向劍鋒 李之俊

1 浙江師范大學體育與健康科學學院（浙江金華 321004）

2 上海體育科學研究所

實時監(jiān)測體力活動中機體的能量消耗有利于提高日常健身的科學性，對預防肥胖、糖尿病等慢性疾病具有積極作用。加速度傳感器可監(jiān)測體力活動時身體的加速度，大量研究證實垂直軸加速度記數(shù)（accelerometry counts，AC）與運動能耗有高度相關(guān)性［1-3］。加速度傳感器借助以AC為變量的能耗預測模型實時、便捷地監(jiān)測體力活動能耗，具有廣泛的應用前景。Actigraph加速度傳感器是體力活動能耗監(jiān)測中最受認可的加速度傳感器，其配套軟件Actilife主要采用Freedson［1］創(chuàng)建的能耗模型（簡稱 Freedson 模型，METs=1.439008+0.000795×AC）推算能耗。本研究以氣體代謝法（IC法）為標準，通過多種體力活動方式建立能耗預測模型，并以連續(xù)4小時的體力活動數(shù)據(jù)驗證Freedson模型［1］和本研究所建模型的有效性，篩選適合我國青年的體力活動能耗預測模型。

1 對象與方法

1.1 研究對象

80名非體育專業(yè)大學生，隨機分為實驗組和驗證組（見表1），兩組受試者身高、體重和BMI均無顯著性差異（P>0.05）。所有受試者研究期間身體健康，均簽署了知情同意書，自愿參加本項研究。

表1 受試者基本情況

1.2 研究方法

1.2.1 測試儀器

使用大學生體質(zhì)測試專用身高體重計測量受試者身高（cm）和體重（kg），精確到0.1 cm和0.1 kg，使用韓國產(chǎn)Inbody 3.0體成分分析儀測量受試者體脂率，使用芬蘭產(chǎn)T31型Polar表監(jiān)測受試者心率（HR）。使用美國Manufacturing Technology Inc公司產(chǎn)Actigraph GT3X加速度傳感器（簡稱GT3X）監(jiān)測身體體力活動時的AC，該加速度傳感器的信度已得到驗證［4］。測試中統(tǒng)一使用彈性腰帶將GT3X固定在右側(cè)髖部、肚臍水平高度，采用Actilife 5.0軟件校對、設(shè)置及處理GT3X數(shù)據(jù)。測試前將GT3X的采樣時間設(shè)置為5 s。使用意大利COSMED公司生產(chǎn)的Cosmed K4b2（簡稱K4b2）氣體代謝能耗分析儀實時監(jiān)測能耗。測試后，將K4b2和GT3X測得的原始數(shù)據(jù)均轉(zhuǎn)換為采樣頻率1 min的數(shù)據(jù)，AC單位為counts/min。體重可能對AC與能耗關(guān)系產(chǎn)生較大影響，本研究采用相對能耗METs的表達方式，未使用kcal、kJ等絕對能耗單位?？紤]到受試者在實驗中始終背負著約1 kg的儀器，為保證測試準確性，在K4b2中輸入的體重為“原始體重+1 kg”［5］。

1.2.2 測試流程

所有測試均在上午8∶00～12∶30和下午13∶00～17∶30進行。受試者身著輕便運動服參加測試，首先測量身高、體重和體脂率，隨后用15 min佩戴并熟悉K4b2、GT3X等儀器，在熟悉儀器并通過預測試后正式測試。正式測試時，實驗組受試者按順序完成如下7項體力活動：靜坐、看書、整理書桌、掃地、慢走（4 km/h）、快走（6 km/h）和慢跑（8 km/h）。靜坐時間至少10 min，取其中連續(xù)5 min最低平穩(wěn)能耗均值作為安靜能耗，取對應時間內(nèi)的AC均值作為靜坐時的AC值。其余6項體力活動各進行6 min，分析第4～6 min數(shù)據(jù)均值［1］。每項活動結(jié)束后適當休息，直到心率恢復到每分鐘不高于靜坐心率+10次再進行下一項活動。

每次測試開始時，實驗人員看準電腦時間中某分鐘開始的第1秒按壓K4b2主機上的“Enter”鍵開始正式測試，確保GT3X和K4b2的監(jiān)測時間與電腦同步。

驗證組受試者首先填寫一周體力活動調(diào)查問卷，研究人員根據(jù)問卷計算每人一周內(nèi)主要的體力活動（睡覺除外）所占時間比例，依照該比例將受試者一周中最主要的12～15種體力活動組成約4 h的綜合體力活動。隨后，驗證組受試者同步佩戴K4b2、Polar表和GT3X進行上述4 h體力活動。每2 h更換一次K4b2電池。

1.2.3 測試環(huán)境及測試要求

所有測試均在上海體育學院運動人體科學實驗中心完成，受試者均按要求完成測試。測試期間溫度18～25℃，濕度為50%～80%。靜坐時，受試者采用舒適坐位，心情平靜、身體放松；看書時，受試者以平日看書、學習的狀態(tài)進行閱讀，看書時可適當寫字，也可有自然姿勢變化；整理書桌時，受試者采取站立姿勢，將多張書桌上雜亂的書籍雜物等東西擺放整齊；掃地時清掃面積約為50 m2，掃地前測試人員先在地上撒上紙屑等碎小雜物，受試者模擬平日掃地方法反復清掃。規(guī)定速度步行和跑步時，在體育館內(nèi)設(shè)置300 m橢圓形跑道，每5 m設(shè)置一個標記，測試時播放相應的節(jié)拍，每響一次受試者走（或跑）完5 m，從而控制運動速度。測試前受試者預先熟悉節(jié)拍和速度，正式測試中受試者根據(jù)節(jié)拍和標記控制速度。

1.3 統(tǒng)計學分析

2 結(jié)果

2.1 實驗組 7項體力活動的AC、HR和METs

表2顯示，本研究中各項體力活動的強度逐漸增加，AC和HR也同步增加。AC與體力活動METs值之間具有高度相關(guān)性，見圖1。

表2 實驗組7項體力活動的AC、METs和HR

圖1 A C與體力活動M ET s散點圖

2.2 能耗預測模型的建立

2.2.1 直線回歸模型的建立

如表3所示，本研究以實驗組3項走/跑活動數(shù)據(jù)和7項體力活動數(shù)據(jù)分別建立直線回歸模型，記為模型1和模型2。

表3 直線回歸模型

2.2.2 分段線性模型的建立

Crouter等［6］研究顯示，以走/跑活動數(shù)據(jù)建立的單一直線回歸模型明顯低估上肢活動較多的日常體力活動能耗，直線回歸模型推算的此類體力活動能耗大都低于3METs?？紤]到3METs是中、低強度體力活動的臨界點，本研究以3METs對應的AC值為臨界點建立分段線性模型，以全面預測多種類型體力活動能耗。先根據(jù)模型2推算出3METs時AC≈1630 counts/min，確定1630 counts/min為AC臨界點。隨后，將實驗組數(shù)據(jù)劃分為AC<1630 counts/min和AC≥1630 counts/min兩部分，分別建立回歸方程。AC<1630 counts/min時，模型方程為METs＝1.419+0.005644×AC－5.927×10-6×AC2+1.993×10-9×AC3（R2=0.751）；AC≥1630 counts/min時，模型方程為 METs＝1.818+0.000752×AC（R2=0.851）。在 AC<1630 counts/min數(shù)據(jù)中，三次項曲線模型的擬合效果最好。

2.3 能耗預測模型的驗證

對比分析不同能耗預測模型推算出的PAEE4h與IC法實測能耗，計算模型的預測精度。預測精度＝100×（IC法測試值－預測誤差）/IC法測試值。從表4可見，分段線性模型預測精度最高；除分段線性模型外，模型1、模型2和Freedson模型［1］的PAEE4h預測值與IC法實測值均存在顯著性差異。

表4 4個能耗預測模型對PA EE4h的預測準確性

從Altman-Bland分析圖（圖2）可見，分段線性模型的預測誤差均值較低，對驗證組受試者PAEE4h的預測誤差均在95%置信區(qū)間內(nèi)。

圖2 分段線性模型預測PA EE4h的A l t ma n-Bl a n d圖

3 討論

加速度傳感器是一種較成熟的體力活動監(jiān)測工具，已廣泛應用于歐美國家的體力活動監(jiān)測中，并在我國逐漸推廣應用［7-9］。由于體力活動中的AC與能耗之間存在良好的線性關(guān)系，以AC為自變量的直線回歸模型成為最常用的能耗預測模型［1-3］。1998年，F(xiàn)reedson等［1］以三種不同強度（4.8 km/h、6.4 km/h、9.7 km/h）跑臺運動為基礎(chǔ)建立了以AC為自變量的直線回歸模型，并作為Actigraph加速度傳感器的官方指定能耗預測模型一直沿用至今。其他學者也效仿這一思路建立了多個直線回歸模型，一些學者在建模時還納入了多項非走/跑類體力活動的數(shù)據(jù)［6］。但是，對這些模型的驗證結(jié)果顯示，直線回歸模型往往僅可較好預測走/跑等體力活動能耗，預測其他活動能耗誤差較大［6］。

為更全面監(jiān)測多種體力活動，Crouter［10］以 10 s為采樣頻率，計算每分鐘內(nèi)6個AC的變異系數(shù)（CV），當010%時，判斷受試者在進行其他活動。隨后，該研究以IC法為標準，分別建立了走/跑和其他類型活動的能耗預測模型。盡管該模型在一定程度上提高了能耗預測準確性，但分別從1 min的起始段、中段和末段獲取的數(shù)據(jù)所得CV值可能存在巨大差異，反而增加了預測誤差［11］。此外，該模型運算相對復雜，不便于推廣應用。

在眾多Actigraph能耗預測模型中，F(xiàn)reedson［1］模型應用最廣，有研究證實該模型較好地分析了低、中、高強度體力活動的時間，但尚無研究證實該模型可準確監(jiān)測長時間體力活動的能耗［6］。Leenders等［12］研究顯示，該模型嚴重低估日均總能耗，平均誤差約518 kcal/d。另一項類似研究也顯示，該模型約低估北京市中青年男性日均體力活動總能耗 1.1 MJ/d（約 263 kcal/d）［13］。以上兩項研究均以雙標水法（DLW）所測能耗為參考標準，而Actigraph能耗預測模型普遍采用IC法為標準，參考標準不同可能對驗證結(jié)果有影響，因此有必要以IC法為標準進行能耗預測模型驗證研究。此外，人種、日常生活方式、環(huán)境等也可能影響能耗預測模型的準確性。

考慮以上因素，本研究以60名青年為對象，參考Freedson［1］、Crouter等［10］的研究思路，分別建立了3個能耗預測模型，建模時同樣采用了METs這一相對能耗的表達方式。隨后，采用20人每人約4 h連續(xù)體力活動數(shù)據(jù)驗證所建能耗預測模型及Freedson［1］模型的效度，篩選效度較高的體力活動能耗預測模型。受IC法儀器的限制，驗證中的體力活動時間為4 h，而4 h活動中各項體力活動的時間比例與日常生活相似，其驗證結(jié)果仍可較好反映能耗預測模型在長時間體力活動能耗監(jiān)測中的準確性。

模型 1 的建立思路與 Freedson［1］模型相似，但模型1的截距明顯較高，這可能與實驗環(huán)境、受試者人種等因素有關(guān)。分析實驗組原始數(shù)據(jù)可知，在整理書桌、慢走、快走和慢跑時，模型1與原始數(shù)據(jù)的擬合度較好，但在靜坐和使用電腦時明顯高估能耗，高估值分別約為0.7 METs和0.59 METs；而Freedson［1］模型除略微高估靜坐和使用電腦時的能耗外，均低估其余5項體力活動能耗預測值。由于大部分青年人日常生活中坐位體力活動時間較多，模型1可能高估青年人日常生活中大部分時間內(nèi)的能耗。經(jīng)4 h體力活動驗證，模型1對PAEE4h的高估程度較大，其平均預測精度僅為80.49%；Freedson［1］模型總體低估PAEE4h，其平均預測精度為84.92%。配對t檢驗顯示，兩個模型的PAEE4h預測值與IC法實測值均有顯著性差異?？梢姡瑑H以走/跑數(shù)據(jù)建立的直線回歸模型難以準確預測長時間日常體力活動的總能耗。

本研究還采用7項體力活動數(shù)據(jù)建立了模型2。7項體力活動包括3種速度的走/跑、2種坐姿活動和2種站姿活動，具有一定代表性。與模型1相比，在靜坐和使用電腦時模型2與實驗組原始數(shù)據(jù)的擬合度有所提高，但仍存在一定程度的高估，高估值分別約為0.51 METs和0.41 METs。經(jīng)4 h體力活動驗證，模型2的預測精度比模型1高4%。但配對t檢驗結(jié)果顯示，模型2仍顯著高估PAEE4h?？梢?，在建模過程中納入非走/跑類活動數(shù)據(jù)可在一定程度上提高直線回歸模型的效度，今后可考慮適當調(diào)整不同種類體力活動的數(shù)量和比例，進一步降低模型對靜力性體力活動能耗的高估程度，提高模型效度。

在建立分段線性模型的過程中，本研究簡化了Crouter等［6］的研究方法，以 3METs對應的 AC 值（1630 counts/min）為臨界點，以臨界點前后的數(shù)據(jù)分別建立回歸方程。該模型與實驗組原始數(shù)據(jù)的擬合度較好，對掃地、步行等5項體力活動數(shù)據(jù)的擬合誤差均低于0.2 METs，對整理書桌和慢跑的擬合誤差約為0.25 METs。采用4 h體力活動驗證可見，分段線性模型對PAEE4h的預測精度均值達91.35%，配對t檢驗顯示其PAEE4h預測值與IC法實測值不存在顯著性差異。分析Altman-Bland圖可知，分段線性模型對PAEE4h的預測誤差均在95%置信區(qū)間內(nèi)，提示該模型對長時間體力活動能耗的預測準確性較高。值得注意的是，當AC值分別為1629 counts/min和1630 counts/min時，其能耗預測值分別為3.5 METs和3.04 METs，提示該模型對臨界點上下數(shù)據(jù)的能耗預測值存在較大偏差。因此，該模型不宜局限于預測某特定體力活動的能耗，適于推算一段時間內(nèi)的總能耗。

4 總結(jié)

本研究以多種體力活動為基礎(chǔ)，建立了有效的Actigraph加速度傳感器分段線性模型，可用于監(jiān)測長時間日常體力活動總能耗。今后需從更多角度優(yōu)化加速度傳感器能耗預測模型，提高加速度傳感器在日常體力活動監(jiān)測中的效度。

［1］Freedson PS，Melanson E，Sirard J，et al.Calibration of the Computer Science and Applications，Inc.accelerometer.Med Sci Sports Exerc，1998，30（5）：777-781.

［2］Matthew CE.Calibration of accelerometer output for adults.Med Sci Sports Exerc，2005，37（Suppl 11）：S512-522.

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

［4］Yuri Feito.A comparison of commonly used accelerometer based activity monitors in controlled and free-Living environment.Knoxville：University of Tennessee，2010：13-18.

［5］Strath SJ，Bassett DR，AmSwartz JR，et al.Simultaneous heart rate-motion sensor technique to estimate energy expenditure.Med Sci Sports Exerc，2001，33（12）：2118-2123.

［6］Crouter SE，Churilla JR，Bassett DR Jr.Estimating energy expenditure using accelerometers.Eur J Appl Physiol，2006，98（6）：601-612.

［7］Mer MH，Oja P，Michael S.Physical activity and inactivity in an adult population assessed by accelerometry.Med Sci Sports Exerc，2007，39（9）：1502-1508.

［8］Troiano RP，Berrigan D，Dodd KW，et al.Physical activity in the United States measured by accelerometer.Med Sci Sports Exerc，2008，40（1）：181-188.

［9］Peters TM，Moore SC，Xiang YB，et al.Accelerometer-measured physical activity in Chinese adults.Am J Prev Med，2010，38（6）：583-591.

［10］Crouter SE，Clowers KG，Bassett DR Jr，et al.A novel method for using accelerometer data to predict energy expenditure.J Appl Physiol，2006，100（4）：1324-1331.

［11］Kuffel EE，Crouter SE，Haas JD，et al.Validity of estimating minute-by-minute energy expenditure with accelerometry.Med Sci Sports Exerc，2008，40（suppl 5）：s415.

［12］Leenders NY，Sherman WM，Nagaraja HN.Energy expenditure estimated by accelerometry and doubly labeled water：Do they agree?Med Sci Sports Exerc，2006，38（12）：2165-2172.

［13］劉愛玲，李艷平，宋軍，等.加速度計對成人日常體力活動測量效度的研究.中華流行病學雜志，2005，26（3）：197-200.