大量流行病学研究已经证实了身体活动在促进健康和减少慢性疾病方面的重要作用,开展身体活动研究首先解决的问题是寻求及发展客观、精确、实用的身体活动测量方法,这对于定量化评价身体活动与健康之间的剂量-效应(dose-response)关系,评估身体活动干预措施有效性,从而形成基于客观评价基础之上的公共健康建议具有重要意义。然而如何精确的测量身体活动对于研究人员来说仍然是一个很大的挑战。问卷调查、回顾式日记或访谈的方法通常由于存在大量主观偏倚而被认为不够精确。为了更加精确地评估身体活动,研究人员转而寻求客观评价方法。在诸多客观身体活动测量技术中,运动传感器是其中应用最为广泛、最具代表性、研究最多的身体活动测量方法之一。本研究采用Actigraph GT1M单轴加速度传感器、Actigraph GT3X三轴加速度传感器、RT3三轴加速度传感器、Actiheart心率加速度运动传感器、IDEEA人工智能运动传感器五款国际上应用最多的加速度传感器,测量了中国人群20种典型身体活动,其目的是评价20种常见身体活动代谢特征、探讨上述五种代表性运动传感器测量中国人群典型身体活动的效度,并试图开发精度更高、更适合中国人群的加速度传感器能耗预测公式。共计14名健康成年男性和16名健康成年女性完成本研究。所有受试者完成两大类(步行与日常生活活动)共计20种活动,分别为2mph步行、3mph步行、3mph 3%坡度斜坡行走、3mph 8%坡度斜坡行走、4mph快走、4mph 3%坡度斜坡快走、5mph慢跑、6mph中速跑、中速跳绳、快速跳绳、10mph骑自行车、13mph骑自行车、沿楼梯上楼、沿楼梯下楼、擦桌子、洗衣服、拖地、打乒乓球、上肢力量训练、下肢力量训练。受试者按照标准位置佩戴Actigraph GT1M单轴加速度传感器、Actigraph GT3X三轴加速度传感器、RT3三轴加速度传感器、Actiheart心率加速度运动传感器、IDEEA人工智能运动传感器记录其完成20种身体活动状况,同时以间接热量测定法这一“金标准”方法为参照,即受试者佩戴K4b2便携式心肺功能仪测试其实际能耗水平。在本研究第一部分中,总计19项可与国际《身体活动概要》参考MET比较的活动中,有15项活动的测量MET与《身体活动概要》不同,大部分活动测量MET显著高于参考MET(13项)。男性由于静息摄氧量接近3.5ml/kg/min,其标准MET(活动摄氧量/3.5)与测量MET(活动摄氧量/静息摄氧量)基本一致,女性由于静息摄氧量为3.0 ml/kg/min,其标准MET显著低于测量MET。无论男性还是女性,采用标准MET均可能导致运动强度被错误分级,错误分级率为20%左右。在本研究第二部分中,针对Actigraph GT1M单轴加速度传感器、Actigraph GT3X三轴加速度传感器的研究结果发现,5mph速度以下动力性步行时,根据Actigraph GT1M单轴加速度传感器counts预测MET的一元线性回归方程R2达到0.79,但所有20种身体活动counts预测MET的一元线性回归方程R2仅为0.51。Actigraph GT3X三轴加速度传感器垂直轴、矢状轴、水平轴及三轴矢量预测20种活动MET的一元线性回归方程R2分别为0.53、0.08、0.28,0.53。单轴加速度传感器在测量上肢活动、坡度步行、上楼梯、骑自行车等活动时,记录counts值较低或无法随运动强度线性增加是导致与能耗相关性降低的主要原因。Actigraph GT3X三轴加速度传感器除垂直轴外,矢状轴和水平轴同样无法感应坡度步行,但在测量擦桌子、洗衣服、拖地、乒乓球、上肢力量练习等以上肢为主的运动时矢状轴、水平轴感应到较多活动。国际上应用较多的Freedson单轴及三轴回归公式、Swartz单轴回归公式显著低估了步行活动、生活活动及所有活动的实际能耗,提示国外Acti Graph加速度传感器能耗预测模型不适合中国人群。本研究根据步行和所有活动分别推导的Acti Graph加速度传感器单轴或三轴步行回归公式及常见活动回归公式预测能耗的准确度高于国外公式。针对RT3三轴加速度传感器的研究结果发现,RT3三轴加速度传感器三轴矢量和、垂直轴、矢状轴、水平轴counts预测MET的一元线性回归方程R2分别为0.63、0.62、0.59,0.46,表明RT3各轴counts对于活动均较为敏感,随运动强度增加呈现一定程度线性变化。RT3矢量和与垂直轴counts无论是测量步行,还是测量日常生活活动,预测MET的一元线性回归方程的R2均一致,表明仅仅用线性回归方程,使用矢量和预测能耗并不优于单独采用垂直轴counts预测能耗。RT3三轴回归公式显著低估了步行活动、生活活动及所有活动的实际能耗,提示RT3能耗预测模型可能不适合中国人群。本研究根据步行和所有活动分别推导的RT3步行回归公式及RT3常见活动回归公式预测能耗的准确度高于国外公式,但本研究RT3步行回归公式仍然相对低估了日常生活活动能耗,RT3常见活动回归公式则低估了中低强度活动,常见活动回归公式总体略优于步行回归公式。针对Actiheart心率加速度传感器的研究结果发现,Actiheart 3种模型即加速度模型、心率模型、心率加速度模型均显著低估了实际能耗,其中加速度模型低估步行能耗的误差值相对最小,为-1.65MET,心率模型和心率加速度模型低估步行能耗的误差值分别为-5.13MET,-3.48MET,均大于加速度模型,但心率模型和心率加速度模型低估生活活动能耗的误差值分别为-3.55 MET,-2.93 MET,小于其低估步行能耗的误差值,而加速度模型低估生活活动能耗的误差值为-2.17MET,大于其低估步行能耗的误差值。本研究所推导的心率、加速度、心率加速度及个体化心率模型预测实际能耗的误差值均显著低于Actiheart心率加速度传感器原始3种模型,本研究个体化心率模型和心率加速度模型准确预测运动强度的比例均超过70%,而Actiheart心率加速度传感器原始心率模型和心率加速度模型准确预测运动强度的比例不到20%。其中,本研究个体化心率模型预测步行能耗的误差值最小,为-0.09,本研究推导的心率加速度模型预测生活活动的能耗相对精度最高,提示心率加速度传感器在测量生活活动方面可能具有一定优势。针对IDEEA运动传感器的研究结果发现,每分钟平均counts在2mph,3mph,3mph3%,3mph8%四种速度下分别为375、362、352及330,四种速度下平均counts并无统计学差异,同样经比较4mph与4mph3%,5mph与6mph,其counts差异无统计学意义,未呈现随速度和坡度增加综合矢量counts增加趋势,提示IDEEA运动传感器无法区不同速度下步行以及在坡度行走下能耗差别。IDEEA运动传感器低估了所有活动MET水平,其平均误差水平达到3MET(95%置信区间:-3.29,-2.80)。从步行活动来看,总体呈现步行速度越快,坡度越陡,误差越大的趋势,从2mph至6mph平地步行,其误差值分别为-1.19 MET,-0.91 MET,-1.12MET,-5.55 MET,-5.55 MET,5mph和6mph速度下误差值显著大于2,3,4mph,同时,3mph速度下,坡度越大,误差值越大。在日常生活活动方面,IDEEA同样低估了所有类型活动,其中,低估中低强度活动,如擦桌子、洗衣服、上肢力量练习等活动的误差值低于中高强度活动,如拖地、乒乓球、下肢力量练习等。综上所述,本研究所推导的不同运动传感器能耗预测模型相比国外原模型精度更高,发展可以精确测量中国人群活动模式特点的运动传感器,推导符合中国人群代谢特点和活动模式特点的运动传感器核心算法仍然是未来人群身体活动流行病学的研究基础和重要方向。