Análisis estadístico de regresión lineal múltiple para la predicción de distancia de marcha en función de variables antropométricas

Resumen

DOI: https://doi.org/10.46296/ig.v8i16.0305

Resumen

Este estudio tuvo como objetivo desarrollar un modelo de regresión lineal múltiple para predecir la distancia recorrida en 20 pasos a partir de variables antropométricas básicas en una población funcionalmente sana. Se realizó un estudio observacional transversal con 403 participantes mayores de 18 años sin limitaciones físicas que afectaran la marcha, evaluando edad, peso, estatura y sexo como variables independientes. Se aplicó regresión lineal múltiple con eliminación hacia atrás utilizando el criterio de información de Akaike, comparando modelos con y sin intercepto. El modelo inicial con intercepto mostró limitaciones en su capacidad explicativa, alcanzando un R² ajustado de 0.3754, lo que motivó la evaluación de alternativas estructurales. La eliminación del intercepto produjo mejoras dramáticas en la capacidad predictiva, incrementando el R² ajustado a 0.9872 y resultando en la ecuación final Y = 0.8702(Edad) + 3.4580(Peso) + 6.3203(Estatura). La estatura emergió como el predictor más significativo (t = 20.929, p < 2e-16), confirmando su importancia biomecánica en el rendimiento locomotor, seguida del peso (t = 4.835, p = 1.9e-06). Contrariamente a las expectativas, la edad no demostró significancia estadística (p = 0.277) en el modelo final. Los resultados confirman la viabilidad de desarrollar herramientas predictivas altamente eficaces basadas en mediciones antropométricas simples, ofreciendo una aproximación práctica y accesible para la evaluación funcional en contextos clínicos y deportivos sin requerir equipamiento especializado costoso.

Palabras clave: biomecánica, capacidad funcional, evaluación locomotora, modelado predictivo, rendimiento físico.

Abstract

This study aimed to develop a multiple linear regression model to predict the distance covered in 20 steps based on basic anthropometric variables in a functionally healthy population. A cross-sectional observational study was conducted with 403 participants over 18 years old without physical limitations affecting gait, evaluating age, weight, height, and sex as independent variables. Multiple linear regression with backward elimination using Akaike information criterion was applied, comparing models with and without intercept. The initial model with intercept showed limitations in its explanatory capacity, achieving an adjusted R² of 0.3754, which motivated the evaluation of structural alternatives. Intercept elimination produced dramatic improvements in predictive capacity, increasing the adjusted R² to 0.9872 and resulting in the final equation Y = 0.8702(Age) + 3.4580(Weight) + 6.3203(Height). Height emerged as the most significant predictor (t = 20.929, p < 2e-16), confirming its biomechanical importance in locomotor performance, followed by weight (t = 4.835, p = 1.9e-06). Contrary to expectations, age showed no statistical significance (p = 0.277) in the final model. Results confirm the feasibility of developing highly effective predictive tools based on simple anthropometric measurements, offering a practical and accessible approach for functional assessment in clinical and sports contexts without requiring costly specialized equipment.

Keywords: biomechanics, functional capacity, locomotor assessment, predictive modeling, physical performance.

Información del manuscrito:
Fecha de recepción: 12 de mayo de 2025.
Fecha de aceptación: 15 de julio de 2025.
Fecha de publicación: 18 de agosto de 2025.