Spring naar content

Vraag validiteit hartslag en energieverbruik para-sporters

Energieverbruik bij mensen zonder beperking

Polar hartslagmeters met borstband staan bekend als één van de meest betrouwbare meetinstrumenten voor de sportpraktijk. Voor het berekenen van energieverbruik bij mensen zonder beperking zijn er verschillende studies gedaan naar de validiteit van algoritmen met een Polar borstband. Deze algoritmen blijken niet zo nauwkeurig voor het inschatten van het energieverbruik op basis van de hartslag en persoonlijke waarden, zoals geslacht, leeftijd en gewicht [1].

Algoritme voor hartslag

Keytel en collega’s ontwikkelden algoritmen om het energieverbruik van mensen zonder beperking te berekenen op basis van hartslag (Kader 1) [1]. Een algoritme verklaarde 73 procent van de variantie in energieverbruik tijdens submaximale inspanning. Dit betekent dat 73 procent van de spreiding in energieverbruik verklaard wordt door de combinatie van geslacht, hartslag, gewicht en leeftijd. Met de VO2max erbij nam de verklaarde variantie toe tot 83 procent. In het tweede deel van hun studie valideerden de onderzoekers de algoritmen bij een andere groep mensen. De verklaarde variantie -met en zonder VO2max- daalde naar 70 en 59 procent, respectievelijk. Tussen de 30 en 41 procent van de variantie blijft dus onverklaard, wat kan leiden tot een forse over- of onderschatting van het energieverbruik tijdens submaximale inspanning.

Kader 1. Algoritme voor het berekenen van energieverbruik  

Energieverbruik = gender ´ (-55.0969 + 0.6309 ´ heart rate + 0.1988 ´ weight + 0.2017 ´ age) + (1 – gender) ´ (-20.4022 + 0.4472 ´ heart rate – 0.1263 ´ weight + 0.074 ´ age)  

Gender = 1 bij mannen, en gender = 0 bij vrouwen

Algoritme voor multisensoren

Ook algoritmen van andere wearables, die data van versnellingsmeters combineren met hartslagdata, zijn in de praktijk niet echt nauwkeurig [2]. Volgens onderzoekers kan dit komen doordat bestaande algoritmen geen rekening houden met het soort inspanning of de lichaamshouding van mensen. Bovendien is de relatie tussen hartslag en energieverbruik verschillend tijdens inspanning op lage of hoge intensiteit, waardoor de nauwkeurigheid van een algoritme sterk afneemt [1].

Energieverbruik bij para-sporters

Het energieverbruik tussen para-sporters verschilt enorm, omdat iedere beperking leidt tot een andere lichamelijke reactie op inspanning [3]. Zo kunnen de bewegingsefficiëntie, spiermassa, het gebruik van prothesen en sportmateriaal en fysieke kenmerken verschillen. Dit geldt ook voor het geslacht, trainingsniveau, hoogte van een dwarslaesie, plek van een amputatie of ernst van een cerebrale parese. Dit maakt het inschatten van het energieverbruik van para-sporters moeilijker dan van mensen zonder beperking.

Indirecte calorimetrie is een gouden standaard voor het berekenen van energieverbruik. Deze methode meet de hoeveelheid zuurstof die wordt verbruikt en de hoeveelheid koolstofdioxide die wordt geproduceerd. Als iemand meer energie verbrandt, is het verbruik van zuurstof en de productie van koolstofdioxide hoger. Er bestaat een relatie tussen zuurstofverbruik en hartslag, alleen is deze relatie minder lineair bij para-sporters dan bij mensen zonder beperking [4]. Als een algoritme alleen de hartslag meeneemt, leidt dit vaak tot een onder- of overschatting van het energieverbruik.

FLEX-HR-methode

Dit blijkt ook uit een studie van Tanhoffer en collega’s waarin ze het energieverbruik van rolstoelgebruikers met een dwarslaesie op basis van de hartslag vergeleken met een andere betrouwbare methode voor het schatten van energieverbruik: doubly labelled water (DLW) [4]. De onderzoekers maakten gebruik van de FLEX-HR-methode, waarbij het gemiddelde van de hoogste hartslag in rust (liggend en zittend) en de laagste hartslag tijdens inspanning plus 10 slagen per minuut wordt meegenomen. De onderzoekers registreerden de hartslag met een Polar RS800CX [4]. Het totale energieverbruik op basis van de FLEX-HR-methode hing redelijk samen met die van DLW (verklaarde variantie 68%). Voor het energieverbruik tijdens inspanning was de relatie echter veel minder sterk met een verklaarde variantie van slechts 30 procent. Dit maakt de FLEX-HR-methode niet erg nauwkeurig voor het inschatten van het energieverbruik van para-sporters. 

Individuele kalibratie

Individuele kalibratie van de hartslag, waarbij de relatie tussen de hartslag en zuurstofverbruik tijdens een maximale inspanningstest wordt bepaald, lijkt de nauwkeurigheid wel aanzienlijk te verbeteren. Dit ontdekte Hayes en collega’s doordat met individuele kalibratie de variantie in gemeten energieverbruik aanzienlijk verbeterde; van 8 naar 55 procent [5]. In een studie van Nightingale en collega’s verklaarde de hartslag 57 procent van de variantie in energieverbruik tijdens inspanning [6]. In combinatie met versnellingsdata vanuit Actiheart, en na individuele kalibratie, liep de verklaarde variantie op tot 91 procent. Deze metingen vonden echter plaats op een loopband in een gecontroleerde setting. Op een normale dag was de verklaarde variantie een stuk lager: 50 procent na individuele kalibratie en 16 procent zonder individuele kalibratie. Waarschijnlijk is het inschatten van het energieverbruik op basis van enkel hartslaggegevens nog minder nauwkeurig. Onderzoekers stellen dat het inschatten van energieverbruik in rust en tijdens inspanning mogelijk te complex is om met de gebruikelijke lineaire regressiemodellen te berekenen [3].

Algoritmen

Polar stelt als één van de eerste bedrijven verschillende algoritmen beschikbaar voor een breder publiek [7,8]. Dit zijn algoritmen op het gebied van slaap, training, activiteit, prestatie, herstel en welzijn. Topsport Topics heeft geen toegang tot deze specifieke algoritmen, waardoor het onbekend is of het mogelijk is om deze aan te passen. Om het energieverbruik nauwkeurig in te schatten is het aan te raden om naast hartslagdata ook bewegingsdata mee te nemen [6,9,10]. Tot slot: onderzoekers benoemen dat per doelgroep (afhankelijk van de beperking) een apart algoritme essentieel is voor het nauwkeurig inschatten van het energieverbruik [11].

Bronnen

  1. Keytel LR, Goedecke JH, Noakes TD, et al. Prediction of energy expenditure from heart rate monitoring during submaximal exercise. J Sports Sci. 2005;23(3):289-297.
  2. O’Driscoll R, Turicchi J, Beaulieu K, et al. How well do activity monitors estimate energy expenditure? A systematic review and meta-analysis of the validity of current technologies. Br J Sports Med. 2020;54(6):332-340.
  3. Nightingale TE, Rouse PC, Thompson D, Bilzon JLJ. Measurement of Physical Activity and Energy Expenditure in Wheelchair Users: Methods, Considerations and Future Directions. Sports Med Open. 2017;3(1):10.
  4. Tanhoffer RA, Tanhoffer AI, Raymond J, Hills AP, Davis GM. Comparison of methods to assess energy expenditure and physical activity in people with spinal cord injury. J Spinal Cord Med. 2012;35(1):35-45.
  5. Hayes AM, Myers JN, Ho M, Lee MY, Perkash I, Kiratli BJ. Heart rate as a predictor of energy expenditure in people with spinal cord injury. J Rehabil Res Dev. 2005;42(5):617-624.
  6. Nightingale TE, Walhin JP, Thompson D, Bilzon JL. Predicting physical activity energy expenditure in wheelchair users with a multisensor device. BMJ Open Sport Exerc Med. 2015;1(1):bmjsem-2015-000008. Published 2015 Aug 13.
  7. https://www.polar.com/en/business/algorithms, geraadpleegd op 30 maart 2023
  8. https://www.polar.com/en/img/static/whitepapers/pdf/polar-smart-calories-white-paper.pdf, geraadpleegd op 30 maart 2023
  9. Shwetar YJ, Veerubhotla AL, Huang Z, Ding D. Comparative validity of energy expenditure prediction algorithms using wearable devices for people with spinal cord injury [published correction appears in Spinal Cord. 2020 Oct;58(10):1144-1145]. Spinal Cord. 2020;58(7):821-830.
  10. Kang JS, Kim GS, Hong EP, Jeong BR, Chang YH. Development of an Energy Expenditure Estimation Formula Associated with the Wheelchair Activity of Disabled People with a Spinal Cord Injury. Int J Precis Eng Manuf. 2021; 22(6):1097-1104.
  11. Ladlow P, Nightingale TE, McGuigan MP, Bennett AN, Phillip RD, Bilzon JLJ. Predicting ambulatory energy expenditure in lower limb amputees using multi-sensor methods. PLoS One. 2019;14(1):e0209249. Published 2019 Jan 31.