Un equipo investigador desarrolla un enfoque estandarizado para resumir datos de wearables para investigación y práctica clínica

Los relojes inteligentes, sensores y otros dispositivos portátiles permiten monitorizar de forma continua aspectos de nuestra salud y actividad cotidiana. Pero esta capacidad plantea un reto: ¿cómo transformar miles de mediciones recogidas a lo largo de días, semanas o meses en indicadores que puedan interpretarse y compararse de forma fiable?

Un estudio liderado por el Instituto de Salud Global de Barcelona (ISGlobal), centro impulsado por Fundación ”la Caixa”, y la Universidad de Basilea propone un nuevo marco para estandarizar este proceso. El método se ha desarrollado para poder aplicarse a diferentes tipos de datos digitales de salud y se ha puesto a prueba con datos sobre actividad caminando y en modo marcha de 2.181 personas. El estudio ha sido publicado en npj Digital Medicine.

Los dispositivos digitales permiten registrar parámetros de salud con una frecuencia y durante periodos de tiempo que hasta hace pocos años eran difíciles de alcanzar. Sin embargo, tener más datos no implica necesariamente disponer de mejor información. Para poder utilizarlos en investigación o en la práctica clínica, es necesario decidir qué parte de esos datos resulta relevante y cómo resumirla. Estas decisiones pueden influir en la interpretación posterior de los resultados.

Actualmente no existen guías aceptadas internacionalmente que estandaricen cómo deben agregarse los datos digitales continuos de alta resolución, ni siquiera existe un consenso sobre la terminología utilizada para describir este proceso. Una revisión previa citada por el estudio encontró, por ejemplo, que más de la mitad de los estudios con dispositivos móviles analizados no especificaban qué restricciones habían aplicado a los datos.

Un proceso en tres pasos

Para abordar este problema, el equipo investigador recurrió a un proceso estructurado de consenso entre especialistas, en el que 16 expertos de distintas disciplinas realizaron varias rondas de propuestas, valoración y discusión hasta alcanzar un acuerdo. Participaron especialistas en desarrollo y evaluación de sensores y algoritmos, biomecánica, epidemiología, estadística y distintas áreas clínicas.

“El marco que proponemos sigue tres etapas. Primero identificamos las posibles formas de resumir los datos teniendo en cuenta su validez técnica, su interpretación clínica, el tamaño de la muestra y su distribución. Después evaluamos estadísticamente hasta qué punto las medidas resultantes son estables dentro de una misma persona y permiten distinguir entre grupos relevantes. Por último, los especialistas comparan estos resultados con la evidencia existente, las guías internacionales disponibles y consideraciones prácticas para seleccionar las medidas más adecuadas”, explica Sarah Koch, primera autora del estudio e investigadora de la Universidad de Basilea e ISGlobal.

Más de 2.000 personas monitorizadas durante una semana

Para comprobar el funcionamiento del marco, los investigadores lo aplicaron a datos del proyecto europeo Mobilise-D. El análisis incluyó a 2.181 personas, entre ellas participantes con enfermedad pulmonar obstructiva crónica (EPOC), esclerosis múltiple, enfermedad de Parkinson, fractura proximal de fémur e insuficiencia cardíaca, además de controles sanos. Los participantes llevaron durante siete días un sensor que registraba su movilidad en condiciones de vida real.

El equipo partió de siete medidas relacionadas con el caminar y la marcha —entre ellas el número de pasos, la velocidad al caminar, la longitud de zancada, la cadencia o la duración de los periodos caminando— y evaluó diferentes maneras de agregarlas. El proceso permitió seleccionar finalmente 24 indicadores de movilidad agregados a escala diaria y semanal, relacionados tanto con la cantidad y los patrones de actividad caminando como con características de la marcha.

“Incluso al aplicarlo a poblaciones con problemas de movilidad muy distintos entre sí, obtuvimos indicadores clínicamente interpretables y estadísticamente estables, que pueden utilizarse para comparar entre diferentes individuos o a una persona consigo misma a lo largo del tiempo. Además, el marco no está diseñado únicamente para analizar la movilidad: su estructura puede adaptarse a otros parámetros de salud registrados de forma continua y durante periodos prolongados, como el pulso o la temperatura”, señala Judith Garcia-Aymerich, subdirectora de ISGlobal y última autora del estudio.

Referencia

Koch S, Buekers J, Alvarez P, Becker C, Bonci T, Carsin AE, Caulfield B, Cobo I, Del Din S, Demeyer H, Frei A, Hausdorff JM, Ionescu A, Aminian K, Klenk J, Lemos-Portela J, Marchena J, Maetzler W, Micó-Amigo E, Piraino P, Singleton D, Sverdlov O, Troosters T, Rochester L, Garcia-Aymerich J. Aggregation Framework for Continuous Digital Health Measures and Application to Walking Activity Data. Nature Digital Health. 2026. https://doi.org/10.1038/s41746-026-03222-z