Mantenerse en las rutinas de ejercicio es un desafío que enfrentan muchas personas. Pero el equipo de investigación de la Universidad de Mississippi está utilizando para exponer el aprendizaje automático, lo que hace que las personas se comprometan con su entrenamiento.
El equipo de regreso, que, tanto estudiantes de doctorado de educación física, y profesor de análisis deportivo en el Departamento de Salud, Ciencias del Ejercicio y Recreación, espera saber si alguien está cumpliendo sus mediciones físicas, asentamientos y pautas de actividad física de estilo de vida.
Han probado datos de aproximadamente 30,000 encuestas. Han recurrido al aprendizaje automático, que es una forma de usar computadoras para identificar patrones y hacer información basada en predicciones basadas en información.
Los resultados de este grupo fueron publicados en Nature Portfolio Journal Informes científicos Kang dijo, son oportunos
“Después de la guía de la actividad física, la salud es una preocupación para la salud pública porque tiene una relación con los patrones de salud generales”, dijo. “Queríamos usar técnicas modernas de análisis de datos, como el aprendizaje automático para predecir este comportamiento”.
El Departamento de Salud y Servicios Humanos de los Estados Unidos, la Oficina de Prevención de Enfermedades y Promoción de la Salud, sugiere que los adultos deben hacer un ejercicio moderado de al menos 150 minutos por semana, o 75 minutos de excelente ejercicio cada semana como parte de un estilo de vida saludable.
La investigación muestra que el estadounidense promedio pasa solo dos horas en actividad física, la mitad de las cuatro horas recomendadas por el control de enfermedades y los centros de prevención.
Li, Chu y Kang usaron datos públicos, que cubren la Encuesta Nacional de Examen de Salud y Nutrición, que cubre 2009-18 en una encuesta gubernamental.
“Hemos utilizado el aprendizaje automático para predecir si las personas siguen las pautas de actividad física basadas en los datos de los signos de interrogación y encontramos la mejor combinación de variables para predicciones precisas”, dijo el autor principal del estudio. “Variables demográficas como el género, la edad, la raza, el estado educativo, el estado civil e ingresos, así como las medidas humanitarias como el IMC y la cintura Tawaaf”.
Los investigadores también consideraron factores de estilo de vida, que incluyen el consumo de alcohol, el tabaquismo, el empleo, las muestras de sueño y el comportamiento estúpido para comprender sus efectos en la actividad física de una persona, dijo.
Los resultados muestran que los tres factores importantes, lo que pasa mucho tiempo, gasta su género y sus niveles de educación, las aparentes de forma permanente en todos los modelos de alto rendimiento que predicen los hábitos de los vómitos, aunque cada modelo ha denominado varias variables importantes.
Según Chu, estos factores son especialmente importantes para comprender quién es más probable que esté activo y socialmente conectado, y pueden ayudar a guiar las recomendaciones de salud futuras.
“Esperaba que factores como el género, el IMC, la raza o la edad fueran importantes para nuestro modelo de predicción, pero me sorprendió lo importante que es el estado educativo”, dijo. “Aunque factores como el género, el IMC y la edad son más naturales para el cuerpo, el estado educativo es un factor externo”.
Durante el análisis, los investigadores excluyeron los datos de algunas enfermedades y aquellos con reacciones que pierden datos de actividad física. Trajo los datos relevantes a 11,683 participantes.
Los investigadores dicen que el aprendizaje automático les da más libertad para estudiar los datos. Se espera que las viejas formas sigan las cosas en línea recta, y cuando algunas piezas de información son muy similares, no funcionan bien.
El aprendizaje automático no tiene límites, por lo que puede ser muestras con más flexibilidad.
“Uno de nuestros estudios de nuestro estudio fue utilizar los datos de actividad física, donde los participantes retiraron su actividad de memoria”, dijo Cho. “Las personas promueven su actividad física al usar preguntas, por lo que los datos objetivos más precisos mejoran la confiabilidad del estudio”.
Debido a esto, los investigadores dicen que pueden usar un método similar de investigación futura en el área, pero detectar una variedad de factores, incluido el uso de suplementos dietéticos, utilizando más algoritmos de aprendizaje automático o dependiendo de los datos objetivos en lugar de la información autoinformada.
Esto puede ayudar a capacitar a los entrenadores y consultores de acondicionamiento físico a desarrollar un régimen de entrenamiento, sobre el cual las personas pueden permanecer más tiempo.
