Procesado paralelo de datos de acelerómetros para determinar niveles de actividad física

El proyecto de investigación Up&Down está realizando un estudio de la actividad física, comportamiento sedentario y salud en niños y adolescentes. Para ello, entre otras actividades, están tomando datos de acelerometría de más de 1000 niños y adolescentes. Dichos datos se toman mediante acelerómetros que los niños y adolescentes llevan puestos durante una semana, y que generan medidas cada 10 segundos. A partir del análisis de los datos, se debe poder discriminar el nivel de actividad física desarrollado por cada individuo y su patrón de ruptura del sedentarismo. Se utilizan dos tipos de acelerómetros, los primeros calculan el movimiento únicamente en el eje vertical, mientras que los segundos lo calculan en los tres ejes así como la intensidad de la luz y otros parámetros que no usaremos. Como los datos ya estaban tomados, analizaremos solo el eje vertical, ya que es el eje común a ambos acelerómetros. Con esto evitamos generar distintos resultados dependiendo de un acelerómetro u otro. La cantidad de información a procesar es muy grande (más de 100.000 medidas por individuo, y una población de más de 1000 individuos), por lo que se plantea la necesidad de realizar un procesado de los datos utilizando técnicas de programación paralela. En este proyecto, se ha usado OpenMP como técnica para paralelizar el procesado de datos. El objetivo consiste en implementar de manera paralela el algoritmo que procesa los datos de los sujetos, determinando su actividad física y el nivel de sedentarismo así como mostrar una serie de gráficas para el posterior análisis estadístico.The research Project Up&Down is conducting a study of physical activity, sedentary behavior and health in kids and teens. For this purpose, they are taking accelerometry data from over a thousand kids and teens. These data are taken with accelerometers that kids and teens had been wearing during a week. These accelerometers generate measures every ten seconds. We have to discriminate the physical activity and the sedentary behavior of each person from the data analysis. We use two accelerometer types. The first one calculates movement just on vertical axis while the second one calculates movement on the three axes as well as the light intensity and other parameters we will not use. As the data were already taken, we will analyze just the vertical axis since is the common axis for both devices. With this, we avoid generating different results depending on a device or another. The amount of information to be processed is too large (over a hundred thousand measures for each person and a population over a thousand people), so the need for data processing using parallel programming techniques arises. In this project, OpenMP has been used as a technique to parallelize the data processing. The purpose is to implement a parallel algorithm that processes people data and determines their physical activity, sedentary level and shows a series of graphs for further statistical analysis