Bibliografía de Analítica de Caminar

Inoue K, et al. (2023)

"Association of Daily Step Patterns With Mortality in US Adults"

JAMA Network Open 2023;6(3):e235174

Estudio de 4.840 adultos estadounidenses mostrando que 8.000-9.000 pasos/día en adultos mayores reduce mortalidad. Los beneficios se estancan más allá de este rango, sugiriendo rendimientos decrecientes en recuentos de pasos más altos.

Lee I-M, et al. (2019)

"Association of Step Volume and Intensity With All-Cause Mortality in Older Women"

JAMA Internal Medicine 2019;179(8):1105-1112

Estudio de 16.741 mujeres mayores (edad media 72) mostrando reducción de mortalidad con ≥4.400 pasos/día, con beneficios estancándose alrededor de 7.500 pasos/día. Estableció evidencia de que "más no siempre es mejor."

Ding D, et al. (2025)

"Steps per day and all-cause mortality: a systematic review and meta-analysis"

The Lancet Public Health 2025 (en línea adelanto de impresión)

Meta-análisis completo proporcionando relación dosis-respuesta entre pasos diarios y resultados de salud en poblaciones diversas.

Del Pozo-Cruz B, et al. (2022)

"Association of Daily Step Count and Intensity With Incident Morbidity and Mortality Among Adults"

JAMA Internal Medicine 2022;182(11):1139-1148

Estudio de 78.500 adultos del Reino Unido introduciendo métrica Cadencia Peak-30. Encontró que tanto pasos totales COMO cadencia peak-30 asociados independientemente con reducción de morbilidad y mortalidad. La cadencia peak-30 puede ser más importante que pasos totales para resultados de salud.

Master H, et al. (2022)

"Association of step counts over time with the risk of chronic disease in the All of Us Research Program"

Nature Medicine 2022;28:2301–2308

Estudio a gran escala mostrando que recuentos de pasos sostenidos en el tiempo reducen el riesgo de enfermedades crónicas incluyendo diabetes, obesidad, apnea del sueño, ERGE y depresión.

Del Pozo-Cruz B, et al. (2022)

"Association of Daily Step Count and Intensity With Incident Dementia in 78,430 Adults Living in the UK"

JAMA Neurology 2022;79(10):1059-1063

Pasos diarios e intensidad de pasos ambos asociados con reducción del riesgo de demencia. Dosis óptima alrededor de 9.800 pasos/día, con beneficios adicionales de mayor cadencia (caminata rápida).

Tudor-Locke C, et al. (2019) — Estudio CADENCE-Adults

"Walking cadence (steps/min) and intensity in 21-40 year olds: CADENCE-adults"

International Journal of Behavioral Nutrition and Physical Activity 2019;16:8

Estudio histórico estableciendo 100 pasos/min como umbral para intensidad moderada (3 METs) con 86% sensibilidad y 89,6% especificidad en 76 participantes de 21-40 años. Este hallazgo forma la base para monitoreo de intensidad basado en cadencia en caminar.

Tudor-Locke C, et al. (2020)

"Walking cadence (steps/min) and intensity in 41 to 60-year-old adults: the CADENCE-adults study"

International Journal of Behavioral Nutrition and Physical Activity 2020;17:137

Confirmó umbral de 100 ppm para intensidad moderada en adultos de mediana edad (41-60 años). Estableció 130 ppm como umbral para intensidad vigorosa (6 METs).

Aguiar EJ, et al. (2021)

"Cadence (steps/min) and relative intensity in 21 to 60-year-olds: the CADENCE-adults study"

International Journal of Behavioral Nutrition and Physical Activity 2021;18:27

Meta-análisis confirmando umbrales de cadencia permanecen estables entre edades 21-85 años, apoyando aplicabilidad universal del monitoreo de intensidad basado en cadencia.

Moore CC, et al. (2021)

"Development of a Cadence-based Metabolic Equation for Walking"

Medicine & Science in Sports & Exercise 2021;53(1):165-173

Desarrolló ecuación simple: METs = 0,0219 × cadencia + 0,72. Este modelo mostró 23-35% mayor precisión que ecuación ACSM estándar, con precisión de ~0,5 METs a velocidades normales de caminar.

Tudor-Locke C, et al. (2022)

"Cadence (steps/min) and intensity during ambulation in 6–20 year olds: the CADENCE-kids study"

International Journal of Behavioral Nutrition and Physical Activity 2022;19:1

Resumen de evidencia para investigación cadencia-intensidad a través de grupos de edad, proporcionando marco completo para interpretación.

American Heart Association (AHA)

"Target Heart Rates Chart"

Referencia estándar para entrenamiento por zonas de frecuencia cardíaca. Intensidad moderada = 50-70% FC máx; vigorosa = 70-85% FC máx.

Studenski S, et al. (2011)

"Gait Speed and Survival in Older Adults"

JAMA 2011;305(1):50-58

Estudio histórico de 34.485 adultos mayores estableciendo velocidad de marcha como predictor de supervivencia. Velocidades <0,8 m/s asociadas con mayor mortalidad; velocidades >1,0 m/s indican buena salud funcional. Velocidad de marcha ahora considerada "signo vital" de salud en adultos mayores.

Pamoukdjian F, et al. (2022)

"Gait speed and falls in older adults: A systematic review and meta-analysis"

BMC Geriatrics 2022;22:394

Revisión general estableciendo relación fuerte entre velocidad de marcha más lenta y riesgo aumentado de caída en adultos mayores que viven en comunidad.

Verghese J, et al. (2023)

"Annual decline in gait speed and falls in older adults"

BMC Geriatrics 2023;23:290

Cambios anuales en velocidad de marcha predicen riesgo de caída. Monitorear cambios anuales de velocidad de marcha permite intervención temprana para prevenir caídas.

Hausdorff JM, et al. (2005)

"Gait variability and fall risk in community-living older adults: a 1-year prospective study"

Journal of NeuroEngineering and Rehabilitation 2005;2:19

Mayor variabilidad de marcha (coeficiente de variación en tiempo de zancada) predice riesgo de caída. CV >3-4% en caminata normal indica riesgo aumentado.

Hausdorff JM (2009)

"Gait dynamics in Parkinson's disease: common and distinct behavior among stride length, gait variability, and fractal-like scaling"

Chaos 2009;19(2):026113

Análisis fractal de patrones de marcha en enfermedad de Parkinson mostrando dinámica de zancada alterada y pérdida de complejidad en condiciones neurológicas.

Moe-Nilssen R, Helbostad JL (2004)

"Estimation of gait cycle characteristics by trunk accelerometry"

Journal of Biomechanics 2004;37(1):121-126

Estableció fiabilidad de acelerómetros montados en tronco para análisis de marcha, formando base para evaluación de marcha de smartphone y smartwatch.

Phinyomark A, et al. (2020)

"Fractal analysis of human gait variability via stride interval time series"

Frontiers in Physiology 2020;11:333

Revisión de métodos de análisis fractal (DFA alpha) para cuantificar correlaciones de largo alcance en patrones de marcha, útil para detectar condiciones neurológicas.

Ralston HJ (1958)

"Energy-speed relation and optimal speed during level walking"

Internationale Zeitschrift für angewandte Physiologie 1958;17:277-283

Estudio clásico estableciendo curva en forma de U de economía de caminar. Velocidad óptima de caminar (costo energético mínimo) ocurre aproximadamente a 1,25 m/s (4,5 km/h) en terreno plano.

Zarrugh MY, et al. (2000)

"Preferred Speed and Cost of Transport: The Effect of Incline"

Journal of Experimental Biology 2000;203:2195-2200

El costo de transporte aumenta sustancialmente con gradiente. Gradiente +5% aumenta significativamente costo metabólico; gradientes de bajada (-5 a -10%) aumentan costo de frenado excéntrico.

Lim HT, et al. (2018)

"A simple model to estimate metabolic cost of human walking across slopes and surfaces"

Scientific Reports 2018;8:5279

Modelo mecánico de costo energético de caminar incorporando gradiente y tipo de terreno, permitiendo predicción de demanda metabólica en condiciones variadas.

Steudel-Numbers K, Tilkens MJ (2022)

"The effect of lower limb length on the energetic cost of locomotion: implications for fossil hominins"

eLife 2022;11:e81939

Análisis de compromisos energía/tiempo en estrategias de ritmo humano a través de diferentes velocidades de caminar y gradientes.

Apple Inc. (2021)

"Using Apple Watch to Estimate Cardio Fitness with VO₂ max"

Documento técnico describiendo metodología de Apple Watch para estimar VO₂max durante caminatas, carreras y excursiones al aire libre. Usa frecuencia cardíaca, velocidad GPS y datos de acelerómetro con algoritmos validados.

Apple Developer Documentation

"HKQuantityTypeIdentifier.vo2Max"

Documentación oficial de API de HealthKit para acceder a datos de VO₂max. Unidades: mL/(kg·min). Apple Watch Series 3+ estima VO₂max durante actividades cardio al aire libre.

Apple Support

"About Cardio Fitness on Apple Watch"

Documentación de cara al usuario explicando niveles de condición cardio, cómo se miden y cómo mejorarlos. Incluye rangos normativos específicos por edad y sexo.

Apple Developer Documentation

"HKCategoryTypeIdentifier.lowCardioFitnessEvent"

API para detectar eventos de baja condición cardio, permitiendo intervenciones proactivas de salud cuando VO₂max cae por debajo de umbrales específicos de edad/sexo.

Apple Inc. (2022)

"Measuring Walking Quality Through iPhone Mobility Metrics"

Documento técnico detallando validación de métricas de caminata basadas en iPhone: velocidad al caminar, longitud de paso, porcentaje de doble soporte, asimetría al caminar. iPhone 8+ con iOS 14+ puede recopilar pasivamente estas métricas cuando se lleva en bolsillo/bolso.

Apple WWDC 2021

"Explore advanced features of HealthKit — Walking Steadiness"

Sesión técnica introduciendo métrica de Estabilidad al Caminar: medida compuesta de equilibrio, estabilidad y coordinación derivada de parámetros de marcha. Proporciona clasificación de riesgo de caída (OK, Bajo, Muy Bajo).

Apple Newsroom (2021)

"Apple advances personal health by introducing secure sharing and new insights"

Anuncio de característica de Estabilidad al Caminar en iOS 15, permitiendo detección de riesgo de caída y recomendaciones de intervención para usuarios en riesgo.

Moon S, et al. (2023)

"Accuracy of the Apple Health app for measuring gait speed: Observational study"

JMIR Formative Research 2023;7:e44206

Estudio de validación mostrando mediciones de velocidad al caminar de app Salud de iPhone correlacionan bien con evaluaciones de grado de investigación (r=0,86-0,91), apoyando utilidad clínica.

Android Developer Documentation

"Health Connect data types and data units"

Documentación oficial para tipos de datos de Health Connect incluyendo StepsRecord, StepsCadenceRecord, SpeedRecord, DistanceRecord, HeartRateRecord, Vo2MaxRecord. API estándar para integración de datos de salud Android.

Google Fit Documentation

"Step count cadence data type"

Documentación de API de Google Fit para datos de cadencia de pasos (pasos por minuto), permitiendo monitoreo de actividad basado en intensidad en dispositivos Android.

Google Fit Documentation

"Read daily step total"

Tutorial para acceder a totales de pasos diarios agregados desde API de Google Fit, incluyendo datos de múltiples fuentes (sensores de teléfono, wearables).

Android Developer Guide

"Health Connect overview"

Visión general de plataforma Health Connect, repositorio unificado de datos de salud de Google para Android, permitiendo compartir datos entre apps con consentimiento del usuario.

Zandbergen PA, Barbeau SJ (2011)

"Positional Accuracy of Assisted GPS Data from High-Sensitivity GPS-enabled Mobile Phones"

PLOS ONE 2011;6(7):e24727

Estudio de validación de precisión de GPS de smartphone en entornos urbanos. Error medio 5-8m en áreas abiertas, aumentando a 10-20m en cañones urbanos. Establece línea base para expectativas de precisión de GPS de consumo.

Wu X, et al. (2025)

"Sidewalk-level pedestrian map matching using smartphone GNSS data"

Satellite Navigation 2025;6:3

Novedoso algoritmo de coincidencia de mapa específico para acera para navegación peatonal, mejorando precisión en entornos urbanos donde falla coincidencia estándar de red de carreteras.

Jiang C, et al. (2020)

"Accurate and Direct GNSS/PDR Integration Using Extended Kalman Filter for Pedestrian Smartphone Navigation"

Implementación técnica de fusión de sensores GNSS/IMU usando Filtro Extendido de Kalman, permitiendo posicionamiento continuo cuando señal GPS se pierde (túneles, transiciones interiores).

Zhang G, et al. (2019)

"Hybrid Map Matching Algorithm Based on Smartphone and Low-Cost OBD in Urban Canyons"

Remote Sensing 2019;11(18):2174

Esquema de posicionamiento híbrido combinando GNSS con sensores inerciales para precisión mejorada en entornos urbanos desafiantes (edificios altos, cobertura de árboles).

American Thoracic Society (2002)

"ATS Statement: Guidelines for the Six-Minute Walk Test"

American Journal of Respiratory and Critical Care Medicine 2002;166:111-117

Protocolo estandarizado oficial para Prueba de Caminata de 6 Minutos (6MWT), evaluación clínica ampliamente utilizada de capacidad funcional de ejercicio. Incluye directrices de administración, valores normativos e interpretación.

Podsiadlo D, Richardson S (1991)

"The Timed 'Up & Go': A Test of Basic Functional Mobility for Frail Elderly Persons"

Journal of the American Geriatrics Society 1991;39(2):142-148

Descripción original de prueba Levántate y Anda Cronometrada (TUG), evaluación estándar de oro de movilidad funcional y riesgo de caída en adultos mayores. Tiempo >14 segundos indica alto riesgo de caída.

Ainsworth BE, et al. (2011)

"2011 Compendium of Physical Activities: A Second Update of Codes and MET Values"

Medicine & Science in Sports & Exercise 2011;43(8):1575-1581

Referencia completa listando valores MET para más de 800 actividades. Valores específicos de caminar: 2,0 METs (muy lento, <2 mph), 3,0 METs (moderado, 2,5-3 mph), 3,5 METs (rápido, 3,5 mph), 5,0 METs (muy rápido, 4,5 mph).

Ainsworth BE, et al. (2024)

"The 2024 Adult Compendium of Physical Activities: An Update of Activity Codes and MET Values"

Journal of Sport and Health Science 2024 (en línea adelanto de impresión)

Actualización más reciente del Compendio, incorporando nuevas actividades y valores MET revisados basados en investigación reciente. Referencia esencial para cálculos de gasto energético.

Fukuchi RK, et al. (2019)

"Effects of walking speed on gait biomechanics in healthy participants: a systematic review and meta-analysis"

Systematic Reviews 2019;8:153

Meta-análisis completo de efectos de velocidad de caminar en parámetros espaciotemporales, cinemática y cinética. Tamaños de efecto moderados a grandes demuestran que velocidad altera fundamentalmente mecánica de marcha.

Mirelman A, et al. (2022)

"Present and future of gait assessment in clinical practice: Towards the application of novel trends and technologies"

Frontiers in Medical Technology 2022;4:901331

Revisión de tecnología wearable y aplicaciones de IA para evaluación clínica de marcha, incluyendo parámetros espaciotemporales, cinemática y escalas clínicas (UPDRS, SARA, Índice de Marcha Dinámica).

Mann RA, et al. (1986)

"Comparative electromyography of the lower extremity in jogging, running, and sprinting"

American Journal of Sports Medicine 1986;14(6):501-510

Estudio EMG clásico diferenciando mecánica de caminar de correr. Caminar tiene 62% fase de soporte vs 31% en correr; diferentes patrones de activación muscular demuestran biomecánica fundamentalmente diferente.

Straczkiewicz M, et al. (2023)

"A 'one-size-fits-most' walking recognition method for smartphones, smartwatches, and wearable accelerometers"

npj Digital Medicine 2023;6:29

Algoritmo universal de reconocimiento de caminata logrando 0,92-0,97 sensibilidad a través de diferentes tipos de dispositivos y ubicaciones corporales. Validado con 20 conjuntos de datos públicos, permitiendo seguimiento de actividad consistente a través de plataformas.

Porciuncula F, et al. (2024)

"Wearable Sensors in Other Medical Domains with Application Potential for Orthopedic Trauma Surgery"

Sensors 2024;24(11):3454

Revisión de aplicaciones de sensores wearable para medir velocidad de caminata del mundo real, conteos de pasos, fuerzas de reacción del suelo y rango de movimiento usando acelerómetros, giroscopios y magnetómetros.

Ungvari Z, et al. (2023)

"The multifaceted benefits of walking for healthy aging: from Blue Zones to molecular mechanisms"

GeroScience 2023;45:3211–3239

Revisión completa mostrando 30 min/día caminar × 5 días reduce riesgo de enfermedad. Efectos anti-envejecimiento en función circulatoria, cardiopulmonar e inmune. Reduce riesgo de enfermedad cardiovascular, diabetes y declive cognitivo.

Karstoft K, et al. (2024)

"The health benefits of Interval Walking Training"

Applied Physiology, Nutrition, and Metabolism 2024;49(1):1-15

Revisión de Entrenamiento de Caminata por Intervalos (IWT) alternando caminata rápida y lenta. Mejora condición física, fuerza muscular y control glucémico en diabetes tipo 2 mejor que caminata moderada continua.

Morris JN, Hardman AE (1997)

"Walking to health"

Sports Medicine 1997;23(5):306-332

Revisión clásica estableciendo que caminar a >70% FC máx desarrolla condición cardiovascular. Mejora metabolismo HDL y dinámica insulina/glucosa. Fundamento de caminar como intervención de salud.