Un recente articolo illustra come sia possibile fare una accurata previsione accurata dei tempi di gara nella maratona, utilizzando solo i dati sulla distanza e sui tempi durante le corse di allenamento raccolti dagli smartwatch.
Lo studio, pubblicato sulla rivista Nature Communications, ha raccolto i dati di circa 14.000 corridori e dimostra che la modellazione matematica può essere utilizzata per stimare i parametri fisiologici, utilizzando i dati raccolti in modo non invasivo con una tecnologia indossabile.
I dati raccolti dagli smartwatch
Si prevede che i dati del mondo reale, come quelli raccolti regolarmente negli ospedali e negli istituti di cura, ma anche quelli ora disponibili dai dispositivi indossabili, cambieranno radicalmente l’assistenza sanitaria. I dati raccolti dai dispositivi tecnologici indossabili, quali i moderni smartwatch, hanno il potenziale di aiutarci a migliorare la nostra comprensione dell’interazione tra allenamento e prestazioni.
Thorsten Emig e Jussi Peltonen hanno collegato i dati di corsa raccolti da smartwatch da circa 14.000 corridori ai loro parametri fisiologici individuali, tramite un modello matematico della fisiologia umana. Gli autori hanno utilizzato questo quadro per prevedere accuratamente i tempi di gara nella maratona e identificare i parametri predittivi chiave delle prestazioni nella corsa. Tra queste è stata prevista la soglia del lattato, utilizzando solo informazioni sulla distanza e sui tempi delle corse svolte in sedute di allenamento. Sono state valutate in totale circa 1,6 milioni di sessioni di allenamento.
I risultati ottenuti forniscono inoltre informazioni su come le caratteristiche delle sessioni di allenamento sono associate alle prestazioni in gara.
Essere in grado di mettere in relazione i parametri fisiologici chiave con i dati continui raccolti in modo non invasivo offre opportunità per il monitoraggio della salute umana. Ad esempio, le sessioni di esercizio potrebbero essere adattate e personalizzate sullo specifico individuo. Gli autori concludono che i loro risultati suggeriscono nuove metodologie per quantificare e prevedere le prestazioni atletiche in condizioni real world.
