Sistema para la clasificación automática de comportamientos sedentarios en entornos cerrados

Abstract

Diversos estudios han demostrado la relación entre el sedentarismo y/o inactividad física con el desarrollo del SM, diabetes mellitus tipo 2 y ECV. Además, se ha encontrado que las personas con mayores niveles de comportamientos sedentarios sufren de un mayor riesgo de morbilidad y mortalidad, independientemente de que practiquen Actividad Física Moderada o Vigorosa (AFMV). Esto significa que pasar mucho tiempo realizando algún comportamiento sedentario genera un incremento del riesgo de padecer enfermedades cardiovasculares, diabetes o síndrome metabólico independiente que el generado por realizar poca o no realizar AFMV. Según los resultados de una encuesta realizada en el proyecto de investigación SIMETIC, se encontró que el 36.7 por ciento de una muestra de 2100 personas laboralmente activas de la ciudad de Popayán poseen el síndrome metabólico y la prevalencia de sedentarismo en una muestra de 589 personas laboralmente activas fue del 71,1%. Adicionalmente, existen otros estudios que han estimado de manera subjetiva la prevalencia de sedentarismo en otras ciudades Colombianas, los cuales han arrojado como resultado valores por encima del 70%. Según Owen y colaboradores, con el fin de desarrollar y probar intervenciones para influir en un estilo de vida sedentario, es necesario medir con precisión los comportamientos sedentarios (clasificarlos correctamente) y conocer sus determinantes contextuales: esto es, identificar el lugar y/o momento en que estos ocurren, por ejemplo en el hogar, trabajo, transporte y recreación; e identificar los determinantes de los comportamientos sedentarios. Considerando los problemas descritos anteriormente y teniendo en cuenta el estado del arte presentado en el capítulo 2, en este trabajo de grado de maestría se plantea la siguiente pregunta de investigación: ¿Cómo soportar la clasificación automática de comportamientos sedentarios en entornos cerrados? La hipótesis planteada establece que es factible desarrollar un sistema para la clasificación automática de comportamientos sedentarios en entornos cerrados implementando un sistema de localización en entornos cerrados usando BLE beacons y un monitor de actividad física. El objetivo general planteado para responder a la pregunta de investigación establecida es: Proponer un sistema para la clasificación automática de comportamientos sedentarios en individuos basado en su localización en entornos cerrados.

Several studies have demonstrated the relationship between sedentary lifestyle and / or physical inactivity with the development of MS, type 2 diabetes mellitus and CVD. In addition, it has been found that people with higher levels of sedentary behaviors suffer from an increased risk of morbidity and mortality, regardless of whether they practice Moderate or Vigorous Physical Activity (MVPA). This means that spending a lot of time performing some sedentary behaviors generates an increased risk of cardiovascular disease, diabetes or metabolic syndrome independent of that generated by performing little or not performing AFMV. According to the results of a survey carried out in the SIMETIC research project, it was found that 36.7 percent of a sample of 2100 workers in the city of Popayán has the metabolic syndrome and the prevalence of sedentary lifestyle in a sample of 589 people was 71.1%. In addition, there are other studies that have subjectively estimated the prevalence of sedentarism in other Colombian cities, which have resulted in values above 70%. According to Owen et al., in order to develop and test interventions to influence a sedentary lifestyle, it is necessary to accurately measure sedentary behaviors (classify them correctly) and to know their contextual determinants: that is, identify the place and / or the moment they occur, for example at home, work, transportation and recreation; And identify the determinants of sedentary behavior. Considering the problems described above and taking into account the state of the art presented in Chapter 2, in this master’s degree the following research question is posed: How to support the automatic classification of sedentary behaviors in indoor environments? The hypothesis stated that it is feasible to develop a system for the automatic classification of sedentary behaviors in indoors environments by implementing a localization system in indoors environments using BLE beacons and a physical activity monitor. The general objective to answer the established research question is: To propose a system for the automatic classification of sedentary behaviors in individuals based on their location in indoors environments.