使用智能手机应用程序Myworkout GO预测次最大运动的VO2max:一种数字健康方法的验证研究

简介

缺乏体育锻炼是世界上主要的健康问题之一。运动除了在竞技运动中发挥调节作用外，对康复、增进健康和保持健康都很重要[1-3.］．强有力的证据表明，低水平的心肺健康(CRF)与心血管疾病的高风险和全因死亡率相关。CRF，通常通过直接测量最大耗氧量(VO)来评估_2马克斯)，可能比吸烟等已知风险因素更能预测死亡率[4］．将CRF添加到传统的危险因素中可以改善临床实践和公众健康。

50多年来，CRF的间接估计一直与健康结果相关。运动时心排血量与VO有较高的相关性₂［5］．在给定VO时的低心率(HR)₂因此与较大的冲程体积相关。这一生理事实构成次最大运动测试的重要基础。大多数现代循环运动测试是基于心率随VO增加的线性增加₂．然而，只有少数研究建立了这些预测方程[4，6］．

CRF通常通过最大跑步机和自行车测试来估计[7-9］．然而，当设备和训练人员进行直接VO时，可以选择次最大运动测试_2马克斯无法获得或被认为是不适当的测量[5］．此外，许多研究人员和临床医生不愿意接受增量试验涉及的明确风险，直至精疲力竭。基于HR对工作速率的响应的次最大运动测试对参与者的风险很小。然而，CRF预测的有用性必须考虑到估计的相对较大的标准误差(SEE)，该误差通常在超过10%至15%的范围内[4，6］．

可穿戴设备已经成为医疗保健和临床研究中测量基于活动的结果和CRF的流行方法。在一项针对炎症性风湿病患者的随机对照试验中，我们最近用应用程序Myworkout GO记录了智能手机辅助的高有氧强度间歇训练(HIIT)的效果。10］．VO方面的类似改进_2马克斯当炎症性风湿病患者在卫生保健专业人员指导下或在CRF锻炼反馈的应用程序指导下进行自我管理和训练时，观察HIIT后与健康相关的生活质量。数字康复似乎是一种极好的、具有成本效益的治疗策略，应该在未来的临床实践中加以考虑。因此，当测量这些变量时，了解准确性是至关重要的，因为它可能会影响研究结论和影响医疗保健决策。由于可穿戴技术公司独自负责报告其产品的准确性，有关评估方法的信息很少公开。[11-13］．

虽然已经开发并验证了许多结合多个变量的风险评分作为预后工具，但我们试图预测VO_2马克斯因此，“生物年龄”是基于应用程序Myworkout GO的次最大运动表现。本研究中的“生物年龄”定义为平均VO_2马克斯按一般人口的性别及年龄计算[14］．目的是向一般人群和卫生保健提供者提供一个更准确、容易理解和实用的风险估计版本。这最初可能会增加人们的身体活动，改善锻炼习惯。本研究的目的是评估VO预测的准确性_2马克斯使用Myworkout GO应用程序进行次最大锻炼。假设是VO_2马克斯商业智能手机应用程序Myworkout GO预测的结果将与直接VO显著相似_2马克斯评估。

方法

研究设计和参与者

在本标准相关效度设计中，研究参与者来自大学、工作场所、运动俱乐部和高级组织。既往诊断有心血管疾病的参与者被排除在本研究之外。目的是招募不同CRF水平的健康人。表1展示了参与者的主要特征。

伦理批准

挪威医学和卫生研究伦理委员会对研究设计进行了审查，该委员会确定，鉴于人口健康，不需要进行全面的委员会审查。根据学校政策，该研究由挪威科技大学的机构研究委员会提交并批准，并按照《赫尔辛基宣言》(审查编号:NTNU/MH/ISB/JH/010919)进行。所有参与者在审阅了有关研究和程序的口头和书面信息后，都给予了书面知情同意。

仪器

使用校准的电动跑步机(TX200 GymSport，特隆赫姆，挪威)进行VO_2马克斯测试和Myworkout GO应用评估。所有的肺气体交换测量均使用Cortex Metamax II便携式代谢检测系统(Cortex，莱比锡，德国)获得。参与者使用带头帽组件的口罩。Metamax系统的体积传感器连接到口罩上，还有一根管子，用来收集口罩内气体浓度的样本。这个系统与一台个人电脑相连。测量每10秒记录一次。便携式Metamax II代谢测试系统提供了一个机会来测量所有的通气参数，VO₂二氧化碳的排放量，环境空气的温度和压力。通风量传感器是一个数字三v涡轮，测量的容积范围为0.0 L/s到14.0 L/s，精度为1.5%。为了分析氧浓度，使用了锆传感器。传感器的氧浓度范围在0 vol %和25 vol %之间，精度<0.1 vol %。二氧化碳的分析采用红外传感器，测量范围为0 ~ 10 vol %，精度<0.1 vol %。在测试之前，使用3-L标准化校准注射器(Hans Rudolph Jäger GmbH, Hoechberg, Germany)对体积传感器进行了校准。气体浓度传感器用环境空气和16% O的化学标准化校准气体进行校准₂, 4%的公司₂80%的氮(SensorMedics Corporation, Yorba Linda, CA)。

Myworkout GO是一款安卓和iOS智能手机都可以使用的应用程序，它提供了进行4x4分钟锻炼的时间信息。Myworkout GO有一个特定的算法来预测VO_2马克斯这将不会被披露。该算法基于16分钟高有氧强度训练的完成工作量(速度和倾斜度)，在HIIT训练结束后手动在应用程序中注册。基于功和VO之间的线性关系_2马克斯［5]，该应用程序可以在不佩戴HR监视器的情况下评估相对训练强度。

测试协议

该研究包括3个实验测试，以随机顺序在非连续的天。这些测试最多在两周内进行。一个测试是直接VO_2马克斯我在跑步机上进行了测试，而我的健身GO在另外两天使用了标准化的HIIT协议。最高预测VO_2马克斯值被使用，对直接测量结果进行盲法。参与者的准备工作包括在考试前一天不进行极限运动，在考试前2.5小时不吃不喝，在考试前2小时不吸烟。

的签证官_2马克斯在跑步机上进行10分钟的热身，强度约为估计最大心率(HR)的70%_马克斯)基于美国运动医学院的标准公式[15］．安装口罩并连接到Metamax系统后开始测试。工作量是根据每个参与者每周的体育锻炼水平和跑步机练习信息进行调整的。参与者通常以他们完成热身期的速度开始。签证官₂随着跑步机的速度每分钟增加，不断进行测量。这个过程持续到参与者在大约5到8分钟后精疲力竭。确保VO_2马克斯时，参与者被鼓励尽可能长时间地继续，以便VO₂发生(1］．在测试结束时，所有参与者都显示出一个平台，确认VO_2马克斯．

“我的健身GO”中使用的HIIT方案是在跑步机上单独进行的，包括步行或跑步，并以“说话的速度”进行6分钟的热身。然后，参与者进行4x4分钟的间歇训练(呼吸沉重，但没有明显的乳酸积累的感觉)，在每个间歇之间以“说话的速度”积极休息3分钟[1］．2个HIIT课程在运动生理学家的监督下进行;然而，练习本身是由应用程序指导的，有以下说明:

1. 以中等强度(谈话速度)向山上走或跑6分钟热身。
2. 进行4x4分钟的间歇训练，强度保持在2分钟后呼吸急促，但不会感到任何不适或腿僵硬。
3. 在4分钟的高强度训练后，你应该可以再做1分钟，当你完成4x4分钟训练后，如果有一个积极的休息时间，你应该可以再做1个4分钟的间歇训练。
4. 在每个间歇之间以说话的速度主动休息3分钟。
5. 进行3分钟的冷却时间。

由于在HIIT期间没有测量HR，因此在本研究之前进行了一项随机对照先导研究。研究的目的是验证在HIIT期间，当人们接受运动生理学家基于主观感受和观察到的运动水平的指导时，或者仅仅遵循应用程序Myworkout GO提供的指导时，他们是否能够达到目标强度区。为此，6名健康的年轻人(4男2女;20-30岁)被招募并随机分为生理学指导组(n=3)和应用程序指导组(n=3)。每个人都被建议在3周内非连续的一天进行3次HIIT训练。使用Polar OH1监测器(Polar Electro Oy, Kempele, Finland)测量上臂HR。极坐标OH1最近通过了心率测量、心电图的金标准验证[16］．在试点研究中，研究人员和参与者都对HR进行了盲法检测。下面给出了每个组的人力资源回复示例图1．为了进行统计分析，每个HIIT会话提取4个数据点，1个平均数据点(占个人HR的%)_马克斯)从每段间歇时间的第三分钟开始。

‎ 把这个图

统计分析

使用SPSS 26版本(IBM公司，阿蒙克，纽约州)进行统计分析。计算所有参与者的均值和标准差，并使用描述性统计报告测量变量。学生t采用检验和线性回归计算表和图中不同均值和变量之间的比较。Pearson相关分析直接VO之间的关系_2马克斯和签证官_2马克斯根据Myworkout GO估算。进一步，用Bland-Altman图描述两种方法的一致性。在所有的统计分析中，显著性被接受P< . 05。这些图形是使用GraphPad Prism 8 (GraphPad Software, San Diego, CA)构建的。

结果

参与者包括162名健康志愿者，其中58名女性和104名男性，年龄在17岁到73岁之间。VO的直接测量值之间无显著差异_2马克斯和Myworkout GO对所有参与者的间接计算(表1)，当参与者被分为男性和女性时，也没有显著的差异。直接VO和预测VO_2马克斯值高度相关，R²0.97 (P<.001)， SEE为2.2 mL/kg/min (4.5%;图2)，没有性别差异。直接VO和预测VO的Bland-Alman图_2马克斯的值载于图3．这组女性明显年龄较大，体重和身高较低，VO明显较低_2马克斯比男性(表1）.表2显示了所有参与者的年龄分布。

初步研究(n=6)的结果显示，生理学家引导和应用程序引导的%HR之间没有显著差异_马克斯第一组(平均90.9,SD 2.4% vs平均87.8,SD 3.8%;P=.05)，第二(平均93.1，标准差2.6% vs平均90.3，标准差4.2%;P=.11)，第三(平均93.8，标准差2.1% vs平均91.4，标准差4.5%;P=.18)，第四(平均94.4，标准差1.6% vs平均92.3，标准差4.5%;P= 23)间隔。每组1名参与者的HR回应的典型例子在图1．这些发现得到Bland-Altman图的支持，所有数据点都在95%的一致水平(图4）.

‎ 把这个图

‎ 把这个图

‎ 把这个图

讨论

主要研究结果

本研究的主要新发现是直接VO之间没有显著差异_2马克斯测量(“金标准”)和预测VO_2马克斯使用Myworkout GO应用程序进行测量。两种方法高度相关(R²= 0.97,P<.001)， SEE为2.2 mL/kg/min，等于平均VO的4.5%_2马克斯(平均49个，SD 14 mL/kg/min)。应用程序中的HIIT训练被参与者耐受良好，没有不良事件报告。此外，初步研究表明达到了目标强度区。生理学家引导的%HR的计算均值和SEs_马克斯(平均93.0,SE 0.4%)和应用程序引导的%HR_马克斯(平均90.5，误差0.7%)运动对所有参与者的影响无显著差异。基于这些结果，我们得出结论，两种方法都能引导个体到达正确的强度区域(85%-95% HR)_马克斯）.

与之前工作的比较

与签证官_2马克斯参考3816名年龄在20岁至90岁的挪威人在跑步机上的健康男性和女性的数据，我们的数据相似[17］．基线签证官_2马克斯男性组(平均年龄30岁，SD 13岁)与20 ~ 30岁年龄组参考资料相似(平均57岁，SD 10 mL/kg/min vs平均54岁，SD 8 mL/kg/min) [17］．女性组(平均年龄50岁，SD 13岁)与40-50岁年龄组参考数据相似(平均35岁，SD 7 mL/kg/min vs平均38岁，SD 8 mL/kg/min) [17］．相比之下，Edvardsen等[14提出的规范的VO_2马克斯数据来自挪威的759名男性和女性参与者，报告了20-30岁年龄组的男性(平均49人，SD 10 mL/kg/min)和40-50岁年龄组的女性(平均33人，SD 6 mL/kg/min)的较低数字。

最近，健身登记和锻炼的重要性国家数据库发布了VO_2马克斯参考标准4611名成年男性和3172名女性(20-79岁)从直接VO获得_2马克斯测量(18］．与Edvardsen等[14]，美国男性的这些平均数字相似(平均48,SD值为11 mL/kg/min)，但女性略低(平均28,SD值为8 mL/kg/min)。

运动测试方式对结果有显著影响;在未经训练的人群中，使用自行车测功计比使用跑步机低10%到20% [5］．此外，研究人群、测试方案、测试前排除标准和使用的设备类型是导致不同研究之间出现差异的一些原因。体育活动水平和较小的样本量可以很好地解释VO的差异_2马克斯在参考资料与本研究之间存在一定的差异。

体育活动，CRF和健康

体育活动可作为一级预防措施，预防超过35种慢性疾病，因此应作为药物开处方[19］．然而，有必要将基础研究转化为临床实践，以让更多人行动起来。需要注意的是，“不应将非锻炼估计的CRF视为CRF客观评估的替代，特别是在一些高危患者人群中”[4］．这可以用SEE来说明，其方程的SEE值为3.0 mL/kg^/min (9.7%;R²=0.74)曹等人报道[20.]降至5.7 mL/kg^/min (12.8%;R²=0.61) Nes等人报道[21］．罗斯和合作者[4]还得出结论，CRF应该在临床实践中测量，因为它可以提供影响患者管理的额外信息。

在调整了年龄和其他危险因素后，CRF已被证明是心血管和全因死亡风险的一个强有力的独立标志。Kodama等人的元分析[22]提取了33项研究，包括近10.3万名参与者。每增加代谢当量(静息代谢率或耗氧量3.5 mL/kg/min)的CRF，心血管和全因死亡率分别降低13%和15%。

哈布及同事[9在对126,356名参与者(1991-2015年)的研究中计算了死亡风险，并对性别、心血管疾病、2型糖尿病、他汀类药物使用、高血压、吸烟和体重指数进行了调整。他们的结论是，与实际年龄相比，基于CRF的“生物年龄”能更好地预测全因死亡率。应该尽一切努力改善久坐的成年人的CRF，因为全因死亡率的减少有一半发生在最不健康的群体和次之最不健康的群体之间。然而，即使在低适合度的参与者中，较高的CRF也与风险降低相关[23或低风险组别[24］．

与可通过药物或侵入性手术治疗的疾病相比，CRF作为一种风险标志往往被忽视[18］．可穿戴技术声称可以提供精确的人力资源、能量消耗和VO测量_2马克斯．然而，Wallen等人[25]证明了所有通过光容积描记术测量心率的测试设备都低估了心率，特别是能量消耗。因此，这将限制它们用于评估CRF和训练强度以及作为减肥辅助手段的作用。Bent等[11]记录了可穿戴光学HR传感器在活动时的绝对误差平均比休息时高30%。在做出与健康相关的决策时，数字生物标志物解释必须考虑数据质量。

临床的视角

考虑到CRF作为心血管和全因死亡的风险标志的强独立价值[22， CRF的评估在大量临床人群中是极其重要的。患者可能会遇到不同的中枢或外周病变，导致代谢需求或综合O的一个或多个成分设定的限制₂运输途径(26]，这些限制可能会抑制这些人的最大运动能力和达到VO平台的能力₂，从而达到VO_2峰而不是签证官_2马克斯．Myworkout GO的算法是否能够预测症状受限的VO_2峰由于它涉及到不同的患者群体，但与本研究中健康参与者的准确性相似，尚待确定。然而，应用程序所使用的次最大HIIT运动具有很高的临床价值，因为它确实代表了限制症状运动能力的当前状态。它提出了一个独特的评估，在控制条件下的运动耐力，并评估反应从所有的元素涉及O₂途径，从大气到工作的线粒体。这些结果可能为临床实践提供有价值的信息，无论是诊断方面还是运动治疗方面。

实际应用和未来方向

汽车、电梯、遥控器和其他现代设备都有助于将体育活动从人们的生活中分离出来。将体育锻炼重新融入他们的生活，并告知他们体育锻炼对健康的好处是至关重要的。也有记录表明，人们会错过更少的工作，更有效率。27］．我们设法缩小知识与实践之间的差距。众所周知，锻炼是一种药物，利用智能手机应用程序，如Myworkout GO，创建了一个可访问的解决方案，在全球范围内管理锻炼。该应用程序提供了一个机会来彻底改革卫生保健，特别是在传统上获得卫生保健的机会有限的社区。因此，针对病人群体中基于运动的CRF预测准确性的研究是有必要的。在临床环境之外，智能手机应用程序实际上可以利用现有的技术，如GPS、气压和高质量的地图数据，自动跟踪和生成所需的信息，从自由的生活环境中预测室外锻炼的CRF。这为未来的研究提供了可能性，更重要的是，为人们在接受有关健康信息评价的同时开展增进健康的活动提供了可能性。

优势和局限性

本研究有优势也有局限性。一个限制是，自愿参加运动研究研究的人可能有体育锻炼的经验，因此有很高的内在动机坚持研究方案，导致选择偏差。然而，CRF与参考数据的比较[17]揭示了这项研究中男性和女性的结果与挪威普通人口的结果相似，表明人口是可比较的。

在本研究中使用的受控实验室设置是一个优势，因为这种类型的调查在符合协议时对算法的真正准确性有很大的洞察。然而，必须注意的是，不要不加区别地将这项研究的结果外推到自由生活的情况下，因为在这种情况下，真诚地遵守协议可能与遵守的意图相混淆。HIIT练习和应用内注册的正确执行对于CRF预测的准确性至关重要。不仅要考虑人为错误，而且要考虑潜在的技术并发症，如未经校准的运动设备，作为影响CRF预测准确性的因素。最终，算法只会根据给定的条件工作。

虽然在本研究范围之外，低门槛，容易获得，户外运动对许多人来说是有吸引力的。户外步行或跑步的速度和倾斜度可以被Myworkout GO自动记录并用于预测CRF。然而，谨慎的是要记住，这种测量可能存在潜在的局限性。例如，GPS数据的准确性和地表类型将影响CRF预测的输入，即使HIIT会话的练习效果可能是相似的。因此，要增加对自由生活情况的外推价值，应强调遵守HIIT指导和测试设置的标准化。

结论

直接VO之间无显著性差异_2马克斯测量和预测VO_2马克斯使用应用程序Myworkout GO在总样本中进行测量。两种方法的SEE均为2.2 mL/kg，相关性较高^/最小，等于平均VO的4.5%_2最大,在健康的参与者中遵守协议。HIIT会话(4x4分钟)合并到应用程序Myworkout GO中，参与者可以很好地忍受。Myworkout GO的另一个目标是为健康人群和患者提供最有效的建议来改善CRF。精确和有效的数字卫生应用程序有可能通过廉价和方便的门诊外监测来改变卫生保健。