Algoritmos de equilíbrio e marcha num smartphone

Os algoritmos de equilíbrio e marcha num smartphone utilizam sensores inerciais incorporados (acelerómetro e giroscópio) para recolher e analisar dados de movimento:

• Ao aplicar técnicas de processamento de sinal e de aprendizagem automática, os algoritmos podem quantificar a estabilidade durante a posição de pé e extrair métricas importantes durante a marcha, como o comprimento da passada, o tempo do passo e a velocidade da marcha

Os dados brutos para estes algoritmos são recolhidos a partir da Unidade de Medida Inercial (IMU) interna do smartphone, que inclui

• acelerómetro: um sensor triaxial que mede a aceleração linear ao longo dos eixos x, y e z
  • durante a análise da marcha, pode detetar o impacto dos passos e o movimento para cima e para baixo do centro de massa do corpo
• giroscópio: um sensor triaxial que mede a velocidade angular, ou velocidade de rotação, em torno dos eixos x, y e z
  • estes dados são cruciais para analisar a oscilação do corpo durante as tarefas de equilíbrio e os movimentos de rotação durante as viragens ao caminhar

Os dados brutos do sensor são filtrados e processados utilizando algoritmos para produzir parâmetros de marcha e equilíbrio clinicamente relevantes. Algoritmos de análise da marcha

1. filtragem do sinal: os dados brutos do sensor contêm ruído dos tremores do corpo e do movimento do dispositivo - é frequentemente utilizado um filtro Butterworth ou Kalman para suavizar o sinal e remover o ruído antes da análise
2. deteção de eventos da marcha: Os algoritmos identificam eventos-chave no ciclo da marcha, como o bater do calcanhar e o arranque do dedo do pé, detectando picos e depressões específicos nos sinais filtrados de aceleração e velocidade angular.

Extração de parâmetros: Uma vez identificados os eventos da marcha, o algoritmo calcula os parâmetros espácio-temporais, incluindo

• Cadência: O número de passos por minuto
• Tempo de passo: O tempo entre passos consecutivos
• Comprimento do passo: Estimado através da integração dupla dos dados de aceleração
  • algoritmos sofisticados podem também utilizar um modelo de pêndulo duplo para melhorar a precisão
• Velocidade de marcha: A distância média percorrida durante um período de tempo específico
• Simetria e variabilidade: Métricas calculadas através da comparação dos tempos e comprimentos dos passos à esquerda e à direita, que podem indicar anomalias na marcha

As provas demonstram que a avaliação baseada em smartphones é um método válido e fiável para avaliar o equilíbrio em pé (1).

No que respeita ao Apple Health (Walking Steadiness) (2):

Esta funcionalidade incorporada no iPhone 8 ou posterior é a aplicação mais amplamente discutida e validada para a análise da marcha.

• Principais métricas registadas: Quando transportada num bolso ou perto da cintura, a aplicação Saúde monitoriza uma variedade de métricas de mobilidade, incluindo
  • Velocidade da marcha
  • Assimetria da marcha (equilíbrio entre passos)
  • Tempo de apoio duplo (quanto tempo ambos os pés estão no chão)
  • Comprimento do passo de caminhada

Fornece uma "Avaliação do risco de queda"fornece uma pontuação preditiva de "Estabilidade na marcha" (Alta, OK ou Baixa) que estima o risco de queda nos 12 meses seguintes

• os utilizadores podem receber notificações se a sua pontuação for baixa

No que diz respeito à validade da utilização do indicador de "firmeza na marcha" no iPhone (2):

• vinte e sete crianças, 28 adultos e 28 idosos equipados com um iPhone completaram um teste de marcha de 6 minutos (TC6)
  • a velocidade da marcha (GS), o comprimento do passo (SL) e o tempo de duplo apoio (DST) foram extraídos dos registos de marcha da aplicação Saúde
  • os parâmetros da marcha foram recolhidos simultaneamente com um sistema de sensores inerciais (APDM Mobility Lab) para avaliar a validade concomitante
  • demonstrou que a concordância da aplicação Health com o APDM Mobility Lab foi boa para a GS em todos os grupos etários e para a SL em adultos/idosos, mas fraca a moderada para a DST em todos os grupos etários e para a SL em crianças
  • a consistência entre medições repetidas foi boa a excelente para todos os parâmetros da marcha em adultos/idosos, e moderada a boa para o GS e o DST, mas fraca para a SL em crianças
  • os autores do estudo concluíram que
    • a aplicação Health no iPhone é fiável e válida para medir o GS e o SL em adultos e idosos
    • é necessária uma interpretação cuidadosa quando se utiliza a aplicação Health em crianças e quando se mede o DST em geral, uma vez que ambas demonstraram uma validade e/ou fiabilidade limitadas

Utilização de um smartphone para avaliar a marcha em doentes com doença cerebral dos pequenos vasos (CSVD)

• um estudo avaliou a capacidade de detetar eventos de marcha utilizando um smartphone combinado com aprendizagem profunda e avaliou os efeitos remotos e o significado clínico deste método em diferentes populações idosas e em doentes com doença cerebral dos pequenos vasos (CSVD) (3):
  • os autores do estudo mostraram que
    • este método pode diferenciar eficazmente as diferenças de marcha entre idosos saudáveis, indivíduos com défice cognitivo ligeiro, doença de Parkinson e doentes com doença dos pequenos vasos cerebrais durante a marcha de tarefa única e de tarefa dupla
    • propôs que o método de análise da marcha baseado em smartphone proposto neste estudo é fácil de operar, tem um baixo custo e promove a deteção, mostrando-se promissor para aplicações na gestão remota da reabilitação, avaliação clínica e outros domínios

Referências:

1. Prato TA, Lynall RC, Howell DR, Lugade V. Validity and Reliability of an Integrated Smartphone Measurement Approach for Balance. J Sport Rehabil. 2024 Nov 18;34(2):177-183.
2. Werner, C., Hezel, N., Dongus, F. et al. Validade e fiabilidade da aplicação Apple Health no iPhone para medir os parâmetros da marcha em crianças, adultos e idosos. Sci Rep 2023;13: 5350.
3. Xu, K.; Yu, W.; Yu, S.; Zheng, M.; Zhang, H. A deteção de eventos de marcha com base em smartphones e aprendizagem profunda. Bioengenharia;2025: 12(5):491.