De un tiempo
a esta parte hemos comenzado a medir todo tipo parámetros, la posición en la
que estamos, el pulso, el número de pasos que damos, la cadencia en la bici, la
potencia generada, o las horas que dormimos.
Algunos de estos
parámetros llevan tiempo entre nosotros como es el GPS, otros, han ido ganando
terreno como puede ser el pulso y otros más nuevos como el sueño o los pasos
parece que también están para quedarse.
Quería
centrarme en lo que posiblemente sea el siguiente paso en la medida de estos
parámetros, ya que nos encontramos que, por poner un ejemplo, los sensores de
muñeca son más imprecisos que los de pecho o como se almacenan dichos datos.
Sin entrar
en como miden la frecuencia cardíaca los distintos tipos de sensores, si quería
hacer hincapié en como almacenan los datos, pues esta forma de trabajo viene
heredada de una forma de trabajo más antigua. En general, a pesar de la mayor
precisión de los sensores de pecho, lo que guardan no es exacto, ya que lo que realmente
guardan son los promedios, ¿por qué se hace de ese modo? Pues porque es más
sencillo que el dato sea procesado por hardware y nos lo sirva ya promediado,
la otra forma sería utilizar un formato raw (seguro que cuando se les ocurra le
darán un nombre más chulo) es decir, los datos en crudo sin procesar. Veamos un
ejemplo para entenderlo mejor
Simplificando,
este es el sistema que se sigue en la actualidad
18:00:00 80 Es
decir, 80 pulsaciones por segundo a las 6 de la tarde
18:00:01 81 Es
decir, 81 pulsaciones por segundo a las 6 y un segundo
Y este
podría ser el que se utilice en unos años
18:00:00,010
18:00:00,810
18:00:01,310
18:00:02:020
18:00:02,810
En el
segundo caso, lo que tenemos son los timestamps de cada pulso del corazón, mientras
que, en el primer caso, tenemos un promedio que se realiza en el propio
dispositivo.
Ventajas e
inconvenientes de cada sistema
El sistema
clásico requiere menos información, y permite mostrar al usuario la información
lista para ser revisada
El segundo
sistema es mucho más preciso, requiere más datos y, sobre todo, que debe ser
procesado posteriormente. Y, quizás, la precisión no es motivo suficiente para
que se implementen, quizás.
La gracia de
los formatos de tipo raw es que permiten hacer análisis posteriores sin perder
ningún dato, actualmente, los datos se almacenan en el dispositivo o en algún
webservice que probablemente realiza un procesado adicional y guarda dichos
datos procesados, con lo que tenemos una mayor pérdida de datos, si hoy
trabajamos con un software y mañana migramos a otro, al no tener uniformidad de
formatos iremos perdiendo más y más información.
Otra posible
razón es la compatibilidad de lo que tenemos, actualmente, tenemos muchos
dispositivos basados en analizar los datos y guardar lo que les interesa,
añadir una forma de trabajar nueva y difícil de justificar tiene costes
elevados.
Los formatos
raw, en estos casos también permitirían detectar los errores de lectura, que,
quizás no son muy necesarios en el caso de los sensores de pecho, pero si en
los de muñeca, ya que es más compleja su lectura.
Adicionalmente,
cada día es más común combinar aplicaciones, lo primero es porque si realizamos
distintas actividades o medimos distintos parámetros, tiene mucho sentido tener
que utilizar distintos programas. Adicionalmente, también hay aplicaciones y
servicios que recopilan datos de distintas fuentes, quizás aquí el ejemplo más
claro es Google fit, pero también hay aplicaciones de gimnasios que usan la
información de Google fit para complementar los entrenamientos o tener una
visión más global en el seguimiento de la actividad
En los
siguientes pasos que se darán en este sentido tendremos, sin lugar a dudas, más
sensores que nos permitan tener más información y más sistemas interconectados
que trasmitirán datos entre ellos, con lo que la necesidad de utilizar datos
sin procesar va a ser cada vez mayor.
Cabe decir
que, no todos los parámetros pueden almacenarse sin tener perdidas con este
formato, hay datos digitales, como es el pulso o los pasos, y otros que no, por
ejemplo, la posición en la que estamos, esta si requiere un muestreo con las
limitaciones tecnológicas existentes, pero si puede guardarse el dato capturado
en cada momento al estilo descrito
Quizás esto
podría llevarnos a un escenario más fragmentado donde tendríamos, por un lado,
el hardware que captura el dato, un servicio que lo almacena (por ejemplo, Google
fit o similares) y otro servicio que lo analizase. Sin duda, todo esto no
tendría sentido si, adicionalmente, no se preprocesan los datos para ser
mostrados igual que lo hacen ahora, pero almacenando el dato en crudo para un
posible, o no, análisis posterior
