Joseph Norman
0 
3290
931
Mucha gente, aturdida, se sirve una taza de café por la mañana para despertarse. Pero exactamente cuánta cafeína debe consumir, y cuándo debe tomarla, para lograr un estado de alerta "máximo"?
Un nuevo algoritmo tiene como objetivo responder esa pregunta..
El algoritmo, desarrollado por investigadores del Ejército de EE. UU., Tiene en cuenta los horarios de sueño de las personas e identifica cuánta cafeína deben consumir y cuándo, para lograr un estado de alerta óptimo. [10 datos interesantes sobre la cafeína]
Los investigadores encontraron que, al usar este algoritmo, podían mejorar el desempeño de las personas en una tarea de atención hasta en un 64 por ciento, a pesar de que las personas consumían la misma cantidad total de cafeína que antes. (El algoritmo puede recomendar, por ejemplo, una cantidad específica de cafeína a la vez, y luego una cantidad diferente más tarde en el día). El estudio también encontró que, siguiendo el programa de dosificación del algoritmo, las personas podrían reducir su consumo de cafeína en hasta al 65 por ciento, y aún así lograr el mismo nivel de rendimiento.
"Desarrollamos algoritmos que funcionan en conjunto y, en esencia, nos permiten determinar, a nivel individual, cuándo y cuánto debe tomar cafeína para lograr el máximo rendimiento en el momento deseado, durante la duración deseada", dijo el autor principal del estudio, Jaques. Reifman, director del Instituto de Aplicaciones de Software de Computación de Alto Rendimiento de Biotecnología del Departamento de Defensa del Comando de Material e Investigación Médica del Ejército de EE. UU. En Fort Detrick, Maryland.
Por ejemplo, si eres un estudiante que ha estado privado de sueño durante la última semana mientras se preparaba para un próximo examen, el algoritmo tiene como objetivo indicarte cuándo tomar cafeína "para que estés lo más alerta posible durante el examen", Reifman. dicho .
Los investigadores ya han utilizado su tecnología para desarrollar una herramienta basada en la web y una aplicación para teléfonos inteligentes, llamada 2B ‐ Alert, que puede predecir el estado de alerta de una persona en función de su tiempo de sueño y consumo de cafeína. La herramienta web proporciona un resultado para el "ciudadano medio", mientras que la aplicación para teléfonos inteligentes aprende con el tiempo cómo responde un individuo a la falta de sueño y la cafeína, dijo Reifman..
Actualmente, la versión públicamente disponible de 2B-Alert no le dice a la gente cuándo y cuánta cafeína tomar para lograr el máximo rendimiento. Este aspecto del trabajo aún está siendo validado en estudios sobre soldados estadounidenses..
En última instancia, aunque el trabajo se está desarrollando para los militares, Reifman espera que también pueda beneficiar al público no especializado, incluidos los trabajadores por turnos, los controladores de tráfico aéreo e incluso los estudiantes que se apiñan para un examen. "Todos sufrimos de falta de sueño" de vez en cuando, dijo Reifman..
El estudio aparece en la edición del 28 de mayo de la revista Journal of Sleep Research..
Cafeína y tiempo
La eficacia de la cafeína depende no solo de la cantidad que consume, sino también de cuándo la consume; para una persona con falta de sueño, una sola taza de café por la mañana puede no prevenir la somnolencia más tarde en el día..
Anteriormente, los investigadores desarrollaron un modelo matemático, llamado modelo unificado de rendimiento (UMP), que podría predecir los efectos de la pérdida de sueño y el consumo de cafeína en el rendimiento de una persona. Pero este modelo no le dijo a la gente exactamente cuándo y cuánta cafeína necesitaban tomar para lograr su máximo rendimiento..
Para abordar este problema, los investigadores combinaron el UMP con un "algoritmo de optimización". El nuevo algoritmo utilizó el horario de sueño de una persona como entrada y proporcionó una "estrategia de dosificación de cafeína" (cuándo y cuánta cafeína tomar) como salida..
Luego, los investigadores probaron su algoritmo utilizando datos de estudios anteriores sobre la efectividad de la cafeína en personas privadas de sueño. En estos estudios anteriores, se privó a las personas de dormir durante cierto tiempo y se les administraron dosis específicas de cafeína. Luego, los investigadores midieron qué tan bien la cafeína mejoraba su desempeño en una tarea simple que medía la atención y el tiempo de reacción..
En el nuevo estudio, los investigadores realizaron simulaciones por computadora para examinar el desempeño de las personas utilizando las estrategias de dosificación de cafeína en los estudios originales, así como las estrategias de dosificación determinadas por el nuevo algoritmo..
Descubrieron que las estrategias de dosificación del nuevo algoritmo podrían mejorar el rendimiento de las personas entre un 16 y un 64 por ciento y reducir el consumo total de cafeína entre un 17 y un 65 por ciento, en comparación con los estudios anteriores..
¿Cómo fue esto posible? Por ejemplo, en un estudio, los participantes consumieron 400 miligramos de cafeína a la misma hora todos los días, durante cinco días, para un total de 2000 mg. Pero debido a que los participantes se vieron privados de sueño, obteniendo solo 5 horas de sueño por noche, gradualmente acumularon una "deuda de sueño" que afectó su desempeño, particularmente más tarde en el día. Entonces, el algoritmo de optimización determinó que los participantes necesitaban más cafeína más tarde en la semana (particularmente más tarde en el día) y menos cafeína al comienzo de la semana para optimizar su rendimiento..
Si bien el estudio actual fue retrospectivo (lo que significa que utilizó datos anteriores), los investigadores están planeando otro estudio que probará el algoritmo en tiempo real. En este estudio futuro, los soldados se verán privados de sueño durante cierto tiempo. Aproximadamente a la mitad de este período, el algoritmo determinará cuánta cafeína necesita cada soldado y en qué momento, para que alcancen al menos un cierto nivel de alerta, dijo Reifman..
Reifman dijo que el algoritmo de optimización debería estar disponible en la plataforma 2B-Alert en algún momento antes de fin de año..
Artículo original sobre .