significativas en los parámetros clínicos entre subgrupos, incluidos aquellos asociados con el estado físico, la función cardiovascular, la función pulmonar, así como los biomarcadores de los análisis de sangre. Estos resultados resaltan el hecho de que el recuento de pasos diarios es sólo una de las muchas métricas que pueden derivarse de los monitores de actividad.

Los sensores de actividad portátiles permiten el monitoreo remoto de la actividad física de un individuo, pero se han limitado en gran medida a la evaluación del recuento promedio de pasos diarios. Caminar o deambular es un movimiento fundamental de la vida diaria y se ha convertido en una métrica importante para promover la salud humana1. Por ejemplo, aumentar el número de pasos diarios (de <4000 a ≥12 000) se asocia con una disminución de la mortalidad por todas las causas2,3. En pacientes hospitalizados, los umbrales de recuento de pasos diarios (normalmente <1000 pasos por día) se han asociado con malos resultados, como reingresos4,5,6. También se ha descubierto que los parámetros de deambulación relacionados, como la velocidad de la marcha7,8,9 y las pruebas de caminata cronometradas10,11, predicen resultados clínicamente relevantes.

Históricamente, el monitoreo remoto del estado físico de un individuo ha sido un desafío; sin embargo, los avances en la tecnología portátil han permitido la evaluación continua después de la cirugía o entre visitas clínicas para pacientes con enfermedades crónicas. Las unidades de medición inercial (IMU) portátiles, como los dispositivos Fitbit, registran el recuento de pasos junto con otras métricas derivadas de las señales de la IMU (por ejemplo, el sueño) que se pueden ver en la aplicación de teléfono inteligente asociada. Además, muchos dispositivos portátiles, como Fitbit, utilizan fotopletismografía para medir la frecuencia cardíaca.

El recuento de pasos, y en particular el recuento de pasos diarios, sigue siendo la métrica más común para la evaluación remota de la actividad física; sin embargo, los datos de recuento de pasos y frecuencia cardíaca minuto a minuto se pueden descargar desde el servidor de Fitbit utilizando su interfaz de programación de aplicaciones (API). Por lo tanto, para una persona que usa un Fibit continuamente, se pueden obtener 10,080 valores de frecuencia de pasos (unidades: pasos por minuto, SPM) y frecuencia cardíaca (unidades: latidos por minuto, BPM) durante una semana, representando cada punto el valor promedio. de frecuencia de pasos y frecuencia cardíaca durante ese minuto. Si bien la precisión de las mediciones del recuento de pasos en entornos de vida libre y en poblaciones de pacientes con patrones de marcha atípicos sigue siendo una preocupación12,13, los estudios en personas con cáncer, enfermedades cardiovasculares, hipertensión arterial pulmonar y esclerosis múltiple sugieren que estos dispositivos pueden proporcionar mediciones precisas y datos clínicamente relevantes14,15,16,17. De manera similar, en estudios comparativos, las mediciones de la frecuencia cardíaca de los dispositivos Fitbit en general muestran una buena concordancia con los electrocardiogramas para personas en reposo o con niveles bajos de actividad18,19. Sin embargo, otros factores, como la pigmentación de la piel, también pueden influir en la precisión de la medición20.

El objetivo de este estudio fue mostrar que se pueden derivar métricas clínicamente relevantes, más allá del recuento de pasos diarios, a partir de monitores de actividad portátiles. Existe una gran fuente de información sin explotar contenida en los datos de estos dispositivos, lo que permite obtener una huella digital mucho más granular de las actividades de la vida diaria de un individuo. Aquí presentamos los resultados del análisis de 22 personas con hipertensión arterial pulmonar (HAP), a cada una de las cuales se les proporcionó un dispositivo Fitbit entre dos visitas a la clínica. A partir de los datos de frecuencia cardíaca y de pasos minuto a minuto, derivamos una variedad de parámetros asociados con la actividad física durante la vida libre, incluidas métricas asociadas con la frecuencia cardíaca semanal y las distribuciones de frecuencia de pasos, parámetros relacionados con la intensidad, duración y frecuencia. de ambulaciones, un análogo de la prueba de capacidad de trabajo físico para evaluar la condición física, una distancia de caminata de 6 minutos en vida libre (FL6MWD), así como métricas de uso semanal. También consideramos una métrica del estado de salud basada en la comparación del FL6MWD con los valores previstos para individuos sanos con la misma edad, sexo e IMC que el sujeto. Se utilizaron el análisis de componentes principales y el análisis de perfil latente para identificar subgrupos de pacientes según las métricas de Fitbit.

En las visitas clínicas se registraron un máximo de 26 mediciones (7 continuas y 19 categóricas), incluida la evaluación de la calidad de vida relacionada con la salud (CVRS) y la clase funcional de la OMS, la presencia o ausencia de diversos síntomas y evaluaciones de la función de los órganos. Las variables continuas incluyeron mediciones de la frecuencia cardíaca, prueba de caminata de seis minutos (6MWT), presión sistólica del ventrículo derecho (RVSP) y tres biomarcadores de análisis de sangre. Para evaluar el potencial de relevancia clínica, utilizamos un enfoque de umbral para comparar los parámetros clínicos entre los dos subgrupos. Mostramos que muchas métricas derivadas de Fitbit se pueden utilizar para identificar subgrupos con diferencias en los parámetros clínicos asociados con el estado físico, la función cardiovascular, la función pulmonar, así como biomarcadores de análisis de sangre. Además, mostramos que varias de las métricas de Fitbit estaban fuertemente correlacionadas con parámetros clínicos continuos. En general, demostramos que las métricas derivadas de Fitbit pueden proporcionar información sobre las actividades de la vida diaria de un individuo y tienen el potencial de respaldar la toma de decisiones y la atención clínica.

Analizamos 3,5 × 106 min de datos de Fitbit para 22 personas con HAP entre dos visitas a la clínica ambulatoria con un promedio de 18,4 ± 12,2 semanas para cada sujeto (un total de 405 semanas). La edad promedio de los sujetos fue 50,6 ± 13,4 años (media ± DE), siendo 3 hombres y 19 mujeres. En la mayoría de los casos, los datos se analizaron en bloques semanales de domingo a sábado. De los datos semanales obtuvimos un máximo de 10.080 valores (100% de uso) de frecuencia de paso (unidades: pasos por minuto, SPM) y frecuencia cardíaca (unidades: latidos por minuto, BPM). La distribución de las tasas de pasos (SR) durante cada semana (excluyendo SR = 0) generalmente siguió una distribución logarítmica normal (Fig. 1a), de la cual extrajimos la media, la desviación estándar y la asimetría. Para estos sujetos, la frecuencia máxima de pasos fue típicamente de alrededor de 100 SPM, abarcando caminatas medias (80–99 SPM) y caminatas rápidas (100–119 SPM)21. Para individuos activos y sanos generalmente se observan picos adicionales en los histogramas de frecuencia de paso en el rango de 100 a 120 SPM, correspondiente a una caminata rápida, y en el rango de 150 a 180 SPM, correspondiente a correr21. Observamos que el análisis de cadencia se usa ampliamente para evaluar la intensidad del ejercicio en ambientes de vida libre en una amplia gama de poblaciones21,22,23. Las medias de los histogramas de frecuencia de pasos semanales para cada sujeto fueron de 13,6 a 32,8 SPM, con una desviación estándar en el rango de 10,2 a 30,3 SPM. La asimetría varió de 1,19 a 2,55, lo que muestra que hubo un aumento de densidad de moderado a grande a la derecha del valor más probable. En comparación con el recuento de pasos diarios comúnmente utilizado, el recuento de pasos diario promedio estuvo en el rango de 1338 a 10 679 pasos, con un promedio de 5729 pasos por día (Figura 1 complementaria).

a Distribución de la tasa de pasos (SR) minuto a minuto (unidades: pasos por minuto, SPM). La línea roja muestra un ajuste logarítmico normal. b Distribución de la frecuencia cardíaca (BPM) para todos los minutos donde SR = 0. La línea roja muestra un ajuste normal. c Distribución de la frecuencia cardíaca (BPM) para todos los minutos donde SR > 0. La línea roja muestra un ajuste normal. d Mapa de actividad semanal: diagrama de dispersión que muestra la frecuencia cardíaca versus la frecuencia de pasos. Cada punto representa un minuto en el que se registró una frecuencia cardíaca fisiológica. Las líneas grises muestran las envolventes superior e inferior del mapa de actividad. La línea azul muestra un ajuste lineal de mínimos cuadrados a los datos.

Para evaluar el potencial de importancia clínica, utilizamos un enfoque de umbral. Primero dividimos a los sujetos en dos grupos según un valor umbral y luego comparamos los 26 parámetros clínicos (Tabla complementaria 1) entre los grupos. Comparamos a los individuos con un recuento de pasos diarios promedio >5000 pasos (14/22) con aquellos con <5000 pasos (8/22). Este umbral arbitrario dio como resultado 6 parámetros clínicos estadísticamente significativos (Tabla complementaria 2 y Figura complementaria 2). Los sujetos con <5000 pasos por día tuvieron una 6MWD más baja en la visita 1, niveles más bajos de hemoglobina en la visita 2, una peor salud pulmonar (FC de la OMS más alta evaluada por un médico) en la visita 1 y experimentaron más edema del pedal (puntuación de edema del pedal) en la visita 2. Dos sujetos tuvieron un conteo promedio de pasos diarios >10,000 pasos por día (PAH 1, 19), pero no tuvieron otras similitudes. El análisis de sensibilidad de los valores umbral y el número de parámetros clínicos estadísticamente significativos para todas las métricas de Fitbit se proporcionan en las figuras complementarias. 3 y 4.

Los datos de frecuencia cardíaca minuto a minuto para cada semana se separaron en frecuencia cardíaca en SR = 0 (HR (SR = 0), es decir, sin actividad física) y frecuencia cardíaca en SR > 0 (HR (SR = 0), es decir activo). Los histogramas para FC (SR = 0) (Fig. 1b) y FC (SR > 0) (Fig. 1c) se describieron mediante distribuciones normales, de las cuales obtuvimos la media, la desviación estándar y la asimetría. El rango de FC media (SR = 0) fue de 66,2 a 111,8 BPM, con desviaciones estándar de 6,4 a 13,7 BPM (Figura complementaria 5). La asimetría varió de -0,75 a 2,30, destacando una amplia gama de comportamiento con colas relativamente grandes a la izquierda y a la derecha del pico (Figuras complementarias 6 y 7).

La distribución de FC (SR = 0) representa todas las ocurrencias de frecuencia de paso cero y puede representar varias posturas bajo una variedad de condiciones de reposo (por ejemplo, transitorias o sostenidas). Para relacionar la FC (SR = 0) con la frecuencia cardíaca en reposo (RHR), consideramos dos condiciones: el valor medio y el promedio de los 10 valores más bajos de FC (SR = 0). Un estudio anterior encontró que las personas con HAP con RHR por debajo de 82 BPM tuvieron una supervivencia general libre de eventos significativamente más larga durante un período de seguimiento medio de 37 (18-64) meses24. En el estudio, la RHR se midió en una visita a la clínica durante un período estable de al menos 15 minutos de reposo en decúbito, pero es probable que sea mayor que la verdadera frecuencia cardíaca en reposo (ver más abajo). Comparamos sujetos con valores medios de FC (SR = 0) <82 BPM (14/22) con aquellos con >82 BPM (8/22). Esto dio como resultado 8 parámetros clínicos estadísticamente significativos (Tabla complementaria 2 y Figura complementaria 8). Los sujetos con valores medios más bajos de FC (SR = 0) tuvieron una FC más baja en las visitas 1 y 2, y una frecuencia cardíaca máxima más baja en la visita 2, pero experimentaron más edema del pedal (puntuación de edema del pedal) y más palpitaciones (puntuación de palpitaciones) en la visita 1. , fueron menos capaces de realizar actividades habituales (puntuaciones más bajas de actividad habitual en el EQ-5D) en la visita 1 y experimentaron más dolor/malestar (puntuaciones más bajas de dolor/malestar EQ-5D) en la visita 1.

Dos sujetos (PAH 1,4) tuvieron una FC media (SR = 0) >100 BPM. Ambos sujetos tenían pendientes bajas de condición física (ver más abajo), lo que sugiere que no accedieron a un amplio rango de frecuencia cardíaca durante las actividades diarias. Sin embargo, PAH 1 tuvo el recuento de pasos diarios promedio más alto en el conjunto de datos. Observamos que 3 sujetos (PAH 4, 20, 27) retiraron el dispositivo durante la noche (ver más abajo), lo que puede haber resultado en valores medios de FC (SR = 0) más altos, ya que probablemente no se incluyeron los valores de frecuencia cardíaca durante el sueño.

La verdadera frecuencia cardíaca en reposo (FCR) suele definirse como el valor obtenido en posición supina inmediatamente después de despertarse pero antes de levantarse de la cama25. Para obtener un valor similar a la FCR verdadera calculamos el promedio de los 10 valores más bajos de FC(SR = 0); Supusimos que los 10 valores más bajos registrados durante cada semana probablemente se obtienen en posición supina y en reposo durante un período prolongado. El rango de los valores semanales promedio más bajos de FC fue de 50,3 a 69,2 BPM (Figura complementaria 5). Un estudio reciente de más de 90.000 personas durante 35 semanas informó que la RHR (que se supone es la verdadera RHR) dependía de la edad, el IMC y la duración del sueño, con valores diarios de RHR de 40 a 108 BPM25, aunque el 95% de los hombres y las mujeres tenían valores de RHR entre 50 y 80 BPM, similar al rango encontrado aquí.

Comparamos individuos con asimetría de HR (SR = 0) <1 (11/22) con aquellos con asimetría >1. Esto dio como resultado 4 parámetros clínicos estadísticamente significativos (Tabla complementaria 2 y Figura complementaria 9). Los sujetos con valores de asimetría más bajos tenían más probabilidades de tener una frecuencia cardíaca en reposo más alta en las visitas 1 y 2, experimentaron menos dolor/malestar (puntuaciones más bajas de dolor/malestar EQ-5D) en la visita 1 y tenían más probabilidades de tener mejor salud (mayor EQ-5D). -Índice 5D) en la visita 1. Dos sujetos tenían valores de FC (SR = 0) asimétricos >1,9 (PAH 27, 28): ambos sujetos también tenían frecuencias cardíacas en reposo relativamente bajas, 6MWD de vida libre más prolongada y pendientes de trazado de fitness más altas. .

La frecuencia cardíaca en SR > 0 representa los valores de FC mientras los sujetos estaban activos. Los valores medios de FC (SR > 0) fueron de 78,6 a 121,0 BPM (media de 94,4 BPM) y la desviación estándar fue de 6,5 a 14,0 BPM (Figura 10 complementaria). Los valores medios fueron sólo ligeramente superiores a los valores medios de FC (SR = 0), aunque las desviaciones estándar fueron similares. Los valores medios de asimetría para HR (SR > 0) fueron de −0,57 a 1,35, similar al rango para HR (SR = 0). Comparamos individuos con valores medios de FC (SR > 0) <95 BPM (12/22) con aquellos con >95 BPM, lo que resultó en 4 parámetros clínicos estadísticamente significativos (Tabla complementaria 2 y Figura complementaria 11). Los sujetos con valores medios más bajos de FC (SR > 0) tuvieron una FCR más baja en las visitas 1 y 2, niveles de albúmina más bajos en la visita 1 y experimentaron más palpitaciones (puntuación de palpitaciones más baja) en la visita 1.

Todos los datos semanales se pueden representar en un diagrama de dispersión que traza la actividad semanal de un individuo minuto a minuto (Fig. 1d). Estos mapas de actividad son aproximadamente triangulares con una densidad relativamente alta de puntos a velocidades de paso bajas y una densidad decreciente a medida que aumenta la velocidad de paso. Otros parámetros derivados de los datos minuto a minuto incluyeron la evaluación de la condición física basada en la prueba de Capacidad de Trabajo Físico 170 (PWC 170), métricas asociadas con la deambulación semanal, la distancia de caminata de 6 minutos en vida libre (FL6MWD) y el uso del dispositivo.

Para identificar subgrupos dentro de la población objeto, realizamos un análisis de componentes principales (PCA). Se seleccionaron cinco parámetros para el análisis: la media y la desviación estándar del histograma de velocidad de paso, la desviación estándar de la FC en SR > 0, la FC media en SR = 0 y la fracción de tiempo inactivo (Fig. 2a). Los puntos de datos de cada semana para la mayoría de los sujetos estaban estrechamente agrupados en distintas regiones. Desde el gráfico de carga (Fig. 2b), PC1 está dominado por los parámetros de velocidad de paso (+PC1) y la fracción de tiempo inactivo (-PC1). PC2 está dominado por la frecuencia cardíaca media en SR = 0 (+PC2) y la desviación estándar de la frecuencia cardíaca para SR > 0 (−PC2). El grupo de sujetos en el cuarto cuadrante (PAH 3, 9, 12, 19, 23, 27) se caracterizan por una media y una desviación estándar altas de la frecuencia de pasos, y un valor alto de la desviación estándar de la frecuencia cardíaca en SR > 0. Esto implica que estos individuos exhiben una amplia gama de frecuencias de pasos y una amplia gama de frecuencias cardíacas durante las actividades normales de la vida diaria. El grupo de sujetos a lo largo del eje y positivo (PAH 1, 10, 14, 17) se caracteriza por una frecuencia cardíaca media alta en SR = 0. Los valores altos de FC (SR = 0) implican que estos individuos tienen una frecuencia cardíaca en reposo alta. frecuencia cardíaca y es poco probable que accedan a una amplia gama de frecuencias cardíacas durante las actividades normales, incluso si tienen la capacidad de realizar frecuencias de pasos moderadas o altas. El grupo de sujetos a lo largo del eje x negativo (HAP 2, 7, 11, 13, 20, 21, 30) se caracteriza por una gran fracción de tiempo inactivo. Tres sujetos (PAH 15, 26, 28) están agrupados alrededor del origen. El gráfico PCA sugiere una variedad de comportamientos con distintas combinaciones de métricas asociadas con la frecuencia cardíaca y la frecuencia de pasos. Para explorar estas relaciones con más detalle, evaluamos varios parámetros derivados. Se encontraron distintos grupos de sujetos para FC media (SR = 0) >82 BPM, asimetría de FC (SR = 0) <1, producto de deambulación, P > 1000 y pendiente de condición física >0,15 (Figura complementaria 12).

un diagrama de dispersión PCA de los dos primeros componentes principales. Para cada sujeto (N = 20), se seleccionaron aleatoriamente 10 semanas del conjunto de datos. La variación de los dos primeros componentes principales fue del 48,6% y 30,0%, respectivamente. Para 100 ejecuciones independientes, la varianza media de PC1 y PC2 fue de 77,5 ± 0,58%. Los números representan las identificaciones de los sujetos. Cada punto representa una semana de datos. b Cargando parcela. FC(SR = 0):media es el valor medio de la frecuencia cardíaca en SR = 0; FC(SR > 0):SD es la desviación estándar de la frecuencia cardíaca en SR > 0; SR(SR > 0): media es el recuento medio de pasos para SR>0; SR(SR>0):SD es la desviación estándar de la velocidad de paso para SR > 0; El tiempo activo es la fracción de minutos con SR = 0.

Para derivar una métrica relacionada con la aptitud física a partir de los datos de Fitbit, determinamos la frecuencia media de pasos, en intervalos de 20 SPM, y la frecuencia cardíaca media en ese intervalo. Suponiendo que la frecuencia de pasos está relacionada con la producción de potencia, este enfoque es similar al protocolo de capacidad de trabajo físico PWC170, donde la pendiente de una curva de potencia versus frecuencia cardíaca se utiliza para predecir la producción de potencia a 170 BPM como medida de condición física. Un ejemplo de un conjunto de datos semanales muestra que la frecuencia cardíaca media generalmente aumenta al aumentar la frecuencia de pasos (Fig. 3a). También es evidente que la frecuencia cardíaca extrapolada en SR = 0 es relativamente alta, alrededor de 103 BPM. El gráfico de aptitud promediado durante todas las semanas de datos fue casi idéntico a la semana de ejemplo (Fig. 3b), lo que muestra que solo hubo una pequeña variación semanal. Los gráficos de aptitud para todos los sujetos (Fig. 3b) abarcaron un amplio rango, con intersecciones de 73 a 120 BPM (Fig. 3c) y pendientes de 0,02 a 0,31 BPM/SPM (promedio = 0,15 BPM/SPM) (Fig. 3d). . En general, los individuos con una frecuencia cardíaca baja en SR = 0 accedieron a un rango más amplio de frecuencias cardíacas con un nivel de actividad creciente (frecuencia de pasos) y, por lo tanto, tenían pendientes más altas.

a La frecuencia de pasos promedio y la frecuencia cardíaca promedio correspondiente en 20 intervalos de SPM para PAH 14 en la semana 11. Las barras representan la media ± DE. b Gráficos de frecuencia cardíaca media versus frecuencia cardíaca promedio promediados durante todas las semanas para cada individuo. c Intercepción de aptitud (BPM) y pendiente de aptitud d (BPM/SPM) obtenidas a partir de un ajuste lineal de mínimos cuadrados a las gráficas HR-SR para cada individuo. Barra azul: media; barras verdes: cuartiles superior e inferior.

La comparación de sujetos con una pendiente de condición física >0,15 (11/22) con aquellos con una pendiente <0,15 dio como resultado 3 parámetros clínicos estadísticamente significativos (Tabla complementaria 2 y Figura complementaria 13). En particular, los sujetos con pendientes >0,15 tuvieron niveles más bajos de NT-proBNP en las visitas 1 y 2. El péptido natriurético tipo B (BNP) y el péptido natriurético tipo B N-terminal (NT-proBNP) son biomarcadores de estrés cardíaco y HAP. los pacientes con niveles de NT-proBNP inferiores a aproximadamente 300 pg L-1 se consideran de bajo riesgo de insuficiencia cardíaca26. Los niveles medios para los sujetos con pendiente >0,15 en las visitas 1 y 2 fueron 188 ± 180 y 145 ± 165 pg mL-1, respectivamente. Estos resultados sugieren que la pendiente de la condición física puede ser un indicador útil de los niveles de NT-proBNP y del riesgo de insuficiencia cardíaca. La comparación de sujetos con intercepciones de condición física por encima (10/22) y por debajo (12/22) de la media (91 BPM) fue similar a los resultados para los subgrupos con FC (SR = 0) por encima y por debajo de 95 BPM.

Definimos deambulación como un período de al menos 2 min con SR ≥ 60 SPM, que corresponde a caminar lento o más rápido23. Se seleccionó una duración de 2 minutos ya que la prueba de caminata de 2 minutos (2MWT) se utiliza ampliamente para evaluar la capacidad funcional27,28. Del número de ambulaciones semanales obtuvimos métricas de frecuencia, resistencia e intensidad. La frecuencia promedio de deambulación para todos los sujetos estuvo en el rango de 1,6 a 96 deambulaciones por semana. Se obtuvo una medida de la resistencia de un sujeto a partir del valor 1/e de un ajuste exponencial al histograma de duraciones de deambulación semanales (Fig. 4a). Por lo tanto, se consideraría que los individuos con ambulaciones de mayor duración tienen mayor resistencia. Los valores de resistencia (1/e) estuvieron entre 2,2 y 7,0 min. La duración de deambulación individual más larga fue de 70 min (HAP 9). Se obtuvo una medida de la intensidad de la deambulación a partir de la desviación estándar del histograma de frecuencia de pasos semanal (Fig. 4b), es decir, qué tan por encima del valor medio: los valores oscilaron entre 10 y 30 SPM. En general, la frecuencia de deambulación fue mayor para duraciones más cortas y valores intermedios de frecuencia de paso (Fig. 4c).

Métricas de deambulación representativas para HAP 14 en la semana 11. a Frecuencia de deambulaciones semanales de ≥2 min con SR sostenido ≥ 60 SPM. La resistencia se definió por el valor 1/e de un ajuste exponencial al histograma. b La intensidad de la deambulación se definió mediante la desviación estándar de la distribución de la frecuencia de pasos. c Mapa de calor que muestra la frecuencia de deambulación en un gráfico de frecuencia de pasos versus duración de la deambulación. d Gráfico de violín que muestra los valores promedio del producto de deambulación P (= frecuencia × resistencia × intensidad) para todos los sujetos. Barra azul: media; barras verdes: cuartiles superior e inferior.

Para comparar individuos, definimos el producto de deambulación P como frecuencia × resistencia × intensidad. Los valores promedio para todos los sujetos variaron de 42,8 a 10.845,3 (Pmedia = 1910) (Fig. 4d). La comparación de sujetos con P > 1000 (12/22) con aquellos con P <1000 dio como resultado 7 parámetros clínicos estadísticamente significativos (Tabla complementaria 2 y Figura complementaria 14). Se seleccionó un valor de producto de deambulación de 1000 porque estaba cerca del valor mediano (1079) y representaba una separación bien definida entre los dos grupos (Fig. 4d). Los sujetos con P < 1000 tuvieron una 6MWD más baja en las visitas 1 y 2, y experimentaron más edema del pedal (puntuación de edema del pedal) en la visita 1. Dos sujetos tuvieron valores del producto de deambulación > 5000 (PAH 9, 19). Ambos sujetos tenían una alta frecuencia de deambulación y caminaban más de 5.000 pasos por día en promedio. Ambos sujetos también tenían frecuencias cardíacas en reposo relativamente más bajas, 6MWD de vida libre más prolongada (ver más abajo) y pendientes de trazado de condición física más altas. PAH 1, a pesar de tener el mayor número de pasos, ocupó el cuarto lugar en valor de producto de deambulación como resultado de tener valores de resistencia e intensidad relativamente más bajos.

La usabilidad y el cumplimiento del uso son de vital importancia al implementar dispositivos en entornos de vida libre. Dado que una frecuencia cardíaca medida (es decir, 20 ≤ FC ≤ frecuencia cardíaca máxima prevista para la edad) implica que el dispositivo está usado, definimos el uso como la fracción de minutos durante una semana con un valor de frecuencia cardíaca fisiológica (es decir, minutos usados/10 080). La fracción de minutos fuera de este rango fue muy pequeña (4,2 × 10–7%) y, por lo tanto, en la mayoría de los casos puede ser razonable utilizar todos los puntos de datos registrados (es decir, FC > 0) para el análisis. En este estudio, el uso semanal promedio fue de 0,44 a 0,97. Tenga en cuenta que cargar el dispositivo durante la noche (por ejemplo, 8 h) una vez a la semana da como resultado un uso semanal de 0,95. También definimos el tiempo máximo de inactividad como el tiempo continuo más largo durante la semana que no se usó el dispositivo, que varió desde menos de 1 h hasta más de 12 h. A partir de los mapas de calor de uso y los tiempos máximos de inactividad para todos los sujetos (Figuras complementarias 15 y 16), podemos inferir cómo se utilizó el dispositivo.

Como ejemplo, el mapa de calor de uso para PAH27 (uso promedio = 0,49) (Fig. 5a) muestra que el dispositivo no se usaba sistemáticamente durante la noche, sino que se usaba de forma rutinaria durante el día, lo que resultaba en un tiempo máximo de inactividad de alrededor de 12 h para cada semana (Fig. 5b). El mapa de calor para PAH30 (uso promedio = 0,90) (Fig. 5c) muestra que el dispositivo no se usó durante la noche aproximadamente cada 7 días, probablemente para cargarlo durante la noche. El tiempo máximo de inactividad (Fig. 5d) varió de 2 a 20 h, pero durante la mayoría de las semanas fue de 7 a 12 h, lo que coincide con la carga nocturna. Para PAH10 (uso promedio = 0,97), el mapa de calor (Fig. 5e) indica que el dispositivo se usó casi continuamente excepto 2 h en la semana 10 y 24 h en la semana 13 (Fig. 5f). Las frecuentes horas de uso parcial de 06:00 a 07:00 sugieren que el dispositivo fue retirado para cargar durante menos de una hora por la mañana. Muchos sujetos se quitaron el dispositivo durante la noche, aproximadamente cada 7 a 10 días, presumiblemente para cargarlo. Tres sujetos (PAH 14, 20, 27) retiraron consistentemente el dispositivo durante la noche. Tres sujetos (PAH 10, 19, 26) mostraron un uso parcial regular durante aproximadamente una hora, ya sea por la mañana o por la noche, probablemente para cargar.

Los mapas de calor muestran el uso de cada hora de cada día durante la prueba. La leyenda indica la fracción de una hora que se usó el dispositivo con FC > 0. Las celdas amarillas indican que el dispositivo se usó continuamente durante toda la hora. Las celdas blancas indican que el dispositivo no se usó (no se registró FC) durante toda la hora. a Mapa de calor para PAH27 (13 semanas de datos), que muestra un uso bajo (promedio = 0,49) sin usar el dispositivo durante la noche. b El tiempo máximo de inactividad semanal para la HAP27 es sistemáticamente de unas 12 h durante la noche. Cada punto representa el tiempo libre máximo para cada semana de la prueba. c Mapa de calor para PAH30 (22 semanas de datos), que muestra un uso relativamente alto (0,90), con el dispositivo retirado durante varias horas cada pocos días. d El tiempo máximo de inactividad para PAH30 suele ser de 8 a 20 h e incluye horas nocturnas. e Mapa de calor para HAP10 (13 semanas de datos), que muestra un uso elevado (0,97). Durante las primeras 10 semanas el tiempo máximo de inactividad es inferior a 1 h. f El tiempo máximo de inactividad para PAH10 suele ser inferior a 1 h.

De la distribución del uso promedio (Figura 17 complementaria), 7 de 22 sujetos tuvieron un uso >0,94, lo que corresponde aproximadamente al percentil 75. La comparación del uso dio como resultado 4 parámetros clínicos estadísticamente significativos (Tabla complementaria 2 y Figura complementaria 18). Los sujetos con un uso semanal promedio <0,94 (15/22) tenían más probabilidades de tener HAP más grave (puntuación EQ VAS más alta) en la visita 1, peor salud pulmonar (puntuación FC de la OMS evaluada por el médico más alta) en la visita 1 y experimentaron más dificultad para respirar. (puntuación de disnea de Borg modificada) en la visita 2. Dos sujetos tuvieron un uso promedio <0,5 (PAH 4, 27); sin embargo, ambos sujetos se quitaron el dispositivo durante la noche. El tercer sujeto que se quitó el dispositivo durante la noche (PAH 20) también tuvo un uso promedio bajo (0,60). (Los cambios en el uso del dispositivo a lo largo del tiempo se resumen en las figuras complementarias 19 y 20).

La 6MWT es una prueba de ejercicio submáxima utilizada para evaluar la capacidad aeróbica y la resistencia, y fue introducida por la Sociedad Torácica Americana en 200229. La 6MWT se utiliza ampliamente en diferentes poblaciones de pacientes30,31,32, con umbrales para la predicción de la supervivencia típicamente en el rango de 300 a 350 m para personas con enfermedades respiratorias crónicas, incluidas personas con HAP33. Las pruebas de caminata cronometradas brindan información sobre la distancia y la velocidad10,11, pero requieren mucha mano de obra y, por lo tanto, no son prácticas de implementar con alta frecuencia durante la hospitalización o fuera de la clínica. A nivel de investigación, se han probado aplicaciones para 6MWT autoadministradas con acelerómetros portátiles34. Hemos desarrollado un enfoque novedoso para la evaluación de un 6MWD de vida libre (FL6MWD) mediante la búsqueda en los datos semanales del bloque de tiempo continuo de 6 minutos con el mayor recuento de pasos acumulados. El recuento de pasos se convirtió en distancia según el sexo y la altura del sujeto (Figuras complementarias 21 y 22).

Los valores promedio de FL6MWD oscilaron entre 164 m (PAH30) y 478 m (PAH23) (Fig. 6a). El FL6MWD semanal más bajo fue de 85,7 m (PAH30, semana 23) y el valor semanal más alto fue de 683,1 m (PAH23, semana 11). 14/22 sujetos tuvieron valores promedio >320 m (PAH1, 3, 9, 10, 11, 12, 14, 17, 19, 22, 23, 26, 27, 28). La comparación de FL6MWD dio como resultado 6 parámetros clínicos estadísticamente significativos (Tabla complementaria 2 y Figura complementaria 23). En particular, los sujetos con FL6MWD promedio < 320 m tuvieron una 6MWD más baja en las visitas 1 y 2, experimentaron más edema del pie (puntuación de edema del pedal) en la visita 2, tuvieron peor salud pulmonar (FC de la OMS más alta evaluada por el médico) en la visita 1 y tuvieron hemoglobina más baja en la visita 2.

a Gráfico de violín que muestra la distribución de los valores promedio de FL6MWD para todos los sujetos. Media = 344 m. Barra azul: media; barras verdes: cuartiles superior e inferior. b Ejemplo de un sujeto con buena concordancia entre FL6MWD y valores clínicos interpolados (grupo 1, “ejecutante”). (Triángulos) valores clínicos, (círculos) FL6MWD. La línea gris muestra la interpolación lineal de los valores clínicos. c Ejemplo de un sujeto en el que el FL6MWD fue inferior a los valores clínicos interpolados (grupo 2, "de bajo rendimiento"). (Triángulos) valores clínicos, (círculos) FL6MWD. La línea gris muestra la interpolación lineal de los valores clínicos. d Gráfico de violín de la pendiente del FL6MWD (m/semana) a lo largo del tiempo para todos los sujetos. Barra azul: media; barras verdes: cuartiles superior e inferior.

El FL6MWD promedio más bajo fue de 164 m (PAH30). Este sujeto fue el segundo más pesado (108,7 kg) y tuvo un valor de P de deambulación < 1000. Dos sujetos tuvieron valores promedio de FL6MWD > 480 m (PAH3, 23). Estos sujetos estaban en el cuarto cuadrante del gráfico PCA, lo que implica que tenían un amplio rango de frecuencias de pasos y frecuencias cardíacas durante la actividad semanal normal, y tenían valores de P del producto de deambulación > 1000.

Como se describió anteriormente, los valores umbral de 6MWD de alrededor de 320 m predicen una mala supervivencia en pacientes con HAP. En el contexto de los objetivos del tratamiento, se ha propuesto una 6MWD de ≥380 a 440 m para pacientes con HAP35,36,37. Los sujetos con FL6MWD promedio > 400 m (12/22) tuvieron una 6MWD más alta en la visita 2, un NTpro-BNP más bajo en la visita 2, experimentaron menos dolor en el pecho (puntuación de angina) en la visita 1 y tuvieron una mejor salud pulmonar (menor valor evaluado por el médico de la OMS). FC) en la visita 2 (Tabla complementaria 2 y Figura complementaria 24).

A partir de la comparación de FL6MWD con los valores medidos en las dos visitas a la clínica (consulte Métodos y Fig. 25 complementaria para obtener más detalles), identificamos dos grupos distintos de individuos. En un grupo (grupo 1: "desempeño"), encontramos una excelente concordancia entre el FL6MWD y el valor interpolado de la clínica 6MWD (Fig. 6b), mientras que en el segundo grupo (grupo 2: "bajo rendimiento"), el FL6MWD fue inferiores a los valores clínicos (Fig. 6c). Los sujetos del grupo 1 eran mayores y más bajos, tenían una 6MWD más baja en las visitas 1 y 2, y tenían menos problemas para caminar (puntuación de movilidad EQ-5D más baja) en la visita 2 (Figura complementaria 26). Estos resultados sugieren que la actividad diaria de los "de bajo rendimiento" estaba por debajo de su capacidad física.

Para evaluar los cambios a lo largo del tiempo durante la prueba, determinamos la pendiente del FL6MWD (consulte Métodos y Figura complementaria 27 para más detalles). Los valores oscilaron entre −17,9 m/semana y +10,2 m/semana (media + 1,0 ± 5,4 m/semana) (Fig. 6d). El sujeto con la pendiente más negativa (PAH23) inicialmente mantuvo valores altos de FL6MWD durante las primeras 13 semanas, pero luego registró un valor mucho más bajo en las semanas siguientes (Figura complementaria 22), lo que sugiere un cambio significativo en el estilo de vida o el estado de salud. Tres sujetos tuvieron una pendiente positiva grande (>4,0 m/semana) (PAH3, 10, 20), y cuatro sujetos tuvieron una pendiente negativa grande (<4,0 m/semana) (PAH1, 13, 21, 23).

Para estimar el estado de salud física (PHS) de un sujeto, calculamos la 6MWD prevista para un individuo sano equivalente (H6MWD) con la misma edad, sexo e IMC que el sujeto (consulte Métodos para obtener más detalles). Definimos el estado de salud física de un sujeto como la proporción de FL6MWD/H6MWD. Una gráfica del FL6MWD en la semana 1 versus el H6MWD previsto muestra una amplia gama de valores de PHS, desde aproximadamente 0,25 hasta más de 1 (Fig. 7a). 13/22 sujetos tenían valores de PHS de aproximadamente 0,7 a 0,8 (es decir, valores de FL6MWD en el rango de 70 a 80 % del individuo sano equivalente), 3 sujetos tenían valores de alrededor de 0,6 y 5 sujetos tenían valores por debajo de 0,5. El sujeto 23 tenía una proporción > 1 pero, como se describió anteriormente, este sujeto registró valores altos de FL6MWD durante las primeras 13 semanas, pero luego mantuvo un valor mucho más bajo en las semanas siguientes. Es evidente que no existe correlación entre el FL6MWD en la semana 1 y el 6MWD previsto (H6MWD) para un individuo sano equivalente (Fig. 7a).

a Datos de todos los sujetos en la semana 1. Cada punto representa el valor de FLWD en la semana 1. Las líneas de puntos representan valores constantes del estado de salud física (PHS = FL6MWD/H6MWD). Los números representan las identificaciones de los sujetos. b PHS en la primera y última semana. Los valores de FL6MWD en la última semana se obtuvieron a partir del valor de la semana 1 y la pendiente de un ajuste lineal al FL6MWD semanal después del suavizado. Los números representan las identificaciones de los sujetos. Las flechas representan el cambio durante la prueba. Las flechas rojas representan una disminución del PHS, las flechas verdes representan un aumento del PHS. c Gráfico de violín que muestra el cambio en PHS durante la prueba. d Cambio normalizado en PHS. Barra azul: media; barras verdes: cuartiles superior e inferior.

Luego evaluamos el cambio en PHS para cada sujeto según los valores de FL6MWD en la semana 1 y en la última semana antes de la segunda visita clínica (Fig. 7b). 11/22 sujetos mostraron un aumento en el estado de salud y 11/22 sujetos mostraron una disminución (Fig. 7c). El cambio en PHS fue inferior al 10 % para 15/22 sujetos, y el cambio normalizado en PHS fue inferior al 1 %/semana para 18/22 sujetos (Fig. 7d).

Dos sujetos mostraron un aumento en el PHS de más del 1 %/semana (PAH 3, 20), y dos sujetos mostraron una disminución de más del 1 %/semana (PAH 21, 23). Cinco sujetos (PAH 3, 9, 19, 12, 27) mantuvieron valores de estado de salud superiores a 0,72 durante la primera y la última semana. Estos sujetos estaban en el cuarto cuadrante del gráfico PCA con una media y una desviación estándar altas de la frecuencia del paso, y un valor alto de la desviación estándar de la frecuencia cardíaca en SR > 0. Tres sujetos (PAH 30, 2, 20, 11 ) tuvieron valores de estado de salud inferiores a 0,52 en su primera y última semana. Estos sujetos se ubicaron a lo largo del eje x negativo del gráfico PCA, caracterizado por una gran fracción de tiempo inactivo.

La comparación de 23 métricas derivadas de Fitbit (Fig. 8a) reveló que relativamente pocos de los parámetros de frecuencia cardíaca estaban fuertemente correlacionados con otros parámetros, lo que sugiere que miden diversos aspectos del estado de salud. Aunque varias de las métricas derivadas de la velocidad de pasos estaban altamente correlacionadas entre sí, también hubo diferencias significativas. Por ejemplo, la tasa de pasos semanal media estuvo fuertemente correlacionada con tres de las métricas relacionadas con la deambulación, pero menos correlacionada con la métrica FL6MWD. Además, métricas como la pendiente de aptitud física tenían una correlación débil con otras métricas. La asimetría de la frecuencia de los pasos estuvo fuertemente anticorrelacionada con la media y la desviación estándar de la frecuencia de los pasos, la intensidad de la deambulación y la frecuencia de la deambulación. Esto sugiere que un aumento en la tasa de paso semanal media introduce asimetría en la distribución. Este panorama rico y diverso sugiere que las métricas de Fitbit capturan muchas facetas diferentes del estado de salud.

a Matriz de correlación (valor r de Pearson) de todos los parámetros derivados de Fitbit y variables demográficas (edad, altura e IMC). b Matriz de correlación (valor r de Pearson) para parámetros clínicos continuos estadísticamente significativos (eje y) para subgrupos identificados a partir de los parámetros de Fitbit (eje x).

Para determinar si podíamos identificar subgrupos entre los pacientes según las métricas de Fitbit, realizamos un análisis de perfil latente. Se utilizaron 8 métricas de Fitbit como entrada: recuento de pasos diarios, FC (SR = 0), FC (SR = 0) sk, FC (SR > 0), valor de P de deambulación, pendiente de aptitud física. Según el Criterio de información bayesiano (BIC) máximo (Tabla complementaria 3), los sujetos se clasificaron en tres grupos (Figura complementaria 28). El grupo 1 tenía métricas de deambulación altas (pasos/día, producto de deambulación P y FL6MWD), FC alta (SR > 0) y pendiente de condición física alta (Tabla complementaria 4). El grupo 2 se caracterizó por las métricas de deambulación más bajas (pasos/día, producto de deambulación P, FL6MWD), la FC (SR = 0) y la FC (SR > 0) más bajas y la FC (SR = 0) sk más alta. El grupo 3 tuvo la FC (SR = 0) y la FC (SR > 0) más altas, la FC (SR = 0)sk y la pendiente de condición física más bajas. Los tres grupos identificados a partir del análisis LPA ocuparon regiones distintas del gráfico PCA, con la excepción de PAH 10 que estaba en el Grupo 2 (Figura complementaria 29).

Para explorar más a fondo la relación entre las métricas de Fitbit y los parámetros clínicos, determinamos la correlación entre 8 métricas de Fitbit y las siete variables clínicas continuas en las dos visitas clínicas (ver Fig. 8b). Cinco métricas de Fitbit tuvieron fuertes correlaciones (valores r de Pearson > ±0,5). La albúmina se correlacionó con la FC (SR = 0) y la FC (SR > 0) en la visita 1 (r = 0,565 y 0,627, respectivamente). NT-proBNP también se correlacionó con la FC (SR = 0) en la visita 1 (r = 0,585) y se correlacionó inversamente con la pendiente de la condición física en la visita 1 (r = −0,585). La FCR en las visitas 1 y 2 se correlacionó con la FC(SR = 0), la FC(SR = 0)sk y la FC(SR > 0). 6MWD en las visitas 1 y 2 se correlacionaron con FL6MWD. La RVSP en la visita 1 se correlacionó inversamente con la pendiente del estado físico. En particular, los pasos/día y la P de deambulación no tuvieron fuertes correlaciones con los parámetros clínicos continuos.

El recuento de pasos diarios es una métrica omnipresente asociada con los monitores de actividad portátiles. Sin embargo, las mediciones subyacentes de frecuencia cardíaca y frecuencia de pasos minuto a minuto contienen una amplia gama de datos asociados con la función física y cardiovascular y tienen el potencial de proporcionar información mucho más detallada sobre el estado de salud de un individuo en función de las actividades de la vida diaria. Además de las métricas derivadas de la distribución semanal de datos de frecuencia cardíaca y frecuencia de pasos minuto a minuto, obtuvimos varias otras, entre ellas: (1) un análogo del ampliamente utilizado 6MWD, al que denominamos 6 min de vida libre. distancia caminada (FL6MWD), (2) un análogo de la prueba de capacidad de trabajo físico utilizada para evaluar la aptitud física, (3) métricas asociadas con la frecuencia, intensidad y duración de las ambulaciones semanales, (4) métricas que describen patrones de uso y ( 5) métricas asociadas con el estado de salud física basadas en FL6MWD y la 6MWD prevista para un individuo sano con el mismo sexo, edad e IMC. Estas métricas se derivan de un único monitor de actividad portátil durante la vida diaria normal y no requieren ninguna actividad prescrita ni monitoreo externo. Juntos, estos parámetros proporcionan una firma semanal del estado de un individuo que podría usarse para identificar subgrupos dentro de las poblaciones de pacientes o evaluar cambios a lo largo del tiempo.

El análisis de componentes principales mostró que los sujetos podían agruparse según parámetros ampliamente asociados con la actividad física y la función cardiovascular. El estado físico se definió mediante parámetros de frecuencia de pasos (eje +x) o fracción de tiempo inactivo (eje −x). El estado cardiovascular se definió por la frecuencia cardíaca en reposo mientras estaba inactivo (eje +y) y el rango de frecuencia cardíaca al que se accedía durante las actividades diarias normales (eje –y). Los sujetos se agruparon en diferentes regiones del gráfico PCA a lo largo de los ejes, lo que indica que su estado estaba dominado por factores físicos o cardiovasculares, o dentro de un cuadrante, lo que indica la influencia de una combinación de factores físicos o cardiovasculares. El análisis del perfil latente identificó 3 grupos ubicados en regiones distintas en el gráfico PCA, con características consistentes con la interpretación descrita anteriormente. Por ejemplo, el grupo 2 de LPA se ubicó en el tercer cuadrante del gráfico PCA y se caracterizó por las métricas de deambulación más bajas y las métricas de frecuencia cardíaca más bajas.

El uso del dispositivo es un factor importante en el análisis de datos de dispositivos portátiles. El uso de valores fisiológicos de frecuencia cardíaca como indicador de un dispositivo que se usa cada minuto de una semana permitió un análisis detallado de los patrones de uso. Los mapas de calor revelaron una variedad de patrones de uso diferentes, como quitarse el dispositivo durante la noche o usarlo casi continuamente. Los patrones de uso también son importantes para analizar métricas relacionadas con la actividad. Por ejemplo, es posible que el recuento de pasos diarios no se vea influenciado significativamente al retirar el dispositivo durante la noche, mientras que las métricas derivadas, como la fracción de tiempo inactivo, pueden estar sujetas a errores. Hay tres factores clave que contribuyen al uso relativamente alto en este estudio: (1) el dispositivo se lleva en la muñeca y tiene un factor de forma pequeño, (2) la duración de la batería es de hasta 7 a 10 días, (3) muchos modelos Son resistentes al agua y, por lo tanto, no es necesario quitárselos entre cargas. Los patrones de uso y los cambios en los patrones de uso pueden contener información adicional sobre el estado de salud de un individuo.

Para establecer el potencial de relevancia clínica, utilizamos un enfoque de umbral para identificar diferencias estadísticamente significativas entre los subgrupos. Incluso dentro de esta población relativamente pequeña encontramos diferencias estadísticamente significativas en 18 parámetros registrados en las visitas clínicas iniciales o finales y basados ​​en 8 de las métricas derivadas de Fitbit. Los parámetros clínicos incluyeron aquellos asociados con el estado físico, la función cardiovascular, la función pulmonar, así como biomarcadores de análisis de sangre. La identificación de diferencias estadísticamente significativas en una amplia gama de parámetros clínicos sugiere que puede ser posible identificar marcadores sustitutos de la gravedad de la enfermedad en la HAP. Por ejemplo, el producto de deambulación P < 1000 y FL6MWD < 320 m se correlacionaron con una menor 6MWD medida clínica en las visitas 1 y 2. Los sujetos con una pendiente de condición física > 0,15 tenían niveles más bajos de NT-proBNP, un importante biomarcador de estrés cardíaco, en las visitas 1. y 2. Además, este enfoque puede contribuir a la identificación de personas que se beneficiarían de visitas clínicas más frecuentes o medicamentos específicos.

Los monitores de actividad pueden proporcionar información sobre la capacidad física de un individuo en términos de actividades de la vida diaria. Muchos de estos dispositivos tienen un costo relativamente bajo y requieren poco mantenimiento después de su implementación. La larga duración de la batería y el bajo factor de forma parecen ser importantes para lograr altos niveles de cumplimiento. Las métricas derivadas de los datos sin procesar se pueden mostrar fácilmente en un panel y proporcionar una herramienta adicional para la telemedicina.

En resumen, utilizamos los datos de frecuencia cardíaca y de pasos minuto a minuto de un dispositivo Fitbit para derivar una amplia gama de métricas asociadas con la actividad física y la función cardiovascular. Estas métricas se utilizaron para identificar grupos de sujetos con características comunes. Además, varias métricas de Fitbit estaban fuertemente correlacionadas con parámetros clínicos continuos. Utilizando un enfoque de umbral, demostramos que muchas métricas de Fitbit dieron como resultado diferencias estadísticamente significativas en los parámetros clínicos entre subgrupos, incluidos los asociados con el estado físico, la función cardiovascular, la función pulmonar, así como los biomarcadores de los análisis de sangre. Estos resultados resaltan el hecho de que el recuento de pasos diarios es sólo una de las muchas métricas que pueden derivarse de los monitores de actividad. Es importante destacar que este enfoque es generalmente aplicable a la monitorización remota de muchas poblaciones de pacientes.

Hay varias limitaciones en este estudio. (1) Aunque se puede utilizar la frecuencia cardíaca para verificar que se lleva un dispositivo, aún queda por establecer una validación independiente de actividades específicas de la vida diaria. En última instancia, la IA podría utilizarse para indicar la probabilidad de tipos específicos de actividad. (2) Ni la frecuencia cardíaca ni las mediciones de la frecuencia de pasos se validaron de forma independiente. Un enfoque para abordar este problema sería realizar mediciones independientes de la frecuencia cardíaca en reposo mientras se deambula a una velocidad fija al comienzo de una prueba. Los estudios de laboratorio independientes de las firmas de frecuencia cardíaca y frecuencia de pasos en respuesta a tipos específicos de actividades de la vida diaria también serán importantes para refinar el análisis de datos. Sin embargo, observamos que la comparación de los datos de Fitbit con los parámetros de las dos visitas clínicas (por ejemplo, frecuencia cardíaca en reposo y 6MWD) respalda la validez de las mediciones. (3) Al comparar los parámetros de Fitbit con los parámetros clínicos, no consideramos factores como la medicación del paciente ni ajustamos otras covariables. La incorporación de factores como los medicamentos probablemente mejoraría las correlaciones con los parámetros clínicos y proporcionaría información sobre el papel de estos factores en las actividades de la vida diaria; sin embargo, el tamaño de la muestra era demasiado pequeño. Los valores umbral utilizados para comparar los parámetros clínicos se guiaron por estudios previos o se seleccionaron arbitrariamente. Los estudios en cohortes más grandes y en otras poblaciones de pacientes serán esenciales para establecer la relevancia clínica de este enfoque. (4) Este es un estudio pequeño, de un solo centro y los resultados aún deben reproducirse en otras poblaciones de pacientes. No obstante, estos resultados muestran el potencial para definir métricas más allá del recuento de pasos diarios que pueden contribuir a evaluar el estado de salud de un individuo.

Los datos se obtuvieron de un estudio observacional prospectivo en el que los pacientes con HAP usaron un monitor de actividad en la muñeca (Fitbit Charge HR®) entre dos visitas ambulatorias. El estudio fue aprobado por el IRB de la Clínica Cleveland (número IRB 15-1392). Los participantes dieron su consentimiento informado por escrito. Se inscribieron treinta sujetos en el estudio; dos pacientes retiraron su consentimiento después de la inscripción. Los detalles del estudio se han publicado en otros lugares17. Las visitas ambulatorias se produjeron durante dos citas de rutina consecutivas en las que los pacientes recibieron diversas pruebas. En general, los datos clínicos incluyeron 19 variables categóricas y 7 continuas. Las variables categóricas incluyeron ocho puntuaciones de cuestionarios asociados con la calidad de vida relacionada con la salud (CVRS), puntuación de dispnea de Borg modificada y puntuaciones de función del VD, clase funcional de la OMS evaluada por el médico y el paciente y siete puntuaciones binarias asociadas con la presencia o ausencia de un síntoma, y seis evaluaciones de la función de los órganos. Las mediciones continuas incluyeron mediciones de frecuencia cardíaca, distancia de caminata de seis minutos (6MWD), presión sistólica del ventrículo derecho (RVSP) y tres biomarcadores de análisis de sangre. En la Tabla complementaria 1 se proporciona una lista completa de parámetros clínicos.

Para cada sujeto, los datos de frecuencia cardíaca y frecuencia de pasos minuto a minuto se obtuvieron del servidor de Fitbit. Se incluyeron para el análisis 22 de 30 conjuntos de datos: estos conjuntos de datos tenían datos clínicos para ambas visitas y al menos 4 semanas de datos de Fitbit entre las dos visitas. Se excluyeron 3 sujetos porque no tenían datos en el servidor de Fitbit, 3 sujetos no tuvieron una segunda visita a la clínica y 2 sujetos tenían solo 1 semana de datos de Fitbit. Los datos se analizaron en bloques semanales desde las 00:00 horas del domingo hasta las 23:59 horas del sábado. Por lo tanto, dependiendo del día de la semana de las visitas a la clínica, existe una brecha entre la visita a la clínica y la primera y la última semana de datos de Fitbit. Cada punto de datos representa la frecuencia de pasos (SPM) y la frecuencia cardíaca promedio (BPM) durante un minuto. El dispositivo se consideró usado si la frecuencia cardíaca promedio durante cualquier minuto era mayor o igual a 20 BPM y menor o igual a la frecuencia cardíaca máxima prevista para la edad (FCmáx (BPM) = 208–0,7 × edad)38. El número de semanas de datos de Fitbit entre las dos visitas a la clínica fue de 18,4 ± 12,2 (rango de 7 a 65 semanas). En total analizamos 3,5 × 106 min de datos durante 405 semanas. En total, esto corresponde al 85% del tiempo total.

Las métricas de referencia de los bloques de datos de una semana de duración se derivaron de los valores semanales de frecuencia de pasos (SR), frecuencia cardíaca con un recuento de pasos igual a cero (FC (SR = 0), es decir, sin actividad) y frecuencia cardíaca con una frecuencia de pasos mayor. que cero (HR(SR > 0), es decir, activo). De las distribuciones de estas tres métricas obtuvimos la media, la desviación estándar y la asimetría. Las frecuencias cardíacas se ajustaron a una distribución normal y la frecuencia de pasos se ajustó a una distribución logarítmica normal. Un diagrama de dispersión de la frecuencia de pasos versus la frecuencia cardíaca proporcionó una firma semanal de actividad cardiovascular para cada individuo. A partir de un ajuste lineal de mínimos cuadrados a los datos, obtuvimos la pendiente (frecuencia cardíaca por paso (BPM/SPM)). El área efectiva del gráfico de frecuencia cardíaca versus frecuencia de pasos (HR versus SR) se determinó calculando primero las envolventes superior (inferior). Cada punto en los sobres superior e inferior representa el promedio de los valores máximos (o mínimos) de FC en cada valor de recuento de pasos en un ancho de contenedor de 10 SPM. El punto envolvente se ubica en la velocidad de paso promedio para todos los valores con valores de FC. Las velocidades de paso sin valores de FC se omiten del cálculo. Los contenedores sin valores de FC no tienen un punto envolvente. Luego realizamos un ajuste lineal de mínimos cuadrados a las envolventes para determinar el área del gráfico HR-SC.

La asimetría de las distribuciones de frecuencia de paso y frecuencia cardíaca se obtuvo de:

donde \(\bar x\) es la media, \(\sigma\) es la desviación estándar, N es el número de puntos y \(x_i\) es el valor. La asimetría puede ser positiva o negativa. Una asimetría positiva tiene una cola extendida a la derecha de la distribución (mediana y media a la derecha del valor más probable), y una asimetría negativa tiene una cola extendida a la izquierda de la distribución (mediana y media a la izquierda del valor más probable). valor más probable). \(Sk = 0\) indica un ajuste perfecto a la distribución. En general, \(|Sk| \,< \,0.5\) se considera pequeño, \(\left| {Sk} \right|\) de 0,5 a 1,0 se considera moderado y \(\left| {Sk} \ right|\, > \,1.0\) se considera grande.

Para evaluar cómo se distribuyeron las métricas de frecuencia cardíaca y frecuencia de pasos entre los sujetos, realizamos un análisis de componentes principales (PCA). El análisis se realizó utilizando la función PCA en MATLAB, y para todos los parámetros la media se estableció en 0 y la desviación estándar = 1 usando la función "Normalizar". Se incluyeron en el análisis pacientes con al menos 10 semanas de datos (N = 20). Se excluyeron dos sujetos (PAH4 y 22) porque tenían 8 y 7 semanas de datos, respectivamente. Aquí presentamos un análisis basado en 5 métricas: FC(SR = 0): media, FC(SR > 0):SD, SR(SR > 0):media, SR(SR > 0):SD, tiempo inactivo (fracción de minutos con SR = 0). Estos parámetros se seleccionaron para representar la frecuencia cardíaca y las métricas de deambulación y para evitar redundancias. Para cada parámetro utilizamos el valor promedio semanal. La variación de los dos primeros componentes principales fue del 48,6% y 30,0%, respectivamente. Para 100 ejecuciones independientes en las que seleccionamos al azar diferentes semanas, la varianza media de PC1 y PC2 fue de 77,5 ± 0,58%.

Se utilizó LPA para identificar los grupos de individuos (es decir, perfiles latentes) basándose en 8 métricas de Fitbit: recuento de pasos diarios, FC(SR = 0), FC(SR = 0)sk, FC(SR > 0), valor de P de deambulación, estado físico. pendiente, FL6MWD y uso. LPA se realizó a través del paquete 'mclust' (versión 5.4.10) en R (versión 4.2.1). El número óptimo de clusters se determinó en base al Criterio de Información Bayesiano (BIC) máximo a través de la función 'mclustBIC'.

A partir de las métricas de referencia para la frecuencia de pasos y la frecuencia cardíaca, obtuvimos los siguientes parámetros derivados.

Se indicó a los sujetos que usaran el dispositivo en la muñeca no dominante durante el mayor tiempo posible, excepto durante la exposición al agua. El dispositivo se consideró usado durante un minuto determinado si la frecuencia cardíaca promedio estaba dentro del rango definido desde 20 hasta la frecuencia cardíaca máxima determinada por la edad. Del conjunto de datos completo (3,5 × 106 min) no hubo valores de FC inferiores a 20, y solo 148 valores (4,2 × 10-7%) por encima de la frecuencia cardíaca máxima prevista para la edad. Para visualizar el uso de cada individuo, creamos mapas de calor que muestran el uso promedio durante cada hora de cada día entre las dos visitas a la clínica. También se determinó el tiempo máximo durante la semana en el que no se llevaba el dispositivo, que varió desde menos de una hora hasta más de 12 h. El cambio en el uso semanal se determinó a partir de un ajuste lineal de mínimos cuadrados al uso semanal después de suavizar utilizando un suavizamiento exponencial único con α = 0,3. Para evaluar si existía una relación lineal entre los parámetros de Fitbit utilizamos el método de correlación de Pearson.

Evaluamos la fracción de tiempo que un sujeto estuvo inactivo cada semana a partir del número de minutos con SR = 0 dividido por el número total de minutos que usó el dispositivo, según los criterios descritos anteriormente.

Se obtuvo una aproximación del 6MWD estándar identificando la ventana de 6 minutos con el número máximo acumulado de pasos durante una semana determinada. El recuento de pasos se convirtió a una distancia a partir de las siguientes relaciones: longitud del paso (m) = 0,413 x altura (m) para mujeres y 0,415 x altura (m) para hombres39. Luego se obtuvo la 6MWD de vida libre (FL6MWD) a partir de la longitud del paso y el número total de pasos en la ventana de 6 minutos. En la figura complementaria 19 se proporciona una comparación de la longitud del paso de diferentes métodos.

Para comparar el FL6MWD con el 6MWD obtenido en las visitas clínicas, utilizamos el algoritmo k-means (Python 3.8, sklearn.cluster.KMeans). Para cada semana i, determinamos la diferencia, \(\Delta y_i\) (m), entre el FL6MWD y el valor clínico interpolado. La diferencia promedio durante todas las semanas para un individuo se definió como \(\overline {\Delta y}\). Utilizando el método de la silueta (Python 3.8, módulo sklearn.metrics), identificamos dos subgrupos: sujetos con FL6MWD cercanos a los valores clínicos interpolados (pequeños \(\overline {\Delta y}\), grupo 1: “artistas” ), y aquellos con valores de FL6MWD por debajo de los valores clínicos interpolados (grandes \(\overline {\Delta y}\), grupo 2: “de bajo rendimiento”). En la figura complementaria 25 se proporciona un ejemplo. El cambio en FL6MWD semanal con el tiempo entre las dos visitas a la clínica se determinó a partir de un ajuste lineal de mínimos cuadrados a los valores semanales después del suavizado utilizando una función de suavizado exponencial con α = 0,3 (consulte la figura complementaria .27 para más detalles).

Los parámetros relacionados con la intensidad, la resistencia y la frecuencia de las ambulaciones se obtuvieron del análisis de los datos de la frecuencia de pasos semanales. Un evento de deambulación se definió por una velocidad de paso sostenida de ≥60 SPM durante al menos 2 min. Para una persona sana, una velocidad de paso de 60 a 79 SPM se considera caminata lenta23. La intensidad de la deambulación se definió como la desviación estándar de un ajuste lognormal al histograma de frecuencia de pasos semanal. Definimos la resistencia como el valor 1/e de un ajuste exponencial (comenzando en 2 min) a un histograma de la duración de la deambulación. La frecuencia de deambulación se definió como el número total de deambulaciones durante la semana. Finalmente, definimos un parámetro de deambulación característico P para cada sujeto, basado en el producto de los valores promedio de intensidad, resistencia y frecuencia.

Se obtuvo una aproximación de la condición física utilizando un enfoque similar al protocolo de Capacidad de Trabajo Físico PWC17040. En la prueba submáxima PWC170, se pide a un individuo que gire en una bicicleta estática con dos o más potencias de salida que mantengan la frecuencia cardíaca dentro de un rango definido. La producción de potencia a una frecuencia cardíaca extrapolada de 170 lpm se considera entonces un indicador del VO2 máx. Usamos un enfoque similar para definir una métrica de condición física, tomando la velocidad de pasos como un indicador del nivel de esfuerzo y, por lo tanto, asumiendo que ese mayor número de pasos corresponde a una mayor producción de potencia. Se representó la media y la desviación estándar del recuento de pasos por minuto en 20 grupos de SPM frente a la media y la desviación estándar de la frecuencia cardíaca en ese grupo para cada semana. Luego determinamos la pendiente (HR/SPM) y la intersección (HR en SR = 0) a partir de los gráficos semanales. Para comparar sujetos, trazamos la media y la desviación estándar de la frecuencia de pasos y la frecuencia cardíaca en cada grupo para cada sujeto promediadas durante todas las semanas. Luego identificamos la media y la desviación estándar para todos los sujetos dentro de cada grupo.

Se determinó una estimación del estado de salud física de cada individuo a partir de FL6MWD/H6MWD, donde H6MWD es el valor del 6MWD previsto para un individuo sano equivalente. Varios estudios han demostrado que los valores de 6MWD para individuos sanos dependen de la edad, el sexo y el IMC (altura y peso)33,41. H6MWD (m) se calculó a partir de41:

donde la edad está en años, el sexo = 0 (femenino) y 1 (masculino) y el IMC está en unidades de kg m-2. Esta relación empírica se derivó de mediciones de 617 sujetos (52% mujeres) de entre 29 y 79 años con un IMC en el rango de 18 kg m-2 a 40 kg m-2 que completaron dos 6MWT. El ajuste a los datos capturó el 46% de la varianza. Se excluyeron otros estudios de individuos sanos porque tenían un rango de edad más estrecho42,43 o un rango más estrecho de IMC44.

Para identificar los parámetros clínicos que fueron estadísticamente significativos entre los subgrupos determinados a partir de métricas derivadas de Fitbit, utilizamos una prueba de Mann-Whitney. Si un sujeto no tenía un valor para un parámetro clínico específico, entonces ese parámetro se excluía del análisis. Las comparaciones entre grupos sólo se realizaron si había al menos 5 sujetos en cada grupo. No se hicieron otras correcciones.

Más información sobre el diseño de la investigación está disponible en el Resumen de informes de investigación de la naturaleza vinculado a este artículo.

Los datos que respaldan los hallazgos de este estudio observacional prospectivo no están disponibles abiertamente, pero están disponibles a través de los autores previa solicitud razonable. Los datos presentados aquí están disponibles en el artículo o en materiales complementarios.

Los scripts para el análisis de datos están disponibles en https://github.com/peterxu1991/PAH-Fitbit-Paper.

Lee, IM y cols. Asociación del volumen y la intensidad de los pasos con la mortalidad por todas las causas en mujeres mayores. Pasante JAMA. Medicina. 179, 1105-1112 (2019).

Artículo PubMed PubMed Central Google Scholar

Saint-Maurice, PF et al. Asociación del recuento de pasos diarios y la intensidad de los pasos con la mortalidad entre adultos estadounidenses. JAMA 323, 1151-1160 (2020).

Artículo PubMed PubMed Central Google Scholar

Paluch, AE et al. Pasos para la salud. Pasos diarios y mortalidad por todas las causas: un metanálisis de 15 cohortes internacionales. Lancet Public Health 7, e219–e228 (2022).

Artículo PubMed PubMed Central Google Scholar

Agmon, M. y col. Asociación entre 900 pasos diarios y deterioro funcional en pacientes mayores hospitalizados. Pasante JAMA. Medicina. 177, 272–274 (2017).

Artículo PubMed Google Scholar

Cook, DJ, Thompson, JE, Prinsen, SK, Dearani, JA y Deschamps, C. Recuperación funcional en ancianos después de una cirugía mayor: evaluación de la recuperación de la movilidad mediante tecnología inalámbrica. Ana. Torácico. Cirugía. 96, 1057-1061 (2013).

Artículo PubMed Google Scholar

Fisher, SR, Graham, JE, Ottenbacher, KJ, Deer, R. y Ostir, GV Actividad de caminata en pacientes hospitalizados para predecir el reingreso en adultos mayores. Arco. Física. Medicina. Rehabilitación 97, S226 – S231 (2016).

Artículo PubMed PubMed Central Google Scholar

Bohannon, RW y Williams, A. Andrews. Velocidad normal al caminar: un metanálisis descriptivo. Fisioterapia 97, 182–189 (2011).

Artículo PubMed Google Scholar

Studenski, S. y col. Velocidad de la marcha y supervivencia en adultos mayores. Jama-J. Soy. Medicina. Asociación. 305, 50–58 (2011).

Artículo CAS Google Scholar

Cummings, SR, Studenski, S. y Ferrucci, L. Un diagnóstico de movilidad que brinda visibilidad clínica a la movilidad: una recomendación del Grupo de Trabajo de Movilidad. JAMA 311, 2061–2062 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Ostir, GV y cols. Evaluación de la velocidad de la marcha en pacientes mayores con enfermedades agudas ingresados ​​en una unidad hospitalaria de cuidados intensivos para ancianos. Arco. Interno. Medicina. 172, 353–358 (2012).

Artículo PubMed PubMed Central Google Scholar

Simonsick, EM, Montgomery, PS, Newman, AB, Bauer, DC y Harris, T. Medición del estado físico en adultos mayores sanos: la caminata por el corredor de larga distancia Health ABC. Mermelada. Geriatría. Soc. 49, 1544-1548 (2001).

Artículo CAS PubMed Google Scholar

Feehan, LM y cols. Precisión de los dispositivos Fitbit: revisión sistemática y síntesis narrativa de datos cuantitativos. JMIR Mhealth Uhealth 6, e10527 (2018).

Artículo PubMed PubMed Central Google Scholar

Sandstrom, R., Mokler, PJ y Hoppe, KM Destino del alta y resultado de la función motora en accidentes cerebrovasculares graves, medidos mediante la medida de independencia funcional/sistema de clasificación de grupos relacionados con funciones. Arco. Física. Medicina. Rehabilitación. 79, 762–765 (1998).

Artículo CAS PubMed Google Scholar

Hardcastle, SJ, Jimenez-Castuera, R., Maxwell-Smith, C., Bulsara, MK & Hince, D. Tiempo de uso de Fitbit y patrones de actividad en sobrevivientes de cáncer durante una intervención y seguimiento de actividad física: análisis exploratorio de un ensayo controlado aleatorio. PLoS One 15, e0240967 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Block, VJ y cols. Evaluación diaria continua de la discapacidad por esclerosis múltiple mediante monitorización remota del recuento de pasos. J. Neurol. 264, 316–326 (2017).

Artículo CAS PubMed Google Scholar

Broers, Consorcio ERDC et al. Utilidad de una intervención en el estilo de vida en pacientes con enfermedad cardiovascular. Soy. J. Cardiol. 125, 370–375 (2020).

Artículo CAS PubMed Google Scholar

Sehgal, S. y col. Contando pasos: una nueva forma de controlar a los pacientes con hipertensión arterial pulmonar. Pulmón 197, 501–508 (2019).

Artículo PubMed Google Scholar

Nelson, BW y Allen, NB Precisión de la medición de la frecuencia cardíaca portátil del consumidor durante un período de 24 horas ecológicamente válido: estudio de validación intraindividual. JMIR Mhealth Uhealth 7, e10828 (2019).

Artículo PubMed PubMed Central Google Scholar

Kroll, RR, Boyd, JG y Maslove, DM Precisión de un dispositivo portátil de muñeca para monitorear la frecuencia cardíaca en pacientes hospitalizados: un estudio observacional prospectivo. J. Med. Resolución de Internet. 18, e253 (2016).

Artículo PubMed PubMed Central Google Scholar

Wallen, MP, Gomersall, SR, Keating, SE, Wisloff, U. y Coombes, JS Precisión de los relojes de frecuencia cardíaca: implicaciones para el control de peso. PLoS One 11, e0154420 (2016).

Artículo PubMed PubMed Central Google Scholar

Tudor-Locke, C. et al. ¿Qué tan rápido es lo suficientemente rápido? Cadencia de marcha (pasos/min) como estimación práctica de la intensidad en adultos: una revisión narrativa. Hno. J. Medicina deportiva. 52, 776 (2018).

Artículo PubMed Google Scholar

Tudor-Locke, C. & Rowe, DA Uso de la cadencia para estudiar el comportamiento ambulatorio de vida libre. Medicina deportiva. 42, 381–398 (2012).

Artículo PubMed Google Scholar

Tudor-Locke, C. et al. Cadencia de marcha (pasos/min) e intensidad en personas de 21 a 40 años: CADENCIA-adultos. Int J. Comportamiento. Nutrición. Física. Acto. 16, 8 (2019).

Artículo PubMed PubMed Central Google Scholar

Hildenbrand, FF y cols. Una frecuencia cardíaca en reposo baja en el momento del diagnóstico predice un resultado favorable a largo plazo en la hipertensión arterial pulmonar y la hipertensión pulmonar tromboembólica crónica. Un estudio observacional prospectivo. Respirar. Res. 13, 76 (2012).

Quer, G., Gouda, P., Galarnyk, M., Topol, EJ & Steinhubl, SR Variabilidad inter e intraindividual en la frecuencia cardíaca diaria en reposo y sus asociaciones con la edad, el sexo, el sueño, el IMC y la época del año: retrospectiva , estudio de cohorte longitudinal de 92.457 adultos. PLoS One 15, e0227709 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Lewis, RA, Durrington, C., Condliffe, R. y Kiely, DG BNP/NT-proBNP en la hipertensión arterial pulmonar: ¿es hora de realizar pruebas en el lugar de atención? EUR. Respirar. Rev.29, 200009 (2020).

Artículo PubMed Google Scholar

Bohannon, RW, Wang, YC y Gershon, RC Rendimiento de la prueba de caminata de dos minutos realizado por adultos de 18 a 85 años: valores normativos, confiabilidad y capacidad de respuesta. Arco. Física. Medicina. Rehabilitación. 96, 472–477 (2015).

Artículo PubMed Google Scholar

Bohannon, RW Valores normativos de referencia para la prueba de caminata de dos minutos obtenidos mediante metanálisis. J. Física. El r. Ciencia. 29, 2224–2227 (2017).

Artículo PubMed PubMed Central Google Scholar

Crapo, RO et al. Declaración de la ATS: Directrices para la prueba de caminata de seis minutos. Soy. J. Respira. Crítico. Cuidado médico. 166, 111-117 (2002).

Artículo de Google Scholar

Rabadi, MH & Blau, A. La velocidad de deambulación al ingreso predice la duración de la estancia hospitalaria y la disposición al alta después de un accidente cerebrovascular en un hospital de rehabilitación aguda. Neurorrehabilitación. Reparación neuronal 19, 20-26 (2005).

Artículo de Google Scholar

Hoyer, EH y cols. Promoción de la movilidad y reducción de la duración de la estancia en pacientes hospitalizados de medicina general: un proyecto de mejora de la calidad. J.Hosp. Medicina. 11, 341–347 (2016).

Artículo PubMed Google Scholar

Giannitsi, S. y col. Test de marcha de 6 minutos: una herramienta útil en el manejo del paciente con insuficiencia cardíaca. El r. Adv. Cardiovascular. Dis. 13, 1753944719870084 (2019).

Artículo PubMed PubMed Central Google Scholar

Singh, SJ y cols. Una revisión sistemática oficial de la Sociedad Respiratoria Europea/Sociedad Torácica Americana: propiedades de medición de las pruebas de caminata sobre el terreno en enfermedades respiratorias crónicas. EUR. Respirar. J. 44, 1447-1478 (2014).

Artículo PubMed Google Scholar

Brooks, GC y cols. Precisión y usabilidad de una aplicación para teléfono inteligente de prueba de caminata de 6 minutos autoadministrada. Circ.-Fallo Cardíaco. 8, 905–913 (2015).

Artículo PubMed PubMed Central Google Scholar

Benza, RL y cols. Predecir la supervivencia en la hipertensión arterial pulmonar: conocimientos del Registro para evaluar el manejo temprano y a largo plazo de la enfermedad de hipertensión arterial pulmonar (REVEAL). Circulación 122, 164-172 (2010).

Artículo PubMed Google Scholar

McLaughlin, VV y cols. Objetivos del tratamiento de la hipertensión pulmonar. Mermelada. Col. Cardiol. 62, D73-D81 (2013).

Artículo PubMed Google Scholar

Sitbon, O. y col. Infusión intravenosa de epoprostenol a largo plazo en la hipertensión pulmonar primaria: factores pronósticos y supervivencia. Mermelada. Col. Cardiol. 40, 780–788 (2002).

Artículo CAS PubMed Google Scholar

Tanaka, H., Monahan, KD y Seals, DR Revisión de la frecuencia cardíaca máxima prevista para la edad. Mermelada. Col. Cardiol. 37, 153-156 (2001).

Artículo CAS PubMed Google Scholar

Guest, R., Miguel-Hurtado, O., Stevenage, S. & Black, S. Explorando la relación entre la zancada, la estatura y el tamaño de la mano para la evaluación forense. J. Pierna Forense. Medicina. 52, 46–55 (2017).

Artículo PubMed Google Scholar

Rowland, TW, Rambusch, JM, Staab, JS, Unnithan, VB y Siconolfi, SF Precisión de la capacidad de trabajo físico (PWC170) para estimar la aptitud aeróbica en niños. J. Física médica deportiva. Adaptar. 33, 184–188 (1993).

CAS Google Académico

Britto, RR y cols. Ecuaciones de referencia para la distancia de caminata de seis minutos basadas en un estudio multicéntrico brasileño. Braz. J. Física. El r. 17, 556–563 (2013).

Artículo PubMed PubMed Central Google Scholar

Ben Saad, H. et al. Distancia de caminata de 6 minutos en norteafricanos sanos mayores de 40 años: influencia de la paridad. Respirar. Medicina 103, 74–84 (2009).

Artículo PubMed Google Scholar

Camarri, B., Eastwood, PR, Cecins, NM, Thompson, PJ & Jenkins, S. Caminata de seis minutos en sujetos sanos de 55 a 75 años. Respirar. Medicina 100, 658–665 (2006).

Artículo PubMed Google Scholar

Zou, H. y col. Ecuaciones de referencia para la distancia caminada de seis minutos en la población china sana de entre 18 y 59 años. Más uno 12, e0184669 (2017).

Artículo PubMed PubMed Central Google Scholar

Descargar referencias

Los autores agradecen el apoyo de Johns Hopkins inHealth.

Cuerpo de Medición, En Salud, Facultad de Medicina de la Universidad Johns Hopkins, Baltimore, MA, EE. UU.

Zheng Xu, Nicole Zahradka, Seyvonne Ip, Amir Koneshloo y Peter C. Searson

Instituto de Nanobiotecnología, Universidad Johns Hopkins, Baltimore, MA, EE. UU.

Zheng Xu, Nicole Zahradka, Seyvonne Ip, Amir Koneshloo y Peter C. Searson

Centro de Estudios del Movimiento, Instituto Kennedy Krieger, Baltimore, MA, EE. UU.

Ryan T. Roemmich y Peter C. Searson

Departamento de Medicina Física y Rehabilitación, Facultad de Medicina de la Universidad Johns Hopkins, Baltimore, MA, EE. UU.

Ryan T. Roemmich

Instituto Respiratorio, Clínica Cleveland, Cleveland, OH, EE. UU.

Sameep Sehgal y Kristin B. Highland

Departamento de Ingeniería Biomédica, Universidad Johns Hopkins, Baltimore, MA, EE. UU.

Peter C. Searson

Departamento de Ciencia e Ingeniería de Materiales, Universidad Johns Hopkins, Baltimore, MA, EE. UU.

Peter C. Searson

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

ZX, NZ, SI, AK, RTR y PCS concibieron el enfoque. SS y KBH proporcionaron el conjunto de datos. ZX, NZ, SI y AK analizaron los datos. Todos los autores discutieron los resultados. PCS escribió el manuscrito. Todos los autores editaron el manuscrito final.

Correspondencia a Peter C. Searson.

Los autores declaran no tener conflictos de intereses.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Xu, Z., Zahradka, N., Ip, S. et al. Evaluación del estado de salud física más allá del recuento de pasos diarios mediante un sensor de actividad portátil. npj Dígito. Medicina. 5, 164 (2022). https://doi.org/10.1038/s41746-022-00696-5

Descargar cita

Recibido: 29 de diciembre de 2021

Aceptado: 29 de septiembre de 2022

Publicado: 09 de noviembre de 2022

DOI: https://doi.org/10.1038/s41746-022-00696-5

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

npj Medicina digital (2023)