A physiological heart-rate model for energy expenditure across work, exercise, and recovery: development and in-sample evaluation against indirect calorimetry
इस अध्ययन ने एक इन-सैंपल फिजियोलॉजिकल हार्ट-रेट मॉडल विकसित और मूल्यांकित किया जो केवल हृदय गति और प्रोटोकॉल-व्युत्पन्न मापदंडों का उपयोग करके विविध गतिविधि अवस्थाओं (कार्य, व्यायाम और रिकवरी) में कुल ऊर्जा व्यय का सटीक अनुमान लगाता है, जो सीढ़ियों से उतरने और रिकवरी जैसी विशिष्ट स्थितियों में उल्लेखनीय त्रुटियों के बावजूद अप्रत्यक्ष कैलोरीमेट्री के साथ उच्च सहमति प्राप्त करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
हर दिन, हमारे शरीर को चलते रहने, सोचने और सांस लेने के लिए ईंधन जलाना पड़ता है। वैज्ञानिक इसे ऊर्जा व्यय (energy expenditure) कहते हैं, और हम वास्तव में कितनी ऊर्जा जलाते हैं, यह जानना वजन प्रबंधित करने, खेलों के लिए प्रशिक्षण लेने या केवल अपने स्वास्थ्य को समझने के लिए महत्वपूर्ण है। दशकों से, इसे मापने के लिए 'इनडायरेक्ट कैलोरीमेट्री' नामक एक विधि को स्वर्ण मानक (gold standard) माना जाता रहा है, जिसमें एक व्यक्ति एक मास्क पहनता है जो उसके द्वारा ली गई ऑक्सीजन और छोड़ी गई कार्बन डाइऑक्साइड का विश्लेषण करता है। यह सटीक है, लेकिन यह भारी, महंगा और सामान्य जीवन जीते समय पहनना असंभव है। इस कमी को पूरा करने के लिए, पहनने योग्य तकनीक (wearable technology) ने हृदय गति (heart rate) की ओर रुख किया है। इसका तर्क सरल है: जैसे-जैसे हमारी मांसपेशियां अधिक मेहनत करती हैं, ऑक्सीजन पहुँचाने के लिए हमारा हृदय तेजी से धड़कता है। पल्स को ट्रैक करके, उपकरण यह अनुमान लगाने की कोशिश करते हैं कि कितनी ऊर्जा खर्च हो रही है। हालाँकि, यह संबंध एक सीधी रेखा नहीं है। जब आप पहाड़ी पर चढ़ रहे होते हैं, तो 120 बीट्स प्रति मिनट की हृदय गति, भारी वजन उठाने या स्प्रिंट के बाद स्थिर बैठने की तुलना में बहुत अलग अर्थ रख सकती है। हृदय तनाव के प्रति जटिल तरीकों से प्रतिक्रिया करता है जो हमेशा वास्तविक ईंधन खपत से मेल नहीं खाते, विशेष रूप से गैर-लयबद्ध गतिविधियों या रिकवरी के दौरान।
शोधकर्ताओं की एक टीम ने केवल हृदय गति का उपयोग करके इस ऊर्जा व्यय की गणना करने का एक नया तरीका बनाने का लक्ष्य रखा, जिसमें किसी व्यक्ति की आयु, लिंग या ऊंचाई के बारे में सामान्य अनुमानों पर निर्भर रहने की आवश्यकता नहीं थी। उन्होंने एक ऐसा मॉडल विकसित किया जो हृदय गति को केवल एक संख्या के रूप में नहीं, बल्कि शरीर की विशिष्ट शारीरिक स्थिति के संकेत के रूप में मानता है। इसका परीक्षण करने के लिए, वे बीस स्वस्थ वयस्कों को एक प्रयोगशाला में एक लंबे सत्र के लिए लेकर आए, जिसने एक विविध दिन की नकल की। प्रतिभागियों ने एक घंटा ऑफिस का काम किया, जिसके बाद साइकिल चलाने, वजन उठाने और सीढ़ियाँ चढ़ने सहित व्यायाम का एक सर्किट किया, और अंत में, वे तब तक ट्रेडमिल पर दौड़े जब तक कि वे थक नहीं गए, और फिर बीस मिनट बैठने और रिकवरी के लिए बिताया। इस पूरी अवधि के दौरान, शोधकर्ताओं ने गैस विश्लेषण मास्क का उपयोग करके वास्तविक रूप से जलाई गई ऊर्जा को मापा, और साथ ही हृदय गति के डेटा को भी रिकॉर्ड किया ताकि यह देखा जा सके कि क्या उनका नया मॉडल वास्तविक आंकड़ों से मेल खा सकता है।
परिणामों ने दिखाया कि पूरे सत्र के दौरान कुल जलाई गई ऊर्जा को देखते हुए नया मॉडल उल्लेखनीय रूप से सटीक था। औसतन, मॉडल का अनुमान वास्तविक माप के लगभग समान था, जो पूरे दिन में एक किलोकैलोरी से भी कम का अंतर था। यह सुझाव देता है कि विशिष्ट शारीरिक मार्करों—जैसे कि व्यायाम के दौरान किसी व्यक्ति की अधिकतम हृदय गति और सांस लेने की गति में परिवर्तन—का उपयोग करके, मॉडल उस विशिष्ट शरीर के ईंधन जलाने के तरीके का एक व्यक्तिगत मानचित्र बना सकता है। इसने यह सब बिना किसी व्यक्ति की आयु या लिंग को जाने संभव कर दिया, जिसकी आवश्यकता आमतौर पर मानक सूत्रों में होती है। यह मॉडल दौड़ने और चलने जैसी लयबद्ध गतिविधियों के दौरान सबसे अच्छा काम करता है, जहाँ हृदय गति और ऊर्जा व्यय आपस में मजबूती से जुड़े होते हैं। इन क्षणों में, अनुमान सत्य के बहुत करीब थे, जो अक्सर कुछ प्रतिशत के भीतर ही थे।
हालाँकि, कहानी तब जटिल हो जाती है जब गतिविधि बदलती है। यह मॉडल प्रतिरोध व्यायाम (resistance exercise) के छोटे, तीव्र दौर और रुकने के तुरंत बाद के समय के साथ सबसे अधिक संघर्ष करता है। रिकवरी चरण के दौरान, जब शरीर धीमा होने के बावजूद हृदय गति उच्च बनी रहती है, तो मॉडल ऊर्जा के अत्यधिक अनुमान (overestimate) की ओर झुकता है। इसी तरह, 'एसेंट्रिक मूवमेंट' (eccentric movements) के दौरान, जैसे कि सीढ़ियाँ नीचे उतरना जहाँ मांसपेशियां तनाव के तहत लंबी होती हैं, मॉडल को उस क्रिया की कम ऊर्जा लागत का अनुमान लगाने में कठिनाई हुई। ये त्रुटियां इसलिए हुईं क्योंकि हृदय गति तत्काल ईंधन की खपत के अलावा अन्य कारणों से भी बढ़ सकती है या ऊँची रह सकती है, जैसे कि शरीर को ठंडा करने का प्रयास या मांसपेशियों की विशिष्ट यांत्रिकी। जबकि मॉडल ने जनसांख्यिकीय अनुमानों की आवश्यकता को सफलतापूर्वक समाप्त कर दिया, इन विशिष्ट अवस्थाओं के लिए व्यक्तिगत त्रुटियां अभी भी महत्वपूर्ण थीं, जो दर्शाती हैं कि हृदय गति का एक एकल अंक हर प्रकार की गति की पूर्ण व्याख्या नहीं कर सकता।
अंततः, यह अध्ययन प्रदर्शित करता है कि हृदय गति पर आधारित दृष्टिकोण बिना किसी व्यक्ति की आयु या लिंग को जाने, कुल दैनिक ऊर्जा व्यय की एक अत्यधिक सटीक तस्वीर प्रदान कर सकता है, बशर्ते कि मॉडल उस विशिष्ट सत्र के विश्लेषण से प्राप्त व्यक्तिगत शारीरिक मात्राओं का उपयोग करे। निष्कर्ष बताते हैं कि बेहतर ट्रैकिंग की कुंजी अधिक सेंसर जोड़ने में नहीं है, बल्कि गति के विशिष्ट संदर्भ को समझने में है। यदि कोई उपकरण यह पहचान सकता है कि व्यक्ति दौड़ रहा है, वजन उठा रहा है, या रिकवर कर रहा है, तो वह हृदय गति के डेटा पर सही नियम लागू कर सकता है ताकि अधिक स्पष्ट चित्र प्राप्त किया जा सके। हालांकि इस मॉडल का वर्तमान संस्करण एक आशाजनक कदम है, शोधकर्ता नोट करते हैं कि इसे वास्तविक दुनिया में, प्रयोगशाला के नियंत्रित वातावरण के बाहर, परीक्षण करने की आवश्यकता है, ताकि यह देखा जा सके कि जब लोग बिना किसी शोधकर्ता द्वारा उन्हें सटीक रूप से बताए अपनी सामान्य जिंदगी जी रहे हों, तब यह कैसा प्रदर्शन करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।