Las investigaciones muestran que las medidas de los relojes inteligentes y las pruebas clínicas difieren

En un momento en que el uso de relojes y anillos inteligentes se ha vuelto más común, un investigador de rendimiento humano de la Universidad de Virginia Occidental señala que la variabilidad de la frecuencia cardíaca (el tiempo entre latidos) que informan los dispositivos es diferente de lo que se registraría en un entorno clínico.

«La variabilidad de la frecuencia cardíaca se ha utilizado durante casi 100 años como una medida no invasiva del sistema nervioso autónomo, y se la ha vinculado con la mortalidad general, la salud cardiovascular y el estrés», afirmó Matt Tenan, director del programa de Investigación del Rendimiento Humano y Ciencia de Datos en el Instituto de Neurociencia Rockefeller de la WVU. «Los wearables de consumo informan datos y métricas de variabilidad de la frecuencia cardíaca que antes solo se obtenían en el hospital y en un laboratorio, pero los registran de forma diferente».

Los wearables funcionan con fotopletismografía, o PPG, una tecnología que proyecta una luz sobre la piel y produce un reflejo de la sangre que se mueve justo debajo del dedo o la muñeca para registrar la frecuencia cardíaca. En un hospital, un electrocardiógrafo (ECG o EKG) mide la actividad eléctrica del corazón a través de electrodos colocados en el cuerpo.

«Estamos observando dos cosas: una es el flujo sanguíneo y la otra es la señal eléctrica del corazón», explicó Tenan.

Los médicos y los científicos médicos están interesados ​​en la variabilidad de la frecuencia cardíaca porque es un biomarcador de la salud sistémica general de un paciente. Tenan dijo que incluso si las personas no prestan especial atención a la medida que se muestra en su dispositivo portátil, aún así juega un papel en el estado general de bienestar que se indica en el dispositivo.

«Muchos de estos dispositivos ofrecen una puntuación de preparación o de sueño, y uno de los componentes principales de estas puntuaciones es la variabilidad de la frecuencia cardíaca», explicó. «La gente mira estas puntuaciones para ver cómo les va en general, si su estado físico ha mejorado, ese tipo de cosas. Pero, si una puntuación compuesta está llena de una medida sesgada, ¿qué tan precisa será?»

Tenan y sus colegas del Instituto de Neurociencia Rockefeller de la WVU y del Departamento de Fisiología del Ejercicio de la Facultad de Medicina de la WVU realizaron un estudio para determinar la validez de las medidas portátiles para la variabilidad de la frecuencia cardíaca. Su trabajo es publicado En el diario Medicina deportiva.

Como los wearables miden el pulso en lugar de las señales eléctricas del corazón, Tenan y su equipo utilizaron datos de investigaciones anteriores para realizar un análisis de simulación del proceso involucrado cuando la sangre se mueve desde el corazón al dedo o la muñeca.

«Hay muchos factores que intervienen entre el momento en que late el corazón y el momento en que la sangre llega al brazo o la muñeca, lo que se denomina el momento de llegada del pulso», explicó Tenan. «Al simular eso y saber lo que sucede en el corazón, determinamos que lo que se mide con el dispositivo portátil para el consumidor es diferente. No quiero decir que el dispositivo portátil para el consumidor sea malo o no sea útil, simplemente no es lo mismo».

Para realizar el estudio, los investigadores colaboraron con el laboratorio cardiovascular de la Universidad de Waterloo en Ontario, Canadá.

El estudio también descubrió que no todos los wearables son iguales en lo que respecta a los cálculos que utilizan para registrar mediciones de salud.

Los investigadores descubrieron que el método que utiliza Apple, la desviación estándar de lo normal a lo normal, o SDNN, es el más preciso. Otras marcas implementan un sistema llamado desviación estándar cuadrática media, RMSSD, que, según Tenan, produce un rango más amplio de error en la medición.

Dijo que espera que el estudio anime a los fabricantes de wearables a considerar cambiar sus cálculos a SDNN.

«No veo ninguna razón fundamental por la que alguna de las empresas de dispositivos portátiles deba utilizar la medida RMSSD», afirmó Tenan.

Los hallazgos del estudio se pueden utilizar para construir algoritmos de aprendizaje automático para wearables y otros dispositivos similares que monitorean la salud de las personas en sus entornos cotidianos.

Tenan dijo que prevé realizar futuras investigaciones sobre wearables de consumo: «Probablemente será un trabajo menos analítico y más clínico que implicará trabajar con pacientes».