Aquí está la cantidad de cafeína que necesita y cuándo, para la alerta máxima

Pin
Send
Share
Send

Muchas personas, vertiginosamente, sirven una taza de café por la mañana para despertarse. Pero, ¿exactamente cuánta cafeína debe consumir, y cuándo debe tomarla, para alcanzar el 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 la cantidad de cafeína que deben consumir y cuándo, para lograr un estado de alerta óptimo.

Los investigadores encontraron que, al usar este algoritmo, podían mejorar el rendimiento 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 alcanzar el mismo nivel de rendimiento.

"Desarrollamos algoritmos que funcionan juntos, y esencialmente nos permiten determinar, a nivel individual, cuándo y cuánto debe tomar cafeína para alcanzar 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 del Departamento de Biotecnología del Departamento de Investigación Médica del Ejército de EE. UU. Y Comando de Materiales en Fort Detrick, Maryland.

Por ejemplo, si eres un estudiante que ha estado privado de sueño durante la última semana mientras estudiaba para un próximo examen, el algoritmo tiene como objetivo decirte cuándo tomar cafeína "para que estés lo más alerta posible durante el examen", Reifman le dijo a Live Science.

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 el consumo de cafeína. La herramienta web proporciona un resultado para el "Joe promedio", mientras que la aplicación del teléfono inteligente aprende con el tiempo cómo un individuo responde a la falta de sueño y la cafeína, dijo Reifman.

Actualmente, la versión disponible públicamente de 2B-Alert no le dice a las personas cuándo y cuánta cafeína deben tomar para lograr el máximo rendimiento. Este aspecto del trabajo aún se está validando 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 laico, incluidos los trabajadores por turnos, los controladores de tránsito aéreo e incluso los estudiantes que se apiñan para una prueba. "Todos sufrimos de falta de sueño" de vez en cuando, dijo Reifman.

Cafeína y tiempo

La efectividad de la cafeína depende no solo de cuánto consume, sino también de cuándo la consume: para una persona con falta de sueño, una sola taza de café en la mañana puede no prevenir la somnolencia durante el día.

Anteriormente, los investigadores desarrollaron un modelo matemático, llamado modelo unificado de rendimiento (UMP), que podía 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 las personas exactamente cuándo y cuánta cafeína necesitaban tomar para lograr su máximo rendimiento.

Para abordar este problema, los investigadores combinaron la 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 previos sobre la efectividad de la cafeína en personas con falta de sueño. En estos estudios anteriores, las personas fueron privadas de sueño por ciertas cantidades de tiempo y recibieron dosis específicas de cafeína. Luego, los investigadores midieron qué tan bien la cafeína mejoró su rendimiento en una tarea simple que midió la atención y el tiempo de reacción.

En el nuevo estudio, los investigadores realizaron simulaciones por computadora para examinar el rendimiento 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 en un 16 a 64 por ciento y reducir el consumo total de cafeína en un 17 a 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 cada día, durante cinco días, para un total de 2,000 mg. Pero debido a que los participantes estaban privados de sueño, que solo dormían 5 horas por noche, gradualmente acumularon una "deuda de sueño" que perjudicó su rendimiento, 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 usó 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 dormir por un cierto tiempo. Alrededor de la mitad de este período, el algoritmo determinará la cantidad de cafeína que necesita cada soldado y en qué momento, para que logren 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.

Pin
Send
Share
Send