| Tesis Doctorales de la Universidad de Alcalá |
| THE IMPORTANCE OF THE INTERPLAY BETWEEN PHYSICAL FITNESS, SLEEP QUALITY, DYNAMIC BALANCE AND EXERCISE INTERVENTION IN AGED PEOPLE | | Autor/a | Gomes Forte, Pedro Miguel | | Departamento | Enfermería y Fisioterapia | | Director/a | Cabral dos Santos Barbosa, Tiago Manuel | | Fecha de depósito | 20-05-2026 | | Periodo de exposición pública | 21 de mayo a 3 de junio de 2026 | | Fecha de defensa | Sin especificar | | Modalidad | Presencial | | Programa | Biomecánica y Bioingeniería Aplicadas a la Salud (RD 99/2011) | | Mención internacional | No | | Resumen | El proceso de envejecimiento implica transformaciones fisiológicas, funcionales y psicológicas que reducen la calidad de vida y aumentan el riesgo de caídas, fragilidad y pérdida de autonomía. Entre los factores más relevantes se encuentran la disminución de la condición física, el deterioro del equilibrio y la mala calidad del sueño. Aunque la actividad física se reconoce como un pilar esencial del envejecimiento saludable, la mayoría de las investigaciones ha abordado estos aspectos de forma independiente.
La tesis doctoral “The Importance of the Interplay Between Physical Fitness, Sleep Quality, and Dynamic Balance” busca integrar la evidencia existente sobre la relación entre condición física, sueño y equilibrio en adultos mayores. Se plantea que estos tres dominios están interconectados y que los programas de entrenamiento multicomponente (MCT) pueden mejorar simultáneamente dichos parámetros, promoviendo un envejecimiento más funcional.
El trabajo comprende tres estudios complementarios.
Una revisión sistemática con meta-análisis evaluó los efectos del ejercicio físico sobre la calidad del sueño y el equilibrio en personas mayores. De 3885 artículos, cuatro cumplieron los criterios de inclusión, con más de 1700 participantes. El meta-análisis mostró un efecto positivo pequeño pero significativo del ejercicio tanto en la calidad del sueño (d = 0.361; p = 0.011) como en el equilibrio (d = 0.219; p = 0.040), sin sesgo de publicación. Los programas que combinaron fuerza, equilibrio y componentes aeróbicos produjeron mayores beneficios, mejorando la eficiencia del sueño y la movilidad.
Un estudio predictivo transversal aplicó algoritmos de aprendizaje automático para analizar la relación entre variables metabólicas, de composición corporal y de condición física con la calidad del sueño en 32 adultos mayores (edad media = 69 años). El modelo de regresión logística, basado únicamente en el 5TSTS y el TUG, alcanzó AUC = 0.74 y exactitud = 0.76, evidenciando que pruebas funcionales simples pueden predecir la calidad del sueño. Este enfoque demuestra el potencial del machine learning como herramienta no invasiva y de bajo coste para la evaluación geriátrica.
Un ensayo clínico aleatorizado (RCT) analizó los efectos de un programa MCT de ocho meses en 24 adultos mayores (13 grupo experimental; 11 control). El entrenamiento, tres veces por semana, combinó ejercicios aeróbicos, de fuerza, equilibrio y flexibilidad. Tras la intervención, el grupo experimental mejoró significativamente la fuerza de brazos (+26%), la movilidad de piernas (−18% en 5TSTS), la resistencia (+29%), redujo la grasa corporal (−10%) y mejoró la calidad del sueño (+47%). Las correlaciones mostraron vínculos entre mejor sueño, menor grasa corporal y mayor movilidad.
En conjunto, los tres estudios evidencian que la actividad física regular mejora la calidad del sueño, la fuerza, la composición corporal y el equilibrio dinámico. La revisión sistemática respalda el impacto positivo del ejercicio; el análisis predictivo introduce la inteligencia artificial como apoyo a la detección temprana de trastornos del sueño; y el ensayo clínico aporta evidencia causal sobre la eficacia de los programas multicomponentes.
Las conclusiones principales destacan que:
El ejercicio físico regular mejora el sueño y la función neuromuscular.
La calidad del sueño influye directamente en la movilidad y el equilibrio.
Las adaptaciones corporales y de fuerza se asocian con mejor descanso y menor riesgo de caídas.
Los modelos predictivos basados en IA complementan la evaluación geriátrica tradicional.
Las limitaciones incluyen tamaño muestral reducido, desequilibrio de sexos y falta de seguimiento prolongado. Futuras investigaciones deberían incorporar biomarcados fisiológicos. |
|