{"id":148708,"date":"2025-06-30T13:31:38","date_gmt":"2025-06-30T13:31:38","guid":{"rendered":"https:\/\/blog.cognifit.com\/?p=148708"},"modified":"2025-06-30T14:48:46","modified_gmt":"2025-06-30T14:48:46","slug":"predictores-salud-cognitiva-edad-presion-imc","status":"publish","type":"post","link":"https:\/\/blog.cognifit.com\/es\/predictores-salud-cognitiva-edad-presion-imc\/","title":{"rendered":"Un estudio revela que la edad, la presi\u00f3n arterial y el IMC son los principales predictores del rendimiento cognitivo"},"content":{"rendered":"\n

\u00bfPor qu\u00e9 algunas personas mantienen la agilidad mental y la concentraci\u00f3n a lo largo de la vida, mientras que otras notan que su atenci\u00f3n y velocidad de reacci\u00f3n cambian con la edad? \u00bfPuede la inteligencia artificial actual ayudarnos a descubrir qu\u00e9 influye realmente en nuestra agudeza mental? Un nuevo estudio de la Universidad de Illinois en Urbana-Champaign se propuso responder a estas preguntas, utilizando t\u00e9cnicas avanzadas de aprendizaje autom\u00e1tico para analizar la dieta, la actividad f\u00edsica, la presi\u00f3n arterial, el peso corporal y otros marcadores de salud en casi 400 adultos. Los resultados se\u00f1alan a la edad, la presi\u00f3n arterial y el IMC (\u00cdndice de Masa Corporal) como los predictores m\u00e1s importantes del rendimiento en pruebas cognitivas, y muestran c\u00f3mo las nuevas herramientas de an\u00e1lisis de datos pueden identificar conexiones que los m\u00e9todos tradicionales suelen pasar por alto.<\/em><\/p>\n\n\n\n

\"\"
Un estudio revela que la edad, la presi\u00f3n arterial y el IMC son los principales predictores del rendimiento cognitivo<\/em>. Imagen de Pexels<\/em><\/figcaption><\/figure>\n\n\n\n

Nota: <\/strong>Este art\u00edculo tiene fines informativos y educativos. Resume investigaciones cient\u00edficas en un lenguaje accesible para un p\u00fablico amplio y no es un comunicado de prensa cient\u00edfico oficial.<\/em><\/p>\n\n\n\n

Comprender qu\u00e9 nos ayuda a mantener la claridad mental y la atenci\u00f3n a medida que envejecemos es una cuesti\u00f3n importante tanto para los cient\u00edficos como para el p\u00fablico en general. Muchas personas se preguntan c\u00f3mo sus decisiones de estilo de vida actuales \u2014 como la alimentaci\u00f3n, el nivel de actividad f\u00edsica y el manejo del peso y la presi\u00f3n arterial \u2014 pueden afectar su capacidad de concentrarse, resolver problemas o reaccionar con rapidez. Los investigadores han estudiado durante mucho tiempo c\u00f3mo factores individuales como la dieta o el ejercicio influyen en el funcionamiento cerebral. Sin embargo, la vida real es compleja: m\u00faltiples factores de salud, estilo de vida y demograf\u00eda siempre est\u00e1n interactuando, y su influencia combinada sobre las habilidades cognitivas puede ser dif\u00edcil de desentra\u00f1ar.<\/p>\n\n\n\n

Para abordar este desaf\u00edo, un equipo de la Universidad de Illinois en Urbana-Champaign<\/strong>, dirigido por Shreya Verma y sus colegas, dise\u00f1\u00f3 un nuevo estudio publicado en The Journal of Nutrition<\/em><\/strong>. El estudio aprovech\u00f3 el aprendizaje autom\u00e1tico, una rama de la inteligencia artificial que puede analizar grandes conjuntos de datos complejos y detectar patrones que podr\u00edan pasar desapercibidos mediante m\u00e9todos estad\u00edsticos tradicionales. El objetivo de los investigadores era \u201cpredecir el rendimiento cognitivo en funci\u00f3n de un conjunto de factores de salud y de comportamiento, con el fin de identificar los principales contribuyentes a la funci\u00f3n cognitiva y obtener informaci\u00f3n sobre posibles intervenciones personalizadas.\u201d<\/p>\n\n\n\n

\u00bfQu\u00e9 estudiaron los investigadores?<\/h2>\n\n\n\n

El equipo combin\u00f3 datos de siete estudios anteriores para crear un grupo diverso de 374 adultos, de entre 19 y 82 a\u00f1os, que viv\u00edan en Illinois. Los participantes proced\u00edan de diversos entornos y fueron reclutados a lo largo de varios a\u00f1os. Cada persona proporcion\u00f3 una amplia gama de informaci\u00f3n, incluyendo su edad, sexo, origen \u00e9tnico, peso, altura, circunferencia de la cintura e ingresos. Los participantes tambi\u00e9n compartieron detalles sobre sus h\u00e1bitos alimenticios y completaron un cuestionario sobre su actividad f\u00edsica. Es importante destacar que todos realizaron una prueba cognitiva por ordenador conocida como la tarea de flancos de Eriksen modificada, una prueba que mide la rapidez y precisi\u00f3n con la que una persona puede concentrarse y responder cuando se enfrenta a distracciones.<\/p>\n\n\n\n

La calidad de la dieta se evalu\u00f3 utilizando varias herramientas ampliamente reconocidas, entre ellas el \u00cdndice de Alimentaci\u00f3n Saludable (HEI-2020), la dieta DASH (Enfoques Alimentarios para Detener la Hipertensi\u00f3n), la dieta mediterr\u00e1nea y la dieta MIND. Estos sistemas de puntuaci\u00f3n permitieron a los investigadores comparar no solo los alimentos individuales, sino tambi\u00e9n los patrones alimentarios generales. La actividad f\u00edsica se midi\u00f3 preguntando a los participantes con qu\u00e9 frecuencia y con qu\u00e9 intensidad hac\u00edan ejercicio durante su tiempo libre.<\/p>\n\n\n\n

Se midi\u00f3 la presi\u00f3n arterial, tanto sist\u00f3lica como diast\u00f3lica, de forma estandarizada, y se calcul\u00f3 el \u00edndice de masa corporal (IMC) bas\u00e1ndose en la altura y el peso medidos. Al combinar todos estos datos, el equipo de investigaci\u00f3n pudo obtener una visi\u00f3n general y ver c\u00f3mo cada factor se relacionaba con la atenci\u00f3n y la velocidad de reacci\u00f3n de las personas.<\/p>\n\n\n\n

\u00bfC\u00f3mo se llev\u00f3 a cabo el estudio?<\/strong><\/strong><\/h2>\n\n\n\n

Despu\u00e9s de asegurarse de que todos los datos estuvieran completos y fueran coherentes, los investigadores analizaron la informaci\u00f3n de 374 adultos. No se incluyeron los participantes con datos importantes faltantes, a fin de garantizar la precisi\u00f3n de los modelos. El grupo estaba bastante equilibrado en cuanto al g\u00e9nero e inclu\u00eda personas de diferentes rangos de edad y or\u00edgenes.<\/p>\n\n\n\n

Para analizar qu\u00e9 factores relacionados con la salud y el estilo de vida ten\u00edan mayor impacto en el rendimiento cognitivo<\/a>, el equipo utiliz\u00f3 varios modelos de aprendizaje autom\u00e1tico supervisado. Entre ellos se inclu\u00edan \u00e1rboles de decisi\u00f3n, bosques aleatorios (una t\u00e9cnica de Machine Learning), AdaBoost, XGBoost y diferentes tipos de modelos de regresi\u00f3n. El aprendizaje autom\u00e1tico es especialmente \u00fatil para analizar muchas variables a la vez y encontrar patrones o relaciones que podr\u00edan estar ocultos en los datos. En este estudio, se introdujo en los modelos toda la informaci\u00f3n sobre salud, estilo de vida y datos demogr\u00e1ficos, y el principal resultado medido fue la rapidez con la que las personas respond\u00edan en la prueba de atenci\u00f3n.<\/p>\n\n\n\n

Luego, los investigadores compararon los diferentes modelos para ver cu\u00e1l ofrec\u00eda las predicciones m\u00e1s precisas. Una vez identificado el modelo con mejor desempe\u00f1o, utilizaron un m\u00e9todo llamado \u201cimportancia por permutaci\u00f3n\u201d para determinar qu\u00e9 factores estaban m\u00e1s fuertemente relacionados con el rendimiento cognitivo.<\/p>\n\n\n\n

\u00bfQu\u00e9 hace diferente a este estudio?<\/h3>\n\n\n\n

Aunque muchos estudios previos han analizado el papel de factores individuales \u2014 como el ejercicio<\/a>, la presi\u00f3n arterial o una dieta espec\u00edfica \u2014, este estudio se destaca por su enfoque integral. Los autores se\u00f1alan que \u201cla compleja interacci\u00f3n de estos factores y su importancia relativa en la predicci\u00f3n de los resultados cognitivos sigue sin estar completamente comprendida\u201d. Al utilizar el aprendizaje autom\u00e1tico, los investigadores pudieron analizar todas las variables en conjunto e \u201cidentificar patrones que pueden no ser evidentes mediante enfoques estad\u00edsticos convencionales\u201d. Esto les permiti\u00f3 no solo encontrar los predictores m\u00e1s fuertes, sino tambi\u00e9n ver c\u00f3mo las combinaciones de factores \u2014 como la edad y la presi\u00f3n arterial, o la dieta y la actividad f\u00edsica \u2014 pueden interactuar para afectar el rendimiento cognitivo.<\/p>\n\n\n\n

\u00bfQu\u00e9 descubri\u00f3 el estudio?<\/strong><\/h2>\n\n\n\n

1. El aprendizaje autom\u00e1tico revela interacciones complejas<\/strong><\/h3>\n\n\n\n

Otro hallazgo clave del estudio es que el aprendizaje autom\u00e1tico result\u00f3 especialmente \u00fatil para detectar conexiones e interacciones sutiles entre los factores de salud. Como explican los autores, \u201clos algoritmos de aprendizaje autom\u00e1tico sobresalen en el an\u00e1lisis de grandes conjuntos de datos con m\u00faltiples variables, descubriendo patrones y relaciones que los enfoques convencionales podr\u00edan pasar por alto\u201d. Esto permiti\u00f3 observar, por ejemplo, que una mayor adherencia a la dieta HEI-2020 compensaba parcialmente los efectos negativos de un IMC elevado sobre la funci\u00f3n cognitiva, o que los beneficios de una dieta saludable eran m\u00e1s pronunciados en personas con presi\u00f3n arterial m\u00e1s baja. El enfoque del estudio ayud\u00f3 a revelar c\u00f3mo la dieta y el estilo de vida pueden interactuar con otros indicadores de salud, como la edad o la composici\u00f3n corporal, para influir en las capacidades cognitivas.<\/p>\n\n\n\n

2. La edad, la presi\u00f3n arterial y el IMC son los predictores m\u00e1s fuertes<\/strong><\/h3>\n\n\n\n

El hallazgo m\u00e1s importante del estudio fue que la edad destac\u00f3 como el principal predictor del rendimiento cognitivo en la prueba de atenci\u00f3n, seguida de la presi\u00f3n arterial diast\u00f3lica y el \u00edndice de masa corporal (IMC). La presi\u00f3n arterial sist\u00f3lica y la calidad general de la dieta (medida por el Healthy Eating Index) tambi\u00e9n resultaron ser significativas, aunque en menor medida que la edad y la presi\u00f3n arterial diast\u00f3lica. Como se\u00f1alan los autores, \u201cla edad, la presi\u00f3n arterial y el IMC muestran asociaciones s\u00f3lidas con el rendimiento cognitivo, mientras que la calidad de la dieta tiene un efecto m\u00e1s sutil\u201d. En la pr\u00e1ctica, esto significa que ser mayor, tener una presi\u00f3n arterial m\u00e1s alta o un IMC elevado se asoci\u00f3 con tiempos de reacci\u00f3n m\u00e1s lentos y un menor desempe\u00f1o en la tarea de atenci\u00f3n.<\/p>\n\n\n\n

3. La dieta y la actividad f\u00edsica desempe\u00f1an un papel secundario, aunque importante<\/strong><\/h3>\n\n\n\n

Aunque el impacto de la edad, la presi\u00f3n arterial y el IMC fue el m\u00e1s destacado, el estudio tambi\u00e9n encontr\u00f3 que los h\u00e1bitos de vida m\u00e1s saludables \u2014 incluyendo una dieta equilibrada y actividad f\u00edsica regular \u2014 se asociaron con mejores resultados en las pruebas cognitivas. Las personas que informaron ser m\u00e1s activas f\u00edsicamente y que obtuvieron puntuaciones m\u00e1s altas en patrones de dieta saludable (como las dietas HEI-2020 o DASH) tend\u00edan a desempe\u00f1arse mejor, aunque estos efectos no fueron tan grandes como los de la edad o la presi\u00f3n arterial. Los autores se\u00f1alan que \u201cla actividad f\u00edsica result\u00f3 ser un predictor importante\u201d, y a\u00f1aden que la combinaci\u00f3n de actividad y buena alimentaci\u00f3n \u201cdestac\u00f3 la importancia de mantener tanto un estilo de vida activo como una dieta equilibrada para una funci\u00f3n cognitiva \u00f3ptima\u201d. En algunos casos, el estudio hall\u00f3 que una dieta m\u00e1s saludable pod\u00eda ayudar a compensar algunos de los efectos negativos sobre la cognici\u00f3n asociados a un IMC elevado o a una presi\u00f3n arterial alta. Dietas espec\u00edficas como la DASH, la MIND y la mediterr\u00e1nea tambi\u00e9n contribuyeron, aunque sus puntuaciones de importancia fueron inferiores en comparaci\u00f3n con el Healthy Eating Index general.<\/p>\n\n\n\n

\u00bfCu\u00e1les son las limitaciones y los pr\u00f3ximos pasos?<\/h2>\n\n\n\n

Como cualquier investigaci\u00f3n, este estudio tiene sus limitaciones. Los autores subrayan que su estudio solo analiz\u00f3 una medida espec\u00edfica de la funci\u00f3n cognitiva (el tiempo de reacci\u00f3n en una prueba concreta). Esto significa que los resultados podr\u00edan no aplicarse a otros aspectos del pensamiento, como la memoria o el razonamiento. Adem\u00e1s, dado que el estudio recogi\u00f3 datos en un solo momento, no puede demostrar causa y efecto, solo asociaciones. Los investigadores escriben que \u201cse necesitan estudios longitudinales y experimentales para confirmar estos hallazgos y explorar las relaciones causales y sin\u00e9rgicas entre las caracter\u00edsticas y el rendimiento cognitivo\u201d.<\/p>\n\n\n\n

El grupo de participantes, aunque diverso, proced\u00eda de una sola regi\u00f3n y puede que no represente completamente a todas las poblaciones. Los autores recomiendan que futuros estudios incluyan a m\u00e1s personas de distintos or\u00edgenes y a\u00f1adan m\u00e1s datos de salud, como informaci\u00f3n gen\u00e9tica o perfiles metab\u00f3licos detallados, para mejorar nuestra comprensi\u00f3n de los factores que influyen en el rendimiento cognitivo a lo largo del tiempo.<\/p>\n\n\n\n

Conclusi\u00f3n<\/h2>\n\n\n\n

En resumen, este estudio ofrece una nueva perspectiva sobre qu\u00e9 factores de salud y estilo de vida est\u00e1n m\u00e1s fuertemente vinculados al rendimiento cognitivo en adultos. La edad, la presi\u00f3n arterial y el IMC destacan como los principales predictores, mientras que la dieta y la actividad f\u00edsica tambi\u00e9n desempe\u00f1an un papel, especialmente cuando se combinan. El uso del aprendizaje autom\u00e1tico permiti\u00f3 al equipo de investigaci\u00f3n detectar patrones e interacciones que pueden pasar desapercibidos en los an\u00e1lisis tradicionales. Aunque se necesita m\u00e1s investigaci\u00f3n, especialmente para seguir los cambios a lo largo del tiempo e incluir medidas m\u00e1s amplias de la salud cognitiva, estos hallazgos resaltan la importancia de considerar el panorama completo a la hora de apoyar la agudeza mental a lo largo de la vida adulta.<\/p>\n\n\n\n

El estudio completo, \u201cPredicting Cognitive Outcome Through Nutrition and Health Markers Using Supervised Machine Learning\u201d, puede consultarse en https:\/\/doi.org\/10.1016\/j.tjnut.2025.05.003.<\/strong><\/p>\n\n\n\n

La informaci\u00f3n en este art\u00edculo se proporciona \u00fanicamente con fines informativos y no constituye asesoramiento m\u00e9dico. Para obtener asesoramiento m\u00e9dico, consulta a tu m\u00e9dico.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

\u00bfPor qu\u00e9 algunas personas mantienen la agilidad mental y la concentraci\u00f3n a lo largo de la vida, mientras que otras notan que su atenci\u00f3n y velocidad de reacci\u00f3n cambian con la edad? \u00bfPuede la inteligencia artificial actual ayudarnos a descubrir qu\u00e9 influye realmente en nuestra agudeza mental? Un nuevo estudio de la Universidad de Illinois …<\/p>\n","protected":false},"author":3,"featured_media":148705,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_genesis_block_theme_hide_title":false,"footnotes":""},"categories":[274],"tags":[5367,4749,6037,5270,332],"class_list":{"0":"post-148708","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","6":"hentry","7":"category-la-salud-del-cerebro-neurociencia","8":"tag-dieta-equilibrada","9":"tag-envejecimiento-saludable","10":"tag-habilidades-cognitivas","11":"tag-rendimiento-cognitivo","12":"tag-salud-cerebral","14":"with-featured-image"},"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/blog.cognifit.com\/es\/wp-json\/wp\/v2\/posts\/148708","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.cognifit.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.cognifit.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.cognifit.com\/es\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.cognifit.com\/es\/wp-json\/wp\/v2\/comments?post=148708"}],"version-history":[{"count":0,"href":"https:\/\/blog.cognifit.com\/es\/wp-json\/wp\/v2\/posts\/148708\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.cognifit.com\/es\/wp-json\/wp\/v2\/media\/148705"}],"wp:attachment":[{"href":"https:\/\/blog.cognifit.com\/es\/wp-json\/wp\/v2\/media?parent=148708"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.cognifit.com\/es\/wp-json\/wp\/v2\/categories?post=148708"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.cognifit.com\/es\/wp-json\/wp\/v2\/tags?post=148708"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}