Data-driven profiling of accelerometer-determined physical behaviors and health outcomes in adults: A systematic review

Planteamiento del Problema
Los comportamientos físicos, que comprenden la actividad física (AF), el comportamiento sedentario y el sueño, se miden cada vez más mediante acelerómetros portátiles. Si bien los dispositivos modernos capturan descriptores detallados respecto a la cantidad, los patrones de acumulación, el tiempo y la ritmicidad de estos comportamientos, los enfoques analíticos tradicionales centrados en variables (por ejemplo, la regresión clásica) a menudo no logran capturar las complejas interacciones codependientes entre estos componentes. Existe la necesidad de comprender cómo estos comportamientos se agrupan dentro de los individuos y cómo estos perfiles multidimensionales específicos se relacionan de manera diferencial con los resultados de salud. Si bien el análisis de segmentación poblacional basado en datos (agrupamiento o clustering) ofrece un método para identificar tales subgrupos sin hipótesis predefinidas, el panorama de los perfiles de comportamiento físico derivados de la acelerometría en poblaciones adultas y sus implicaciones para la salud sigue siendo incierto.

Metodología
Esta revisión sistemática siguió las directrices PRISMA y realizó búsquedas en PubMed, Scopus y Web of Science para artículos revisados por pares publicados hasta julio de 2025. Los criterios de inclusión requirieron que los estudios:

1. Aplicaran un análisis de segmentación poblacional basado en datos (por ejemplo, agrupamiento, análisis de perfiles latentes) a comportamientos físicos monitoreados por acelerometría.
2. Se centraran en participantes adultos (>18 años) de poblaciones generales (excluyendo cohortes clínicas o restringidas específicas).
3. Crearan perfiles de comportamiento físico distintos y examinaran estadísticamente sus asociaciones con los resultados de salud.

De un conjunto inicial de 16,289 registros, se incluyeron 40 estudios. La revisión sintetizó datos sobre el diseño del estudio, las características de los participantes, los algoritmos de perfilado, las variables descriptoras de entrada, las características de los perfiles derivados y las asociaciones de salud estadísticamente significativas. La evaluación de la calidad se realizó mediante una escala de Newcastle–Ottawa modificada combinada con criterios de reporte específicos para acelerometría.

Contribuciones Clave y Resultados
La revisión identificó 40 estudios que emplearon diversas técnicas de aprendizaje automático y estadísticas, siendo el agrupamiento K-means (n=18) y el análisis de perfiles latentes (n=8) los más prevalentes. Los estudios se categorizaron según el tipo de perfiles generados: Actividad Física (AF), Comportamiento Sedentario, Sueño, Ritmicidad de Descanso-Actividad y Perfiles Conjuntos (combinaciones de comportamientos).

• Perfiles de Actividad Física: En 22 estudios, los perfiles se distinguieron frecuentemente por el momento de los picos de actividad (mañana, día, tarde, noche) y la intensidad general. Los perfiles de alta actividad generalmente se correlacionaron con resultados de salud favorables, incluyendo una reducción de la mortalidad por todas las causas, una menor incidencia de enfermedades cardiovasculares (ECV) y mejores marcadores cardiometabólicos. El tiempo de la actividad mostró asociaciones mixtas pero generadoras de hipótesis; por ejemplo, algunos estudios vincularon los picos matutinos con un menor riesgo de ECV, mientras que otros encontraron que los picos vespertinos se asociaban con mayores síntomas de depresión o IMC, aunque los resultados variaron según el resultado y la población.
• Perfiles de Comportamiento Sedentario: Cuatro estudios se centraron en cómo se acumula el tiempo sedentario. Los perfiles caracterizados por interrupciones frecuentes del tiempo sedentario ("Interruptores" o "Interrumpidos") se asociaron con una mejor salud cardiometabólica en comparación con los perfiles de periodos sedentarios prolongados e ininterrumpidos ("Sedentarios prolongados" o "Sedentarios de sofá").
• Perfiles de Sueño y de Descanso-Actividad: Los estudios sobre ritmos de sueño y descanso-actividad (n=5) sugirieron que los patrones de sueño irregulares y los inicios de actividad más tardíos (por ejemplo, "Búhos nocturnos" o "Madrugadores tardíos") se vincularon con un mayor riesgo de mortalidad, síntomas de depresión y fatigabilidad percibida en comparación con los patrones regulares y de levantarse temprano.
• Perfiles Conjuntos: Once estudios crearon perfiles combinando AF, comportamiento sedentario y/o sueño. Un hallazgo recurrente fue la aparición de un perfil "activo pero sedentario" (individuos que cumplen con las recomendaciones de AF pero también acumulan un alto tiempo sedentario). Si bien la AF alta generalmente mitigaba los riesgos, algunos datos sugirieron que el perfil "activo pero sedentario" aún podría conllevar riesgos de mortalidad elevados en comparación con los perfiles que presentan tanto una AF alta como un tiempo sedentario bajo. Por el contrario, los perfiles con baja AF y alto tiempo sedentario mostraron consistentemente los peores resultados de salud.

Significancia y Afirmaciones
El artículo afirma que el análisis de segmentación poblacional basado en datos es un enfoque viable y cada vez más empleado para el perfilado de comportamientos físicos, ofreciendo una perspectiva centrada en la persona que complementa los métodos centrados en variables. La revisión destaca que estas técnicas pueden acomodar naturalmente la naturaleza multidimensional de los datos de acelerometría, revelando patrones de comportamiento complejos que los métodos tradicionales podrían pasar por alto.

Los autores caracterizan sus hallazgos como "generadores de hipótesis" y "preliminares". Enfatizan que, si bien los perfiles basados en datos se alinean con la evidencia establecida (por ejemplo, que la baja AF/alto tiempo sedentario es perjudicial), los matices específicos respecto al tiempo óptimo de actividad y las implicaciones de salud de ser "activo pero sedentario" requieren mayor investigación. El estudio concluye que estos hallazgos basados en datos proporcionan una base para futuras investigaciones para comprender mejor cómo la interacción de los componentes del comportamiento físico influye en la salud, ayudando finalmente en el desarrollo de intervenciones de salud pública más dirigidas. Los autores señalan explícitamente las limitaciones, incluyendo la heterogeneidad en el procesamiento de los datos de acelerometría y el proceso de cribado de un solo revisor, lo que impide conclusiones causales definitivas o comparaciones directas de perfiles entre diferentes poblaciones sin tener en cuenta las diferencias metodológicas.