王軍利，張 冰，賈麗雅，孫忠偉，鄭 尉

1 前言

身體活動（physical activity）是由骨骼肌肉運動產(chǎn)生并伴有能量消耗的任何身體動作；體育鍛煉（exercise）則是身體活動的下位概念，是指有計劃、有組織、重復(fù)實施的，維持或增進(jìn)身體健康的身體活動［10］。身體活動量與健康的劑量-效應(yīng)關(guān)系已得到流行病學(xué)研究的證實［16］。因此，如何能夠客觀、準(zhǔn)確、有效地測量身體活動量及其能量消耗顯得尤為重要。

Actigraph加速度計作為領(lǐng)域內(nèi)應(yīng)用最為廣泛的同類產(chǎn)品之一，不僅可以監(jiān)測日常身體活動量、強(qiáng)度以及活動方式，還能夠評價人體運動的能量消耗。已經(jīng)被65個國家或地區(qū)的1500多所院校與科研機(jī)構(gòu)使用，同時得到直接與間接測熱法、雙標(biāo)水法（DLW）的效度驗證［3］。盡管不同類型加速度計在監(jiān)測身體活動時的效果比較相似［27］，但是，各自的動作計數(shù)切割點與能耗算法方程的準(zhǔn)確性并不一樣［32］。因為，建立在不同運動方式與人種基礎(chǔ)上的能量推算方程，預(yù)測精度存在較大的差別［1］。加速度計的動作計數(shù)與梅脫強(qiáng)度依賴于建模的動作類型，基于不同類型活動建立起來的加速度計算法方程，測量其他動作類型的身體 活 動 能 耗 時 可 能 存 在 低 估 或 者 高 估 的 現(xiàn) 象［7，18，20，23］。 此外，加速度計也存在一個上限效應(yīng)。研究顯示，當(dāng)運動強(qiáng)度超過10梅脫時，加速度計明顯會低估實際的能量消耗［15，21］。不僅如此，還有研究認(rèn)為，加速度計并不能夠有效地測量人體的各種身體活動，無論是低強(qiáng)度、中等強(qiáng)度還是劇烈強(qiáng)度的活動［12］。鑒于此，Actigraph（GT3X）加速度計對我國人口群體的適用性仍未可知，且國內(nèi)的研究也較少見。于是，本研究在實驗室條件下，通過運動跑臺上不同速度的走跑運動與佩戴測試，對Actigraph（GT3X）加速度計的能耗算法方程進(jìn)行有效性驗證研究，可為國內(nèi)的研究人員與普通大眾使用三軸加速度計提供有益的參考。

2 研究方法

2.1 受試對象

研究的受試者為年輕成年人（表1），主要包括在校的本科生、碩士生、博士生。受試者基本上有鍛煉的經(jīng)歷或者運動習(xí)慣，身體健康，無運動禁忌癥。

表1 本研究測試對象的人體測量特征一覽表Table 1 The Anthropometry Characteristics of Participants （D）

表1 本研究測試對象的人體測量特征一覽表Table 1 The Anthropometry Characteristics of Participants （D）

n年齡（歲） 身高（cm） 體重（kg） 體脂 （%）男性女性合計1462025.5±1.622.6±1.224.7±5.3173.4±1.3164.1±2.2170.6±6.568.8±2.951.8±2.063.7±12.219.9±1.022.7±0.920.8±3.6

2.2 測試儀器與程序

2.2.1 GT3X加速度計

GT3X由美國制造技術(shù)有限公司（Manufacturing Technology，Inc，MTI）生產(chǎn)，是一款三軸加速度計，具有動作計數(shù)、計步、能量消耗、活動強(qiáng)度水平、代謝當(dāng)量（METs即梅脫）、睡眠分析等監(jiān)測與分析功能。該工具使用方便，數(shù)據(jù)過濾及數(shù)據(jù)抽樣間隔設(shè)置可以在采集后執(zhí)行，因而，用戶能夠按照需要進(jìn)行數(shù)據(jù)分析。ActiGraph ActiLife 6.1.4是測試數(shù)據(jù)處理的專用軟件，該軟件能夠?qū)y試數(shù)據(jù)下載到計算機(jī)終端。打開并運行程序后，選擇相應(yīng)的參數(shù)設(shè)置，計算機(jī)將自動分析運動過程中的步數(shù)、運動能耗、活動時間、強(qiáng)度水平等指標(biāo)結(jié)果。ActiGraph ActiLife 6.1.4軟件內(nèi)置有5個適合成年人（適用于19歲以上人群）的運動能耗算法方程，即 Williams work-energy（WW）方程、Freedson（F）方 程、Freedson Combination（FC）方 程、Freedson VM3（VM3）方 程 以 及 Freedson VM3Combination（VM3C）方程［4］（表2）。其中的聯(lián)合方程采用了分段計算能量消耗的方法，可以精確計算不同強(qiáng)度水平的身體活動能耗值。

文獻(xiàn)資料顯示，佩戴加速度計最合適的位置是腰髖部位［2，19，27，29］，這 是 因 為 其 更 接 近 人 體 的 質(zhì) 心 ，能 夠 監(jiān) 測 到 整體運動姿態(tài)的人體運動參數(shù)，避免局部運動導(dǎo)致的身體活動能耗監(jiān)測失真現(xiàn)象。為了獲得有效的測量結(jié)果，本研究將GT3X加速度計佩戴在受試者的左后側(cè)腰部（與髂嵴上緣齊平）。佩戴與測試前，需要ActiGraph ActiLife 6.1.4專用軟件的初始化操作。測試結(jié)束后立即取下裝置，通過專用軟件將數(shù)據(jù)信息下載到電腦。依據(jù)動作計數(shù)曲線圖對5個速度水平的時間段進(jìn)行截取處理（圖1），圖中的5個波段代表5個運動速度階段，由此計算出受試者不同運動強(qiáng)度時的能量消耗情況。

2.2.2 運動跑臺與 MAX-Ⅱ心肺功能儀

為了保證運動強(qiáng)度的精確控制，本研究選擇的運動跑臺為h／p／cosmos公司（德國）生產(chǎn)的Pulsar專業(yè)級運動跑臺。其主要技術(shù)參數(shù)為:跑帶面積（190×65cm2）、可選速度（0～40km／h）、可調(diào)坡度（±25%），并配有保護(hù)支架、拱形支架、減重支架等以保護(hù)受試者的安全［19］。依據(jù)國內(nèi)、外同類實驗的研究設(shè)計，普通人群的測試運動強(qiáng)度一般控制在輕度到劇烈強(qiáng)度水平，最為常見的運動速度范圍是3～10km／h之間，每個運動速度的持續(xù)時間也多為3～10min［12，13，18，21，28，30，31］。通常認(rèn)為 ，2～3.9梅脫為輕度活動水平，4～5.9梅脫為中等強(qiáng)度活動水平，6梅脫以上為高強(qiáng)度運動［11］?？紤]到日常身體活動強(qiáng)度的變化范圍，本實驗選擇的測試速度是4km／h、5.6km／h、6.4km／h、7.2 km／h以及8km／h速度水平的走跑運動，分別相當(dāng)于3梅脫、4.3梅脫、5.5梅脫、7梅脫、8.5梅脫的運動強(qiáng)度水平［6］，基本包括了輕微至劇烈的運動強(qiáng)度水平。同時，為了確保受試者能夠順利完成測試，并獲得有效的數(shù)據(jù)，要求每個強(qiáng)度必須持續(xù)運動 5min［14，18，21，22，28］。此外，運動 前還要進(jìn)行3～5min的熱身，測試中受試者可依據(jù)自己的運動能力，自主選擇走或者跑的運動方式。

加速度計測量效度的驗證研究中，運動能量消耗的效標(biāo)值多采用間接測熱法。該方法主要是通過一口氣接一口氣的呼吸裝置，精確計算人體運動能量消耗。目前，便攜 式的間接測熱系統(tǒng)是常用的方法手段［8，12，17，20，23，25，28，30］，本研究應(yīng)用的MAX-II型心肺功能測試系統(tǒng)（美國AEI公司生產(chǎn)）具有同樣的測試原理與功能，因為不方便攜帶，只能應(yīng)用于實驗室的測試，在個別研究測試中也有使用［2］。受試者佩戴專用面罩，儀器可以測出呼吸時氧氣的消耗和二氧化碳的量，系統(tǒng)將自動計算運動時的能量消耗，測試時由專門的實驗人員現(xiàn)場（館）記錄。實驗測試前，首先對儀器進(jìn)行標(biāo)準(zhǔn)氣體標(biāo)定，然后完成氣筒標(biāo)定，其誤差范圍為±1之間，測試將在室溫20°左右與空氣相對濕度為45%的條件下完成［26］。

2.2.3 其他測試準(zhǔn)備

采用標(biāo)準(zhǔn)的身高計與體重計測試受試者的身高與體重，精確度分別為0.1cm和0.1kg，測量時要求受試者赤腳并穿盡量少的衣服。此外，測試前受試者還要填寫知情同意書，了解測試的細(xì)節(jié)與具體要求，以保證測試的順利完成。

2.2.4 數(shù)據(jù)統(tǒng)計

利用數(shù)據(jù)分析處理軟件SPSS 17.0對5個算法方程計算的能耗值與間接測熱法的能耗值進(jìn)行Pearson相關(guān)分析、方差分析、配對t檢驗分析，結(jié)合Bland-Altman點圖分析各算法方程的效度水平。此外，利用單因素方差分析與組內(nèi)相關(guān)分析（ICC）對不同能耗算法方程之間的一致性進(jìn)行比較分析。

3 結(jié)果與分析

3.1 各算法方程預(yù)測能耗的效度

不同算法方程預(yù)測能耗的統(tǒng)計結(jié)果（表3）顯示，隨著速度的增加，測量值的標(biāo)準(zhǔn)差增大，但5.6km／h時除外。在效度水平檢驗方面（表4），通過算法方程的預(yù)測值與間接測熱法之間的相關(guān)分析與配對t檢驗進(jìn)行分析。在4 km／h的運動速度時，VM3C、VM3、F、FC、WW 等5個方程的預(yù)測值與間接測熱法之間都具有顯著的相關(guān)性，r范圍在0.66～0.97之間；但配對t檢驗結(jié)果均具有顯著性差異，t值范圍在-2.15～-4.68之間，其中，F(xiàn)方程的P≤0.05，其他方程的P≤0.01。在速度為5.6km／h時，5個方程與間接測熱法的相關(guān)性顯著（r＝0.67～0.75之間），而配對t檢驗結(jié)果均無顯著性差異（P≥0.05）。當(dāng)速度增加到6.4km／h時，5個方程的預(yù)測值與間接測熱法同樣具有顯著性相關(guān)（r＝0.66～0.82之間），配對t檢驗結(jié)果顯示，只有VM3C、WW方程差異性不顯著，且t值分別為-1.98和0.08，P 值分別為0.06和0.93。當(dāng)速度達(dá)到7.2km／h和8km／h的時候，5個方程與間接測熱法的相關(guān)性有所提高，r范圍分別為0.87～0.89之間和0.83～0.97之間，惟有 WW 方程（7.2km／h的運動強(qiáng)度時）的配對t檢驗沒有顯著性差異（P＝0.07），其他方程的t檢驗結(jié)果均表現(xiàn)出了顯著性差異。

為了了解方程預(yù)測能耗值的誤差大小，算法方程計算的能耗值減去測熱法的能耗值，然后除以測熱法的能耗值并乘以100表示各能耗方程預(yù)測的誤差。對各能耗方程在不同速度水平的誤差大小進(jìn)行算術(shù)平均后發(fā)現(xiàn)（圖2），多數(shù)方程預(yù)測的能耗值都低于間接測熱法的能耗值，只有WW方程在6.4km／h的速度時為高估。5個能耗方程在4km／h與6.4km／h的速度時，能耗預(yù)測值的差異性最大，表5的數(shù)據(jù)也顯示出同樣的趨勢。但是，在5.6km／h的速度時，各能耗方程的效度最好。

表3 本研究間接測熱法與5個算法方程的測量結(jié)果一覽表Table 3 The Measurement Results of Indirect Calorimetry and Five Algorithm Equation （D）

表3 本研究間接測熱法與5個算法方程的測量結(jié)果一覽表Table 3 The Measurement Results of Indirect Calorimetry and Five Algorithm Equation （D）

注:VM3C代表Freedson VC3Combination（2011）方程；VM3代表Freedson VM3（2011）方程；F代表Freedson（1998）方程；FC代表Freedson Combination（1998）方程；WW 代表 Williams work-energy（1998）方程。

VM3C（kcal） VM3（kcal） F（kcal） FC（kcal） WW（kcal） 間接測熱法（kcal）4km／h 19.93±7.83 18.28±8.45 19.49±10.23 21.63±11.15 19.93±7.61 25.14±7.185.6km／h 32.79±8.82 32.00±9.65 32.37±11.68 32.76±10.31 34.10±6.35 34.24±6.356.4km／h 42.86±11.93 42.47±12.26 41.16±13.69 41.75±13.42 46.52±14.62 46.31±10.697.2km／h 49.25±17.08 48.44±17.36 45.36±18.47 46.20±18.25 51.15±21.22 55.87±20.478km／h 44.54±23.11 43.70±22.47 41.06±22.48 41.72±23.20 47.82±26.93 53.86±30.21合計 188.40±56.34 184.88±56.82 180.11±67.31 184.08±67.24 198.07±70.24 215.41±66.30

表4 本研究在不同速度時各能耗算法方程的效度比較一覽表Table 4 The Validity of Every Algorithm at Different Speed

圖2 本研究不同速度時各方程預(yù)測值誤差均值比較示意圖Figure 2.The Average Level of Prediction Error of Each Equation at Different Speed

3.2 不同算法方程預(yù)測能耗的一致性

單因素的方差分析結(jié)果發(fā)現(xiàn)（表5），在不同速度時，各算法方程預(yù)測的能耗值具有較好的一致性。但是，算法方程的一致性水平存在運動速度上的差異，在以4km／h、5.6km／h、6.4km／h、7.2km／h、8km／h的速度運動時，方差分析的P 值分別為0.85、0.98、0.73、0.86、0.91、0.92，均沒有顯著性差異出現(xiàn)。尤其是在5.6km／h的速度情況運動，算法方程的能耗值一致性最高，但是，以6.4km／h的速度運動時，方程之間的能耗預(yù)測差異最大。

組內(nèi)相關(guān)（ICC）系數(shù)分析的結(jié)果顯示（表5），VM3C、VM3、F、FC、WW等5個方程在不同速度的能耗預(yù)測值都具有較高的組內(nèi)相關(guān)。在以4km／h、5.6km／h、6.4km／h、7.2km／h、8km／h的速度運動時，方程間的科隆巴赫系數(shù)（α值）分別在0.98、0.99、0.99、0.99、0.99，說明不同算法方程的運動能耗結(jié)果具有很好的一致性。上述兩種方法的分析結(jié)果發(fā)現(xiàn)，各算法方程的總能耗具有同樣好的一致性。

表5 本研究5個算法方程預(yù)測值一致性一覽表Table 5 The Consistency of Five Algorithm Equation Prediction Value

4 討論與分析

4.1 各算法方程預(yù)測能耗的信效度分析

通過對能耗方程與間接測熱法的Pearson相關(guān)分析，發(fā)現(xiàn)5個能耗算法方程均具有顯著的相關(guān)（P≤0.01）。但通過與間接測熱法的配對t檢驗，兩種方法并不是在所有運動強(qiáng)度時都保持較好的一致性，且在較高運動強(qiáng)度時這種不一致性有增大的趨勢。也表明隨著速度的增大，加速度計的測量效度有下降的趨勢。其中，只有WW方程在6.4km／h的速度時，t＞0，表示該方程預(yù)測的能耗均值大于間接測熱法的能耗均值，即處于高估水平；而其他方程在任何速度水平上的t值都為負(fù)值，即能耗值為低估水平。只有在5.6km／h的速度時，t值變化的絕對值最小，算法方程最接近間接測熱法的能耗值。此外，VM3C、VM3、F、FC等4個方程在5.6km／h與6.4km／h的t值最為接近，表明在這2個速度時4個方程的預(yù)測水平比較接近。

由于不同的能耗方程在三維方向上的動作計數(shù)采取不同的切割點，有的方程還采用了分段計算的方法以提高能耗預(yù)測的準(zhǔn)確性。其中，WW方程是利用能量守恒的原理，總動作數(shù)的多少是人體運動做功大小的重要參數(shù)；F方程與VM3方程分別評估單位時間動作數(shù)在1952和2453之上時的能耗值；FC與VM3C則采用了分段計算的方法，同時，預(yù)測動作數(shù)低于或高于1952和2453時的能耗值［3］。但是，本研究中所有5個方程的能耗值都是隨著速度的增加誤差先減小然后逐漸增大，這可能與受試者的運動方式有關(guān)［7，18，20，23］。因為，對于不同的受試者而言，同樣的運動速度則意味著不同的運動強(qiáng)度。4km／h、5.6 km／h、6.4km／h、7.2km／h、8km／h的速度水平相對應(yīng)的運動強(qiáng)度分別為3梅脫、4.3梅脫、5.5梅脫、7梅脫和8.5梅脫［6］，當(dāng)在較低速度（或者強(qiáng)度）運動時，多數(shù)受試者都可以輕松地步行。當(dāng)達(dá)到5.6km／h與6.4km／h的中等強(qiáng)度水平時，受試者的運動能力決定了走跑兼用的變化方式，導(dǎo)致有效的動作計數(shù)明顯增加。而跑步時的恒定垂直加速度可能影響加速度計的動作數(shù)，較高的運動速度時某些有效數(shù)據(jù)甚至?xí)贿^濾掉，以至于會導(dǎo)致能耗預(yù)測值低估［9］。

t值的正負(fù)表示預(yù)測值的高估與低估，其變化區(qū)間的絕對值大小也反映了預(yù)測誤差的變化大小。VM3C、VM3、F、FC、WW 等5個方程的t值變化區(qū)間分別為-4.29～-1.03、-4.68～-1.39、-5.35～ -0.94、-5.69～-0.98、-4.14～0.08?？梢园l(fā)現(xiàn)，與間接測熱法差值的穩(wěn)定程度高低依次是VM3C、VM3、WW、F、FC。從測量結(jié)果的整體情況看，隨運動強(qiáng)度的增加，WW算法方程的能耗值先是低估然后接近效標(biāo)值，再從高估轉(zhuǎn)變?yōu)榈凸溃▓D2）。盡管其能耗預(yù)測的平均誤差水平較低（圖3），但有可能導(dǎo)致不良的系統(tǒng)誤差水平。如果個體經(jīng)常從事5梅脫強(qiáng)度左右的身體活動，WW算法方程的結(jié)果會出現(xiàn)高估現(xiàn)象，而從事其他運動強(qiáng)度的個體會出現(xiàn)相反的結(jié)果。人們?nèi)粘５纳眢w活動中包括了家務(wù)的、工作的、鍛煉的以及交通等多樣化的身體活動方式，且具體活動情況會因人而異，有可能會導(dǎo)致某種情況下一直低估或者一直高估的兩極化現(xiàn)象，所以，該能耗方程并不是最合適的。雖然VM3C算法方程總體上一直處于低估水平，但具有較穩(wěn)定與較低的系統(tǒng)誤差水平。目前，多數(shù)加速度計的算法方程都是基于實驗室條件下的跑臺運動獲得的。研究發(fā)現(xiàn)，其預(yù)測日常身體活動能耗時會存在低估或者高估的問題［5，18，22，31］。但是，考慮到人們?nèi)粘Ｉ眢w活動方式的多樣性，具有較好系統(tǒng)誤差水平的能耗方程才能夠準(zhǔn)確地評價人體運動的能量消耗，并適用于個體間的運動能耗比較。研究結(jié)果認(rèn)為，VM3C方程是比較合適的耗算法方程。

圖3 本研究各算法方程預(yù)測能耗的平均誤差示意圖Figure 3.The Average Error of Predicting Energy Expenditure of Each Algorithm

圖4 本研究VM3C算法方程總能耗值的Bland-Altman散點圖Figure 4.The Bland-Altman Plot of Total Energy Expenditure Value of VM3CAlgorithm Equation

圖5 本研究VM3算法方程總能耗值的Bland-Altman散點圖Figure 5.The Bland-Altman Plot of Total Energy Expenditure Value of VM3Algorithm Equation

圖6 本研究F算法方程總能耗值的Bland-Altman散點圖Figure 6.The Bland-Altman Plot of Total Energy Expenditure Value of F Algorithm Equation

圖7 本研究FC算法方程總能耗值的Bland-Altman散點圖Figure 7.The Bland-Altman Plot of Total Energy Expenditure Value of FC Algorithm Equation

圖8 本研究WW算法方程總能耗值的Bland-Altman散點圖Figure 8.The Bland-Altman Plot of Total Energy Expenditure Value of WW Algorithm Equation

盡管各個算法方程的誤差程度存在差異，似乎不會影響方程預(yù)測能耗值與間接測熱法之間的相關(guān)水平，卻能夠影響二者的一致性［24］。因此，本研究試圖通過對5個算法方程預(yù)測的總能耗值進(jìn)行Bland-Altman點分析方法（圖4～圖8），對算法方程與間接測熱法的一致性進(jìn)一步探討。圖中，X軸為算法方程與間接測熱法能耗值和的均值，Y軸為算法方程與間接測熱法能耗值的差值，2條虛線表示Mean±1.96SD，即為2種能耗預(yù)測方法差值的95%置信區(qū)間范圍，而中間的實線表示2種方法差值的均值。結(jié)果發(fā)現(xiàn)，VM3C、VM3、F、FC、WW 與間接測熱法的差值在95%一致性界限外的點數(shù)分別為5%、5%、10%、10%、10%，都在可接受的范圍。差值的實際均值與理論均值（即為Y軸的0刻度值）之間的距離表示預(yù)測偏倚程度，其偏倚度依次是-27.0、-30.5、-34.7、-31.0、-17.3，且一致性界限內(nèi)差值的最大絕對值分別為67.9、69.3、65.8、57.8、50.7?？偰芎牡?Bland-Altman點分析結(jié)果發(fā)現(xiàn)，在算法方程與間接測熱法的一致性上，似乎并沒有一個算法方程達(dá)到理想水平。但理論上認(rèn)為能耗預(yù)測的偏倚度、一致性界限內(nèi)的最大差值、一致性界限外的點數(shù)愈小愈好，而目前學(xué)界也沒有明確的判定標(biāo)準(zhǔn)。相比較而言，WW與VM3C兩個方程和間接測熱法的一致性水平較好。綜合前述分析后認(rèn)為，在5個方程中，VM3C方程預(yù)測人體運動能耗的效度更好。

4.2 不同算法方程測量運動能耗的一致性分析

對5個方程進(jìn)行單因素的方差分析后發(fā)現(xiàn)，在所有的速度水平上，算法方程之間的一致性較好。其中，單因素方差分析的顯著性水平最低值為0.73，表明方程間均沒有顯著性差異（P≥0.05）。而在5.6km／h時的顯著性水平達(dá)到0.98，說明5個方程幾乎沒有差異。在以5.6km／h、8km／h、7.2km／h、4km／h、6.4km／h的速度運動時，顯著性特征值依次是0.98、0.91、0.86、0.85、0.73。在5.6km／h與8km／h速度水平運動時，5個算法方程的一致性是相對最大的，圖3也顯示同樣的趨勢。結(jié)合組內(nèi)相關(guān)系數(shù)（ICC）的分析結(jié)果，發(fā)現(xiàn)所有的能耗方程的組內(nèi)相關(guān)系數(shù)都在0.9以上，除4km／h的速度以外，其他運動強(qiáng)度下的組內(nèi)相關(guān)系數(shù)都高于0.99，充分說明各能耗方程具有較高的一致性水平。因此，如果個體以較低的運動強(qiáng)度進(jìn)行身體活動時，尤其是在4.3梅脫（5.6km／h）時，各算法方程間具有可替代性，但其他運動強(qiáng)度時仍需要謹(jǐn)慎地選擇使用。

5 結(jié)論與建議

GT3X加速度計的各能耗算法方程與間接測熱法之間具有較高的相關(guān)性，但可靠性水平存在運動強(qiáng)度上的差異。與其他研究結(jié)果一致，加速度計測量人體運動能耗時會存在低估或者高估的現(xiàn)象。但本研究中，只有WW能耗方程出現(xiàn)了高估的現(xiàn)象，其他4個方程一直保持低估水平。5個能耗算法方程在較低速度（4km／h以下）與較高速度（7.2km／h以上）時，具有較大的測量誤差，而且方程間的一致性也較低。相比較而言，VM3C方程的系統(tǒng)誤差較小且穩(wěn)定，是最為合適的能耗算法方程。

Actigraph（GT3X）加速度計作為高技術(shù)含量的客觀測量手段，在實驗條件下測量我國年輕人群體的運動能耗是可行的，但用于日常生活中身體活動的能耗監(jiān)測尚需進(jìn)一步驗證研究。此外，研究沒有對運動強(qiáng)度、量、步數(shù)等功能進(jìn)行定性和定量評價，同時，是否適用于我國的其他人群仍需要進(jìn)一步探討。

［1］湯強(qiáng)，盛蕾，朱衛(wèi)紅.體力活動研究中加速度計的應(yīng)用［J］.體育科學(xué)，2009，29（1）:77-84.

［2］趙壯壯，陳培友，邱悅雯.LivePod LP2檢測人體運動中能量消耗水平的信、效度檢驗［J］.體育科學(xué)，2012，32（1）:48-53.

［3］ActiGraph GT3XHelp［EB／OL］.http:／／support.theactigraph.com／product／GT3X-device.

［4］ActiGraph Monitor［EB／OL］.http:／／www.theactigraph.com／article／research-database.

［5］AINSLIE P N，REILLY T，WESTERTERP K R.Estimating human energy expenditure-A review of techniques with particular reference to doubly labeled water［J］.Sports Med，2003，33（9）:683-698.

［6］AINSWORTH B E，HASHELL W L，HEMMANN S D，et al.2011compendium of physical activities:a second update of codes and MET values［J］.Med Sci Sports Exe，2011，43（8）:1575-1581.

［7］BASSETT JR D R，AINSWORTH B E，SWARTZ A M，et al.Validity of four motion sensors in measuring moderate intensity physical activity［J］.Med Sci Sports Exe，2000，32（9Suppl）:S471-S480.

［8］BRAGE S，BRAGE N，F(xiàn)RANKS P W，et al.Reliability and validity of the combined heart rate and movement sensor Actiheart［J］.Eur J Clin Nutrit，2005，59（4）:561-570.

［9］BRAGE S，WEDDERKOPP N，F(xiàn)RANKS P W，et al.Reexamination of validity and reliability of the CSA monitor in walking and running［J］.Med Sci Sports Exe，2003，35（8）:1447-1454.

［10］CASPERSEN C J，POWELL K E，CHRISTENSON G M.Physical activity，exercise，and physical fitness:definitions and distinctions for health-related research［J］.Public Health Reports，1985，100（2）:126-131.

［11］COMMITTEE P A G A.Physical activity guidelines advisory committee report，2008［M］.Washington，DC:US Department of Health and Human Services，2008.

［12］CROUTER S E，CHURILLA J R，BASSETT D R.Estimating energy expenditure using accelerometers［J］.Eur J Appl Physiol，2006，98（6）:601-612.

［13］CROUTER S E，CLOWERS K G，BASSETT D R.A novel method for using accelerometer data to predict energy expenditure［J］.J Appl Physiol，2006，100（4）:1324-1331.

［14］CROUTER S E，SCHNEIDER P L，KARABULUT M，et al.Validity of 10electronic pedometers for measuring steps，distance，and energy cost［J］.Med Sci Sports Exe，2003，35（8）:1455-1460.

［15］DRENNOWATZ C，EISENMANN J C.Validation of the SenseWear Armband at high intensity exercise［J／OL］.Eur J Appl Physiol，DOI:10.1007／s00421-010-1695-0.

［16］GENERAL U S P H，F(xiàn)ITNESS P C O P，Us S.Physical activity and health:a report of the Surgeon General［M］.Jones Bartlett Pub，1998.

［17］HEIL D P.Predicting activity energy expenditure using the Actical activity monitor［J］.Res Q Exe Sport，2006，77（1）:64-80.

［18］HENDELMAN D，MILLER K，BAGGETT C，et al.Validity of accelerometry for the assessment of moderate intensity physical activity in the field［J］.Med Sci Sports Exe，2000，32（9）:S442-S449.

［19］H／P／COSMOS.pulsar Running machines manual［EB／OL］.http:／／www.h-p-cosmos.com／en／running-machines／pulsar／index.htm.

［20］JAKICIC J M，MARCUS M，GALLAGHER K I，et al.Evaluation of the SenseWear Pro Armband（TM）to Assess Energy Expenditure during Exercise［J］.Med Sci Sports Exe，2004，36（5）:897-904.

［21］KOEHLER K，BRAUN H，de MAR？ES M，et al.Assessing energy expenditure in male endurance athletes:Validity of the Sensewear Armband［J］.Med Sci Sports Exe，2011，43（7）:1328-1333.

［22］LEEDERS N Y，NELSON T E，SHERMAN W M.Ability of different physical activity monitors to detect movement during treadmill walking［J］.Int J Sports Med，2003，24（1）:43-50.

［23］LE MASURIER G U Y C，TUDOR-LOCKE C.Comparison of pedometer and accelerometer accuracy under controlled conditions［J］.Med Sci Sports Exe，2003，35（5）:867-871.

［24］MARTIN BLAND J，ALTMAN D G.Statistical methods for assessing agreement between two methods of clinical measurement［J］.The Lancet，1986，327（8476）:307-310.

［25］MATTHEWS C E.Calibration of accelerometer output for adults［J］.Med Sci Sports Exe，2005，37（11）:S512-S522.

［26］MAX-II／ MAX-IIa Metabolic Systems Instruction Manual［EB／OL］.http:／／www.aeitechnologies.com.

［27］MCCLAIN J J M C，CRAIG C L C C，SISSON S B S S，et al.Comparison of Lifecorder EX and ActiGraph accelerometers under free-living conditions［J］.Appl Physio Nutrit Metabol，2007，32（4）:753-761.

［28］NICHOLS J F，MORGAN C G，SARKIN J A，et al.Validity，reliability，and calibration of the Tritrac accelerometer as a measure of physical activity［J］.Med Sci Sports Exe，1999，31（6）:908-912.

［29］TROST S G，MCIVER K L，PATE R R.Conducting accelerometer-based activity assessments in field-based research［J］.Med Sci Sports Exe，2005，37（11）:S531-S543.

［30］VANHELST J，BéGHIN L，RASOAMANANA P，et al.Calibration of the RT3accelerometer for various patterns of physical activity in children and adolescents［J］.J Sports Sci，2010，28（4）:381-387.

［31］WELK G J，BLAIR S N，WOOD K，et al.A comparative evaluation of three accelerometry-based physical activity monitors［J］.Med Sci Sports Exe，2000，32（9Suppl）:S489-S497.

［32］WELK G J，MCCLAIN J J，EISENMANN J C，et al.Field Validation of the MTI Actigraph and BodyMedia Armband Monitor Using the IDEEA Monitor［J］.Obesity，2007，15（4）:918-928.