Resumen

La investigación en fisiología y ciencias del deporte ha demostrado que la fatiga, un fenómeno psicofisiológico complejo, tiene un impacto relevante en el rendimiento y en el correcto funcionamiento de nuestro sistema motriz, siendo potencialmente una causa de daños en el organismo humano. La fatiga puede considerarse un fenómeno subjetivo u objetivo. La fatiga subjetiva corresponde a un hecho mental y cognitivo, mientras que la fatiga denominada objetiva es un fenómeno físico. A pesar de que la fatiga subjetiva suele infravalorarse, sólo un atleta física y mentalmente sano es capaz de alcanzar el máximo rendimiento en una disciplina. Por lo tanto, sostenemos que los programas de entrenamiento físico deben abordar la evaluación preventiva de los mecanismos de fatiga subjetiva y objetiva con el fin de minimizar el riesgo de lesiones. En este contexto, nuestro artículo presenta un sistema de aprendizaje automático capaz de extraer descriptores individuales de fatiga (IFDs) a partir de mediciones electromiográficas (EMG) y de variabilidad del ritmo cardíaco (HRV). Nuestro novedoso enfoque, que utiliza dos tipos de bioseñales para tener en cuenta una evaluación global (mental y física) de la fatiga, refleja el inicio de la fatiga mediante la implementación de una combinación de un descriptor global de fatiga (GFD) adimensional (0-1) y un clasificador de máquina de vectores de soporte (SVM). El sistema, basado en 9 características principales combinadas, alcanza rendimientos de clasificación de regímenes de fatiga de 0,82±0,24, garantizando una evaluación preventiva satisfactoria cuando se alcanzan niveles de fatiga peligrosos. Los datos de entrenamiento se adquirieron en una prueba de ritmo de trabajo constante (ejecutada por 14 sujetos utilizando un dispositivo de cicloergometría), en la que la variable objeto de estudio (fatiga) aumentaba gradualmente hasta que el voluntario alcanzaba un estado de agotamiento objetivo.

• Materias:Inteligencia artificial Big Data Registros médicos electrónicos Acelerómetros Antecedentes teóricos
• Subjects:Artificial intelligence Big Data Electronic medical records Accelerometers Theoretical background
• Palabras claves:fatiga, prueba de ritmo de trabajo constante, prestaciones de clasificación del régimen de fatiga, fenómeno psicofisiológico complejo, niveles peligrosos de fatiga, descriptor global de fatiga, variabilidad de la frecuencia cardiaca, descriptores individuales de fatiga, estado de agotamiento objetivo, mecanismos objetivos de fatiga
• Keywords:fatigue, constant work rate test, fatigue regime classification performances, complex psychophysiological phenomenon, dangerous fatigue levels, global fatigue descriptor, heart rate variability, individual fatigue descriptors, objective exhaustion state, objective fatigue mechanisms