Las personas con lesión de la médula espinal (LES) presentan una termorregulación comprometida durante el ejercicio, lo que convierte a la temperatura de la piel en un indicador no invasivo. Este estudio aplica modelos híbridos de Máquinas de Aprendizaje Extremas (ELM) optimizados con algoritmos de Ant Lion, Dragonfly y Estrategia Evolutiva para predecir la dinámica de la temperatura de la piel y del núcleo durante el ejercicio graduado con manivela de brazo en 32 participantes (16 con LES, 16 controles). El ELM optimizado por Dragonfly logró la mayor precisión (R² = 99.705, RMSE = 0.014) sin diferencia significativa entre las temperaturas del núcleo predicha y medida (p > 0.05). Los análisis de importancia de características y SHAP identificaron la potencia máxima, el grupo y la etapa como predictores dominantes, indicando una menor variabilidad termorregulatoria periférica en LES.
Yang et al. (Mié,) estudiaron esta cuestión.