论文部分内容阅读
研究目的:基于ActiGragh GT3X加速度传感器,以K4b2气体代谢分析仪能量消耗测量值为依据,确定自行车运动加速度传感器最佳适配位置,建立大学生自行车运动能量消耗和能量代谢当量MET预测方程,找出区分4.8MET和7.2MET对应的VM轴加速度计数最佳临界点。研究方法:选取101名在校大学生,按性别、年龄分成实验组(81人)和验证组(20人)。实验过程中受试者同时佩戴K4b2气体代谢分析仪和ActiGragh GT3X加速度传感器(腰部、大腿、脚踝),在功率自行车上依次进行不同强度(较低强度:37%～45%V02max;②中等强度:46%～63%V02max;③较大强度:64%～91%V02max)的骑行。采用描述统计、相关分析和强迫进入变量回归法对不同佩戴位置ActiGragh GT3X加速度传感器监测自行车运动能量消耗的有效性进行对比分析;选取逐步回归方法建立运动能量消耗预测方程;采用相关分析、绝对误差、相对误差以及Bland-Altman点图方法检验运动能量消耗预测方程的有效性;采用ROC曲线建立VM轴加速度计数最佳临界点。结果:1)在各单轴中,脚踝部位加速度传感器ACx轴counts均值最大。脚踝部位加速度传感器VM轴counts均值在5个轴中最大,感应加速度变化最为丰富。2)三个部位加速度传感器各轴counts均值均与运动能量消耗存在显著的相关关系(P<0.01),其中大腿处 ACy 轴(r=0.83),脚踝处 ACz 轴(r=0.83)、VM 轴(r=0.84)的相关系数相对较高。3)除腰部加速度传感器ACx、ACh轴和大腿ACx轴外,其他各轴均与能量代谢当量MET线性相关关系显著(P<0.01),其中脚踝处ACz轴(r=0.87)、VM轴(r=0.89)与能量代谢当量MET的相关系数相对较高。4)脚踝处加速度传感器三分轴对运动能耗(R2=0.70)和MET(R2=0.80)的解释力最高。5)运动能量消耗(kcal/min)=0.000219×VM+0.065×BW+0.145×SE-2.032(VM为合轴counts值,BW为体重(kg),SE为性别(女=0,男=1));R2等于0.88,S和S/Y(%)分别为0.61和11.55%。经验证组数据回代检验,各强度水平下方程预测值与K4b2实测值相关系数在0.82～0.86之间(P<0.01);绝对误差为0.38～0.61kcal/min,相对误差为8.37%～10.54%;95%的残差均落在Bland-Altman散点图Mean 土 1.96SD的区间内。6)能量代谢当量MET=0.00019007×VM+3.121,R2为 0.80,S 为 0.61,S/Y(%)为 10.33%。经验证组数据回代检验,各强度水平下方程预测值与K4b2实测值相关系数在0.80～0.85之间(P<0.01);绝对误差为0.42～0.73MET相对误差为8.69%～9.61%;95%的残差基本均落在Bland-Altman散点图Mean±1.96SD的区间内。7)4.8MET和7.2MET ROC曲线下的面积分别为0.926、0.901,敏感性分别为0.803、0.841,VM轴加速度计数对于确定运动强度具有较高的诊断价值。4.8MET对应的VM轴加速度计数最佳临界值点为9764 counts/min,7.2MET对应的VM轴加速度计数最佳临界值点为21138 counts/min。结论:1)脚踝处是自行车运动ActiGragh GT3X加速度传感器的最佳适配位置。2)可用脚踝处加速度传感器VM轴counts值、性别、体重三个变量建立的方程有效的预测不同强度水平下的运动能量消耗,预测精度较高。3)可用脚踝处加速度传感器VM轴counts值建立的方程有效的预测不同强度下能量代谢当量MET,预测准确度较高。4)4.8MET和7.2MET对应的VM轴加速度计数最佳临界值点分别为 9764 counts/min和 21138 counts/min。