José Meléndez-Gallardo*

jose.melendez@cure.edu.uy

Dinorah Plada-Delgado**

dinopla@hotmail.com

Facundo Daniel Hernández-García***

facuhernandez97@gmail.com

*Doctor en Ciencias Fisiología y Biofísica

Instituto Venezolano de Investigaciones Científicas (IVIC)

Altos de Pipe (Venezuela)

**Licenciada en Biología Humana

Facultad de Ciencias, Universidad de la República

Montevideo (Uruguay)

***Magister en Rendimiento Deportivo, Entrenamiento y Valoración Funcional

Universidad Europea del Atlántico

Santander (España)

Grupo de Investigación Biofísica y Bioquímica del Ejercicio

Instituto Superior de Educación Física

Centro Universitario Regional del Este

Universidad de la República, Maldonado (Uruguay)

Recepción: 28/10/2023 - Aceptación: 02/01/2024

1ª Revisión: 28/12/2023 - 2ª Revisión: 01/01/2024

Documento accesible. Ley N° 26.653. WCAG 2.0

Cita sugerida: Meléndez-Gallardo, J., Plada-Delgado, D., y Hernández-García, F.D. (2024). Aplicación móvil intuitiva para el cálculo indirecto de intensidad del entrenamiento. Lecturas: Educación Física y Deportes, 28(308), 142-153. https://doi.org/10.46642/efd.v28i308.7294

 

Resumen

    La frecuencia cardíaca (FC) tiene una relación directa con la intensidad del ejercicio. Se han propuesto varias fórmulas matemáticas para determinar esta relación, las cuales presentan heterogeneidad en torno a los parámetros incluidos en el cálculo, en respuesta a las condiciones individuales del sujeto. Por lo que, escoger la ecuación adecuada para cada persona puede tornarse complicado y errático. Por tal motivo, se propuso diseñar una aplicación móvil intuitiva, amigable y de fácil uso, que permita al usuario calcular su FCmáx y la FC acorde a la intensidad deseada, considerando sus particularidades. Para el desarrollo de la aplicación se utilizó MIT App Inventor 2. Se tomaron en cuenta 4 ecuaciones de determinación indirecta de VO2 máx., de acuerdo a su especificidad en cuanto a características de la población (Ecuación del ACSM, Ecuación de Tanaka, Ecuación de Miller, Ecuación de Karvonen). Con la implementación de estas ecuaciones y la manera inductiva en la que está diseñada la aplicación, se espera minimizar errores en torno a la predicción de zonas de entrenamiento para cada sujeto, en relación a su performance. Lo que por ende, disminuirá la probabilidad de errores en la planificación del entrenamiento deportivo y/o prescripción del ejercicio.

    Palabras clave: Frecuencia cardíaca. VO2 máx. Intensidad del ejercicio.

 

Abstract

    Heart rate (HR) has a direct relationship with exercise intensity. Several mathematical formulas have been proposed to determine this relationship, which show heterogeneity around the parameters included in the calculation, responding to the individual conditions of the subject. Therefore, choosing the appropriate equation for each person can become complicated and erratic. For this reason, the proposal was to design an intuitive, user-friendly, and easy-to-use mobile application that allows the user to calculate their maximum HR and the HR according to the desired intensity, considering their particularities. MIT App Inventor 2 was used for the development of the application. Four equations for the indirect determination of VO2 max were taken into account, according to their specificity regarding population characteristics (ACSM Equation, Tanaka equation, Miller equation, Karvonen equation). With the implementation of these equations and the inductive way in which the application is designed, it is expected to minimize errors regarding the prediction of training zones for each subject, in relation to their performance. This, in turn, will reduce the likelihood of errors in sports training planning and/or exercise prescription.

    Keywords: Heart rate. VO2 max. Exercise intensity.

 

Resumo

    A frequência cardíaca (FC) tem relação direta com a intensidade do exercício. Diversas fórmulas matemáticas foram propostas para determinar esta relação, as quais apresentam heterogeneidade em torno dos parâmetros incluídos no cálculo, em resposta às condições individuais do sujeito. Portanto, escolher a equação certa para cada pessoa pode se tornar complicado e errático. Por esse motivo, propôs-se a concepção de um aplicativo móvel intuitivo, amigável e de fácil utilização que permita ao usuário calcular sua FCmáx e FC de acordo com a intensidade desejada, considerando suas particularidades. Para o desenvolvimento da aplicação foi utilizado o MIT App Inventor 2. Foram consideradas 4 equações para a determinação indireta do VO2 máx, de acordo com sua especificidade em termos de características da população (Equação ACSM, Equação de Tanaka, Equação de Miller, Equação de Karvonen). Com a implementação destas equações e a forma indutiva como a aplicação é desenhada, espera-se minimizar os erros em torno da previsão das zonas de treino de cada sujeito, em relação ao seu desempenho. O que reduzirá, portanto, a probabilidade de erros no planejamento do treinamento esportivo e/ou na prescrição de exercícios.

    Unitermos: Frequência cardíaca. VO2 máx. Intensidade do exercício.

 

Lecturas: Educación Física y Deportes, Vol. 28, Núm. 308, Ene. (2024)

---

 

Introducción 

 

    La frecuencia cardíaca tiene una relación directa con la intensidad del ejercicio; los estudios de Karvonen en 1959, permitieron determinar esta relación (Paucar Cushicondor et al., 2019). Según la fórmula de Karvonen la frecuencia cardíaca esperada (FCentren) para un porcentaje de intensidad de esfuerzo determinado (% entren), es igual a la diferencia de la frecuencia cardiaca máxima (FCmáx) y la frecuencia cardiaca en reposo (FCrep) (frecuencia cardíaca de reserva), multiplicado por el porcentaje de intensidad deseada del ejercicio (% entren), más la frecuencia cardiaca en reposo (FCrep) (Karvonen, y Vuorimaa, 1988; Racil, et al., 2023). Es decir:

 

FCentren = [(FCmax - FCrep) × % entren] + FCrep. 

 

    La frecuencia cardiaca máxima puede determinarse directamente durante la ejecución de un esfuerzo máximo; sin embargo, en algunas ocasiones puede resultar complejo. Existen diversas fórmulas predictivas para poder calcular de forma indirecta la FCmáx de un individuo (Bouzas, Ottoline, y Delgado, 2010; Duany, y Colás, 2023). Algunas de las fórmulas predictivas más conocidas son la del Colegio Americano de Medicina Deportiva (ACSM: FCmax = 220 - edad), la fórmula de Tanaka (FCmax = 208 - (0,7 × edad); y la fórmula de Miller (FCmáx = 217 - 0,85 × edad). (Lee et al., 2011; Tanaka, Monahan, y Seals, 2001; Miller, Walace, y Eggert, 1993; Donate et al., 2023)

 

    Con respecto a los parámetros que incluyen estás fórmulas, la edad es el único factor común, debido a que la FCmáx disminuye con la edad a relación de un latido por año (Midgley, McNaughton, Polman, y Marchant, 2007). Algunas de estas ecuaciones consideran otros parámetros como constantes que las hacen particulares, es ese el caso de la fórmula de Tanaka y la de Miller, las cuales están indicadas para individuos que presentan enfermedades crónicas no transmisibles de índole cardiorrespiratoria y/o edad avanzada (>65 años) y obesidad respectivamente. Debido a que estas personas presentan compromisos metabólicos, resistencia vascular elevada, insuficiencia cardíaca y restricciones en la ventilación pulmonar, entre otras limitaciones funcionales (Tanaka, Monahan, y Seals, 2001; Miller, Walace, y Eggert, 1993; Donate et al., 2023). De las fórmulas mencionadas anteriormente, sólo la fórmula de Karvonen incluye como parámetro la frecuencia cardíaca de reposo, la cual puede determinarse previo a la sesión de entrenamiento, en un estado de absoluta quietud. (Lahr et al., 2020)

 

    Por otro lado, esta misma fórmula es la única que incluye el porcentaje de trabajo deseado como parámetro, para las tres fórmulas restantes citadas anteriormente, este porcentaje debe calcularse a partir de la FCmáx obtenida. Es de resaltar, que el porcentaje de trabajo está ligado a la intensidad del ejercicio y que ésta última, a su vez, está vinculada a la escala de percepción de esfuerzo de Borg y la clasificación que realizó el ACSM del porcentaje de intensidad, basada en un entrenamiento aeróbico de 20 a 60 minutos de duración. (Queiroz et al., 2020)

 

    De manera que, resulta útil y necesario el manejo de estás fórmulas predictivas para la monitorización del entrenamiento, prescripción de ejercicio o control de la actividad física en general (Bouzas, Ottoline, y Delgado, 2010; Duany, y Colás, 2023). En la actualidad, se encuentran disponibles varias aplicaciones móviles y sitios web, que ofrecen este cálculo, solo que lo hacen a partir de una sola fórmula y de esta manera pretenden homogeneizar a la población, sin considerar ciertas particularidades de los usuarios, tales como la edad, la condición física o el padecimiento de alguna patología u obesidad. Por lo que, el objetivo de este trabajo es diseñar una aplicación móvil intuitiva, amigable y de fácil uso, que permita al usuario calcular su FCmáx y la FC acorde a la intensidad deseada (% entren), considerando la individualidad de cada sujeto.

 

Metodología 

 

Aplicación móvil 

 

    El estudio consiste en el proceso de producción tecnológica de una aplicación móvil, para determinar la FCmáx y el porcentaje de la FC de entrenamiento físico para diferentes sujetos, de acuerdo a su edad, estado físico y de salud. Esta producción tecnológica se basó en la metodología ágil, la cual comprende ciclos de desarrollo fundamentados en la especificación, el análisis, la construcción, las pruebas y la implementación (Pazetti et al., 2020). Las pruebas se desarrollaron con datos de estudiantes de la Licenciatura en Educación Física del Instituto Superior de Educación Física de la Universidad de la República, Uruguay; cursantes de la Unidad Curricular Fisiología del Ejercicio y con datos de familiares de estos (datos no mostrados).

 

    Para el desarrollo del prototipo de la aplicación se utilizó MIT App Inventor 2, que es una plataforma de lenguaje de programación de código abierto y en bloques orientado a eventos, con el que se pueden realizar aplicaciones móviles, la cual fue creada por Google Labs y el Massachusetts Institute of Technology, que en la actualidad sólo es mantenida y administrada por este último. Cuando se crea un proyecto en App Inventor se usan tres aplicaciones, la primera se conoce como el gestor de proyectos y permite crear, eliminar y modificar los proyectos que se desarrollen en App Inventor. La segunda se conoce como el App Inventor Designer, con la que se pueden diseñar las pantallas del programa, y la tercera es el App Inventor Blocks Editor, en la que se definen y programan los componentes de la aplicación móvil. (Pang, 2022)

 

Ecuaciones de predicción de FC máxima 

 

    Se consideraron 4 ecuaciones de determinación indirecta de VO2 máx. a través de la FC máxima (Marins, 2010), de acuerdo a su especificidad en cuanto a características de la población.

• Ecuación del ACSM: FCmax = 220 - edad, para personas menores de 65 años de edad sedentarias y sin patologías. (Lee et al., 2011)

• Ecuación de Tanaka: FCmax = 208 - (0,7 × edad), para personas mayores de 65 años de edad y/o menores de 65 años que presenten patologías. (Tanaka, Monahan, y Seals, 2001)

• Ecuación de Miller, para hombres y mujeres con obesidad (IMC≥30). (Miller, Walace, y Eggert, 1993; Donate et al., 2023)

• Fórmula de Karvonen: FCentren = [(FCmax - FCrep) × % entren] + FCrep, para personas activas físicamente, sanas y menores de 40 años. (Karvonen, y Vuorimaa, 1988)

Flujo de navegación de la aplicación 

 

    La aplicación realiza el cálculo contemplando la respuesta de variables que influyen directamente en la FCmáx, estas se eligieron en base a estudios previos. (Crintancho et al., 2016)

1. Edad. (Marins, 2010)

2. Enfermedad crónica no transmisible. (Tanaka, 2001)

3. Obesidad. (Donate et al., 2023)

4. Nivel de actividad física. (Lach et al., 2021).

    A partir de las respuestas a estas cuatro interrogantes, la aplicación dirige al usuario a la fórmula correspondiente. En el caso de personas sedentarias, con un IMC >30 kg/m², y < de 65 años, se utiliza la fórmula de Miller. Ejecutando el mismo procedimiento de preguntas, en personas sedentarias, con un IMC < 29 kg/m², que no padecen ninguna enfermedad crónica no transmisible y son menores de 65 años, se utiliza la fórmula de ACSM. En relación a personas sedentarias, que padezcan una enfermedad crónica no transmisible o sean mayores de 65 años, se utiliza la fórmula de Tanaka. Por último, en personas activas físicamente, que no padezcan alguna enfermedad crónica no transmisible y que sean menores de 40 años, se utiliza la fórmula de Karvonen.

 

Interfaz de usuario 

 

    La interfaz de usuario es el espacio donde se producen las interacciones entre seres humanos y máquinas. El objetivo de esta interacción es permitir el funcionamiento y control más efectivo de la máquina desde la interacción con el humano. La presente aplicación móvil consta de interfaces básicas de usuario (listas de selección y ventanas), que solicitan al usuario ciertos datos simples para facilitar el cálculo de las ppm que debe alcanzar para lograr la intensidad deseada del ejercicio.

 

Fuente: Autores

 

    Inicialmente la aplicación le pide al usuario que ingrese su nombre en la pantalla número 1 (Figura 1), posteriormente en las pantallas 2 (Figuras 2 y 3), se solicita al usuario que ingrese datos para calcular su IMC (talla y peso), en caso de que el IMC sea ≥ 30, automáticamente se le redirige a la ecuación de Miller (Figura 10), pero, sí es £ 29 seguirá hacia las siguientes pantallas. (Miller, Walace, y Eggert, 1993)

 

Fuente: Autores

 

    En la pantalla 4 (Figura 4) se solicita que ingrese su edad, en este caso si el usuario tiene una edad ≥ 65 años, automáticamente ingresa a la ecuación de Tanaka (Figura 7), en caso de que sea £ 64 seguirá hacia la siguiente pantalla (Lach et al., 2021), la misma es la número 5 (Figura 5) y está estrechamente relacionada a la pantalla 4, dado que si el usuario responde que padece una Enfermedad Crónica no Transmisible (ECNT) (Tanaka, 2001), la aplicación también lo dirige hacia la ecuación de Tanaka (Figura 7), y en el caso contrario, pasará hacia la última pregunta.

 

Fuente: Autores

 

    En la pantalla número 6 (Figura 6) se le pregunta al usuario si es una persona activa, en caso de que sea afirmativa la respuesta, lo dirige automáticamente hacia la fórmula de Karvonen (Figura 9),y si la respuesta es negativa, lo dirige hacia la ecuación de la ASCM (Figura 8).

 

    En las pantallas 7, 8, 9 y 10 (Figuras 7 a 10), se muestran ventanas que le solicitan al usuario el ingreso del porcentaje al cual desea o necesita entrenar, a partir de este dato, automáticamente se calcula con la ecuación correspondiente y se muestran las ppm que debería alcanzar durante el entrenamiento para tal fin, con un rango de libertad de ± 5 ppm, además se le indica su IMC en caso de que haya aportado datos de talla y peso en la pantalla 3.

 

Fuente: Autores

 

Fuente: Autores

 

    Como se puede constatar, esta interacción entre el usuario y la aplicación, facilita el cálculo indirecto de la intensidad del ejercicio, en función de las variables edad, enfermedad crónica no transmisible, obesidad y nivel de actividad física autopercibida.

 

Fuente: Autores

 

Conclusiones 

 

    Es necesario aclarar que el cálculo indirecto del VO2 máx. a través de la FCmáx no es el más preciso, ni debería ser la primera opción a la hora de planificar y estructurar sesiones de entrenamiento o adecuación de intensidades del esfuerzo físico (Kasiak et al., 2023). Sin embargo, bajo condiciones en las cuales no se tiene acceso a metodologías y/o equipamiento que permita una determinación más exacta de este parámetro, estas ecuaciones ofrecen una alternativa aceptable para la programación, evaluación, monitorización y dosificación del esfuerzo físico, tanto en el ámbito del deporte (escolar, de iniciación, de desarrollo, amateur, recreativo y mantenimiento de salud), así como también en la prescripción de ejercicio. Siempre y cuando la ecuación predictiva que se considere, incluya en sus parámetros las condiciones particulares de la persona a la cual va dirigido el cálculo. En este sentido, se consideraron cuatro ecuaciones de predicción, que de modo general, abarcan las características poblacionales más comunes en cuanto a grupo etario, composición corporal, padecimiento de enfermedades crónicas no transmisibles, condición física y nivel de actividad (Lach et al., 2021). Además de ello el diseño es sencillo, intuitivo e inductivo, que de alguna manera ayuda a minimizar errores subyacentes. Para versiones posteriores de la app, se podría mejorar la propuesta incluyendo el uso de los sensores del teléfono móvil para determinar directamente la frecuencia cardíaca, distancia recorrida, cálculo de gasto calórico, entre otras variables que ofrecen información importante en el área del entrenamiento físico.

 

    Link de descarga de la App: https://github.com/JGMG7/FCmax-ISEF-Uy

 

Fuente de financiación 

 

    Convocatoria interna de Fortalecimiento a Grupos de Investigación, del Instituto Superior de Educación Física de la Universidad de la República, Uruguay.

 

Referencias 

 

Bouzas, J., Ottoline, N., y Delgado, M. (2010). Aplicaciones de la frecuencia cardiaca máxima en la evaluación y prescripción de ejercicio. Apunts Med Esport., 45(168), 251-258. https://www.apunts.org/es-aplicaciones-frecuencia-cardiaca-maxima-evaluacion-articulo-X0213371710873503

 

Crintancho, H., Luna, J.E., y Callejas, M. (2016). Sistema experto para determinar la frecuencia cardíaca máxima en deportistas con factores de riesgo. Revista Ingeniería Biomédica, 10(19), 23-31. https://dx.doi.org/10.14508/rbme.2016.10.19.23-31

 

Donate, F.I., Sánchez-Oliver, A.J., Benito, P.J., Heredia Elvar, J.R., Suárez-Carmona, W., y Butragueño, J. (2023). Guía para el diseño de programas de intervención en población con obesidad: Documento de Posicionamiento del Grupo Ejercicio Físico de la Sociedad Española de Estudio de la Obesidad (SEEDO). Retos, 50, 33-49. https://doi.org/10.47197/retos.v50.99282

 

Duany, D.T.D. y Colás, V.M. (2023). Control cardiovascular en el entrenamiento deportivo mediante ergometría y empleo del software Cardiotraining_CIDC. Revista Cubana de Investigaciones Biomédicas, 42, e1664. https://revibiomedica.sld.cu/index.php/ibi/article/view/1664

 

Karvonen, J., e Vuorimaa, T. (1988). Heart rate and exercise intensity during sports activities. Practical application. Sports Medicine (Auckland, N.Z.), 5(5), https://pubmed.ncbi.nlm.nih.gov/3387734/

 

Kasiak, PS, Wiecha, S., Cieśliński, I., Takken, T., Lach, J., Lewandowski, M., Barylski, M., Mamcarz, A., y Śliż, D. (2023). Validity of the Maximal Heart Rate Prediction Models among Runners and Cyclists. Journal of clinical medicine, 12(8), 2884. https://doi.org/10.3390/jcm12082884

 

Lach, J., Wiecha, S., Śliż, D., Price, S., Zaborski, M., Cieśliński, I., Postuła, M., Knechtle, B., y Mamcarz, A. (2021). HR Max Prediction Based on Age, Body Composition, Fitness Level, Testing Modality and Sex in Physically Active Population. Frontiers in physiology, 12, 695950. https://doi.org/10.3389/fphys.2021.695950

 

Lahr, S.L.N., Silva, R.G., Bernardina, G.R.D., Teixeira, R.B., y Marins, J.C.B. (2020). Comparação da frequência cardíaca máxima entre teste máximo na natação e equações de predição. Revista Brasileira de Ciências do Esporte, 42, e2015. https://doi.org/10.1016/j.rbce.2018.11.003

 

Lee, J-M., Bassett Jr, D.R., Thompson, D.L., y Fitzhugh, E.C. (2011). Validation of the Cosmed Fitmate for Prediction of Maximal Oxygen Consumption. Journal of Strength and Conditioning Research, 25(9), 2573-2579. https://doi.org/10.1519/JSC.0b013e3181fc5c48

 

Marins, J.M. (2010). Aplicaciones de la frecuencia cardiaca máxima en la evaluación y prescripción del ejercicio. Apunts Sports Medicine, 45(168). https://www.apunts.org/es-aplicaciones-frecuencia-cardiaca-maxima-evaluacion-articulo-X0213371710873503

 

Midgley, A.W., McNaughton, L.R, Polman, R., y Marchant, D. (2007). Criteria for determination of maximal oxygen uptake: A brief critique and recommendations for future research. Sports Med., 37, 1019-1028. https://doi.org/10.2165/00007256-200737120-00002

 

Miller, W.C., Wallace, J.P., y Eggert, K.E. (1993). Predicting max HR and the HR-VO2 relationship for exercise prescription in obesity. Medicine and science in sports and exercise, 25(9), 1077-1081. https://pubmed.ncbi.nlm.nih.gov/8231778/

 

Pang, N. (2022). Computational Action in Action: Process and Tools that Empower Students to Make a Real-world Impact Using Technology [M. Eng thesis, Elect. Eng. Comput. Sci., Massachusetts Inst. of Technology]. https://dspace.mit.edu/handle/1721.1/144881

 

Paucar Cushicondor, C.G., Castro Yar, O.D., y Sandoval Jaramillo, M.L. (2019). Zonas de entrenamiento en el rendimiento deportivo de nadadores juveniles. Lecturas: Educación Física y Deportes, 24(257), 2-10. https://efdeportes.com/efdeportes/index.php/EFDeportes/article/view/1671

 

Pazzetti, JAT, Melo, HS, Souza, GF, Cruz, WS, Ribeiro, MCI, Rumaquella, MR, Tessutti, V., Mancini F., y Yi, LC (2020). Desarrollo de la aplicación móvil KnowFoot para la evaluación de la postura del pie. Lecturas: Educación Física y Deportes, 25(271), 126-142. https://doi.org/10.46642/edf.v25i271.2394

 

Queiroz, M.G., Franklin de Carvalho, D.F., Muniz Medeiros, C.C., Tavares de Melo, F.C. (2020). Prevalência do uso da escala de percepção subjetiva de esforço Borg nos exercícios físicos: revisão integrativa. Revista Interdisciplinar em Saúde, 7, 672-681, https://doi.org/10.35621/23587490.v7.n1.p672/681

 

Racil, G., Russo, L., Migliaccio, G.M., Signorelli, P., Larion, A., Padulo, J., y Jlid, M.C. (2023). High-Intensity Interval Training in Female Adolescents with Moderate or Severe Obesity. Children (Basel, Switzerland), 10(9), 1495. https://doi.org/10.3390/children10091495

 

Tanaka, H.M. (2001). Age-predicted maximal heart rate revisited. Journal of the American College of Cardiology, 37(1), https://doi.org/10.1016/s0735-1097(00)01054-8

Lecturas: Educación Física y Deportes, Vol. 28, Núm. 308, Ene. (2024)