POLITECNICO DI MILANO finale.pdf · di inclusione, con età = 30 ± 7.3 anni, peso = 68.9 ± 16.3...
Transcript of POLITECNICO DI MILANO finale.pdf · di inclusione, con età = 30 ± 7.3 anni, peso = 68.9 ± 16.3...
1
POLITECNICO DI MILANO
Scuola di Ingegneria Industriale e dell’Informazione
Corso di Laurea Magistrale in Ingegneria Biomedica - Tecnologie Elettroniche (BTE)
Validazione di due sistemi indossabili per la stima del
dispendio energetico durante il cammino
Relatore: Prof.ssa Manuela Galli
Correlatore: Ing. Fabio Storm
Tesi di Laurea di:
Michael Rota Scalabrini
Matr. 863271
Anno accademico 2018/2019
2
Ringraziamenti
Innanzitutto desidero ringraziare l’Istituto Scientifico “Eugenio Medea” di Bosisio Parini, che
mi ha dato l’opportunità di svolgere questa tesi di laurea collaborando con il personale
dell’area neurofisiatrica e fornendomi in comodato la strumentazione necessaria.
In particolar modo ringrazio il dottor Luigi Piccinini, il quale mi ha messo a conoscenza di
questa proposta di tesi ed insieme al suo gruppo di colleghi, composto da medici ed ingegneri,
mi ha supportato per quanto riguarda la pianificazione e l’organizzazione preliminare del
lavoro da svolgere. Ringrazio inoltre l’ingegnere Fabio Storm e l’ingegnere Emilia Biffi per
avermi seguito nella parte più tecnica, formandomi sull’utilizzo dei dispositivi usati nelle prove
sperimentali e consigliandomi su come elaborare i dati acquisiti.
Intendo poi ringraziare la mia professoressa Manuela Galli, relatrice di questa tesi di laurea,
per la grande disponibilità e cortesia prestata nel mettermi a disposizione il Laboratorio di
Analisi della Postura e del Movimento “Luigi Divieti” del Politecnico di Milano. Un
ringraziamento anche all’ingegnere Nicola Cau, il quale mi ha seguito durante l’acquisizione
dei dati, aiutandomi nell’utilizzo della strumentazione del laboratorio.
3
Indice
Sommario 9
Abstract 12
Introduzione 15
1. Aspetti energetici nel cammino 19
1.1 Accumulo e utilizzo di energia metabolica . . . . . . . . . . . . . . . . . . . . . . 19
1.2 Meccanismi energetici durante l’esercizio muscolare . . . . . . . . . . . . . . 21
2. Stato dell’arte 24
2.1 Le equazioni predittive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 La calorimetria diretta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3 La calorimetria indiretta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.4 I sistemi indossabili . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3. Materiali e metodi 38
3.1 Soggetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2 Task . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3 Strumentazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4
3.3.1 L’IMU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3.2 L’holter metabolico-motorio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.3.3 L’ergospirometro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.4 Protocollo sperimentale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.5 Elaborazione dei dati . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.5.1 Variabili cinematiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.5.2 Variabili di dispendio energetico . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.5.3 Modelli di regressione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.5.4 Modello di correlazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.6 Analisi statistica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4. Risultati 54
4.1 Modello di regressione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2 Modello di correlazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5. Conclusioni 60
Bibliografia 64
5
Elenco delle figure
Figura 1.1: Contributo relativo dei differenti sistemi energetici nel produrre ATP durante uno
sforzo sub-massimale. Sulle ordinate è riportata la potenza sviluppata dai tre meccanismi
espressa in percentuale, mentre sulle ascisse la latenza in minuti con cui essi intervengono . 23
Figura 2.1: Schema del calorimetro di Atwater-Benedict. Ingresso (1) ed uscita (2) dell’acqua,
la cui temperatura è misurata da dei termometri 2 e 3. Il passaggio del cibo e degli escreti
avviene dallo sportello (6) mentre dalla finestra (7) si osserva il soggetto nell’interno del
calorimetro. L’aria prelevata in 8 da una ventola è fatta passare attraverso acido solforico e
calce sodata per privarla del vapor d’acqua e anidride carbonica. Il flusso di aria con ossigeno
che penetra nella camera interna attraverso l’apertura 9 è regolato dallo stabilizzatore di
tensione in 10. Le pareti del calorimetro permettono un perfetto isolamento termico della
camera interna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Figura 2.2: Schematico della connessione tra l’ergospirometro e il simulatore metabolico . . 31
Figura 2.3: Schema a blocchi funzionale di un IMU, come esempio di dispositivo che fonde i
dati provenienti da vari tipi di sensori per fornire informazioni sul movimento di un dato
soggetto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Figura 2.4: Spesa energetica (espressa in media e deviazione standard) misurata con la
calorimetria indiretta e con l’holter metabolico-motorio utilizzato in questa tesi, indossato sia
sul lato non emiparetico che sul lato emiparetico del corpo, a riposo e durante prove di
camminata su treadmill a diverse velocità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Figura 2.5: Confronto della spesa energetica ottenuta dalla calorimetria indiretta e dall’holter
metabolico-motorio (espressa come media) per ogni attività. S, a riposo; L, camminata leggera
(3km/h); M, camminata moderata (5km/h); V, camminata vigorosa (7km/h); VV, camminata
molto vigorosa (9km/h);S/S, alzarsi e sedersi da una sedia ad una frequenza di 30 cicli/min . 35
6
Figura 2.6: Rette di regressione per la stima di AEE espressa in W/min, in funzione
rispettivamente di IAAz (a sinistra) e IAAtot (a destra). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Figura 3.1: Corridoio reso idoneo per la prova, presso il laboratorio “Luigi Divieti” del
Politecnico di Milano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Figura 3.2: Sensore inerziale G-sensor 2 (BTS): 1, Ingresso USB; 2, Pulsante ON/OFF; 3, LED
di stato; 4, Pulsante di batch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Figura 3.3: Holter metabolico-motorio Armband SenseWear (BodyMedia). Sono visibili il
pulsante di stato e i LED indicanti lo stato della memoria e della batteria . . . . . . . . . . . . . . . . 42
Figura 3.4: Scocca dello spirometro K5 (COSMED) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Figura 3.5: Uno dei soggetti presi in esame, con equipaggiati tutti e tre i dispositivi indossabili,
durante la fase di stabilizzazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Figura 3.6: Schema a blocchi che mostra i dati acquisiti dai tre dispositivi indossabili e le
variabili che sono state ricavate, le quali sono state poi confrontate a due a due come mostrato,
ottenendo dei modelli di regressione nel confronto tra l’IMU e l’ergospirometro e un modello
di correlazione nel confronto tra l’holter metabolico-motorio e l’ergospirometro . . . . . . . . . 47
Figura 3.7: Modulo e fase della risposta in frequenza del filtro usato. Poiché la frequenza di
taglio è a 15Hz e i dati sono stati campionati a 100Hz, la frequenza di taglio normalizzata Wn
è pari a 0.3π rad/sample . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Figura 3.8: Formule matematiche per il calcolo delle variabili di accelerazione prese in
considerazione, con [t=0,T] intervallo di integrazione di 6 minuti . . . . . . . . . . . . . . . . . . . . . 49
Figura 3.9: Processo di misura di TEE (kcal) da parte dell’ergospirometro a partire dalle misure
di VC (Volume Corrente), di FeO2 (concentrazione di O2 nel gas espirato) e di FeCO2
(concentrazione di CO2 nel gas espirato). TEE, total energy expenditure; VE, ventilazione
polmonare; Rf, frequenza respiratoria; VO2, consumo di ossigeno; VCO2, produzione di
anidride carbonica; QR, quoziente respiratorio; BxB, breath-by-breath . . . . . . . . . . . . . . . . . 50
7
Figura 4.1: Rette di regressione per la stima di AEE espressa in kJ/kg, in funzione
rispettivamente di IAAx, IAAy, IAAz, IAAtot e IAV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54-55
Figura 4.2: Bland-Altman plot per la stima di AEE in kJ/kg attraverso l’ergospirometro e
l’holter metabolico-motorio (M = 12). Le linee rappresentano la media delle differenze e i limiti
di confidenza al 95% . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Figura 4.3: Grafico a barre che mostra il confronto tra le misure fornite dall’holter metabolico-
motorio e dall’ergospirometro, espresse in kcal, per ciascuna prova sperimentale (M = 12) . 59
8
Elenco delle tabelle
Tabella 2.1: Equazioni predittive utilizzate per la stima del REE nell’uomo e nella donna . . 25
Tabella 2.2: Equivalente calorico dell’O2 per diversi valori di quoziente respiratorio . . . . . . 30
Tabella 2.3: Valori del coefficiente di determinazione per i quattro modelli presi in esame in
questo studio. Acc, accelerazione; gen, genere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Tabella 3.1: Media, deviazione standard e range delle variabili esplicative di accelerazione
utilizzate per la stima del consumo energetico, con M = 12 . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Tabella 3.2: Media, deviazione standard e range per alcune grandezza cinematiche fornite
dall’IMU (M = 12) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Tabella 3.3: Media, deviazione standard e range delle stime di consumo energetico fornite
dall’holter metabolico-motorio (M= 12) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Tabella 3.4: Media, deviazione standard e range delle misure di consumo energetico fornite
dall’ergospirometro (M = 12) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Tabella 4.1: Coefficienti di regressione stimati per i predittori dei modelli in questione con
relativo SE, t-value e p-value . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Tabella 4.2: Valori di R2 per i predittori usati nei vari modelli di regressione e p-value relativo
alla linearità del modello rispetto al modello costante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
Tabella 4.3: Coefficienti di regressione stimati per i predittori dei i modelli multivariati in
questione, con relativo SE, t-value e p-value . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
9
Sommario
In ambito clinico il calcolo del consumo energetico durante il cammino di un soggetto con
alterazioni del movimento è molto importante perché permette di confrontare una locomozione
normale da una patologica, oppure di quantificare la severità di un disordine motorio, come
anche rende possibile la valutazione dell’efficacia di una terapia riabilitativa o di un intervento
chirurgico.
Attualmente la calorimetria indiretta è di gran lunga il metodo più comunemente usato per la
stima del dispendio energetico durante un’attività fisica e si basa sulla conoscenza del consumo
di ossigeno e sulla produzione di anidride carbonica, che hanno luogo quando i muscoli stanno
lavorando per produrre energia durante il movimento. In particolare l’ergospirometro, un
sistema metabolico che può essere sia mobile che stazionario, costituisce attualmente il
dispositivo di riferimento per la stima del consumo energetico durante prove da sforzo (activity-
related energy expenditure, o AEE) sia in termini di accuratezza che di praticità di utilizzo.
Ma in alternativa possono essere utilizzati altri dispositivi indossabili, quali i sistemi inerziali o
altri sensori metabolico-motori, molto meno costosi e maneggevoli, che necessitano però di
essere validati, confrontando le loro misure con quelle fornite da un dispositivo di riferimento.
A tal proposito in questo lavoro di tesi sono stati acquisiti, insieme alle misure di dispendio
energetico fornite dall’ergospirometro, dati fisiologici e motori durante una prova di cammino,
tramite un sistema di misurazione inerziale (noto anche come inertial measurement unit, o IMU)
ed un holter metabolico-motorio, al fine di determinare se questi due sensori possano fungere
da valida alternativa all’ergospirometro (strumento di riferimento) per la stima delle calorie
spese in una camminata di 6 minuti.
Nello specifico per quanto riguarda l’IMU si è voluto vedere se i suoi dati di accelerazione
possono essere usati per predire il consumo energetico, quindi sono stati ricavati vari modelli
di regressione lineare semplice, al fine di relazionare le sue accelerazioni (o meglio loro
elaborazioni) con l’AEE fornito dall’ergospirometro; successivamente si è presa in
considerazione la variabile di accelerazione più rappresentativa, insieme alla variabile peso e
ad altre grandezze cinematiche (stimate sempre dall’IMU) relative alla prova, per elaborare
10
modelli di regressione lineare multipla che spiegassero ancor meglio la variabile AEE. Per
quanto riguarda invece l’holter metabolico-motorio, il quale fornisce in uscita direttamente il
consumo energetico, è stato ricavato un modello di correlazione tra i valori di AEE da esso
forniti e quelli ricavati dall’ergospirometro, per determinare se i due dispositivi forniscono una
misura confrontabile del consumo energetico durante la prova di cammino.
In questo studio sono stati reclutati 6 soggetti sani (2 donne e 4 uomini), senza particolari criteri
di inclusione, con età = 30 ± 7.3 anni, peso = 68.9 ± 16.3 kg e altezza = 1.72 ± 0.09 m, i quali
hanno ripetuto la prova due volte, in modo da avere 12 prove sperimentali da analizzare.
Il test consisteva nel camminare il più velocemente possibile per 6 minuti lungo una traiettoria
rettilinea di lunghezza pari a 25 metri, con l’obbiettivo di fare più metri possibile rispetto alle
proprie capacità, gestendo autonomamente lo sforzo. Per le acquisizioni i soggetti sono stati
equipaggiati con un IMU, posizionato al di sotto della linea che collega le due spine iliache
posteriori superiori, con un holter metabolico-motorio, posto a livello del tricipite del braccio e
con un ergospirometro, il quale è stato indossato a livello del dorso grazie ad una imbragatura;
tutti e tre i dispositivi sono stati attivati/disattivati on-board e i dati acquisiti erano
immagazzinati su memorie interne, il cui download sul PC era fatto di volta in volta per ciascun
soggetto subito dopo il termine della prova.
Per valutare la significatività predittiva dei modelli di regressione ottenuti sono stati utilizzati
test statistici e la misura di bontà di adattamento R2 (detto coefficiente di determinazione),
mentre per valutare l’attendibilità dell’holter metabolico-motorio rispetto all’ergospirometro si
è ricorso ad un confronto grafico e al calcolo di differenze percentuali e di un indice di
correlazione. Per quanto riguarda l’IMU dai risultati è emerso che la variabile di accelerazione
IAAtot (somma degli integrali delle accelerazioni lungo i tre assi) è il predittore più esplicativo
nei confronti di AEE (misurata in kJ/kg), per di più se ad essa uniamo i predittori rappresentativi
del peso e della cadenza media dei soggetti, la capacità predittiva del modello nei confronti di
AEE (misurata ora in kJ/min) cresce ulteriormente (R2 = 0.90). L’holter metabolico-motorio
invece è risultato essere un dispositivo non valido per la stima di AEE: la differenza percentuale
espressa in media e deviazione standard è risultata essere uguale a 22.80 ± 11.34 % e il
coefficiente di correlazione di Pearson ha dato un valore pari a 0.307.
Comunque a causa della bassa numerosità della popolazione di soggetti presa in esame, i
risultati ottenuti sono poco robusti e per tale motivo possono solamente essere considerati
indicativi. Sicuramente sarebbe stato possibile ottenere risultati migliori aumentando il numero
11
di soggetti oggetto di analisi, così da poter scartare eventuali outliers (che in questo lavoro si è
preferito non eliminare, per il già esiguo numero di campioni). Per quanto riguarda l’IMU ciò
avrebbe consentito di ottenere una retta di regressione che descrivesse meglio la linearità dei
dati sperimentali ma anche che fosse in grado generalizzare nei confronti di nuove osservazioni;
per quanto riguarda l’holter metabolico-motorio invece, ciò avrebbe permesso di capire se esso
tendeva a sovrastimare o sottostimare i valori misurati dall’ergospirometro, oppure se emergeva
un andamento altalenante dei valori (come in questo studio).
Il presente lavoro vuole quindi essere principalmente di carattere metodologico, cioè vuole
fornire un esempio di approccio rigoroso e standard di validazione e di calibrazione dei
dispositivi utilizzati, così che in un’analisi futura a più alta numerosità o svolta con altre
tipologie di sensori indossabili e di test motori, ripetendo questo studio, si abbiano risultati più
accurati che possano essere confrontati e scambiati senza ambiguità tra i vari istituti e laboratori
interessati.
12
Abstract
In the clinical context the calculation of energy consumption during walking of a subject with
movement abnormalities is very important because it allows to compare a normal locomotion
to a pathological one, or to quantify the severity of a motor disorder, as also makes it possible
to evaluate the effectiveness of a rehabilitation therapy or a surgical intervention.
Currently indirect calorimetry is by far the most commonly used method for estimating energy
expenditure during physical activity and is based on knowledge of oxygen consumption and
carbon dioxide production, which occur when the muscles are working to produce energy
during movement. In particular, the ergospirometer, a metabolic system that can be both mobile
and stationary, currently constitutes the reference device for estimating energy consumption
during activity-related energy expenditure, or AEE, both in terms of accuracy and practicality
of utilization.
But altermately other wearable devices can be used, such as inertial systems or other metabolic-
motor sensors, much less expensive and manageable, which however need to be validated,
comparing their measurements with those provided by a reference device.
In this regard, in this thesis work, along with the energy expenditure measures provided by the
ergospirometer, physiological and motor data were acquired during a walking test, through an
inertial measurement unit, or IMU, and a metabolic-motor holter, in order to determine if these
two sensors can act as a valid alternative to the ergospirometer (gold standard) for the estimation
of the calories expended in a walk of 6 minutes.
Specifically, as far as the IMU is concerned, we wanted to see if its acceleration data can be
used to predict energy consumption, so various simple linear regression models have been
obtained, in order to relate its accelerations (or rather their elaborations ) with the AEE supplied
by the ergospirometer; subsequently the more representative acceleration variable was taken
into consideration, together with the weight variable and other kinematic quantities (always
estimated by the IMU) relating to the test, in order to develop multiple linear regression models
that would explain the AEE variable even better. With regards to the metabolic-motor holter,
which directly outputs the energy consumption, a correlation model was obtained between the
13
AEE values supplied by it and those obtained from the ergospirometer, to determine whether
the two devices provide a comparable measurement of the energy consumption during the
walking test.
In this study 6 healthy subjects (2 women and 4 men) were recruited, without particular
inclusion criteria, with age = 30 ± 7.3 years, weight = 68.9 ± 16.3 kg and height = 1.72 ± 0.09
m, which repeated the trial twice, in order to have 12 experimental tests to analyze.
The test consisted of walking as fast as possible for 6 minutes along a straight path of a length
of 25 meters, with the aim of making as many meters as possible with respect to one's abilities,
managing the effort independently. For the acquisitions the subjects were equipped with the
IMU, positioned below the line connecting the two superior posterior iliac spines, the
metabolic-motor holter, placed at the level of the triceps of the arm and the ergospirometer,
which was worn at the level of the back thanks to a harness; all three devices were
activated/deactivated on-board and the acquired data was stored on internal memories, the
download of which on the PC was made from time to time for each subject immediately after
the end of the test.
To assess the predictive significance of the regression models obtained, statistical tests and the
R2 goodness-of-fit measurement (called determination coefficient) were used, while to assess
the reliability of the metabolic-motor holter with respect to the ergospirometer were used a
graphical comparison and calculation of percentage differences and a correlation index.
Concerning the IMU from the results it emerged that the acceleration variable IAA tot (sum of
the integrals of the accelerations along the three axes) is the most explanatory predictor with
respect to AEE (measured in kJ/kg), moreover if we combine with it predictors representative
of the weight and average cadence of the subjects, the predictive capacity of the model towards
AEE (measured now in kJ/min) grows further (R2 = 0.90). The metabolic-motor holter instead
turned out to be an invalid device for the estimation of AEE: the percentage difference
expressed in average and standard deviation was found to be equal to 22.80 ± 11.34 % and the
Pearson correlation coefficient gave a value equal to 0.307.
However, due to the low number of subjects considered, the results obtained are not very robust
and for this reason they can only be considered as indicative. Surely it would have been possible
to obtain better results by increasing the number of subjects of the analysis, so as to be able to
discard any outliers (which in this work it was preferred not to eliminate, due to the already
small number of samples). As far as the IMU is concerned, this would have allowed us to obtain
14
a regression line that better describes the linearity of the experimental data but also that it is
able to generalize with respect to new observations; as far as the metabolic-motor holter is
concerned, this would have allowed us to understand if it tends to overestimate or underestimate
the values measured by the ergospirometer, otherwise if a fluctuating trend of values emerged
(as in this study).
The present work therefore aims to be mainly of a methodological nature, namely it aims to
provide an example of a rigorous and standard approach of validation and calibration of the
devices used, so that in a future analysis with a higher number of samples, repeating this study,
we obtain more accurate results that can be compared and exchanged without ambiguity
between the various institutes and laboratories concerned.
15
Introduzione
L’obbiettivo di questo lavoro di tesi è stato validare due tipologie di sensori indossabili, un IMU
ed un sensore metabolico-motorio, nella stima del dispendio energetico durante un’attività
fisica, in particolare durante una prova di Six Minute Walking Test (6MWT). Il 6MWT è un
test da sforzo di semplice esecuzione che permette di valutare la tolleranza di un paziente a uno
sforzo paragonabile a quelli che abitualmente svolge nella vita quotidiana; esso valuta quindi il
dispendio energetico durante una prova sub-massimale, tal per cui VO2 (consumo di ossigeno)
è minore di VO2,max (massimo consumo di ossigeno), fornendo un’indicazione sulla capacità
funzionale del soggetto nell’esecuzione di sforzi di tale intensità, i quali vedono il
coinvolgimento combinato di più sistemi del nostro organismo, che nello specifico sono quello
cardiocircolatorio, polmonare, muscolare e metabolico.
Si è voluto quindi stabilire se i due dispositivi sono in grado di fornire misure affidabili di spesa
energetica durante una breve prova di cammino in piano. La validazione è stata eseguita su
soggetti sani, privi di alcun deficit motorio e/o cognitivo, al fine di ottenere un risultato che
dipenda unicamente dalla capacità di stima dei due sensori e non dalle alterazioni
biomeccaniche tipiche di una data patologia neuromotoria, che possono avere anche un elevata
variabilità all’interno della medesima categoria.
In ambito clinico il calcolo del consumo energetico di un soggetto con alterazioni del
movimento è molto importante perché permette di confrontare un cammino normale da un
cammino patologico, oppure di quantificare la severità di un disordine motorio (un cammino
patologico è frequentemente associato ad un aumento della spesa energetica [Boyd et al. (1999);
Detrembleur C. et al. (2003)], come anche rende possibile la valutazione dell’efficacia o
dell’inadeguatezza di una terapia riabilitativa o di un intervento chirurgico irreversibile ed
invasivo. Quindi studi sull’energia spesa risultano essere un metodo di indagine diagnostica del
task motorio alternativo alla gait analysis e a test clinici basati sull’osservazione visiva e su
punteggi soggettivi.
16
A tal proposito questo studio è sorto in collaborazione con l’IRCCS “Eugenio Medea”
dell’Associazione “La Nostra Famiglia”, il quale aveva posto il problema se fosse possibile
utilizzare un’alternativa attendibile a quello che è il dispositivo di riferimento per la stima del
consumo energetico, ovvero l’ergospirometro, un analizzatore di gas. L’istituto infatti non
possiede tale unità, la quale oltre ad essere particolarmente costosa non è nemmeno di
immediato e pratico utilizzo su pazienti in giovane età, mentre possiede i due sensori
precedentemente citati, decisamente più comodi da montare su soggetti in età evolutiva affetti
da disturbi neuromotori. Una delle categorie di soggetti di interesse per l’applicazione futura
dei risultati di questo studio è infatti costituita da bambini affetti da paralisi cerebrale infantile
(PCI), sui quali l’istituto concentra molti dei propri sforzi di carattere riabilitativo.
La fisionomia dell’Istituto “Eugenio Medea” risulta dalla stretta connessione tra riabilitazione
o più specificatamente, neuro-riabilitazione, e fase “evolutiva” nella vita del bambino e
dell’adolescente. Tale Istituto costituisce la sezione di ricerca dell’Associazione “La Nostra
Famiglia”, ente che svolge attività ONLUS di assistenza sanitaria, socio-sanitaria, istruzione e
formazione rivolte in particolare a persone disabili nell’età dello sviluppo, al fine di tutelare la
dignità e migliorare la qualità della vita; l’Associazione si propone anche di dare il proprio
contributo allo sviluppo della ricerca e delle conoscenze scientifiche nel campo delle patologie
di questi soggetti e per tale finalità è sorto il Centro precedentemente citato, il quale è oggi
l’unico Istituto Scientifico italiano riconosciuto per la ricerca e la riabilitazione nello specifico
ambito di bambini e giovani.
Perciò l’ambito di ricerca nel quale questo lavoro si è inserito è quello della neuroriabilitazione
in età evolutiva, che comprende un’ampia gamma di studi, con impatto diretto sulla clinica,
finalizzati alla comprensione delle basi molecolari del danno (dimensione neuropatologica) e
dei meccanismi fisiopatogenetici ad esso correlati (dimensione neurofisiopatologica), nella
prospettiva di avviare interventi riabilitativi sempre più specifici per il recupero motorio e
cognitivo (dimensione neuroriabilitativa).
A tal proposito la struttura sanitaria si occupa di:
• Diagnosi clinica e funzionale di malattie che provocano disabilità neuromotorie
temporanee o permanenti, specie in età evolutiva: Paralisi Cerebrale Infantile (PCI),
Osteogenesi Imperfetta (OI), scoliosi e patologie vertebrali, patologie neuromuscolari
(distrofie muscolari, Sclerosi Laterale Amiotrofica, paraparesi spastica familiare).
17
• Prototipazione e impiego di alte tecnologie sia in ambito diagnostico, come studi di
genetica molecolare, di neuroimaging avanzato e di analisi del movimento, che in
ambito riabilitativo e terapeutico, come la riabilitazione robotizzata (Lokomat), la
teleriabilitazione, e ambienti di realtà virtuale con feedback real-time del cammino (Gait
Real-time Analysis Interactive Lab, o GRAIL).
• Messa a punto di protocolli riabilitativi standardizzati su questi sistemi tecnologici
innovativi.
• Costruzione di marcatori precoci per l’identificazione di bambini a rischio.
• Creazione di sistemi informatici per la raccolta di dati e immagini relative a soggetti
normali e pazienti affetti da malattie in età pediatrica.
• Individuazione dei fattori di rischio genetico e ambientali coinvolti nei disordini del
neurosviluppo.
Il presente lavoro di tesi si articola nei seguenti 5 capitoli:
Capitolo 1 - Aspetti energetici nel cammino: l’attività fisica è praticamente il movimento del
corpo generato dai muscoli scheletrici, i quali producendo lavoro bruciano i substrati energetici
presenti nell’organismo; vengono quindi introdotti in questo capitolo il concetto di metabolismo
e i meccanismi energetici durante i diversi livelli di attività muscolare, in particolar modo nel
cammino.
Capitolo 2 - Stato dell’arte: si riportano varie metodologie per il calcolo delle calorie spese,
differenti per quanto riguardano le risorse impiegate, gli ambiti di applicazione nonché
l’accuratezza e la precisione nelle misure fornite.
Capitolo 3 - Materiali e metodi: viene riportata in dettaglio l’analisi vera e propria che è stata
svolta, in termini di materiali (la strumentazione di laboratorio che è stata utilizzata) e metodi
(l’approccio sperimentale che è stato eseguito per l’acquisizione dei dati, la loro elaborazione e
analisi statistica).
18
Capitolo 4 - Risultati: vengono mostrati i risultati dell’analisi statistica, sia attraverso grafici
rappresentativi dei modelli ottenuti, che attraverso esiti di test statistici, indici di correlazione e
differenze percentuali.
Capitolo 5 - Conclusioni: capitolo conclusivo che riassume brevemente i risultati ottenuti, con
un’interpretazione degli stessi evidenziando i limiti del lavoro svolto, facendo confronti con gli
studi presenti in letteratura (concordanze e discrepanze) e fornendo anche alcuni spunti per
possibili sviluppi futuri.
19
Capitolo 1
Aspetti energetici nel cammino
1.1 Accumulo e utilizzo di energia metabolica Il metabolismo può essere visto come la conversione da parte del corpo umano di cibo e grasso
in energia, usata dal corpo stesso per mantenere costante la sua temperatura, muoversi e
mantenere i suoi organi attivi e funzionali. L'unità di misura del metabolismo è la chilocaloria
(kcal) o il kilojoule (kJ), quindi da un punto di vista fisico esso è equivalente al consumo
energetico del corpo umano.
Le reazioni che avvengono entro una cellula, comprese le fibre muscolari, utilizzano l’energia
che deriva dai carboidrati, trasformati in glucosio e poi parzialmente polimerizzati a glicogeno,
o dai lipidi, trasformati in acidi grassi. Le proteine non sono invece usate come fonte primaria
di energia, tranne che in condizioni estreme di denutrizione. Per cui il combustibile per tutte le
esigenze energetiche del corpo proviene dagli alimenti ingeriti o dal glicogeno e dal grasso
immagazzinati, il primo presente per lo più nei muscoli e nel fegato, mentre il secondo nel
tessuto adiposo.
L’energia chimica dei carboidrati e dei grassi non è usata direttamente per produrre lavoro
metabolico, ma è prima trasferita ai legami fosfato ad alta energia dell’Adenosintrifosfato
(ATP), un composto ad alta capacità esoergonica. Questa energia viene poi rilasciata in seguito
all’idrolisi dell’ATP, che comporta la rottura dei suoi legami e si manifesta sottoforma di lavoro
chimico e meccanico nel corpo umano (reazioni di sintesi a livello cellulare, contrazione
muscolare, trasmissione dell’impulso nervoso e fenomeni di trasporto attivo).
Nello specifico si parla di metabolismo basale o resting energy expenditure (REE) per indicare
il dispendio energetico a riposo, necessario ai vari organi per svolgere correttamente le proprie
funzioni vitali, come la respirazione, il battito cardiaco e le attività del SNC, mentre si parla di
20
metabolismo totale o total energy expenditure (TEE) per indicare la quantità di calorie che il
corpo umano necessità per espletare le sue attività quotidiane, le quali, oltre alle funzioni
biologiche primarie, includono tutti gli esercizi fisici e le azioni giornaliere (il camminare ed il
salire e scendere le scale per esempio). C’è poi una terza componente, che è la termogenesi
indotta dagli alimenti, cioè l’energia spesa a causa dei processi fisiologi e metabolici legati alla
digestione, all’assorbimento e all’elaborazione dei nutrienti introdotti con la dieta; essa
comunque non è stata presa in considerazione in questo lavoro, in quanto il suo contributo
sarebbe stato irrilevante (la durata della prova è stata di soli 6 minuti e i partecipanti hanno
consumato solo un piccolo spuntino prima della prova).
A riposo il 99% dell’energia metabolica viene rilasciata come calore, si pensi all’azione
meccanica di pompaggio del sangue da parte del cuore che, pur svolgendo la funzione
fondamentale della circolazione sanguigna, finisce con il disperdere tutta l’energia meccanica
in resistenze passive; solo il restante 1% è convertita direttamente in lavoro del tipo pressione
per variazione di volume, attraverso l’azione del miocardio e dei muscoli respiratori durante
l’espirazione. Quindi a riposo si può ritenere che il calore prodotto dal corpo approssimi molto
il REE (che in media è pari a 72 Kcal/ora). Questa approssimazione, come vedremo nel
prossimo capitolo, sta alla base della calorimetria diretta, per la misura di REE.
La differenza tra TEE e REE ci fornisce il physical activity-related energy expenditure (AEE),
che è la quantità d’interesse che si vuole misurare in questo lavoro, ovvero il numero di calorie
spese per svolgere una data attività fisica, rappresentata in questo caso da una prova di cammino
specifica (6MWT). Durante tale prova circa il 24% dell’energia metabolica prodotta viene
utilizzata dalla muscolatura scheletrica sotto forma di lavoro esterno, mentre il rimanente 76%
viene trasformato in calore e in questa percentuale rientra anche la dissipazione di energia per
via degli attriti e delle viscosità connesse al movimento. Convenzionalmente si considerano
come attività fisica le attività che richiedono un consumo energetico di almeno tre volte quello
basale, cioè maggiore di 3.0 METs (Metabolic EquivalenT), per cui in questo lavoro è stata
utilizzata questa convenzione per stabilire l’istante della prova in cui il soggetto si trovava in
condizioni di esercizio muscolare a regime. Il MET è un parametro che misura l’intensità di
uno sforzo fisico dal punto di vista energetico ed è conosciuto anche come equivalente
metabolico, infatti esso corrisponde a 3.5 ml di O2/kg/min (pari ad un consumo calorico di 1
kcal/kg/min), che è il consumo di O2 quando siamo a riposo (metabolismo basale).
21
1.2 Meccanismi energetici durante l’esercizio muscolare
All’interno del tessuto muscolare si trovano immagazzinati i componenti necessari per la
contrazione, in particolare l’ATP, che è la fondamentale sorgente di energia, la quale all’inizio
dell’esercizio fisico si trova al suo massimo valore. Quando l’attività muscolare si sviluppa,
l’ATP si trasforma, mediante reazione di idrolisi, in Adenosindifosfato (ADP), liberando un
gruppo fosfato (pirofosfato) Pi. e energia, secondo la reazione esoergonica:
ATP + H2O ADP + Pi + Energia (7.3 Kcal/mole di ATP)
Le riserve di ATP presenti nel muscolo sono sufficienti solo per pochi secondi (nel caso di
contrazione massimale basta per meno di mezzo secondo), quindi per garantire un’attività
muscolare continuativa l’ATP deve essere ricostituita con continuità nel muscolo, alla stessa
velocità con cui viene consumata e ciò avviene attraverso la fosforilazione dell’ADP, cioè
l’aggiunta a questa molecola di un terzo gruppo fosfato, che appunto le mancava per divenire
ATP. Vediamo quindi i tre meccanismi energetici per la risintesi di ATP che hanno luogo nel
tessuto muscolare, durante la contrazione del muscolo e che possono avvenire
contemporaneamente oppure privilegiandone uno rispetto agli altri, a seconda dell’intensità e
della durata dell’esercizio:
• Meccanismo anaerobico alattacido: nel muscolo esiste anche una riserva importante
di creatinafosfato (CP) o fosfocratina, che si forma a riposo associando ad una molecola
di creatina una molecola di fosfato; il ripristino dell’ATP avviene inizialmente tramite
questo meccanismo, secondo la seguente reazione:
CP + ADP C + ATP
Essa è in grado di risintetizzare ATP alla velocità con cui viene consumata, ma
comunque è in grado di funzionare appieno solo fino ad esaurimento delle scorte
muscolari di fosfocreatina (nel caso di contrazione massimale siamo nell’ordine di
qualche secondo), quindi un prolungamento dell’attività necessità l’intervento di uno od
entrambi gli altri meccanismi.
• Meccanismo anaerobico lattacido: il glicogeno è un polisaccaride largamente presente
nel muscolo e quando necessario viene scomposto, con generazione di energia che viene
utilizzata per la risintesi dell’ATP e formazione di acido lattico; in definitiva:
22
glicogeno + Pi + ADP acido lattico + ATP
Questo meccanismo interviene in coda al sistema alattacido, fintantoché la disponibilità
di ossigeno non è ancora sufficiente per sopperire ad una rapida richiesta energetica, o
in condizioni di richiesta energetica superiore a quella che può essere generata per via
aerobica. Se l’accumulo di acido lattico nel tessuto muscolare è però troppo elevato,
insorge una condizione di fatica muscolare e quindi l’impossibilità di produrre altro
lavoro muscolare (nel caso di sforzi massimali esso permette di farli durare fino a 2-3
minuti).
• Meccanismo aerobico: questo sistema energetico si basa sulla completa ossidazione
dei due principali combustibili, i carboidrati e i grassi, in presenza di ossigeno che funge
da comburente e libera l’energia necessaria alla ricostituzione dell’ATP, con
generazione di anidride carbonica e acqua; in definitiva:
glucidi o lipidi + Pi + ADP + O2 CO2 + H2O + ATP
La miscela di acidi grassi e di glucosio cambia con l’intensità dell’esercizio: ad intensità
basse/moderate di attività aerobica si ossidano i grassi, con un minimo consumo di
carboidrati, i quali vengono ossidati maggiormente ad intensità elevate.
Questo sistema interviene solo successivamente agli altri due, in quanto i componenti
necessari alla reazione non sono immediatamente disponibili all’interno del tessuto
muscolare, quindi serve che avvengano prima tutta una serie di adattamenti fisiologici
(cardiovascolari, respiratori, termici) che ne regolino l’assunzione ed il trasporto. I
processi aerobici intervengono quindi progressivamente e a regime sono in grado di
sostenere l’intero fabbisogno energetico, cioè riescono a produrre tanta ATP quanta ne
viene consumata; a intensità basse/moderate, come nel cammino, il tempo di utilizzo è
praticamente illimitato.
La figura 1.1 mostra la percentuale di energia sviluppata dai tre meccanismi sopra citati nella
fase iniziale di un esercizio che richieda un medio impegno muscolare, quale per esempio il
cammino, esercizio di interesse in questo lavoro. La produzione di energia nella fibra muscolare
è inizialmente sostenuta sia attraverso meccanismi aerobici (derivanti dai depositi di O2 presenti
nell’emoglobina e nella mioglobina) che anaerobici, poiché l’iniziale captazione di ossigeno,
che aumenta progressivamente con lo sforzo muscolare richiesto, non riesce in un primo
23
momento a coprire il fabbisogno energetico necessario. Si noti come il meccanismo anaerobico
alattacido e l’idrolisi dell’ATP iniziale contenuta nel muscolo (il fosfageno indicato in figura è
l’insieme di ATP e CP) forniscano l’energia nei primi secondi di esercizio, con una latenza
quindi minima (pochi secondi) e una potenza (espressa in kcal/min) elevata; questo perché il
CP si degrada appena cala la concentrazione di ATP. Al rapido esaurimento del fosfageno
sopperisce la scissione del glicogeno, con una latenza di circa 15-30 secondi e con una potenza
inferiore, ma con una capacità (in termini di kcal prodotte) molto maggiore della precedente.
Nel frattempo la fosforilazione ossidativa interviene progressivamente, a mano a mano che la
concentrazione di ossigeno a livello cellulare aumenta e raggiunge uno stato stazionario con
una latenza di 2-3 minuti; essa ha però una capacità praticamente illimitata ad intensità basse
di esercizio (potenzialmente fino ad esaurimento delle riserve di glucidi e lipidi) e diviene
quindi la via metabolica preferenziale per la produzione di ATP. Ecco perché la misura del
consumo di ossigeno è di fondamentale importanza per la stima della spesa energetica durante
una prova fisica come il cammino, a tal punto che oggigiorno la strumentazione di riferimento
impiegata per questo scopo si basa proprio sulla sua rilevazione, come verrà descritto nel
prossimo capitolo (calorimetria indiretta).
Figura 1.1: Contributo relativo dei differenti sistemi energetici nel produrre ATP durante uno sforzo sub-
massimale. Sulle ordinate è riportata la potenza sviluppata dai tre meccanismi espressa in percentuale, mentre sulle
ascisse la latenza in minuti con cui essi intervengono.
24
Capitolo 2
Stato dell’arte
La misurazione del dispendio energetico durante uno sforzo sub-massimale è di grande
interesse, perché consente di stabilire l’efficacia di una terapia di riabilitazione nello
svolgimento di attività quotidiane; diviene quindi fondamentale l’utilizzo di un sistema portatile
valido ed affidabile, che consenta di eseguire confronti attendibili per quanto riguarda le calorie
spese, sia in studi pre-post trattamento che in paragoni tra soggetti sani (gruppo di controllo) e
soggetti con patologia.
In letteratura sono presenti diversi metodi volti a stimare la spesa energetica, che si
differenziano per accuratezza, costi, praticità, mobilità della strumentazione e ambito di
applicazione; vediamo quindi in questo paragrafo quattro diverse metodologie di misura, la
prima basata sulle equazioni predittive, la seconda sulla calorimetria diretta, la terza sulla
calorimetria indiretta e la quarta basata sui sistemi indossabili, quali sono per esempio i due
dispositivi che sono stati utilizzati in questo lavoro di tesi.
2.1 Le equazioni predittive
Le equazioni predittive si basano sul fatto che molti fattori e misure antropometriche
intervengono sul fabbisogno energetico da parte di un individuo, tra cui l’età, il sesso, l’altezza,
il peso, il BMI, la superficie corporea (BSA), la composizione corporea (massa magra e massa
grassa) ed il livello di attività fisica; conoscendo queste quantità, attraverso opportune analisi
statistiche sono state ricavate diverse equazioni in grado di fare stime sul consumo di calorie
giornaliero, sia per quanto riguarda il metabolismo a riposo che quello totale durante la
quotidianità; le formule più note per il calcolo del REE (resting energy expenditure) sono
riportate in tabella 2.1.
25
Tabella 2.1: Equazioni predittive utilizzate per la stima del REE nell’uomo e nella donna.
Per calcolare il fabbisogno calorico giornaliero (total energy expenditure, o TEE) il REE deve
essere successivamente moltiplicato per un coefficiente che esprime il livello di attività fisica
(LAF). Il LAF è una grandezza adimensionale che definisce livelli diversi di
sedentarietà/impegno motorio: equivale a 1.4-1.6 per le persone sedentarie o poco attive, 1.8
per le persone moderatamente attive e 2 per le persone molto attive. Esso viene calcolato
conoscendo il costo energetico delle principali attività, espresso come PAR (Physical Activity
Ratio), ponderato per il rispettivo tempo dedicato nell’arco delle 24h:
LAF = [(PAR1 x T1 + PAR2 x T2 + …… + PARn x Tn) / (T1 + T2 + …… + Tn)
Le equazioni predittive sono molto usate nella pratica clinica (per la stima del REE), in quanto
non richiedono nessuna strumentazione e i parametri che le costituiscono sono facilmente
reperibili, ma sono di contro poco accurate (margine di errore anche del 20-40%), non validate
su soggetti giovani e non considerano variazioni di REE al variare di parametri quali la dieta o
la presenza di patologie (esempio nell’obesità). Inoltre molte di esse sono state proposte decine
di anni fa, quindi sono state ricavate su individui con caratteristiche metaboliche e biologiche
differenti rispetto alla popolazione attuale.
A tal proposito si cita uno studio [Donatella Noè et al. (2006)] in cui si vuole verificare
l’attendibilità delle equazioni predittive per il calcolo del REE nella grande obesità. Lo scopo è
26
stato effettuare un’analisi comparativa tra i valori di REE da calorimetria indiretta (che è il
metodo di riferimento per questo tipo di misurazioni) e quelli calcolati con le equazioni
predittive di più comune impiego (riportate in tabella 2.1.) in 144 soggetti con obesità grave
(BMI > 40). I dati ottenuti da ogni equazione sono stati confrontati con quelli rilevati con
calorimetria indiretta calcolando la differenza percentuale (Δ% = (REEequazione -
REEcalorimetria)·100 / REEcalorimetria). Si può osservare che le formule di Harris-Benedict e le
formule di WHO forniscono risultati molto simili tra loro ed entrambe sovrastimano in media
di circa il 6% il REE; le formule di Owen e di Fleisch invece sottostimano in media
rispettivamente del 6.4% e del 3.5% il REE, mentre l’unica formula che non presenta differenze
significative con i dati calorimetrici è quella di Mufflin. Per ogni equazione è stata poi calcolata
la percentuale di pazienti concordanti (Δ% entro ± 10%) ed è emerso che la maggior parte delle
equazioni applicate al nostro gruppo di pazienti gravemente obesi fornisce risultati non
particolarmente accurati, in concordanza con i dati da calorimetria solo in circa la metà dei casi
(tra il 48 e il 55 % a seconda dell’equazione); solo l’equazione di Mifflin è risultata essere in
accordo con la calorimetria in una percentuale superiore al 60%. Sono stati calcolati anche i
valori del coefficiente di correlazione di Pearson tra i valori del REE misurati con calorimetria
e quelli calcolati da equazioni e tutte le correlazioni sono risultate altamente significative per
tutte le formule predittive, con alti valori del coefficiente (0.73 - 0.81).
In conclusione l’analisi e il confronto dei dati ottenuti da calorimetria indiretta con quelli
ricavati dalle equazioni, se da un lato hanno documentato per tutte le formule correlazioni
significative, dall’altro hanno evidenziato con una certa frequenza errori di stima rilevanti,
eccetto che per la formula di Mifflin, che è risultata essere quindi la più accurata nella stima del
REE.
Questi risultati sembrano in accordo con un altro lavoro [Frankenfield et al. (2003)] condotto
su un gruppo di 130 volontari normopeso, sovrappeso e obesi. Anche qui, confrontando il REE
misurato da calorimetria indiretta con quello calcolato dalle equazioni, gli autori hanno ritenuto
accurata la predizione quando l’errore risultava compreso entro ±10%. Secondo questo criterio,
l’equazione di Mifflin ancora una volta è risultata la più accurata, con magnitudine dell’errore
più piccola rispetto a tutte le altre formule e fornendo predizioni entro i limiti suddetti nel 78%
dell’intero gruppo di soggetti, contro il 67% della Harris-Benedict e il 65% della Owen.
Pertanto tra tutte le equazioni predittive, gli autori ritengono che quella di Mifflin sia quella da
utilizzare come standard nel calcolo del REE sia nei normopeso che negli obesi.
27
2.2 La calorimetria diretta
La calorimetria diretta permette di valutare la spesa energetica a partire dalla misurazione della
dispersione di calore (per conduzione, convezione, irraggiamento e per evaporazione dell’acqua
dalla pelle e dal tratto respiratorio) di un soggetto posto all’interno di una stanza adeguatamente
attrezzata, detta camera calorimetrica (figura 2.1). Essa è una vera e propria stanza,
termicamente isolata, nelle cui pareti scorre dell’acqua attraverso dei tubi. Sostando dentro
questa camera la persona esegue varie azioni come mangiare, dormire o pedalare al
cicloergometro e l’energia usata dall’organismo per compiere tali attività è ceduta all’esterno
come calore e assorbita dall’acqua, la quale si riscalda; misurando quindi a distanza di qualche
ora la differenza tra la temperatura dell’acqua in entrata (nota) e di quella in uscita si risale alla
produzione di calore della persona e quindi, attraverso dei calcoli, al suo dispendio energetico.
Il principio che vi sta dietro è alla base della definizione stessa di caloria: 1 caloria è l’energia
necessaria per innalzare di 1 °C (da 14.5 a 15.5) la temperatura di un 1 g d’acqua distillata alla
pressione di 1 atm.
Figura 2.1: Schema del calorimetro di Atwater-Benedict. Ingresso (1) ed uscita (2) dell’acqua, la cui temperatura
è misurata da dei termometri 2 e 3. Il passaggio del cibo e degli escreti avviene dallo sportello (6) mentre dalla
finestra (7) si osserva il soggetto nell’interno del calorimetro. L’aria prelevata in 8 da una ventola è fatta passare
attraverso acido solforico e calce sodata per privarla del vapor d’acqua e anidride carbonica. Il flusso di aria con
28
ossigeno che penetra nella camera interna attraverso l’apertura 9 è regolato dallo stabilizzatore di tensione in 10.
Le pareti del calorimetro permettono un perfetto isolamento termico della camera interna.
A dispetto della sua alta affidabilità (tra tutti i metodi è il più preciso ed accurato, con un errore
di misurazione < 1-2%), la calorimetria diretta è però poca utilizzata a livello ambulatoriale per
via della bassa praticità delle apparecchiature, delle lunghe tempistiche di misurazione (durata
del test elevata: il paziente trascorre 24 all’interno della camera), degli alti costi (> 1 milione di
dollari) e dello spazio richiesto. Inoltre presenta il problema della variabilità individuale: ogni
corpo, difatti, può accumulare o perdere calore in differenti proporzioni in base alle proprie
caratteristiche fisiche e costituzionali, e queste perdite possono non essere totalmente
equivalenti alla produzione di calore mediante lavoro. Quindi questa metodica resta confinata
ad un utilizzo in ambito di ricerca, in laboratori altamente specializzati, come riferimento per
la convalida di altre tecniche.
Per esempio in uno studio si è voluto valutare la calorimetria indiretta su 15 bambini nati
prematuri, durante due diverse posizioni (supina e prona), confrontando la sua misura di
consumo energetico con quella determinata dalla calorimetria diretta [Edward F.Bell et al.
(2017)]. La spesa energetica media per tutti bambini, considerando entrambe le posizioni, è
stata di 2.82 kcal/kg/h attraverso la calorimetria diretta e di 2.78 kcal/kg/h attraverso la
calorimetria indiretta, con una differenza del 1.7%; questi valori quindi non erano
significativamente diversi (p-value = 0.570), sebbene comunque ci siano state differenze nei
pazienti individuali: la differenza eccedeva il 10% della media delle due misurazioni in 10 su
30 misurazioni. I risultati di questo lavoro quindi non hanno fatto emergere una differenza
sistematica nella misurazione della spesa energetica attraverso calorimetria diretta e indiretta
su neonati pretermine; dimostrando quindi l’equivalenza alla calorimetria diretta, questi risultati
supportano l’utilizzo della calorimetria indiretta, metodo sicuramente più pratico per misurare
il dispendio energetico.
2.3 La calorimetria indiretta
La calorimetria indiretta è di gran lunga il metodo più comunemente usato per la stima del
dispendio energetico e si basa sulla conoscenza del consumo di ossigeno (VO2, in ml/min) e
sulla produzione di anidride carbonica (VCO2, in ml/min), i quali hanno luogo quando i muscoli
stanno lavorando per produrre energia, durante il metabolismo ossidativo. Esiste infatti una
29
relazione tra queste due quantità e la quantità di calore prodotta (espressa in calorie), in virtù
del fatto che nell’organismo l’ossidoriduzione dei substrati energetici contenuti negli alimenti
avviene attraverso reazioni stechiometriche in cui si consuma O2 e si produce CO2 in
proporzione alla sintesi di ATP.
Grassi, proteine e carboidrati hanno caratteristiche chimiche differenti, per questo sono
necessarie diverse quantità di ossigeno per la loro completa metabolizzazione; di conseguenza
anche la quantità di anidride carbonica prodotta dipenderà dal tipo di substrato energetico
ossidato. Il rapporto tra il volume di anidride carbonica prodotta e il volume di ossigeno
consumato restituisce un valore che è chiamato Quoziente Respiratorio (QR):
QR = VCO2 / VO2
Per soddisfare le richieste energetiche dell'organismo ciascuno di noi utilizza miscele
metaboliche diverse in relazione allo sforzo fisico. Considerando che ogni macronutriente
possiede un QR specifico, valutando tale parametro è possibile risalire alla miscela di nutrienti
metabolizzata durante un determinato esercizio fisico aerobico (quale è il cammino durante il
6MWT): tanto più lo sforzo fisico è intenso, tanto maggiore sarà il QR (tendente a 1) e tanto
maggiore sarà la percentuale di glucosio ossidata, al contrario tanto più l’esercizio è leggero,
tanto minore sarà il QR (vicino a 0.7 quando si è a riposo) e tanto maggiore sarà l’ossidazione
di acidi grassi. L’ossidazione delle proteine ha un contributo trascurabile. Durante uno sforzo
fisico intenso si ha una massiccia produzione di acido lattico che causa un aumento
dell’eliminazione di CO2 (VO2 invece resta costante, pari a VO2,max) e quindi un’impennata del
valore di QR (al di sopra dell’unità); durante il recupero dopo un’attività intensa, il QR scende
invece al di sotto del valore limite 0.70.
Ad ogni valore di QR corrisponde un equivalente calorico dell’ossigeno, che rappresenta il
numero di calorie liberate per litro di O2 (tabella 2.2), quindi grazie a questo dato è possibile
risalire con molta precisione al dispendio energetico, semplicemente moltiplicando il numero
di calorie liberate per litro di O2 per i litri di ossigeno consumati. Si assume ovviamente che
tutto l’ossigeno consumato venga utilizzato dall’organismo per ossidare i substrati energetici e
che tutta l’anidride carbonica prodotta sia eliminata a livello polmonare.
30
Tabella 2.2: Equivalente calorico dell’O2 per diversi valori di quoziente respiratorio.
Il vantaggio di questo approccio per la misura del dispendio energetico è che il calorimetro può
essere progettato come dispositivo portatile, così che può essere utilizzato al di fuori del
laboratorio, come negli ambienti domestici e misurare quindi il consumo di calorie durante le
attività della vita quotidiana; la calorimetria indiretta consente di svolgere anche test di durata
ridotta (10-15 minuti), i costi per l’analizzatore di gas sono molto più accessibili di una camera
calorimetrica ed inoltre fornisce dati sulla composizione percentuale dei differenti substrati
usati dal metabolismo (informazione che non è possibile avere con la calorimetria diretta). Ciò
nonostante non è un metodo esente da errori, che possono accadere nella stima della spesa
energetica qualora il consumo di calorie e lo scambio di gas respiratori si dissocino (ciò accade
per esempio in presenza di un metabolismo anaerobico eccessivo).
Per la misurazione tramite calorimetria indiretta a circuito chiuso si utilizzano gli spirometri,
strumenti che misurano i volumi polmonari, nonché le concentrazioni di O2 e di CO2 nell’aria
espirata. Essi possono essere mobili o stazionari, progettati per la quantificazione del
metabolismo a riposo o durante prove da sforzo, nella riabilitazione o nello sport, in laboratorio
o sul campo e costituiscono attualmente i dispositivi di riferimento per la stima del consumo
energetico totale. Per il calcolo di VO2 e VCO2 questi dispositivi calcolano le variazioni di
concentrazione (espressa in %) di ossigeno e anidride carbonica tra l’aria espirata ed inspirata
(dall’atmosfera), quindi essi devono conoscere la concentrazione di questi due gas
nell’ambiente in cui si sta svolgendo il test (FiO2 e FiCO2), la loro concentrazione nell’aria
espirata (FeO2 e FeCO2) e la ventilazione polmonare (VE) (espressa in L/min):
VO2= (FiO2-FeO2)·VE VCO2=(FeCO2-FiCO2)·VE
31
Nel seguito si riporta uno studio di validazione, volto ad esaminare l’accuratezza di un
ergospirometro portatile (spirometro che oltre a fungere da analizzatore di gas monitora anche
la frequenza cardiaca) nella modalità di campionamento breath-by-breath (BxB), rispetto ad un
simulatore metabolico, testando l’unità portatile su un ampio range di tassi metabolici che
simulano diverse intensità di esercizio [Guidetti L et al. (2018)]. I simulatori metabolici sono
in grado di riprodurre il respiro umano, rimuovendo la variabilità biologica; essi variano il
volume corrente (VC) e la frequenza respiratoria (Rf) per riprodurre ventilazioni polmonari
differenti (VE = Rf ·VC) e un serbatoio di gas contenente aria viene usato per riprodurre il VO2
e la VCO2 nell’aria esalata a diversi tassi metabolici diluendo la tanica di gas con aria ambiente.
Il misuratore di flusso e la linea di campionamento dell’ergospirometro sono stati connessi
direttamente all’uscita del simulatore metabolico, come rappresentato nello schematico di
figura 2.2; l’unità portatile ha quindi misurato VE e la concentrazione di O2 e di CO2 in ciascun
tipo di respiro emesso dal simulatore, il quale ha emesso 14 tassi metabolici.
Figura 2.2: Schematico della connessione tra l’ergospirometro e il simulatore metabolico.
L’accuratezza è stata valutata sulle variabili VE (L/min), VO2 (mL/min) e VCO2 (mL/min), in
particolare sono stati confrontati i valori di VE, VO2 e VCO2 misurati dall’ergospirometro e i
valori simulati con un test di Student per campioni accoppiati e con il calcolo del coefficiente
di determinazione R2.
32
I valori dell’ergospirometro e del simulatore metabolico hanno dimostrato un’alta correlazione
(R2 > 0.99) in tutte e tre le variabili e dal t-test è emerso che non c’è una differenza
statisticamente significativa tra i valori misurati e i valori simulati. In conclusione secondo
questo studio l’ergospirometro portatile in modalità BxB è un sistema valido per la misurazione
di VE, VO2, VCO2 per un ampio range di tassi metabolici.
Un altro studio [Jennifer A. Schrack et al. (2009)] ha preso in considerazione sempre un
ergospirometro mobile testandolo rispetto ad un analizzatore di gas stazionario (preso come
riferimento) durante un test sub-massimale di cammino su treadmill. Entrambi i dispositivi
hanno funzionato in modalità BxB, la stessa modalità utilizzata in questo lavoro di tesi e il test
svolto era indicativo del costo energetico durante le attività di vita quotidiana, come lo è il
6MWT.
I risultati hanno dimostrato che tra i valori di VO2 e di VCO2 generati dai due differenti
analizzatori non c’è una differenza statisticamente significativa e quindi di conseguenza anche
le due spese energetiche, quantificate a partire da essi, sono simili tra loro. Quindi questa
conclusione supporta l’uso dell’analizzatore metabolico portatile per la stima del dispendio
energetico durante un esercizio a bassa intensità.
2.4 I sistemi indossabili
I sistemi indossabili per la stima del consumo energetico sono i dispositivi più recenti in questo
campo, molto compatti e a basso costo, che sono stati sviluppati grazie all’avvento negli ultimi
anni dei microsistemi elettromeccanici (Micro Electro-Mechanical Systems, in sigla MEMS).
Questi ultimi non sono altro che un insieme di dispositivi di varia natura (meccanici, elettrici
ed elettronici) fabbricati in forma altamente miniaturizzata su uno stesso substrato di materiale
semiconduttore, ad esempio silicio, che coniugano le proprietà elettriche degli integrati a
semiconduttore con funzioni elettroniche, ottiche, biologiche, chimiche, termiche e meccaniche
in uno spazio ridottissimo.
Un sistema di dispositivi di questo tipo, in cui ciascuno svolge funzioni differenti, viene detto
sensore integrato e il suo scopo è quello di fornire un’informazione risultante che in un certo
senso è migliore di quella fornita da ciascun sensore individualmente, perché ottenuta dalla
fusione delle diverse informazioni grezze. Nel caso quindi dei sistemi indossabili per la stima
della spesa energetica, il numero di calorie spese costituisce proprio il dato di interesse finale,
33
frutto di elaborazioni (filtraggi, modelli di regressione o di classificazione, compensazioni di
errori e di instabilità) sui dati grezzi ottenuti da sensori come gli accelerometri, i giroscopi, i
magnetometri, i termistori, i sensori elettrochimici e i sensori di flusso di calore.
In figura 2.3 viene riportato lo schema a blocchi funzionale di un IMU, come esempio di sensore
integrato in grado di fornire informazioni sul movimento di un soggetto, grazie ai sensori che
incorpora: l’accelerometro fornisce informazioni sulle accelerazioni lineari lungo i tre assi
cartesiani, da cui ricavare poi i rispettivi movimenti traslatori e permette anche di percepire la
direzione della forza di gravità; il giroscopio misura invece le accelerazioni angolari lungo i tre
assi cartesiani, da cui ricavare poi i movimenti rotatori attorno ad essi; il magnetometro fornisce
informazioni sulla direzioni di movimento ed infine il sensore di pressione misura l’elevazione.
Figura 2.3: Schema a blocchi funzionale di un IMU, come esempio di dispositivo che fonde i dati provenienti da
vari tipi di sensori per fornire informazioni sul movimento di un dato soggetto.
Questi dispositivi sono sicuramente meno precisi ed accurati rispetto ad uno spirometro, in
quanto ciò che fanno sono semplicemente delle stime (attraverso opportuni modelli matematici)
sul numero di calorie spese, a partire da variabili fisiologiche e motorie che non sono
direttamente collegate al metabolismo. Per tale motivo prima di essere impiegati essi devono
sempre essere validati nei vari ambiti di applicazione specifici (per esempio su soggetti sani
piuttosto che patologici, su treadmill piuttosto che durante un test sul terreno, a riposo invece
che durante uno sforzo ecc.), rispetto a metodologie di riferimento, quale è la calorimetria
indiretta.
Essi sono però, come precedentemente sottolineato, molto più economici e di piccole
dimensioni, quindi sono comunque largamente utilizzati, soprattutto per misurazioni al di fuori
34
di un laboratorio, come durante un’attività sportiva di lunga durata oppure durante situazioni di
vita quotidiana, dove l’applicazione di uno ergospirometro risulterebbe poco pratica.
In letteratura sono presenti diversi studi volti a validare sistemi indossabili per la stima del
dispendio energetico ed è proprio da queste ricerche che il presente lavoro di tesi ha preso spunti
per quanto riguardano gli obbiettivi e la metodologia di analisi.
Prendendo in considerazione l’holter metabolico-motorio utilizzato in questa tesi, lo studio
svolto da Koehler et al. (2015) ha voluto investigare se esso possa essere utilizzato per valutare
in maniera affidabile la spesa energetica in adolescenti con emiplegia (destra o sinistra) dovuta
alla PCI (Paralisi Cerebrale Infantile), durante una prova di cammino su treadmill a diverse
velocità. Infatti le limitazioni nel cammino di questi soggetti potrebbero influire negativamente
sulle prestazioni di sistemi di questo tipo, basati su accelerometri, per la stima della spesa
energetica. Queste misure sono state confrontate con quelle fornite dalla calorimetria indiretta,
che è valsa da metodo di riferimento. I partecipanti sono stati equipaggiati con due holter
metabolico-motori, uno sul lato del corpo emiparetico e l’altro sul lato non emiparetico.
I risultati sono riassunti nel grafico di figura 2.4, in cui si evince che non ci sono differenze
significative (p-value > 0.05) tra i due metodi di misurazione, per nessuno dei due lati del corpo
e per nessuna velocità di cammino. Da notare che non ci sono differenze significative (p-value
> 0.05) nemmeno tra i due lati del corpo. Quindi si può concludere che questo sistema
indossabile fornisce stime valide di spesa energetica per soggetti con emiplegia, durante una
camminata su treadmill.
Figura 2.4: Spesa energetica (espressa in media e deviazione standard) misurata con la calorimetria indiretta e con
l’holter metabolico-motorio utilizzato in questa tesi, indossato sia sul lato non emiparetico che sul lato emiparetico
del corpo, a riposo e durante prove di camminata su treadmill a diverse velocità.
35
Un altro studio sempre riguardante questo sistema indossabile, svolto da Alejandro Santos-
Lozano et al. (2017), ha voluto verificare invece se esso sia preciso nel quantificare la spesa
energetica in soggetti sani adulti (come lo scopo di questa tesi). Il test consisteva nel
camminare/correre su treadmill a diverse velocità, per 10 minuti e con 5 minuti di riposo tra
ciascuna attività, indossando il dispositivo sul braccio destro e acquisendo simultaneamente
misure di riferimento tramite calorimetria indiretta.
I risultati sono riassunti nel grafico di figura 2.5, in cui si nota che ci sono differenze
significative (p-value < 0.05) tra i due metodi di misurazione, in tutte le velocità eccetto che in
quella a 9 km/h. E’ stata anche condotta un’analisi di Bland-Altman per valutare la concordanza
tra i due metodi di misurazione: per ciascun grafico sono stati calcolati la media delle differenze
(bias), la deviazione standard delle differenze (SD) e i limiti di confidenza al 95% (LOAs). Essa
ha fatto emergere un bias positivo e dei LOAs molto ampi per ciascuna attività, indicando che
l’holter metabolico-motorio sovrastima la spesa energetica rispetto alla calorimetria indiretta e
inoltre che c’è poca concordanza tra i due metodi di misurazione. Quindi secondo questo studio
il suddetto holter metabolico-motorio non è sufficientemente preciso nel determinare la spesa
energetica in soggetti adulti sani durante prove di camminata su treadmill.
Figura 2.5: Confronto della spesa energetica ottenuta dalla calorimetria indiretta e dall’holter metabolico-motorio
(espressa come media) per ogni attività. S, a riposo; L, camminata leggera (3 km/h); M, camminata moderata
(5km/h); V, camminata vigorosa (7km/h); VV, camminata molto vigorosa (9 km/h); S/S, alzarsi e sedersi da una
sedia ad una frequenza di 30 cicli al minuto.
36
Prendendo in considerazione invece un sensore inerziale (come l’IMU utilizzato in questa tesi),
esso non dà in uscita direttamente il consumo energetico, il quale deve quindi essere stimato
attraverso opportuni modelli di regressione.
A tal riguardo lo studio condotto da Brandes M. et al. (2012) ha elaborato modelli di regressione
lineare tra i dati grezzi di accelerazione forniti da un accelerometro e le misure di spesa
energetica ricavate da un analizzatore d’ossigeno mobile, su bambini e adolescenti sani, durante
prove di camminata su terreno a diverse velocità e dalla durata di massimo 8 minuti ciascuna.
Per ciascun soggetto le variabili di accelerazione erano date dalla media (espressa tramite la
costante di gravitazione universale G) del modulo dell’accelerazione totale, calcolata come
𝑎𝑡𝑜𝑡 = √𝑎𝑥2 + 𝑎𝑦
2 + 𝑎𝑧2 , mentre le variabili di spesa energetica erano rappresentate dall’AEE
(activity related-energy expenditure), espressa in kJ/min, ottenuta come TEE - REE
(rispettivamente total e resting energy expenditure).
I risultati, mostrati in tabella 2.3, hanno evidenziato che l’accelerazione, la variabile peso
corporeo e la loro interazione spiegano quasi il 95% della variazione in AEE (valore dato dal
calcolo del coefficiente di determinazione R2). Aggiungendo poi anche la variabile genere o la
variabile età e la loro interazione il modello viene ulteriormente, se pur di molto poco,
migliorato. In conclusione stime di AEE da dati grezzi di accelerazione possono essere
effettuate con una buona precisione per quanto riguarda un test di camminata su terreno,
considerando nel modello di regressione solo la variabile accelerazione e la variabile peso
corporeo.
Variabile dipendente Variabili indipendenti R2
AEE (kJ/min) peso + acc 0.934
peso + acc + peso·acc 0.946
peso + acc + peso·acc + gen + gen·acc 0.947
peso + acc + peso·acc + età + età·acc 0.947
Tabella 2.3: Valori del coefficiente di determinazione per i quattro modelli presi in esame in questo studio.
Acc, accelerazione; gen, genere.
Un altro studio ha elaborato modelli di regressione per la stima del consumo energetico
partendo però da variabili di accelerazione ottenute diversamente [Bouten Carlijn V. et al.
(1994)]. I soggetti (giovani e sani) hanno camminato su treadmill a diverse velocità, per 3
minuti ciascuna, fornendo simultaneamente dati di accelerazione, grazie ad un accelerometro e
37
misure di TEE, grazie ad un analizzatore di gas respiratorio. E’ stata ricavata la variabile AEE
(espressa in W/kg) sottraendo REE da TEE. Sono state ricavate le variabili IAAx, IAAy e IAAz,
che sono rispettivamente gli integrali su un intervallo di 30 secondi dei valori assoluti delle
accelerazioni lungo le direzioni x (verticale), y (medio-laterale) e z (antero-posteriore). La
somma di queste variabili è stata calcolata per ottenere IAAtot, mentre l’integrale (sempre su 30
secondi) dell’accelerazione totale (𝑎𝑡𝑜𝑡 = √𝑎𝑥2 + 𝑎𝑦
2 + 𝑎𝑧2) ha fornito la variabile IAV.
In figura 2.6 sono rappresentati i dati sperimentali e le rispettive rette di regressione di AEE
rispetto a IAAz e IAAtot. Il predittore più accurato per la stima di AEE è risultato essere la
variabile IAAz; tra le due variabili si è riscontrata una forte relazione lineare, come si evince
anche dalla figura, con un coefficiente di correlazione di Pearson pari a 0.96. Anche IAAtot ha
riscontrato una buona correlazione con AEE (coefficiente di Pearson pari a 0.88), mostrando
che anche l’informazione triassiale, la quale quantifica le caratteristiche multidirezionali del
movimento umano, è una quantità appropriata per valutare il costo metabolico del cammino.
Figura 2.6: Rette di regressione per la stima di AEE espressa in W/min, in funzione rispettivamente di IAAz (a
sinistra) e IAAtot (a destra).
38
Capitolo 3
Materiali e metodi
Attualmente lo strumento più comunemente usato per avere una stima attendibile del dispendio
energetico è, come evidenziato nel capitolo precedente, l’ergospirometro, basato sulla
calorimetria indiretta, ma in alternativa possono essere utilizzati altri dispositivi, quali gli
accelerometri o altri sensori metabolico-motori, molto meno costosi e maneggevoli, che
necessitano però di essere validati, confrontando le loro misure con quelle fornite da un
dispositivo di riferimento.
A partire da quanto presente in letteratura, lo scopo di questo studio è validare due dispositivi
indossabili nella stima del consumo energetico. Essi si basano su modelli di
predizione/classificazione, ma a differenze delle equazioni predittive precedentemente citate,
prendono in considerazione, oltre alle misure antropometriche, ulteriori variabili di carattere
cinematico e fisiologico (misurate da essi), dalle quali estrapolano una stima delle calorie spese.
A tal proposito sono stati acquisiti con i due sensori indossabili da validare, un IMU e un holter
metabolico-motorio, dati fisiologici e motori durante un test del cammino della durata di 6
minuti per poi confrontarli con le misure di riferimento fornite da un ergospirometro, il
dispositivo di riferimento (gold standard) utilizzato in questo studio.
Il cammino è un’attività dinamica e i sensori inerziali per definizione catturano il movimento,
quindi per quanto riguarda l’IMU si è voluto innanzitutto vedere se i suoi dati di accelerazione
possono essere usati per predire il consumo energetico. Nello specifico sono stati ricavati vari
modelli di regressione lineare semplice a partire dai dati ottenuti sperimentalmente, al fine di
relazionare le accelerazioni (o meglio loro elaborazioni) in uscita dall’IMU con l’AEE (activity-
related energy expenditure) fornito dall’ergospirometro; successivamente si è presa in
considerazione la variabile di accelerazione più rappresentativa, insieme alla variabile peso e
ad altre grandezze cinematiche del cammino fornite sempre dall’IMU, per elaborare modelli di
regressione lineare multipla che spiegassero meglio la variabile AEE. Si è scelto di utilizzare
modelli di stima lineare in quanto da studi presenti in letteratura [Brandes et al. (2012), Bouten
39
et al. (1994)] è emerso che la curva lineare è quella che meglio descrive i punti sperimentali di
questo tipo. Per quanto riguarda invece l’holter metabolico-motorio, il quale fornisce in uscita
direttamente il consumo energetico, si è voluto verificare se esso può essere usato per stimare
in modo accurato l’AEE sull’arco di tempo previsto dal test, che è di soli 6 minuti (un intervallo
di tempo quindi alquanto ridotto per un holter); a tal proposito è stato ricavato un modello di
correlazione tra i valori di AEE da esso forniti e quelli stimati dall’ergospirometro, per
determinare se i due dispositivi forniscono una misura confrontabile del consumo energetico
durante la prova.
3.1 Soggetti
Sono stati reclutati un campione di 6 soggetti sani (2 donne e 4 uomini), senza particolari criteri
di inclusione, con età = 30 ± 7.3 anni, peso = 68.9 ± 16.3 kg e altezza = 1.72 ± 0.09 m; a
ciascuno di essi è stato inoltre chiesto quale fosse la mano dominante e se fosse un fumatore
oppure no.
I partecipanti sono stati convocati dopo essere stato loro spiegato lo scopo dello studio e sono
stati testati in un corridoio appositamente reso idoneo, presso il Laboratorio di Analisi della
Postura e del Movimento “Luigi Divieti” del Politecnico di Milano.
3.2 Test motorio
Il test, chiamato in inglese Six Minutes Walking Test (6MWT), consisteva nel camminare il più
velocemente possibile lungo una traiettoria rettilinea di lunghezza pari a 25 metri, predisposta
lungo un corridoio presso il laboratorio, al termine della quale il soggetto doveva ruotare intorno
ad un cono e ripercorrere la stessa traiettoria in direzione opposta (figura 3.1); l’obbiettivo era
quello di fare più metri possibile in 6 minuti rispetto alle proprie capacità, gestendo
autonomamente lo sforzo e cercando di concludere l’esercizio affaticati. Durante la virata essi
dovevano ruotare rapidamente attorno al cono e riprendere la marcia nella direzione opposta
senza esitazione. Un cronometro misurava la durata della prova e permetteva ai soggetti di
conoscere il tempo residuo, affinché si potessero gestire al meglio; in qualunque momento, se
necessario, essi potevano rallentare o anche fermarsi, cercando di riprendere l’esercizio il prima
possibile. Al termine dei 6 minuti il soggetto doveva istantaneamente fermarsi, rimanendo
40
immobile per qualche secondo (soprattutto non compiere alcun tipo di rotazione) sino a quando
tutti i dispositivi indossati non avessero smesso di acquisire dati.
Ciascun partecipante ha ripetuto il test due volte, con un periodo di pausa di almeno 10 minuti
tra una prova e l’altra, in modo da avere il tempo per scaricare i dati acquisiti dai sensori e per
riportare i propri parametri fisiologici ad una condizione di riposo.
Figura 3.1: Corridoio reso idoneo per la prova, presso il laboratorio “Luigi Divieti” del Politecnico di Milano.
3.3 Strumentazione
3.3.1 L’IMU
L’IMU utilizzato in questo lavoro di tesi è un G-sensor 2 della BTS, un sensore inerziale
composto da un accelerometro triassiale, un sensore magnetico e un giroscopio triassiale in
grado di estrapolare dai dati grezzi acquisiti (frequenza di campionamento pari a 100 Hz) molti
parametri spazio-temporali tipici del cammino. Esso include anche una batteria, una interfaccia
Bluetooth e una scheda di memoria di tipo flash, che permette di immagazzinare i dati durante
acquisizioni.
41
Il dispositivo è stato posizionato al di sotto della linea che collega le due spine iliache posteriori
superiori (passaggio lombo-sacrale, in corrispondenza delle vertebre S1-S2) attraverso una
cintura elastica dotata di apposita tasca ed è stato orientato in modo tale che l’asse x
dell’accelerometro giacesse lungo la direzione verticale e misurasse quindi, in condizioni
statiche, l’accelerazione di gravità; gli assi y e z erano di conseguenza orientati rispettivamente
in direzione medio-laterale e antero-posteriore e, in condizioni statiche, fornivano quindi in
uscita 0 g di accelerazione.
Come indicato in figura 3.2 un LED indica lo stato del dispositivo (lampeggia rapidamente
durante la fase di acquisizione), un pulsante ON/OFF permette di accenderlo, un pulsante di
batch consente di iniziare e interrompere la registrazione direttamente dal dispositivo (modalità
batch) e un ingresso USB consente di ricaricarlo.
Figura 3.2: Sensore inerziale G-sensor 2 (BTS): 1, Ingresso USB; 2, Pulsante ON/OFF; 3, LED di stato; 4,
Pulsante di batch.
3.3.2 L’holter metabolico-motorio
L’holter metabolico-motorio utilizzato in questo lavoro di tesi è l’Armband SenseWear (SWA)
della BodyMedia, un apparecchio multisensore in grado di misurare continuamente (32
volte/secondo) dati sul movimento (accelerazioni) grazie alla presenza di un accelerometro a
due assi e parametri fisiologici, quali la temperatura cutanea, la risposta galvanica della pelle
(o conduttanza della pelle, che aumenta quando si suda, cioè la pelle diventa elettricamente più
conduttiva) e il calore dissipato. Questi dati usati in combinazione con le informazioni su sesso,
età, altezza, peso, mano dominante e fumatore/non fumatore forniscono la stima del dispendio
energetico attraverso un algoritmo predeterminato e non noto, elaborato dalla casa produttrice.
42
Esso è stato indossato in corrispondenza del tricipite del braccio attraverso una fascia elastica
e come si vede in figura 3.3 non è dotato di un tasto di ON/OFF, in quanto per l’avvio e l’arresto
della registrazione è sufficiente indossare e togliere la fascia e un suono acustico avvisa del
passaggio tra le due fasi. E’ presente invece un ingresso USB e due LED che indicano lo stato
della batteria e della memoria, a seconda del colore della luce che essi emanano, i quali si
accendono tramite pressione di un pulsante.
E’ stato scelto un valore di 3 METs come soglia per rilevare l’inizio dell’attività fisica, da
fornire all’algoritmo per il calcolo di TEE (total energy expenditure).
Figura 3.3: Holter metabolico-motorio Armband SenseWear (BodyMedia). Sono visibili il pulsante di stato e i
LED indicanti lo stato della memoria e della batteria.
3.3.3 L’ergospirometro
L’ergospirometro utilizzato in questo lavoro di tesi è il K5 della COSMED (figura 3.4), che
costituisce la quarta generazione del più diffuso analizzatore di gas indossabile, progettato con
l’obiettivo di mantenere elevati standard di accuratezza e di usabilità, il cui funzionamento per
il calcolo di TEE è basato sulla calorimetria indiretta come spiegato nel paragrafo 2.3.
Esso è stato indossato grazie ad una imbragatura che permetteva il fissaggio della scocca a
livello del dorso, consentendo quindi la massima libertà di movimento; il soggetto inalava l’aria
atmosferica ed espirava in una maschera facciale fissata attorno al capo, alla quale erano
collegati un flussimetro e una linea di campionamento per l’analisi della concentrazione di O2
e CO2 nel gas espirato.
I principali sensori che incorpora e che sono serviti in questo lavoro sono: un flussimetro a
turbina bidirezionale dotato di lettore optoelettronico, che misurando le interruzioni della luce
43
infrarossa causate dalla lamella rotante posta all’interno della turbina consente di risalire al
flusso d’aria e quindi poi al calcolo di VE; un sensore di O2 che misura la concentrazione di
ossigeno nel gas espirato; un analizzatore di CO2 che misura la concentrazione di anidride
carbonica nel gas espirato. Essi hanno fornito dati ad una frequenza pari a quella respiratoria,
ovvero l’aria veniva campionata ad ogni respiro, come previsto dalla modalità BxB.
Figura 3.4: Scocca dello spirometro K5 (COSMED).
3.4 Protocollo sperimentale
Ai partecipanti è stato chiesto di indossare un abbigliamento confortevole per il cammino ed è
stato permesso loro di fare un piccolo pasto prima delle misurazioni. Una volta in laboratorio
essi sono stati istruiti sulle modalità di esecuzione della prova, in termini di durata, rettilineo da
percorrere, gestione dello sforzo e sul movimento da compiere intorno ai coni dopo ogni
rettilineo. Le informazioni antropometriche e le abitudini quotidiane fornite da ciascun soggetto
sono state registrate nei software dei dispositivi utilizzati, prima dell’inizio della prova, al fine
di adattare successivamente i dati acquisiti all’anatomia e alla fisiologia della specifica persona,
dopodiché essi sono stati condotti nel punto di partenza del test, invitandoli a stare in posizione
ortostatica. Qui sono stati equipaggiati con l’IMU, l’holter metabolico-motorio e
l’ergospirometro (come mostrato in figura 3.5) i quali sono stati attivati on-board in modo
quanto più possibile simultaneo, dopo una fase di stabilizzazione di 3 secondi in cui i soggetti
dovevano stare fermi il più possibile. Per ragioni di praticità di sincronizzazione, si è atteso
44
innanzitutto che l’l’holter metabolico-motorio facesse il corrispettivo suono acustico di
avvenuta attivazione (che spesso non risultava essere immediato dopo il contatto con la pelle),
poi si è provveduto ad avviare la registrazione dell’ergospirometro ed infine dell’IMU (modalità
batch); il tutto chiaramente doveva avvenire il più velocemente possibile. Il termine del suono
acustico emesso dall’IMU su pressione del pulsante batch segnalava la fine della fase di
stabilizzazione e dava al partecipante il via all’esecuzione del test. Al termine della prova l’IMU
e l’ergospirometro sono stati arrestati on-board, mentre l’holter metabolico-motorio è stato
semplicemente sfilato dal braccio. Da notare che la durata della prova è stata leggermente più
lunga di 6 minuti, in modo tale da poter eliminare i primi dati acquisiti, che non corrispondevano
ancora ad un metabolismo da attività fisica (si è scelto di fissare l’inizio dell’attività fisica
quando i METs superavano il valore 3). I dati dei tre dispositivi durante la prova erano
immagazzinati su memorie interne e il download sul PC era fatto di volta in volta per ciascun
soggetto subito dopo il termine di essa, tramite cavo USB per l’ergospirometro e l’holter
metabolico-motorio e tramite connessione Bluetooth per l’IMU. Rispetto alla telemetria questa
modalità di registrazione dei dati ha consentito un range di distanza del cammino maggiore (il
range del Bluetooth non era sufficiente) e un migliore sincronismo di attivazione/disattivazione
dei tre dispositivi, ma non ha permesso il feedback real-time della prova, che avrebbe permesso
di capire se ci fossero stati dei malfunzionamenti durante essa.
Figura 3.5: Uno dei soggetti presi in esame, con equipaggiati tutti e tre i dispositivi indossabili, durante la fase di
stabilizzazione.
45
Per la stima del REE (resting energy expenditure) di ciascun soggetto si è ricorso alla formula
di Fleisch, che calcola il metabolismo basale in kcal/giorno attraverso le seguenti equazioni
predittive:
BMR (uomo) = 24 · BSA (m2) · {35,5 - 0,064 · [età (anni) - 20]}
BMR (donna) = 24 · BSA (m2) · {38 - 0,073 · [età (anni) - 20]}
Dove BSA è la superficie corporea (dall’inglese Body Surface Area), calcolata indirettamente
attraverso l’equazione di Mosteller:
BSA (m2) = [(altezza (cm) · peso (kg) /3600)]1/2
La superficie corporea è un parametro antropometrico molto importane in quanto tanto
maggiore essa è, tanto più elevata è la dispersione di calore (che avviene prevalentemente a
questo livello), quindi tanto maggiore è il metabolismo basale.
Per i 6 soggetti presi in esame il REE relativo a 6 minuti (durata della prova) è risultato essere
in media = 6.31, con una SD = 0.82 e con un range = 5.15 - 7.15 (valori espressi in kcal).
Per assicurare un accurata misura delle concentrazioni dei gas l’ergospirometro, una volta
acceso, ha subito una fase di riscaldamento di 20 minuti e al termine di essa, prima
dell’esecuzione dei test, una fase di calibrazione secondo le modalità specificate dalla casa
produttrice, da eseguirsi una volta sola, purché il dispositivo non venisse spento:
• Calibrazione scrubber: questa calibrazione richiede che l’ergospirometro campioni
aria ambiente attraverso lo scrubber CO2 esterno e ha lo scopo di rilevare la
composizione dell’aria ambiente (FiCO2 e FiO2, rispettivamente la concentrazione di
anidride carbonica e di ossigeno nell’aria inspirata) e memorizzare tali valori nella
memoria del dispositivo.
• Calibrazione gas: questa calibrazione richiede il campionamento di un gas a
concentrazione nota da parte dell’ergospirometro (è stata usata una miscela 16% O2,
5% CO2 e resto N2) e ha lo scopo di calcolare i fattori di correzione per far
corrispondere le concentrazioni di gas misurate con i valori reali (aria ambiente e
miscela di gas).
• Calibrazione delay: il calcolo del VO2 e del VCO2 (consumo di ossigeno e produzione
di anidride carbonica) nella modalità breath-by-breath richiede un allineamento preciso
46
del segnale di flusso con quello delle concentrazioni dei gas (O2 e CO2). Questa
calibrazione richiede quindi che un operatore respiri nella maschera mantenendo una
frequenza regolare e ha lo scopo di determinare il ritardo, dovuto al tempo di
percorrenza del gas dalla bocca agli analizzatori, tra il calcolo del flusso e il calcolo
delle concentrazioni di O2 e CO2.
3.5 Elaborazione dei dati
Il download dei dati dei dispositivi sul PC è stato eseguito usando i rispettivi softwares: G-
STUDIO (BTS) per quanto riguarda l’IMU, SenseWear (BodyMedia) per quanto riguarda
l’holter metabolico-motorio e OMNIA (COSMED) per quanto riguarda l’ergospirometro. In
ciascuno di essi prima delle acquisizioni era stato creato un database con tutti i partecipanti al
test, con le loro rispettive caratteristiche antropometriche e abitudini quotidiane.
Al termine di ogni prova, prima del trasferimento dei dati, è stato selezionato in ciascun
programma il protocollo 6MWT e il soggetto corrispondente, affinché le misure acquisite dai
sensori fossero adattate automaticamente alla persona specifica e secondo quanto richiesto
dall’algoritmo di calcolo del protocollo. Dopodiché si sono estratti un report contenente i
parametri spazio-temporali del cammino e le accelerazioni ad ogni centesimo di secondo da G-
STUDIO, il TEE in kcal dell’intera durata della prova (a partire dall’istante in cui si superavano
i 3 METs di attività fisica) da SenseWear e il TEE in kcal respiro per respiro da OMNIA. Questi
dati sono poi stati importati nel software MATLAB dove sono stati opportunamente tagliati,
filtrati e manipolati per la creazione delle variabili cinematiche e metaboliche utilizzate poi per
la creazione dei modelli di regressione (dal confronto tra l’IMU e l’ergospirometro) e del
modello di correlazione (dal confronto tra l’holter metabolico-motorio e l’ergospirometro)
(figura 3.6).
47
Figura 3.6: Schema a blocchi che mostra i dati acquisiti dai tre dispositivi indossabili e le variabili che sono state
ricavate, le quali sono state poi confrontate a due a due come mostrato, ottenendo dei modelli di regressione nel
confronto tra l’IMU e l’ergospirometro e un modello di correlazione nel confronto tra l’holter metabolico-motorio
e l’ergospirometro.
3.5.1 Variabili cinematiche
I dati di accelerazione su ciascun asse misurati dall’IMU sono stati tagliati in modo
sincronizzato, considerando per ciascun soggetto l’istante in cui si supera il valore di 3 METs
durante l’attività fisica; tale tempistica è stata individuata osservando i dati forniti
dall’ergospirometro, respiro per respiro. Sono stati quindi esclusi i primi e gli ultimi secondi
della prova, corrispondenti alla fase di inizio e di stop della camminata e considerando un
intervallo centrale di 6 minuti, in cui è visibile un andamento periodico regolare dei valori,
tipico della camminata a regime. I segnali così ottenuti sono stati poi filtrati con un filtro di
Butterworth passa-basso di ordine 4 e frequenza di taglio a 15 Hz (la cui risposta in modulo e
fase è mostrata in figura 3.7), in modo da attenuare le frequenze che non rientravano nei
movimenti volontari umani; per ottenere un filtraggio a fase zero, quindi evitare di introdurre
ritardi o distorsioni nella morfologia del segnale, i dati sono stati filtrati attraverso due filtri
identici in serie ma con coefficienti invertiti.
48
Figura 3.7: Modulo e fase della risposta in frequenza del filtro usato. Poiché la frequenza di taglio è a 15Hz e i dati
sono stati campionati a 100Hz, la frequenza di taglio normalizzata Wn è pari a 0.3π rad/sample.
Si sono poi ricavati gli integrali dei valori assoluti delle accelerazioni misurate lungo le
direzioni x, y e z, attraverso la rettificazione e l’integrazione dei segnali di accelerazione
sull’intervallo di tempo di 6 minuti selezionato, ricavando le variabili IAAx, IAAy e IAAz. La
somma di queste variabili è stata calcolata per ottenere IAAtot. Il vettore dell’accelerazione
totale è stato ricavato facendo il quadrato delle uscite lungo i tre assi ed estraendo la radice
quadrata della somma di questi valori; in seguito è stato calcolato l’integrale di questo vettore
(IAV). Il valore di queste variabili è riassunto in tabella 3.1, espresse tramite media, deviazione
standard e range delle 12 prove sperimentali (M (numero di campioni) = 12), mentre in figura
3.8 sono mostrate le formule matematiche che sono state utilizzate. Per il calcolo di ciascun
integrale è stata utilizzata la formula di quadratura composita del trapezio su intervalli
equispaziati, la quale approssima l’integrazione su di un intervallo spezzando l’area sottesa dai
campioni in trapezi, la cui area è facilmente calcolabile; per un’integrazione con N+1 punti
equispaziati l’approssimazione è ∫ 𝑓(𝑥)𝑑𝑥 𝑏
𝑎≈
𝑏−𝑎
2(𝑁+1) ∑ (𝑓(𝑥𝑛
𝑁𝑛=1 ) + 𝑓(𝑥𝑛+1)), dove
𝑏−𝑎
(𝑁+1) è
lo spazio tra un campione e l’altro, pari in questo caso a 0.01 secondi (si ricorda che la frequenza
di campionamento era 100 Hz). L’integrale del valore assoluto dell’accelerazione in un dato
intervallo di tempo, sebbene non rappresenti matematicamente la velocità (in quanto viene
calcolato il modulo), può essere espresso in m/s.
49
Predittori (m/s) Media ± SD (·103) Range (·103)
IAAtot 5.61 ± 0.23 5.22 - 5.88
IAV 3.90 ± 0.07 3.79 - 4.00
IAAx 3.37 ± 0.11 3.17 - 3.53
IAAy 1.00 ± 0.14 0.79 - 1.18
IAAz 1.23 ± 0.22 0.96 - 1.70
Tabella 3.1: Media, deviazione standard e range delle variabili esplicative di accelerazione utilizzate per la stima
del consumo energetico, con M = 12.
Figura 3.8: Formule matematiche per il calcolo delle variabili di accelerazione prese in considerazione, con [t=0,T]
intervallo di integrazione di 6 minuti.
In tabella 3.2 sono riportate alcune variabili cinematiche misurate dall’IMU durante i 6 minuti
del test, espresse in termini di media, deviazione standard e range delle 12 prove sperimentali
(le accelerazioni sono riferite ai segnali già filtrati e rettificati).
Misure Media ± SD Range
Distanza percorsa (m) 653.74 ± 45.30 594.05 - 725.81
Velocità media (m/s) 2.07 ± 0.16 1.85 - 2.36
Cadenza media (passi/min) 134.45 ± 16.51 109 - 165.5
Lunghezza ciclo (m) 1.88 ± 0.27 1.57 - 2.33
ax (m/s2) 9.30 ± 0.31 8.90 - 9.89
ay (m/s2) 2.91 ± 0.40 2.30 - 3.39
az (m/s2) 3.63 ± 0.65 2.86 - 4.94
atot (m/s2) 10.84 ± 0.19 10.52 - 11.10
Tabella 3.2: Media, deviazione standard e range per alcune grandezza cinematiche fornite dall’IMU (M = 12).
50
3.5.2 Variabili di dispendio energetico
L’ergospirometro ha ricavato misure di TEE in kcal come mostrato in figura 3.9. Dalla misura
del Volume Corrente (VC) è risalito alla Ventilazione Polmonare (VE) attraverso la frequenza
respiratoria (Rf); conoscendo poi la concentrazione di ossigeno (FeO2) e di anidride carbonica
(FeCO2) nel gas espirato ha ricavato il consumo di ossigeno (VO2) e la produzione di anidride
carbonica (VCO2). Il VO2 è stato poi convertito in METs, respiro per respiro (si ricordi che
l’ergospirometro ha operato in modalità breath-by-breath). Il Quoziente Respiratorio (QR) è
stato determinato facendo il rapporto tra VCO2 e VO2 e da esso si è risaliti all’equivalente
calorico dell’ossigeno (vedi tabella 2.2), che ha permesso di convertire il consumo di ossigeno
in TEE (in kcal/min), respiro per respiro. Calcolando il TEE in kcal/secondo e moltiplicandolo
per la durata del corrispondente respiro è stato calcolato il TEE in kcal respiro per respiro. Da
qui per calcolare il TEE durante un arco di tempo di 6 minuti (come prevede il test) a partire
dall’istante in cui iniziava l’attività fisica (METs > 3), si ha semplicemente sommato i valori di
TEE respiro per respiro, partendo dal respiro in cui METs superava il valore 3 e considerando
dal quell’istante i 6 minuti.
Figura 3.9: Processo di misura di TEE (kcal) da parte dell’ergospirometro a partire dalle misure di VC (Volume
Corrente), di FeO2 (concentrazione di O2 nel gas espirato) e di FeCO2 (concentrazione di CO2 nel gas espirato).
TEE, total energy expenditure; VE, ventilazione polmonare; Rf, frequenza respiratoria; VO2, consumo di ossigeno;
VCO2, produzione di anidride carbonica; QR, quoziente respiratorio; BxB, breath-by-breath.
Resta invece noto solo alla casa produttrice il modo con cui l’holter metabolico-motorio è
risalito alla misura di TEE (in kcal), a partire dalla conoscenza dell’accelerazione lungo due
51
assi, dalla temperatura corporea, dalla conduttanza della pelle e dal calore dissipato. Tale spesa
energetica è stata fornita considerando l’istante di inizio dell’attività fisica (METs > 3).
Alle misure di TEE (in kcal) stimate dai dispositivi sono stati sottratti i rispettivi valori di REE
(in kcal) di ciascun soggetto, al fine di ricavare le stime di AEE (espresse in kcal). I valori AEE
così ottenuti sono stati successivamente convertiti in kJ e normalizzati rispetto al peso e, per i
soli AEE misurati dall’ergospirometro, anche rispetto alla durata della prova, ottenendo misure
espresse rispettivamente in kJ/kg e in kJ/min. Tali quantità sono riassunte in tabella 3.3 e 3.4,
espresse tramite media, deviazione standard e range delle 12 prove sperimentali.
Misure Media ± SD Range
TEE (kcal) 44.74 ± 11.06 30.59 - 65.49
AEE (kcal) 38.43 ± 10.72 24.70 - 58.71
AEE (kJ/kg) 2.37 ± 0.64 1.51 - 3.83
Tabella 3.3: Media, deviazione standard e range delle stime di consumo energetico fornite dall’holter metabolico-
motorio (M= 12).
Misure Media ± SD Range
TEE (kcal) 50.91 ± 9.38 37.10 - 64.80
AEE (kcal) 40.60 ± 8.79 30.73 - 57.87
AEE (kJ/kg) 2.74 ± 0.41 1.91 - 3.42
AEE (kJ/min) 31.10 ± 6.13 21.43 - 40.36
Tabella 3.4: Media, deviazione standard e range delle misure di consumo energetico fornite dall’ergospirometro
(M = 12).
3.5.3 Modelli di regressione
Per quanto riguarda l’IMU l’approccio più comune per ottenere una stima dell’energia spesa a
partire da dati cinematici è quello di “calibrarlo”, cioè si registra simultaneamente il suo output
(predittore/i X) e la variabile fisiologica che si è interessati a stimare (variabile risposta Y) e si
determina la relazione tra la/le X e la Y usando un’equazione di regressione, i cui parametri
sono stimati in modo da descrivere al meglio i dati sperimentali.
In una prima analisi la variabile risposta Y è costituita dall’AEE fornito dall’ergospirometro
espresso in kJ/kg, mentre il predittore X è rappresentato da una tra le 5 variabili di accelerazione
(IAAx, IAAy, IAAz, IAAtot e IAV) ricavate in precedenza a partire dai dati di accelerazione
52
forniti dall’IMU ed elaborati e combinati tra loro in modo diverso. Si è proceduto quindi a fare
un’analisi comparativa tra 5 modelli di regressione lineare semplice, al fine di capire quale fosse
il dominio più accurato nel predire la spesa energetica per la prova di cammino 6MWT. Il
modello di regressione lineare semplice che è stato costruito è del tipo Y = w·X + b + Ɛ, con Ɛ
variabile casuale i cui valori rappresentano gli scarti (errori) tra valori predetti e valori reali
della variabile risposta, b intercetta e w coefficiente angolare del predittore; il criterio usato per
la stima dei parametri di tale retta di regressione è la minimizzazione della somma dei quadrati
degli errori (SSE minimization).
In una seconda analisi si è presa in considerazione come variabile risposta Y ancora il consumo
energetico AEE fornito dall’ergospirometro, espresso però in kJ/min e si sono costruiti 4
modelli di regressione lineare multipla (con 3 predittori), del tipo Y = w1·X1 + w2·X2 + w3·X3 +
b + Ɛ, con Ɛ variabile casuale i cui valori rappresentano i residui associati alle coppie (Xi,yi), b
intercetta e w il vettore dei coefficienti di regressione (ciascuno mi dice l’impatto del
corrispondente predittore sulla variabile risposta). I predittori presi in esame sono stati: la
variabile di accelerazione (una tra IAAx, IAAy, IAAz, IAAtot, IAAtot) che nell’analisi precedente
è risultata spiegare in modo migliore la variabile risposta AEE (in kJ/kg), la variabile contente
il peso dei soggetti (kg) e, per ciascun modello, una tra le variabili contenenti la distanza
percorsa (m), la cadenza media (passi/min), la velocità media (m/s) e la lunghezza ciclo dei
soggetti (m), riportate in tabella 3.2. Il criterio usato per la stima dei parametri di tale retta di
regressione multivariata è sempre la minimizzazione della somma dei quadrati degli errori (SSE
minimization).
3.5.4 Modello di correlazione
Per quanto riguarda l’holter metabolico-motorio esso fornisce già in uscita stime di dispendio
energetico quindi si sono semplicemente valutate le differenze tra i valori di AEE che esso ha
stimato e i valori di AEE ottenute dall’ergospirometro. In particolare si è osservato se ci fosse
una concordanza o meno tra i due dispositivi attraverso il grafico di Bland-Altman (modello di
correlazione), molto usato per confrontare una tecnica in fase di validazione rispetto ad un
metodo di riferimento, in quanto consente di avere immediatamente un confronto visivo tra i
due metodi di stima. Il Bland-Altman plot riporta sull’asse x e sull’asse y rispettivamente le
medie ((AEEholter metabolico-motorio + AEEergospirometro)/2) e le differenze (AEEholter metabolico-motorio -
AEEergospirometro) tra le due misure, inoltre sono presenti una retta centrale indicante la media
53
delle differenze (bias) e altre due rette, una inferiore e una superiore, indicanti i limiti di
confidenza al 95%, i quali tengono conto delle fluttuazioni casuali intorno alla retta di bias (nel
caso di pochi campioni essi sono dati da: media delle differenze ± 2·deviazione standard delle
differenze).
3.6 Analisi statistica
L’analisi statistica è stata svolta mediante il Toolbox “Statistics and Machine Learning” di
Matlab, il quale ha fornito le funzioni per descrive, analizzare e modellizzare i dati. Il livello di
significatività statistica α è stato posto al 5%.
Per valutare la qualità e l’accuratezza predittiva dei modelli di regressione ottenuti sono stati
utilizzati i test di significatività statistica t-test e F-test e la misura di goodness-of-fit R2
(coefficiente di determinazione). In particolare per ciascun modello è stata valutata la
significatività dei coefficienti di regressione (per quanto riguarda l’intercetta la sua mancanza
di significatività non pregiudicava la validità del modello), la significatività della relazione
lineare tra la/le X e la Y e l’ammontare della variabilità della variabile risposta spiegata dal
modello.
Per valutare il modello di correlazione ottenuto è stato esaminato il grafico di Bland Altman, in
cui idealmente si vorrebbe che la media delle differenze (bias) fosse 0 e che le differenze tra le
due misure si collocassero intorno ad essa; inoltre attraverso un grafico a barre si sono
confrontate le misure dei due dispositivi soggetto per soggetto, mentre il calcolo di un indice di
correlazione (coefficiente di Pearson) ha permesso di quantificare l’intensità del legame tra le
due quantità. Inoltre per ciascun soggetto è stata calcolata la differenza percentuale tra il valore
AEE calcolato dall’holter metabolico-motorio e il valore AEE calcolato dall’ergospirometro,
utilizzando la formula:
differenza % = 100·|AEEholter metabolico-motorio - AEEergospirometro|/AEEergospirometro
(tale dato è stato presentato come media e deviazione standard delle 12 prove sperimentali).
54
Capitolo 4
Risultati
4.1 Modelli di regressione
In questa sezione vengono esaminati i modelli di regressione ottenuti dal confronto tra le
variabili fornite dall’IMU e quelle fornite dall’ergospirometro, al fine di determinare le varabili
esplicative che forniscono la migliore accuratezza predittiva sul consumo energetico.
In figura 4.1 sono rappresentati i dati sperimentali e le relative rette di regressione dei modelli
IAAtot-AEE, IAV-AEE, IAAx-AEE, IAAy-AEE, IAAz-AEE, mentre in tabella 4.1 sono riportati
i parametri stimati per ciascuna retta di regressione con i relativi errori standard (SE = stima
della deviazione standard del parametro stimato) e l’esito del test d’ipotesi t di Student per
testare la significatività dei coefficienti (t-value e p-value) con ipotesi nulla che w = 0. Si noti
che t-value = parametro stimato/SE. Se |t-value| > 2 e p-value < 0.05 con una confidenza del
95% viene rifiutata l’ipotesi nulla, cioè w ≠ 0, quindi si accetta il modello. Si osserva che in
base a questo criterio di valutazione solo il modello IAAx-AEE va rifiutato (tra l’altro l’unico
con coefficiente angolare negativo), tutti gli altri modelli invece mostrano una dipendenza
(positiva) statisticamente significativa tra predittore e variabile target.
55
Figura 4.1: Rette di regressione per la stima di AEE espressa in kJ/kg, in funzione rispettivamente di IAAx, IAAy,
IAAz, IAAtot e IAV.
Tabella 4.1: Coefficienti di regressione stimati per i predittori dei modelli in questione con relativo SE, t-value e
p-value.
Predittore parametro stimato SE t-value p-value
(intercetta) -4.5699 2.0428 -2.2371 0.0492
IAAtot 0.0013 0.0004 3.5811 0.0050
(intercetta) -13.78 5.1179 -2.6926 0.0226
IAV 0.0042 0.0013 3.2283 0.0091
(intercetta) 9.1523 3.5021 2.6134 0.0258
IAAx -0.0019 0.0010 -1.8319 0.0968
(intercetta) 0.7713 0.7207 1.0702 0.3097
IAAy 0.0020 0.0007 2.7539 0.0203
(intercetta) 1.3415 0.5614 2.3897 0.0380
IAAz 0.0011 0.0005 2.5279 0.0300
56
E’ stata anche valutata la significatività della linearità dei modelli ottenuti (con ipotesi nulla
che il modello fosse costante), attraverso un F-test e gli esiti in termini di p-value sono riportati
in tabella 4.2. L’unico modello la cui linearità non è significativa è il modello IAAx-AEE (p-
value > 0.05).
Per ogni retta di regressione è stato poi calcolato il coefficiente di determinazione R2, il quale
quantifica in percentuale l’ammontare della variabilità della variabile risposta spiegata da
ciascun predittore, quindi più è alto e più AEE e il predittore sono correlati. In virtù di ciò un
modello non è significativo se non è in grado di spiegare la maggior parte della variabilità della
variabile risposta. Sempre in tabella 4.2 sono riportati i valori di tali misure per ciascun modello
e si può notare come siano piuttosto bassi, in particolare per quanto riguarda il modello IAAx-
AEE, a conferma di quanto osservato precedentemente con il test di ipotesi. L’unico predittore
la cui retta di regressione ha coefficiente di determinazione superiore al 50% è IAAtot e, per tale
motivo, sarà essa la variabile di accelerazione che verrà considerata nella successiva analisi
multivariata.
Tabella 4.2: Valori di R2 per i predittori usati nei vari modelli di regressione e p-value relativo alla linearità del
modello rispetto al modello costante.
Per quanto riguarda l’analisi di regressione lineare multipla in tabella 4.3 sono riportati i modelli
presi in esame con i coefficienti di regressione stimati per i vari predittori, oltre che i valori di
t-value e p-value relativi alla loro significatività e gli errori standard. Si osserva che la
significatività dei coefficienti è soddisfatta da tutti i predittori solo per il modello 1, al contrario
negli altri modelli alcune variabili indipendenti non rispettano i criteri precedentemente citati
di t-value e p-value. Per tale motivo solo il modello 1 viene ritenuto significativo; per esso
inoltre dal valore di R2 possiamo dire che le variabili peso, cadenza media e IAAtot spiegano
90% della variabilità in AEE (kJ/min), mentre dal test F sulla linearità del modello possiamo
Modello R2 p-value
IAAtot-AEE 0.562 0.005
IAV-AEE 0.510 0.009
IAAx-AEE 0.251 0.097
IAAy-AEE 0.431 0.020
IAAz-AEE 0.390 0.030
57
dire che c’è una relazione lineare significativa tra la variabile risposta e i predittori (p-value =
0.0002).
Tabella 4.3: Coefficienti di regressione stimati per i predittori dei i modelli multivariati in questione, con relativo
SE, t-value e p-value.
4.2 Modello di correlazione
In questa sezione si esegue un’analisi bivariata tra le variabili AEEholter metabolico-motorio e
AEEergospirometro, al fine di verificare se vi è concordanza tra le misure fornite dai due dispositivi,
o quanto meno una dipendenza lineare (se cresce una cresce anche l’altra, con una certa
linearità).
In figura 4.2 è riportato il grafico di Bland-Altman ottenuto dalle due variabili AEE (espresse
in kJ/kg), in cui è visibile una retta centrale indicante la media delle differenze (bias), pari a -
0.366 kJ/kg e altre due rette, una inferiore e una superiore, indicanti i limiti di confidenza al
Predittori parametri stimati SE t-value p-value
(intercetta) -132.56 27.162 -4.8806 0.0012
Modello1 peso 0.6802 0.0955 7.1248 <0.0001
cadenza media 0.2130 0.0736 2.8953 0.0200
IAAtot 0.0157 0.0034 4.6258 0.0017
(intercetta) -128.38 36.383 -3.5284 0.0078
Modello 2 peso 0.6993 0.1537 4.5507 0.0019
lunghezza ciclo -12.119 6.9225 -1.7507 0.1181
IAAtot 0.0239 0.0066 3.6016 0.0070
(intercetta) -54.464 36.058 -1.5104 0.1694
Modello 3 peso 0.3808 0.0981 3.8815 0.0047
velocità media 13.133 10.399 1.2629 0.2422
IAAtot 0.0057 0.0084 0.6791 0.5163
(intercetta) -61.228 35.303 -1.7344 0.1211
Modello 4 peso 0.3835 0.1055 3.6352 0.0066
distanza percorsa 0.0413 0.0387 1.0666 0.3173
IAAtot 0.0069 0.0087 0.8026 0.4454
58
95%, pari a - 1.658 kJ/kg e 0.9260 kJ/kg. Si nota che la media delle differenze è negativa,
indicando che l’holter metabolico-motorio in media sottostima l’AEE rispetto
all’ergospirometro e che i limiti di confidenza sono molto ampi (2.584 kJ/kg), indicando che le
varie differenze si discostano molto da essa, cioè c’è poca concordanza tra i due metodi di stima.
Figura 4.2: Bland-Altman plot per la stima di AEE in kJ/kg attraverso l’ergospirometro e l’holter metabolico-
motorio (M = 12). Le linee rappresentano la media delle differenze e i limiti di confidenza al 95%.
Tale risultato è stato poi confermato confrontando valore per valore le misure fornite dai due
dispositivi, in cui si nota che a volte le differenze sono negative e altre volte positive (grafico a
barre in figura 4.3, in cui le variabili sono espresse in kcal), cioè l’holter metabolico-motorio a
volte sovrastima e altre volte sottostima la spesa energetica fornita dall’ergospirometro, quindi
oltre che a non avere misure simili non è nemmeno individuabile una relazione tra le due
grandezze stimate. In particolare in media la differenza % è risultata essere pari a 22.80 ± 11.34
% e il coefficiente di Pearson (indice di correlazione lineare) ha dato un valore pari a 0.307
(molto basso).
59
Figura 4.3: Grafico a barre che mostra il confronto tra le misure fornite dall’holter metabolico-motorio e
dall’ergospirometro, espresse in kcal, per ciascuna prova sperimentale (M = 12).
60
Capitolo 5
Conclusioni
Questo lavoro di tesi è nato dall’esigenza di individuare un valido sostituto all’ergospirometro
nella stima del dispendio energetico durante una prova di cammino di 6 minuti (6MWT), che
potesse essere poi utilizzato in un’analisi successiva nella valutazione pre e post trattamento di
pazienti con disturbi nel cammino.
In primo luogo da questa analisi è emerso che per predire l’AEE (activity-related energy
expenditure) da un accelerometro durante una prova di cammino usare l’informazione triassiale
(IAAtot, somma degli integrali delle accelerazioni lungo i tre assi) è più vantaggioso che usare
l’informazione uniassiale, come sottolineato anche nello studio di Vathsangam et al. (2011).
Inoltre se all’informazione triassiale uniamo la variabile peso e la cadenza media del soggetto
durante il test si ottiene un modello decisamente più esplicativo nei confronti della variabile
target; in particolare il modello di regressione lineare multiplo adatto a stimare il dispendio
energetico durante una prova di 6MWT, secondo i dati sperimentali acquisiti in questo studio,
si presenta nella seguente forma analitica: AEE = -132.56 + 0.6802·peso + 0.2130·cadenza
media + 0.0157·IAAtot, con AEE espresso in kJ/min. Sicuramente sarebbe stato possibile
ottenere risultati migliori aumentando il numero di soggetti presi in esame, così da poter scartare
eventuali outliers, i quali vanno a condizionare la funzione di costo SSE durante la sua
minimizzazione (in questo studio si è preferito non eliminare alcun outlier per via del già esiguo
numero di campioni). Ciò avrebbe consentito di ottenere una retta di regressione che descrivesse
meglio la linearità dei dati sperimentali ma anche che fosse in grado generalizzare nei confronti
di nuove osservazioni. Inoltre un numero di campioni maggiore avrebbe consentito di
suddividere il dataset in un training set, usato per costruire i modelli e un testing set, usato per
valutare i modelli ottenuti attraverso il calcolo del RMS (su tutti i partecipanti) dell’errore di
predizione come misura di accuratezza; il modello migliore sarebbe stato quindi quello che
dava il minore RMS, criterio usato in molti studi presenti in letteratura, come nello studio di
Vathsangam.
61
Al contrario l’holter metabolico-motorio ha mostrato di non essere affidabile nella stima delle
calorie spese durante una prova di cammino di soli 6 minuti; gli scarsi risultati ottenuti con esso
hanno fatto pensare ad un non corretto funzionamento del dispositivo in fase di acquisizione;
in realtà esaminando il tracciato del dispendio energetico stimato dal dispositivo, minuto per
minuto, non si sono notate interruzioni o mancate attivazioni sincrone con l’ergospirometro,
quindi resta inspiegabile il motivo delle sue stime decisamente poco attendibili. Probabilmente
il problema sta nel fatto che il suo tempo di risposta è più lungo della durata del test e quindi
necessita di un periodo di misurazione maggiore; si pensi per esempio alla temperatura cutanea,
uno dei parametri che esso va ad acquisire, la quale ha una costante di tempo di circa 1 ora.
Esso infatti è stato progettato per essere indossato su un arco di tempo di almeno 24 ore, quindi
per fornire una valutazione adeguata il 6MWT non sembra essere il test più adatto per questo
dispositivo. Anche qui se il numero di campioni a disposizione fosse stato maggiore si
sarebbero scartati gli outliers e si sarebbe per lo meno capito se l’holter metabolico-motorio
tendeva a sovrastimare o sottostimare i valori misurati dall’ergospirometro, oppure se emergeva
un andamento altalenante dei valori (come sembrerebbe in questo studio).
Confrontando i risultati dell’analisi svolta con altri studi presenti in letteratura si nota che ci
sono delle congruenze e delle discrepanze.
Per esempio, per quanto riguarda il modello di regressione, una differenza rilevante è che nella
ricerca condotta da Bouten Carlijn V. et al. (1994) si è riscontrata una forte correlazione tra
l’accelerazione lungo l’asse antero-posteriore e AEE, maggiore delle accelerazioni lungo l’asse
medio-laterale e verticale, mentre al contrario in questa analisi la variabile IAAz
(rappresentativa dell’accelerazione antero-posteriore) non spiega molta della variabilità della
variabile risposta AEE. C’è da dire che nella ricerca svolta da Bouten, il test di cammino
consistevano nell’aumentare progressivamente la velocità, senza che ci fossero bruschi
movimenti rotatori, mentre nel 6MWT svolto in questo lavoro di tesi la velocità di camminata
era costante, modificata solo dalle brusche manovre di rotazione a fine rettilineo. Inoltre lo
studio di Bouten è stato svolto su treadmill, il quale può non essere rappresentativo del cammino
su terreno: è stato documentato che il cammino su treadmill può influire sulla meccanica del
cammino in quanto consente al soggetto solo movimenti in avanti e indietro, limitando i
movimenti laterali destra-sinistra e togliendo del tutto i movimenti rotatori e quindi può non
riflettere in modo accurato la reale spesa energetica di un cammino sul terreno [Parvataneni K.
62
et al. (2009)]. Quindi probabilmente l’informazione monoassiale di accelerazione che si ricava
è diversa nel test condotto da Bouten e nel test condotto in questa tesi.
Per quanto riguarda il modello di correlazione invece si osserva una concordanza con l’analisi
di Alejandro Santos-Lozano et al. (2017), svolta su soggetti adulti sani in una prova di cammino
su treadmill, ad intensità medio/alta, in cui si evince che l’holter metabolico-motorio fornisce
stime di AEE significativamente diverse da quelle stimate tramite calorimetria indiretta, in
particolare esso tende a sovrastimare.
Comunque a causa della bassa numerosità della popolazione di soggetti presa in esame in questo
lavoro di tesi, i risultati ottenuti sono poco robusti e per tale motivo possono solamente essere
considerati indicativi. Inoltre, invece che attraverso l’equazione predittiva di Fleisch, misure di
AEE più precise e quindi modelli più precisi si sarebbero potuti ottenere a partire da una misura
vera e propria del REE (resting energy expenditure), ovvero tramite l’ergospirometro stesso, il
quale stima il REE a partire dai valori di VO2 e di VCO2 (rispettivamente consumo di ossigeno
e produzione di anidride carbonica), attraverso la formula abbreviata di Weir (REE =
[3.9·(VO2) + 1.1·(VCO2)]·1.44); ciò non è stato fatto in quanto per il test di metabolismo
basale previsto dall’ergospirometro qui utilizzato devono essere verificate determinate
condizioni al momento del test, tra le quali lo stare a digiuno e il non svolgere attività fisica da
almeno 12 ore prima del test, come anche il raggiungimento di uno stato di regime di VO2 e
VCO2 durante il test (che potrebbe richiedere anche fino a 15-20 minuti), condizioni che i
soggetti reclutati non hanno potuto adempire per motivi propri. Si sarebbe potuto in alternativa
utilizzare l’equazione di Mifflin per il calcolo di REE, che dallo stato dell’arte è emerso essere
la più accurata; ciò nonostante i risultati non sarebbero cambiati in quanto in un secondo
momento si sono calcolati i valori REE tramite l’equazione di Mifflin e la differenza rispetto ai
valori REE tramite l’equazione di Fleisch (da noi utilizzata) è risultata essere irrilevante (media
= 6.52 kcal, SD = 1.2 kcal e range = 4.9 - 7.7 kcal).
Il presente lavoro di tesi vuole quindi essere principalmente di carattere metodologico, cioè
vuole fornire un esempio di approccio rigoroso e standard di validazione e di calibrazione dei
dispositivi utilizzati, così che in un’analisi futura a più alta numerosità o svolta con altre
tipologie di sensori indossabili e di test motori, ripetendo il procedimento qui seguito, si abbiano
risultati più accurati che possano essere confrontati e scambiati senza ambiguità tra i vari istituti
e laboratori interessati. In un approccio futuro, un’alternativa all’analisi qui proposta per quanto
riguarda l’IMU (basata su modelli di regressione) e che non è stata seguita in nessun altro lavoro
63
presente in letteratura, è costruire un modello di stima della spesa energetica attraverso altre
tecniche di apprendimento supervisionato, come per esempio le reti neurali; affinché la rete
possa imparare esse richiedono però sicuramente più osservazioni nel training set di quelle
prese in considerazione in questo lavoro, oltre che ad osservazioni aggiuntive per la fase di
testing della rete ottenuta.
64
Bibliografia
VLanschot JJ, Feenstra BW, Vermeii CG, Bruining HA (1986). «Calculation versus
measurement of total energy expenditure». In: Crit Care Med. 14(11), 981-5.
Ainsworth BE, Haskell WL et al. (2000). «Compendium of physical activities: an update of
activity codes and MET intensities». In: Med Sci Sports Exerc. 32(9 Suppl), S498-504.
Frankenfield DC, Rowe WA, Smith JS, Cooney RN (2003). «Validation of several
established equations for resting metabolic rate in obese and non-obese people». In: J Am Diet
Assoc. 103(9), 1152-9.
D. Noè, E. Bergamaschi, P. Lanzi, R. Spiti, M.Poli (2006). «Attendibilità delle equazioni
predittive del dispendio energetico a riposo nella grande obesità». In: G It Diabetol Metab 26,
54-62.
Edward F., Edwin L. et al. (2017). «Effect of body position on energy expenditure of preterm
infants as determined by simultaneous direct and indirect calorimetry». In: Am J Perinatol.
34(5), 493–498.
Cunningham JJ (1990). «Calculation of energy expenditure from indirect calorimetry:
assessment of the Weir equation». In: Nutrition. 6(3), 222-3.
Laura Guidetti et al. (2018). «Validity, reliability and minimum detectable change of
COSMED K5 portable gas exchange system in breath-by-breath mode». In: PLoS ONE 13(12),
e0209925.
Roslyn Boyd et al. (1999). «High- or low-technology measurements of energy expenditure in
clinical gait analysis?». In: Developmental Medicine & Child Neurology 41(10), 676-82.
Bouten CV, Westerterp KR, Verduin M, Janssen JD (1994). «Assessment of energy
expenditure for physical activity using a triaxial accelerometer». In: Med Sci Sports
Exerc. 26(12), 1516-23.
65
J Levine, EL Melanson, KR Westerterp and JO Hill (2003). «Tracmor system for measuring
walking energy expenditure». In: Eur J Clin Nutr. 57(9), 1176-80.
Bunn JA, Pittsley JL, Baker SV, Yates J. (2011). «Assessment of accuracy of the Vacu-Med
17053 calibrator for ventilation, oxygen uptake, and carbon dioxide production». In: Respir
Care. 56(4), 472-6.
Jennifer A. Schrack, Eleanor M. Simonsick, Luigi Ferrucci (2009). «Comparison of the
Cosmed K4b2 portable metabolic system in measuring steady-state walking energy
expenditure». In: PLoS One. 5(2), e9292.
American Thoracic Society (2002). «ATS Statement: Guidelines for the Six-Minute Walk
Test». In: Am J Respir Crit Care Med. 166(1), 111-7.
Harshvardhan Vathsangam et al. (2011). «An Experimental Study in Determining Energy
Expenditure from Treadmill Walking using Hip-Worn Inertial Sensors». In: IEEE Trans
Biomed Eng. 58(10), 2804–2815.
Bouten CV, Westerterp KR, Verduin M, Janssen JD (1994). «Assessment of energy
expenditure for physical activity using a triaxial accelerometer». In: Med Sci Sports
Exerc. 26(12), 1516-23.
Karsten Koehler et al. (2015). «Energy Expenditure in adolescents with Cerebral Palsy:
comparison of the SenseWear Armband and Indirect Calorimetry». In: Journal of Physical
Activity and Health 12, 540 -545.
Parvataneni K, Ploeg L, Olney SJ, Brouwer B (2009). «Kinematic, kinetic and metabolic
parameters of treadmill versus overground walking in healthy older adults». In: Clin
Biomech. 24(1), 95-100.
Alejandro Santos-Lozano et al. (2017). «Is the SenseWear Armband accurate enough to
quantify and estimate energy expenditure in healthy adults?». In: Ann Transl Med. 5(5), 97.
Mirko Brandes, Vincent T. Van Hees, Viviane Hannover and Soren Brage (2012).
«Estimating Energy Expenditure from Raw Accelerometry in Three Types of Locomotion». In:
Medicine and science in sports and exercise 44(11), 2235-42.
66
S. Cocozza et al. (2009). «Validazione di un multisensore portatile per la misurazione del
dispendio energetico a riposo in pazienti con diabete mellito di tipo 2». In: G It Diabetol Metab
29, 114-119.
Scott E. Crouter, Kurt G. Clowers, and David R. Bassett, Jr. (2005). «A novel method for
using accelerometer data to predict energy expenditure». In: J Appl Physiol 100, 1324 –1331.
Sarah L. Kozey et al. (2010). «Accelerometer Output and MET Values of Common Physical
Activities». In: Med Sci Sports Exerc. 42(9), 1776–1784.
Galli e Frigo (2015). Dispense del corso di Valutazione Funzionale e Riabilitazione Motoria.
Galli (2017). Dispense del corso di Bioingegneria del sistema motorio.
Carlo Vercellis (2009). «Business Intelligence: Data Mining and Optimization for Decision
Making».