El grupo PROFITH se postula como uno de los grupos referentes a nivel nacional e internacional en la evaluación de actividad física con acelerómetros. La amplia experiencia queda reflejada en los proyectos liderados, la colaboración en proyectos a nivel nacional e internacional para coordinar esta medición, en la publicación de estudios científicos con un alto impacto y citación en la comunidad científica (ver referencias abajo), y en los eventos organizados en torno a esta temática. Cabe destacar el taller internacional sobre análisis estadístico de datos obtenidos con acelerómetros, organizado en Granada por el grupo PROFITH. Dicho evento reunió a un panel internacional de expertos que discutieron sobre las distintas estrategias que se están utilizando en el ámbito para analizar la asociación de actividad física con variables de salud.

Modificado de Migueles et al., 2020

Una de las primeras preguntas a afrontar cuando se va a medir actividad física es la elección del dispositivo a utilizar. En la actualidad, hay una amplia gama de marcas comercializando dispositivos, tanto para investigación como para uso de la población general. La elección del dispositivo a usar va a depender de diversos factores:

• Experiencia: es inevitable cierta formación en el uso de un nuevo dispositivo a utilizar. Sin embargo, algunas marcas de acelerómetros tienen software de procesamiento que se puede utilizar para obtener algunas estimaciones sin mucha complejidad.
• Presupuesto: si bien la medición de la aceleración resulta ser muy comparable entre dispositivos, el precio no lo es. El precio de los dispositivos pensados y diseñados para la investigación puede variar desde los 120 € (por ejemplo, axivity) hasta por encima de los 1000 € (por ejemplo, los sensores IDEEA). Estos precios son orientativos y cambiantes.
• Estética, tamaño y comodidad: también cabe destacar que la experiencia del participante con el dispositivo va a marcar la calidad de los datos que obtengamos. Un participante contento con la estética y la comodidad de un dispositivo se lo pondrá durante más tiempo, y su medición será más representativa de su movimiento.

Una vez se ha adquirido el dispositivo, la siguiente decisión es dónde situarlo. Mientras que algunos dispositivos vienen con una recomendación muy clara de dónde deben ser situados (por ejemplo, activPAL está diseñado para el muslo), otros se han utilizado indistintamente en diferentes localizaciones. Dependiendo de la pregunta de investigación se deberá elegir una u otra, en función de los algoritmos disponibles para estimar las variables de interés. El grupo PROFITH lideró una revisión sistemática en la que se proporcionaron recomendaciones prácticas para la utilización de acelerómetros para estimar actividad física, sueño y gasto energético (1). A continuación, la tabla resumen de recomendaciones de dicha revisión (aconsejamos ir al documento para un mejor entendimiento de cada decisión a tomar).

a) There are no algorithms currently available to estimate sleep-related behaviours from data obtained from hip-worn devices.
b) Criterion that could highly affect the output. In these cases, when estimations of PA, PAEE or sleep are the variables of interest, the same criterion as selected in the validation study is recommended. If acceleration metrics are the variables of interest (e.g., counts), the recommendation is provided in this table.

Varios estudios liderados por nuestro grupo pueden dar algunas pistas sobre cómo de comparables son las mediciones cuando se colocan los acelerómetros en distintos sitios. Los sitios preferidos en investigación para colocar los acelerómetros han sido tradicionalmente la cadera y la muñeca. En ese sentido, el grupo PROFITH ha demostrado que los patrones de aceleración recogidos en cadera y ambas muñecas parecen ser muy comparables (4). Más allá, nuestro grupo ha propuesto puntos de corte para clasificar sedentarismo y la intensidad de la actividad física para la muñeca dominante en adultos (4). Esto supone un gran avance para la harmonización de datos de acelerómetros, puesto que nuestros puntos de corte son comparables a datos recogidos en la muñeca no dominante.

Otra investigación del grupo PROFITH trató de dilucidar dónde es más cómodo llevar puesto un acelerómetro durante una semana. Para ello, a los participantes del proyecto ActiveBrains (http://profith.ugr.es/activebrains) se les preguntó sobre sus sensaciones llevando los acelerómetros tras una semana de medición. Concretamente, los participantes llevaron un acelerómetro en la cadera y otro en la mano no dominante. Un hallazgo importante fue que la sensación de molestia cambia a lo largo del día, siendo el de la muñeca más molesto durante el día, pero el de la cadera durante la noche (7).














Modificado de Leppanen et al., 2020

El grupo PROFITH participa activamente del desarrollo de GGIR (2), un software ‘open-source’ diseñado para el procesamiento de datos de acelerómetros. Una vez procesada la señal del acelerómetro, GGIR proporciona una gran cantidad de variables significativas para el análisis de la cantidad y calidad de la actividad física, el sueño, y los patrones de movimiento. GGIR puede procesar datos de las marcas de investigación más importantes del mercado y conseguir estimaciones de actividad física compatibles. A continuación, se pueden ver algunos ejemplos de las estimaciones y visualizaciones que se pueden conseguir con GGIR.


























Modificado de Migueles et al., 2019

Un paso crucial para la estimación del tiempo empleado en estos comportamientos es la elección de puntos de corte. Dicha decisión es muy importante, puesto que desde el grupo PROFITH hemos demostrado la alta influencia que tiene esta decisión en la medición final. Utilizando datos del proyecto ActiveBrains (http://profith.ugr.es/activebrains), demostramos que la proporción de niños cumpliendo las recomendaciones de actividad física variaba desde casi el 0% hasta casi el 100% de la muestra en función de los puntos de corte utilizados (5). La figura muestra el porcentaje de niños que cumple las recomendaciones según distintos puntos de corte. Encuentra más información de GGIR aquí: https://cran.r-project.org/web/packages/GGIR/vignettes/GGIR.html















Modificado de Migueles et al. 2019

El grupo PROFITH está liderando un documento de consenso entre expertos internacionales en el que se resumen algunas recomendaciones sobre cómo analizar estadísticamente estos datos. Dicho documento se encuentra bajo revisión, esta sección se actualizará una vez haya sido publicado.

• 1) Migueles JH, Cadenas-Sanchez C, Ekelund U, et al. Accelerometer Data Collection and Processing Criteria to Assess Physical Activity and Other Outcomes: A Systematic Review and Practical Considerations. Sports Med 2017;47:1821–45. doi:10.1007/s40279-017-0716-0
• 2) Migueles JH, Rowlands A V., Huber F, et al. GGIR: A Research Community–Driven Open Source R Package for Generating Physical Activity and Sleep Outcomes From Multi-Day Raw Accelerometer Data. J Meas Phys Behav 2019;2:188–96. doi:10.1123/jmpb.2018-0063
• 3) Migueles JH, Delisle Nyström C, Henriksson P, et al. Accelerometer Data Processing and Energy Expenditure Estimation in Preschoolers. Med Sci Sports Exerc 2019;51:590–8. doi:10.1249/MSS.0000000000001797
• 4) Migueles JH, Cadenas-Sanchez C, Rowlands A V, et al. Comparability of accelerometer signal aggregation metrics across placements and dominant wrist cut points for the assessment of physical activity in adults. Sci Rep 2019;9:18235. doi:10.1038/s41598-019-54267-y
• 5) Migueles JH, Cadenas-Sanchez C, Tudor-Locke C, et al. Comparability of published cut-points for the assessment of physical activity: Implications for data harmonization. Scand J Med Sci Sport 2019;29:566–74. doi:10.1111/sms.13356
• 6) Migueles JH, Cadenas-Sanchez C, Aguiar EJ, et al. Step-Based Metrics and Overall Physical Activity in Children With Overweight or Obesity: Cross-Sectional Study. JMIR MHEALTH UHEALTH 2020;8. doi:10.2196/14841
• 7) Leppänen MH, Migueles JH, Cadenas-Sanchez C, et al. Hip and wrist accelerometers showed consistent associations with fitness and fatness in children aged 8-12 years. Acta Paediatr 2020;109:995–1003. doi:10.1111/apa.15043