Znanstvenici sa Sveučilišta Northwestern razvili su novi algoritam koji pametnim satovima omogućuje daleko preciznije praćenje kalorijske potrošnje kod osoba s pretilošću tijekom različitih oblika tjelesne aktivnosti. Ova tehnologija popunjava ključnu prazninu u svijetu fitness tehnologije. Algoritam je otvorenog koda, posebno kalibriran za dominantnu ruku, i transparentan je te pogodan za daljnju znanstvenu validaciju i razvoj. Istraživači planiraju ove godine predstaviti aplikaciju za praćenje aktivnosti koja će biti dostupna iOS i Android korisnicima.

Većina algoritama u današnjim uređajima za praćenje aktivnosti razvijena je za osobe koje nemaju prekomjernu tjelesnu masu. Uređaji koji se nose na kuku često krivo procjenjuju potrošnju energije kod ljudi s višom tjelesnom masom zbog promjena u hodu i nagibu uređaja. Modeli koji se nose na zapešću nude veću udobnost i točnost kod različitih tipova tijela, no nitko ih dosad nije sustavno testirao i kalibrirao za populaciju s pretilošću.

Bez validiranog algoritma za uređaje na zapešću, još uvijek postoji velika nepoznanica o tome koliko točno energije i aktivnosti osobe s pretilošću ostvaruju svaki dan. To značajno usporava razvoj personaliziranih zdravstvenih intervencija i otežava praćenje rezultata. Tim je novi algoritam usporedio s 11 postojećih algoritama razvijenih za znanstvena istraživanja te koristio prijenosne kamere kako bi se zabilježili svi trenutci kad su senzori na zapešću pogrešno procijenili potrošnju kalorija.

Inspiracija za razvoj algoritma proizašla je iz osobnog iskustva jednog od znanstvenika tijekom grupnog treninga s članicom obitelji s pretilošću. Iako je ona uložila više truda od svih prisutnih, njen rezultat jedva da se prikazao na ekranu s rezultatima, što je jasno ukazalo na nepravdu i tehničke nedostatke trenutnih rješenja.

Ta situacija bila je presudna u pokretanju ideje o razvoju pravednijeg sustava praćenja napora. Korištenjem podataka iz komercijalnih fitness narukvica, novi model pokazuje preciznost usporedivu sa zlatnim standardima u mjerenju energetske potrošnje. Algoritam može u stvarnim uvjetima s više od 95 % točnosti procijeniti potrošnju energije svake minute, čime se značajno povećava dostupnost preciznog praćenja osobama s pretilošću.

U jednoj fazi istraživanja, 27 ispitanika nosilo je pametni sat i tzv. metaboličku masku – uređaj koji mjeri količinu udahnutog kisika i izdahnutog ugljikovog dioksida, što omogućuje precizno računanje energijske potrošnje i bazalnog metabolizma, a navedena metoda naziva se indirektnom kalorimetrijom. Sudionici su prolazili kroz zadane fizičke aktivnosti dok su se istovremeno prikupljali podaci iz obje metode radi usporedbe. U drugoj skupini, 25 sudionika nosilo je pametni sat i prijenosnu kameru dok su obavljali svakodnevne aktivnosti, što je omogućilo vizualnu potvrdu točnih i netočnih procjena algoritma.

Znanstvenici su naveli da su u nekim testovima poticali sudionike da naprave što više sklekova unutar pet minuta. Iako mnogi nisu mogli izvesti klasične sklekove na podu, gotovo svi su uspješno radili sklekove uz zid s vidljivim naporom. Standardni modeli tjelovježbe često ignoriraju takve oblike kretanja, što ostavlja mnoge ljude izvan sustava mjerenja i napredovanja. Ovo istraživanje ukazuje na nužnost redefiniranja načina na koji teretane, aplikacije i programi za vježbanje mjere uspjeh, s ciljem uključivanja svih tipova tijela i mogućnosti.

Studija nosi naziv “Razvoj i usporedba novog algoritma za procjenu energetske potrošnje utemeljenog na BMI-u na nosivim uređajima za zapešće”. Uz glavnog autora Boyanga Weija, u istraživanju su sudjelovali i Christopher Romano, Bonnie Nolan, Mahdi Pedram i Whitney A. Morelli, svi povezani sa Sveučilištem Northwestern.