使用手机进行身体活动的测量:使用标准方法的验证

简介

体育活动可降低患心血管疾病、糖尿病和某些癌症等几种慢性疾病的风险[1，2］．为了进一步探索体育活动的预防效果，需要进行更多有可靠数据收集的流行病学研究。由于能量消耗影响能量平衡，进而影响体重和构成，体育活动的一个与健康有关的重要后果是体育活动时消耗的能量量。对身体活动的能量消耗可以用总能量消耗除以基础代谢率(身体活动水平，PAL)或总能量消耗减去基础代谢率(活动能量消耗，AEE)来衡量。

在自由生活的受试者中，评估PAL和AEE的最佳方法是将使用双标记水法评估的总能量消耗测量值与使用间接量热法评估的基础代谢率测量值结合起来[3.-5］．在双标记水技术中[6]，二氧化碳的产生估计为两种示踪同位素的周转率之差(²H和¹⁸O)在计算能量消耗的身体水池中[6］．该方法已在人体实验中成功验证[6它的独特之处在于，它可以评估自由生活的个体在几天或几周内的能量消耗，对日常生活活动的干扰最小。然而，这种结合双标记水法和间接量热法评估PAL和AEE的方法是为临床环境而开发的，不太适用于更大规模的基于人群的研究[4］．

其他可用的评估身体活动能量消耗的方法有活动记录、心率监测器和加速计[4，5］．这些方法的准确性存在争议，对研究参与者和研究人员都有很高的要求。流行病学家最常用的方法是管理纸质问卷，参与者回顾报告他们的身体活动。此类问卷使用方便，无创性[7-13，但由于他们依赖记忆，所以容易产生偏见[14］．尼尔森等人[15]回顾了大量的研究，其中通过问卷调查获得的AEE估计值与基于双标记水法和间接量热法的参考估计值进行了比较。他们的结论是，大多数问卷不足以有效地评估AEE，这表明在这一领域需要新的方法[15］．电信技术为准确的实时数据收集创造了可能性，从而可能减少由于追溯数据收集而产生的信息偏差[16］．手机的高可及性使这些设备成为基于人口的研究中大规模数据收集的潜在工具，之前的研究已经证明了通过手机使用短消息服务(SMS)或文本信息收集数据的可行性[17，18］．SMS已用于干预试验、治疗管理系统[19，20.]，以及有关体育活动和减肥的研究[21-26］．随着移动电话连上互联网，类似网页的应用程序和更先进的类似网页问卷的问卷也成为可能[27-29］．

本研究的主要目的是验证基于双标记水法和间接量热法的参考估计值在14天内聚合的PAL值。目的还在于评估通过下载到手机上的基于java的问卷收集PAL重复测量的可行性。两份传统的纸质问卷也被用来比较基于手机日常调查问卷的PAL估计的效度与基于纸质问卷的回顾性调查PAL估计的效度。

方法

课题及研究概况

在2007年9月至2008年2月期间，通过在当地媒体上刊登广告，招募了22名健康妇女参加一项关于能量代谢和身体活动的研究。这些女性从事不同的工作领域，如办公室工作、护理和托儿。第一天早上测量基础代谢率。然后，每名女性都被给予一定量的稳定同位素，并被要求在随后的14天内收集尿液样本，以测量总能量消耗。(代谢率测量、同位素管理、尿液收集和尿液分析将在下面更详细地解释。)参考PAL (PAL_裁判)，以总能量消耗除以基础代谢率计算。

每位女性都通过电话得到了如何下载基于java的问卷的指导。在安装之前，这些女性在一个专门研究的网站上注册。如果一位女士的手机不支持Java脚本，研究中心就会借给她一部支持Java脚本的手机。在为期14天的研究期间，每位女性每天晚上9点都会收到一条短信，提醒她通过手机上的基于java的调查问卷回答关于她当天体育活动的两个问题。这两个问题是:(1)你今天在工作/白天进行了多少体力活动?(2)您在今天的休闲时间/晚上进行了怎样的体育活动?（表1)．问题的答案通过手机的在线连接实时发送到研究中心，并可以在研究特定的网站上进行监控。如果一位女性没有回复，研究中心就会向她发送一条短信作为提醒。在14天的试验结束时，每位女性都将尿液样本送到研究中心，并回答两份关于她在此前14天的体育活动的纸质问卷。该研究是根据《赫尔辛基宣言》设计的，并得到了位于瑞典斯德哥尔摩的中央伦理审查委员会的批准。

手机应用

基于java的手机应用程序的下载是通过WAP-push消息初始化的。Web客户机是基于Wicket应用程序中的Ajax构建的。Web和应用服务器是在Spring上开发的，用于构建和运行Java应用程序，以及Hibernate来执行对象关系映射和对数据库的查询。采集信息的数据库为MySQL，操作系统为Linux。所有的数据流量都通过https(超文本传输安全协议)。该过程在图1．

‎ 查看此图

测量基础代谢率和总能量消耗

基础代谢率按以下方法测定。在研究的第一天早上，每位女性在禁食一晚和休息45分钟后，使用通风罩系统(Deltratrac代谢监测仪，Datex仪器公司，芬兰赫尔辛基)进行20分钟内的间接量热法，测量她们的二氧化碳产量和耗氧量。这些妇女乘车来到医院，尽量减少体力活动。二氧化碳产量和耗氧量通过Weir [32］．

为了测量总能量消耗，每位妇女都被给予精确称重的稳定同位素氘和氧-18(0.09克)²H₂0 / kg体重和0.23 g H₂¹⁸0 / kg体重)后，收集两至三份背景尿样。女性在给药后的第1、4、6、8、11和15天收集了另外6份尿液样本。根据Lof等人的描述，对剂量和尿液样本的同位素富集进行了分析[33］．以ppm表示的结果的分析精度为0.22²H和0.03为¹⁸O.二氧化碳产量的计算方法与Coward的描述一致[34]，以氘和氧-18稀释空间为分布空间，与它们各自的同位素消失速率常数相匹配，并假设30%的失水要分馏。氘空间与氧-18空间之比为1.033±0.006。总代谢率由二氧化碳产量计算，假设食物商为0.85 [35］．对于其中一名受试者，相同的剂量和尿液样本被分析了9次。得到以下变异系数:总能量消耗为1.2%，身体总水分为0.3%，氘空间与氧-18空间之比为0.15%。

手机PAL的计算

女性对两个关于同一天体育活动的简短问题的回答根据中显示的值转换为PAL表1这与参与者的反应相符。所有数据都显示在研究特定的网站上，并存储在本地数据库中。这两个问题是为了涵盖工作/白天和休闲时间/晚上的活动。据我们所知，这些特定的问题以前没有被使用过，但类似的方法在其他研究中被使用过[36，37］．通过将问题1中得到的PAL值与问题2中PAL的贡献相加，计算出每日的PAL值。每个选项在工作/白天时间(问题1)的PAL值来自Black等人[30.]，而休闲/晚间活动对PAL的贡献(问题2)是根据公布的步行和骑自行车的能量成本计算的[31］．Black等人基于双标记水法和间接量热法，从500次测量中推导出不同类型功的PAL值[30.］．公布的能量成本(所谓的代谢能量转移，或MET值)是走路和骑自行车时的总能量消耗除以基础代谢率。这些数值来自于在实验室环境中使用间接量热法测量的能量消耗[31］．朋友_细胞计算为第1天至第14天的14个PAL值的平均值。

从两份纸质问卷计算PAL

问卷1和问卷2显示在多媒体附件1．问卷1由一个简单的问题组成，该问题已在以前的流行病学研究中使用过[38，39］．每位女性在最后两周将自己的体育活动水平分为1到10级，其中1级非常低，10级非常高。女性被告知，1应该被理解为久坐不动的生活方式，而5则代表每周散步几次，10则代表每周运动几次。答案被转换为PAL_quest1．值1表示PAL值为1.3。每增加10步表示增加0.1到2.2。

问卷2要求每位女性报告在9种不同的活动类别上所花的小时和分钟数，并指定MET值[38]在过去两周的平均24小时内[8］．朋友_购买计算方法为MET乘以每个活动类别的分钟数除以1440分钟。

AEE的计算

每一个女人，朋友_细胞,伙计_quest1，以及PAL_购买转换为相应的活动能量支出(AEE)，即AEE_细胞,爱意_quest1，及AEE_购买，计算为(PAL乘以基础代谢率)减去基础代谢率。AEE的参考估算(AEE_裁判)以总能量消耗减去基础代谢率计算。

统计分析

数值以平均值±标准差表示。在确定值为正态分布后，通过重复测量方差分析(ANOVA)和随后使用Tukey多重比较检验的事后分析确定平均值之间的显著差异。PAL之间的协议_细胞,伙计_quest1，以及PAL_购买与朋友_裁判使用Bland和Altman程序进行评估[40］．该程序用于评估使用替代方法得到的估算值与使用参考方法得到的估算值之间的一致性。根据该程序，从备选方法和参考方法得到的估计值之间的差异(y)与所有受试者的这两种估计值的平均值(x)作对比。然后计算所有受试者的平均差±2SD。选择两个标准差作为变化的度量，因为这个估计对应于Bland和Altman使用的一致极限。为了检验方法内的趋势，拟合了x和y之间的线性回归模型。对AEE值使用相同的程序。通过手机，研究人员使用组内相关性来测量个体每日身体活动水平的内部变化。所有统计检验均在双侧5%显著性水平上进行。所有统计分析均采用SAS 9.1.3 (SAS Institute Inc, Cary, NC, USA)进行。

结果

参与者的特点

参与研究的女性的特征显示在表2．这些女性的年龄、身体质量指数(BMI)和体重各不相同。在22名参与研究的女性中，有4人的BMI大于25公斤/米²， 2例BMI大于30 kg/m²．这些女性都不吸烟，而且除了4人之外都有大学或大专学历。在基线时，5名女性(23%)报告她们从不锻炼，5名女性(23%)报告她们每周锻炼1到2次，而12名女性(54%)报告她们每周锻炼3次或更多。

过程

在22名女性中，14名(64%)拥有支持基于java的应用程序的手机，8名(36%)从研究中心借来了手机。在14天的测试期间，除2名女性外，所有女性都回答了所有问题。在没有回答所有问题的两名女性中，一名没有报告一次，另一名没有报告两次。为了这些女人，伙计_细胞分别是基于13天和12天的报告。没有一个妇女要求在14天期限结束前终止报告，在研究结束时，所有妇女都表示在14天期限内完成报告的负担很小或没有负担。

使用手机评估PAL

表3显示总能量消耗和基础代谢率，以及不同方法得到的PAL。平均而言，PAL_细胞是1.82。该值与PAL在统计学上无显著差异_裁判，为1.83。Bland和Altman的PAL情节_细胞与PAL相比_裁判显示在图2．PAL的平均差值_细胞和朋友_裁判差异较小(0.014)，一致性限为2SD = 0.29。趋势检验在统计学上不显著。回归方程为y = -0.58 x + 1.05;r= -0.38;P=。08。

‎ 查看此图

采用纸质问卷对PAL进行评估

普通的PAL_quest1为1.84，而PAL_购买为1.90 (表3)．这些数值与PAL没有统计学上的显著差异_裁判．PAL的Bland和Altman地块_quest1和朋友_购买与PAL相比_裁判显示在图3而且图4．两种PAL的平均差异很小_quest1和朋友_购买与PAL相比_裁判(分别为0.004和0.07)。然而，协议的范围比PAL更广_细胞(朋友_quest1， 2SD = 0.51, PAL_购买， 2sd = 0.90)。PAL的趋势检验具有统计学意义_quest1(回归方程为y = 0.79 x - 1.45;R = 0.44;P= .04)以及PAL_购买(回归方程为y 1.58 x - 2.88;r= 0.65;P<措施)。因此，两份问卷(特别是问卷2)都高估了较高的PAL值，而低估了较低的PAL值。

‎ 查看此图

‎ 查看此图

来自手机的AEE与纸质问卷

爱意_细胞,爱意_quest1，及AEE_购买与爱意_裁判显示在表4．结果与PAL估计的结果非常相似。当结果以kJ/24小时和每公斤体重的AEE表示时，也得到了类似的结果(数据未显示)。

使用手机获得的PAL的每日变化

在14天的研究期间，使用手机获得的PAL每天变化很大(图5)．22名女性的组内相关系数估计为0.20;因此，约20%的差异是女性之间的差异，而约80%的差异是由于日常差异。

‎ 查看此图

讨论

这项研究描述了一种新的方法来收集身体活动的数据，使用基于java的身体活动问卷通过手机重复执行。结果表明，通过手机测量身体活动是一种很有前途的评估PAL的方法，可以用于大规模的流行病学研究。

该方法在参与者中产生了高依从性和高接受度。一般来说，用手机测得的PAL与用双标水法和间接量热法测得的PAL的参考值吻合得很好。两份纸质问卷评估的PAL值与参考估计值吻合较好。但是，手机获取的PAL与参考PAL的差异的一致限很窄(2SD = 0.29)，而两份纸质问卷的对应限更宽(问卷1的2SD = 0.51，问卷2的2SD = 0.90)。此外，两份问卷的结果都存在偏差(尤其是问卷2)，高估了运动女性的PAL，而低估了不运动女性的PAL。

此前只有两项研究将纸质问卷得到的PAL估计值与基于双标记水法和间接量热法的健康成年人的参考估计值进行了比较。在这些研究中，纸质问卷将PAL低估了0.12个单位(6%)[33]或高估PAL 0.31个单位(31%)[41］．在我们的研究中，手机估算值与参考估算值平均相差0.01个单位或1%。在以前的研究中，只有一项报告了使用纸质问卷和参考估计值得到的PAL之间的差异。他们的一致限度比本研究中手机估计的更宽(2SD为0.64,0.29)[33］．

当以AEE表示结果时，手机问题平均只高估了AEE的参考值2%。作为比较，在Neilson等人最近的综述中[15]， 20项研究中只有8项报告总能量消耗或能源效益的平均差异小于10%，只有4项报告与参考估计相比的平均差异小于2%。AEE之间的差值SD为2380 kJ/24h_细胞与AEE相比_裁判．这些一致性的限制比以前使用参考估计值进行评估的大多数纸质问卷要窄[15］．

我们的结果显示，在使用手机问卷调查(图2)．这可能是因为在当前的版本中，休闲活动只包括散步、骑自行车和运动。其他常见的日常活动，如园艺、搬家或与孩子玩耍也可能增加PAL。这些活动可能会被纳入未来的版本，以测试它们是否提高了评估单个女性PAL的手机问题的能力。但是，低估也可能是由于手机调查问卷的刻度倾斜造成的，需要更高水平体力活动的选项应该被赋予更高的值。

许多纸质问卷被设计用来评估AEE。当比较个体之间的AEE时，它应该以千焦耳每公斤体重表示，因为个体越小，AEE越小。在流行病学研究中，这是一个值得关注的问题，因为体重往往是自我报告的，产生了偏见的风险。PAL与体重无关。在这项研究中，我们选择PAL，因为我们的总体目标是开发一种在流行病学背景下使用的程序。PAL的参考估计值被评估为总能量消耗除以基础代谢率。总能量消耗包括基础代谢率(50-70%)、体力活动产生的能量消耗(20-40%)和饮食诱导的产热(5-10%)。因此，在PAL的计算中，包括了饮食诱导的生热作用。然而，手机和问卷对PAL的估计是使用公布的PAL值计算的[30.]和MET [31，其中还包括饮食诱导的产热作用。

图3和4表明两份问卷都高估了活跃女性的PAL，而低估了久坐女性的PAL。这些结果是使用Bland和Altman描述的备选方法和参考方法在x轴上的平均值得到的[40］．然而，在一些研究中，只在x轴上使用标准方法。如果使用了这种程序，相关性将有所不同。根据Bland和Altman的说法，只使用参考值可能会显示出一种相关性，无论差异和大小之间是否存在真正的关联[42］．因此，在本研究中，在x轴上使用平均值。

22名女性中只有2人错过了一次报告(一人未报告一次，另一人两次)，表明对研究方法的高度依从性。高依从性可能是由于作为提醒发送的短信。该技术还为研究中心提供了一种可能，可以监测参与者在研究期间是否回答手机问题。这些特点是与普通纸质体育活动记录相比的优势。22名女性中没有人表示有任何担忧，也没有人认为必须每天报告会影响日常生活。

这两个问题通过一个基于java的应用程序下载到手机上;因此，参与者必须使用支持Java的手机。在22名女性中，14名(64%)能够将基于java的调查问卷下载到自己的手机上，8名(36%)从研究中心借来了手机。在另一项未发表的研究中，也看到了支持基于java的调查问卷的手机的相同分布。在基于web的应用程序中使用Java的优点是可以使用更高级的应用程序，并且数据传输的成本低于发送SMS的成本。此外，Java程序还可以在在线连接较差时存储数据，然后在信号较强时发送数据。一旦在参与者的手机上下载了程序，研究中心的时间和精力就会减少，因为所有的通信都由应用服务器自动管理。由于手机问卷只包含两个问题，为了增加可访问性，可以通过短信或交互式语音响应(IVR)来提问，尽管这些技术允许不太高级的界面，更依赖于与手机网络的连接。然而，所有的手机都可以使用这两种技术，并在干预和治疗研究中用于与患者沟通[17，21，43］．

本研究的优势在于，这是第一个开发和评估基于手机的PAL评估方法的研究，并且金标准方法被用作参考方法。PAL手机评估的一个可能的局限性是，它们是基于自我报告。尽管如此，使用手机获得的PAL与参考估计之间的平均±2SD差小于早期的研究，这些研究报告了使用加速度测量等客观方法评估的PAL或总能量消耗[33，44］．目前的研究规模很小，只有22名参与者，但研究参与者的BMI、锻炼习惯和年龄都很广泛。她们也是一群受过良好教育、积极性高、活动适度的女性。研究结果可能不适用于其他年龄分布不同或身体活动水平不同的社会环境中的其他人群或亚群体。

在这项研究中，研究对象内的高变异与研究对象间的变异有关，注意到手机估计。受试者内部的高变异性是受试者每天不同水平的身体活动的自然结果(尽管没有在前面以这种方式显示)，但它也可能表明，手机问卷可能没有捕捉到有关受试者身体活动的所有信息。我们的目标是开发一种简单的程序，对适合流行病学研究的受试者的身体活动水平进行分类，从而预测多年后的健康结果。出于这个目的，短期(每天或每小时)的变化可能不是问题。然而，我们的程序可能需要修改，以便对干预研究有用，因为这类研究可能需要更详细的信息，如所进行的体育活动的类型和持续时间。我们不能排除这样一种可能性，即受试者之间的低差异在某种程度上是由于我们的研究参与者是一个相对较小的女性群体。然而，这项研究是开发和评估一种独特的手机策略来评估PAL的第一步。这些在一组健康瑞典女性中的初步结果是有希望的，下一阶段应该包括对其他人群(包括男性和不同年龄组)的评估。

使用Bland和Altman所描述的程序，与参考估计相比，手机估计产生了狭窄的一致限度。我们只能推测原因，但这可能是因为手机问题每天晚上都被回答，减少了因失忆而导致的报告错误。另一个原因可能是，该程序利用了一种技术(手机)，与“即时答复”相关，也可以减少报告错误。纸质问卷可以让受试者有更多的时间来反思他们的答案，也可以考虑他们的总活动水平，这可能会让受试者更容易调整他们的答案，以避免“太不活跃”，例如。

值得注意的是，本研究中使用的更详细的纸质问卷并不优于仅使用一个评价问题来评估总体力活动。这一发现支持了最近一项类风湿关节炎患者研究的结果，该研究发现，通过两个关于体育活动的问题得到的PAL值与参考估计值很吻合[36］．未来的研究应该评估这些结果是否也适用于其他人群，包括男性和其他年龄组。

在这项研究中，PAL的每日变化很大，这表明需要在受试者中重复测量以减少这种变化。当重复这些问题时，就有可能获得典型的个人PAL平均估计值。此外，本研究表明，手机是重复收集PAL值的有用工具。这种收集身体活动信息的方法在大规模前瞻性流行病学研究中具有很大的潜力。基于手机的程序还可用于流行病学环境中其他变量的数据收集，在这些变量中，可以通过重复测量来减少变化，例如评估能量摄入或其他与健康有关的变量。

总之，使用手机进行的基于java的身体活动问卷得出的PAL平均估计值与PAL参考值一致。此外，使用手机获得的PAL与参考值之间的一致性限制比使用纸质问卷获得的相应估计值更窄。下载到手机上的基于java的调查问卷可能是一种可行的、具有成本效益的数据收集方法，用于对身体活动进行大规模前瞻性研究。