Un equip investigador desenvolupa un enfocament estandarditzat per resumir dades de wearables per a la recerca i la pràctica clínica

Els rellotges intel·ligents, els sensors i altres dispositius portàtils permeten monitoritzar de manera contínua aspectes de la nostra salut i de l’activitat quotidiana. Però aquesta capacitat planteja un repte: com podem transformar milers de mesures recollides al llarg de dies, setmanes o mesos en indicadors que es puguin interpretar i comparar de manera fiable?

Un estudi liderat per l’Institut de Salut Global de Barcelona (ISGlobal), centre impulsat per la Fundació ”la Caixa”, i la Universitat de Basilea proposa un nou marc per estandarditzar aquest procés. El mètode s’ha desenvolupat perquè es pugui aplicar a diferents tipus de dades digitals de salut i s’ha posat a prova amb dades sobre activitat caminant i marxa de 2.181 persones. L’estudi s’ha publicat a npj Digital Medicine.

Els dispositius digitals permeten registrar paràmetres de salut amb una freqüència i durant períodes de temps que fins fa pocs anys eren difícils d’assolir. Tanmateix, tenir més dades no implica necessàriament disposar de més bona informació. Per poder utilitzar-les en recerca o en la pràctica clínica, cal decidir quina part d’aquestes dades és rellevant i com resumir-la. Aquestes decisions poden influir en la interpretació posterior dels resultats.

Actualment no existeixen guies acceptades internacionalment que estandarditzin com s’han d’agregar les dades digitals contínues d’alta resolució, ni tan sols hi ha consens sobre la terminologia utilitzada per descriure aquest procés. Una revisió prèvia citada per l’estudi va trobar, per exemple, que més de la meitat dels estudis analitzats amb dispositius mòbils no especificaven quines restriccions havien aplicat a les dades.

Un procés en tres passos

Per abordar aquest problema, l’equip investigador va recórrer a un procés estructurat de consens entre especialistes, en què 16 experts de diferents disciplines van fer diverses rondes de propostes, valoració i discussió fins a arribar a un acord. Hi van participar especialistes en desenvolupament i avaluació de sensors i algoritmes, biomecànica, epidemiologia, estadística i diferents àrees clíniques.

“El marc que proposem segueix tres etapes. Primer identifiquem les possibles maneres de resumir les dades tenint en compte la seva validesa tècnica, la seva interpretació clínica, la mida de la mostra i la seva distribució. Després avaluem estadísticament fins a quin punt les mesures resultants són estables dins d’una mateixa persona i permeten distingir entre grups rellevants. Finalment, els especialistes comparen aquests resultats amb l’evidència existent, les guies internacionals disponibles i consideracions pràctiques per seleccionar les mesures més adequades”, explica Sarah Koch, primera autora de l’estudi i investigadora de la Universitat de Basilea i ISGlobal.

Més de 2.000 persones monitoritzades durant una setmana

Per comprovar el funcionament del marc, els investigadors el van aplicar a dades del projecte europeu Mobilise-D. L’anàlisi va incloure 2.181 persones, entre les quals hi havia participants amb malaltia pulmonar obstructiva crònica (MPOC), esclerosi múltiple, malaltia de Parkinson, fractura proximal de fèmur i insuficiència cardíaca, a més de controls sans. Els participants van portar durant set dies un sensor que registrava la seva mobilitat en condicions de vida real.

L’equip va partir de set mesures relacionades amb caminar i anar a pas de marxa —entre les quals hi havia el nombre de passos, la velocitat en caminar, la longitud de la gambada, la cadència o la durada dels períodes caminant— i va avaluar diferents maneres d’agregar-les. El procés va permetre seleccionar finalment 24 indicadors de mobilitat agregats a escala diària i setmanal, relacionats tant amb la quantitat i els patrons d’activitat caminant com amb característiques de la marxa.

“Fins i tot en aplicar-lo a poblacions amb problemes de mobilitat molt diferents entre si, vam obtenir indicadors clínicament interpretables i estadísticament estables, que es poden utilitzar per comparar diferents individus o una mateixa persona amb si mateixa al llarg del temps. A més, el marc no està dissenyat únicament per analitzar la mobilitat: la seva estructura es pot adaptar a altres paràmetres de salut registrats de manera contínua i durant períodes prolongats, com ara el pols o la temperatura”, assenyala Judith Garcia-Aymerich, sotsdirectora d’ISGlobal i última autora de l’estudi.

Referència

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