4种运动传感器测量身体活动能耗的有效性研究

王军利，张 冰，贾丽雅，孙忠伟

世界卫生组织（WHO）2009年的统计报告显示，因为少动久坐的人群比例不断增加，缺乏身体活动已成为全球范围内死亡的第4位主要危险因素[1]。身体活动与健康的剂量效应关系研究也已得到流行病学研究的科学证实[2-3]，但如何能够客观、准确、有效地监测身体活动及其能量消耗尤其重要。目前，常见的三轴加速度计与电子计步器不仅能够用于监测日常身体活动量，还可以客观评价身体活动的能量消耗。

Actigraph（GT3X型）加速度计是一款基于三轴加速度技术的人体运动监测工具，适用于科研、健身指导、睡眠质量管理等方面。目前为止，该产品已通过直接与间接测热法、双标水法（DLW）的效度验证[4]，能够有效地测量日常身体活动及其能量消耗。随着高科技的引入与应用，机械震动式计数的计步器已经淡出市场，采用3D传感技术的电子计步器日渐流行。LivePod iMate人体运动能量消耗监测仪是我国自主研制开发的，可以计量日常生活中的人体运动能量消耗[5]，也具有较好的信效度[6]。欧姆龙（HJ-302）与百利达（AM-120）是由日本研制设计的新型计步器，二者均采用3D传感器技术[7-8]，尤其前者为市场上最常见的产品之一。无论是加速度计还是计步器，在不同运动方式与人种特征基础上建立的能量算法方程会有比较大的精度差别[9]，而且对我国人口群体的适用性还不得而知，相关的研究在国内也比较少见。因此，本研究将在实验室条件下，对4种运动传感器的测量效度进行比较与分析。

1 研究对象与方法

1.1 测试对象

研究的受试者为年轻的成年人（见表1），主要是在校的本科生、硕士生、博士生。受试者都有锻炼的经历或者习惯，身体健康，无运动测试禁忌症。

表1 受试者个体特征的统计结果

1.2 测试仪器设备与程序

1.2.1 ActigraphGT3X加速度计、iMate能耗仪、HJ-302与AM-120计步器 GT3X由美国制造技术有限公司（Manufacturing Technology，Inc，MTI）生产，是一款三轴加速度计。数据处理采用ActiGraph ActiLife 6.1.4专用软件，并选择最新的能耗算法方程，即Freedson VM3 Combination方程，适用于19岁以上的成年人[10]，其特点在于采用分段计算能量消耗的方法，同时应用能量转换定理计算各运动矢量的能量消耗。公式如下：

（1）kcals=S×[（0.000 97×矢量值（运动轴1，运动轴2，运动轴 3）+（0.087 93×体重）]－5.015 82，其中：S=持续活动时间（s）/60 s，且 60 s动作计数＞2 453。

（2）kcals=动作计数×0.000 019 1×体重 且 60 s动作计数＜2 453。

LivePod iMate能耗仪也是一款电子计步器类产品，但可以上传与储存数据到研发机构的网络管理平台，进行日常的运动能耗与健康管理。HJ-302计步器与AM-120计步器均为日本研制和设计（由国内厂家代生产），是比较成熟的电子计步器产品，但二者不能对测试数据进行下载储存与分析。具体参数与性能见表2。

表2 各运动传感器的参数与性能

1.2.2 运动传感器的佩戴方法 为了保证测试时获得的能耗值准确有效，依据产品使用手册与前人研究的基础上佩戴各运动传感器。腰髋部位更接近人体的质心，能够监测到整体运动姿态的人体运动参数，避免局部运动导致的身体活动能耗高估现象，所以，运动传感器配戴在髋部或者后背位置比较合适[6，11]。而出于使用与佩戴方便的原因，HJ-302计步器与AM-120计步器的使用手册建议贴身放置在上衣口袋[7-8]。因此，测试时使用弹性松紧带将GT3X加速度计与iMate能耗仪分别固定在后背下部的左右两侧。为了模拟上衣口袋，将装有HJ-302计步器与AM-120计步器的小布袋固定在右侧胸部位置，使用夹子固定以避免其松动。

1.2.3 运动跑台与MAX-Ⅱ心肺功能仪 运动跑台采用h/p/cosmos公司（德国）生产的Pulsar专业级运动跑台，可用于体育训练、教学、科研和运动康复 受试者在跑台上分别完成4、5.6、6.4、7.2、8 km/h速度水平的走跑运动，走或者跑的运动方式由受试者依据自身情况任意选择，但每个强度须持续5 min[13]。运动的能量消耗通过MAX-II型心肺功能测试系统（美国AEI公司生产）内置的功能模块，自动计算每分钟的运动能量消耗，测试时由专门的实验人员记录。

1.2.4 其他测试准备 采用标准的身高计与体重计测试受试者的身高与体重，精确度分别为0.1 cm和0.1 kg，测量时要求受试者赤脚并着尽量少的衣服。测试前受试者还要填写知情同意书，了解测试的细节与具体要求，以保证测试的顺利完成。

1.2.5 数据处理与统计分析 数据结果应用spss17.0分析处理软件对4个运动传感器的能耗值与间接测热法的能耗值进行Pearson相关分析、单因素方差分析、配对T检验分析，结合Bland-Altman点图，分析各运动传感器的有效性。还应用单因素方差分析与组内相关分析（ICC）对运动装置之间的一致性进行分析，探讨可选择的替代使用问题。

2 研究结果

在运动跑台上分别完成4、5.6、6.4、7.2、8 km/h的走跑运动，其运动强度分别相当于 3、4.3、6、7、8 METs（1 METs表示人体运动能耗是安静状态能耗的1倍）[14]。所有男女受试者都能完成6.4 km/h以下强度的测试，7.2 km/h时有1名女受试者结束测试，8 km/h时有1名男受试者与3名女受试者终止测试。8 km/h时，各运动传感器的能耗预测值均有男女性别的组间差异，其他强度下只有个别传感器存在性别差异。尽管各运动传感器的总能耗预测也都存在显著的男女性别差异（见表3），但是，各运动传感器预测总能耗的误差水平并没有表现出性别的不同（P＞0.05），说明性别并不是影响运动传感器预测能量消耗准确与否的关键。

表3 各运动传感器总能耗值及其误差水平的男女比较分析（ANOVA）

研究应用Pearson相关分析法，分析运动传感器与间接测热法的相关性，发现以 4、5.6、6.4、7.2、8 km/h 进行走跑运动时（见表4），各运动装置均具有显著性相关（P＜0.05，仅7.2 km/h时的iMate能耗仪除外）。其中，GT3X加速度计的能耗值相关系数R为0.70～0.91（P＜0.01）；iMate能耗仪的能耗值相关系数R为 0.36～0.78（P＜0.05，7.2km/h除外）；HJ-302计步器的能耗值相关系数R为0.53～0.84（P＜0.05）；AM-120计步器的能耗值相关系数R为0.54～0.87（P≤0.01）。GT3X加速度计与AM-120计步器在8 km/h的运动强度时相关水平最高，而iMate能耗仪与HJ-302计步器则在4 km/h的运动强度时具有最高的相关水平。综合比较而言，GT3X加速度计在所有速度条件下的相关度较高。此外，各运动传感器与间接测热法的总能耗值也显示出较高的相关性（见表5），相关性的显著性水平高低依次是GT3X加速度计、AM-120计步器、HJ-302计步器、iMate能耗仪，大小分别为 0.90、0.86、0.85、0.81，双侧均显示显著相关（P≤0.01）。

表4 各运动传感器在不同运动强度时的相关与配对T检验结果

表5 各运动传感器测量人体运动总能耗值的相关性

为探讨运动传感器的测量效度，研究分别将各运动传感器与间接测热法进行配对T检验（见表4），分析2种方法的测量一致性水平。结果显示，GT3X加速度计的T值范围是-4.36～-1.01，在5.6 km/h与6.4 km/h运动强度时，2种方法的能耗值没有显著性差异，其余情况下均表现出了显著性差异（P＜0.01）；iMate能耗仪在所有运动强度下的T值在-8.95～-4.45之间（P＜0.01）；HJ-302计步器与之相似，其T值在-8.11～-3.88之间（P＜0.01）；AM-120计步器的T值变化范围为-5.15～2.91，在7.2 km/h以下时T值为负，说明运动传感器测得的能耗均值低于间接测热法的均值，即表示出低估现象，反之亦然。而且AM-120计步器只有在6.4 km/h运动强度时没有显著性差异，其余运动强度下均有显著性差异（P＜0.05）。

为进一步清晰直观地比较运动传感器与间接测热法的一致性，研究应用了Bland-Altman点图分析法（见图1至图4）。对各运动传感器与间接测热法总能耗值进行Bland-Altman点分析后，结果显示GT3X加速度计、iMate能耗仪、HJ-302计步器、AM-120计步器与间接测热法差值的均值分别是-27.04、-83.43、-52.475、2.04，95%的 CI分别是-82.95～28.88、-170.63～3.77、-126.42～21.48、-69.19～53.67，表明各运动传感器与间接测热法的一致性均不十分理想。如果再从预测误差的角度进行对比分析，能更加全面地比较各运动传感器预测的准确性。因此，研究也对运动传感器预测人体运动能耗的误差进行了讨论，运动传感器的误差大小用该运动传感器预测的人体运动的能耗值减去间接测热法的能耗值来表示，不同运动强度时能耗预测误差值的算术均值表示该强度下传感器的平均误差水平。结果发现，在4 km/h和5.6 km/h时，各运动传感器预测运动能耗的误差水平比较接近，但随着运动强度增大这种误差水平会有所分化，即呈“喇叭口”形（见图 5）。以 4、、5.6、6.4、7.2、8 km/h 进行走跑运动时，GT3X加速度计、iMate能耗仪、HJ-302计步器、AM-120计步器的平均误差变化区间分别是-4.1%～-20.6%、-16.4%～-46.8%、-16.9%～-25.7%、-22.4%～16.7%，总体上以低估为主。多数运动传感器总能耗值的误差与不同强度下的平均误差水平相当，而只有AM-120计步器是相反的（见图6）。

图1 GT3X加速度计总能耗值的Bland-Altman图

图2 iMate能耗仪总能耗值的Bland-Altman图

图3 HJ-302计步器总能耗值的Bland-Altman图

图4 AM-120计步器总能耗值的Bland-Altman图

图5 不同速度时运动传感器预测运动能耗的平均误差分布图（%）

为了评价各运动传感器间的一致性，解决实践应用过程中相互间的可替代问题，采用了组内相关（ICC）分析与单因素方差分析的方法（见表6）。结果显示，随着运动强度的增加相关性有 减 小 的 趋 势 ，4、5.6、6.4、7.2、8 km/h 进 行 走 跑 运 动 时 ，Cronbach α 值分别是 0.95、0.89、0.87、0.85、0.90，但均有非常显著的相关性（P＜0.01）。但是，单因素方差分析（ANOVA）的结果显示，其 F 值分别为 3.11、7.21、11.54、15.79、12.72，运动传感器之间均具有显著性差异（P≤0.01）。

图6 各运动传感器预测运动能耗的整体误差分布图（%）

表6 各运动传感器预测运动能耗的ANOVA与ICC分析

3 分析与讨论

3.1 各运动传感器预测人体运动能耗的有效性分析

从测试数据的统计结果不难发现，除4 km/h的运动强度以外，GT3X加速度计与间接测热法的Pearson相关性普遍高于iMate能耗仪、AM-120与HJ-302计步器，它们的平均相关水平分别为0.79、0.56、0.67、0.71。配对T检验的T值反映各运动传感器与间接测热法的均值差，T值为负表示运动传感器的能耗值低于间接测热法的能耗值，即处于低估状态，反之亦然。不过只有AM-120计步器在7.2 km/h与8 km/h的运动强度时，运动能耗T值才为正值，即表示高估，其余情况下各运动传感器均处于低估水平。如果配对T检验结果没有显著性差异，表示能耗预测非常接近真实值，如GT3X加速度计（5.6 km/h和6.4 km/h）、AM-120计步器（6.4 km/h）。另一方面，不同强度运动时T值变化的绝对值大小也反映出运动传感器与间接测热法之间的差异程度，绝对值愈大表示该装置的精确性愈差。因此，按照T值变化的绝对值大小，总体精确度大小依次是GT3X加速度计、HJ-302计步器、iMate能耗仪、AM-120计步器，T值变化区间大小分别是 3.35、4.23、4.50、8.06。

尽管各运动传感器与间接测热法间的差异大小不一，似乎对相关的显著性水平影响不大，但有可能影响二者的一致性[15]。Bland-Altman点图是反映观测值与效标值一致性的一种分析方法，图中X轴为运动传感器与间接测热法能耗值和的均值，Y轴为运动传感器与间接测热法能耗值的差值，2条虚线表示Mean±1.96SD，即为两种能耗预测方法差值的95%置信区间范围，而中间的实线为两种方法差值的平均值（与X轴的距离大小表示两种方法完全一致性的偏倚度）。对人体运动总能耗值的Bland-Altman点图分析可知，运动传感器的偏倚度大小依次是AM-120计步器、GT3X加速度计、HJ-302计步器、iMate能耗仪，其一致性界限外点数的百分比分别是10%、5%、5%、5%，一致性界限内的最大差值分别是 122.86、110.84、147.90、174.40。似乎并没有一种运动传感器的一致性达到理想水平，因为理论上认为能耗预测的偏倚度、一致性界限内的最大差值、一致性界限外的点数愈小愈好，但目前还没有明确的判定标准。综合比较认为，GT3X加速度计与AM-120计步器总能耗的有效性水平明显好于其他两个运动装置。

在衡量运动传感器预测能量消耗的准确性时，考察运动传感器与间接测热法之间误差的变化情况也非常重要。在不同的运动速度时，GT3X加速度计的误差变化相对稳定且较低（见图5），运动总能耗误差与平均误差水平也比较一致，表明GT3X加速度计具有相对稳定的系统误差水平。而AM-120计步器随着运动强度的增加由低估到高估，且误差变化区间较大，更大的问题是AM-120计步器的总能耗误差与平均误差完全相反（见图6）。也就是说，当测量复杂多样的日常身体活动时，很难准确评价人体运动的能量消耗，甚至连高估或者低估的情况都难以判断。iMate能耗仪在4 km/h时最为接近间接测热法的能耗值，但随着运动强度的增加低估程度愈严重，而HJ-302计步器与iMate能耗仪表现出相反的趋势。因此，与前人的研究结论一致，与计步器相比，加速度计测量运动能耗的准确性更高一些[13，16-19]。

值得注意的是，即使在实验条件下有比较理想的预测精度，对日常身体活动及其能耗进行监测仍有可能存在较大的误差。因为，加速度计的计数与梅脱关系依赖于实验中完成的动作类型，如果基于步行活动建立的算法方程预测高尔夫与家务活动，能耗结果会低估30%～60%[20]。不仅如此，运动传感器也可能存在一个上限效应，例如使用Sensewear Armband加速度计测量运动能量消耗时，运动强度超过10梅脱以上就会明显低估[23]。而使用加速度计测试训练中的耐力项目运动员，能量消耗的预测结果也是低估[24]。因此，基于不同类型活动建立起来的运动能耗算法方程，测量其他身体活动可能存在低估或者高估的现象[13，17，21]，甚至无法有效测量运动能耗[22]。基于上述分析，普通大众佩戴运动传感器监测日常健身活动，如步行、快走、慢跑等人体运动能耗的测量效度会较理想，而像太极拳、瑜伽、游泳等健身活动，能耗预测的有效性会降低。虽然运动传感器在精确测量一般健身活动的能耗方面会存在一定局限性，但仍不失为最有应用前景的客观测量方法，并可以避免主观评价的不足。科学健身不仅需要合理的方法与技能，也需要有效与客观地评价与反馈。因此，对于大众健身的自我监测而言，可以根据个人需要选择合适的运动传感器。

3.2 各运动传感器间的一致性分析

应用ANOVA分析与ICC分析的方法，对不同运动强度运动传感器间的测量一致性进行探讨，试图为实践应用过程中的可替代性问题寻找答案。ANOVA分析的结果显示，在4 km/h的运动强度时，各运动传感器的一致性程度最高，其他依次是5.6、6.4、8、7.2 km/h，但各运动传感器之间具有显著的差异水平（P≤0.01）。而ICC分析可以发现，各运动传感器的可靠性同样是在4 km/h时最高，α值达到0.95，其他运动强度依次是7.2、5.6、6.4、8 km/h，且均具有非常显著的统计学意义。ANOVA和ICC分析结果可以发现，各运动传感器随着运动强度增加而能耗值一致性逐渐减小（见图5），也就是说，运动强度愈大可比较性愈差。尽管连续完成5个运动强度的总能耗值也具有较好的组内相关（α=0.95，P＜0.01），但运动传感器间是有显著差异的。总之，在4 km/h的运动强度时各运动传感器的差异性最小，表现出最好的可替代性应用与选择。

4 结论与建议

4.1 结论

（1）在4种运动传感器中，GT3X加速度计与间接测热法的Peareon相关性最高，不同运动速度时的相关系数R在0.70～0.91之间（P＜0.01）。而且各运动传感器均以低估为主，只有AM-120计步器随运动强度的增大由低估转变为高估。

（2）GT3X加速度计的测量一致性要好于其他3个运动传感器，且具有比较稳定而且低的系统误差水平，更适用于我国成年人的身体活动监测。

（3）在4 km/h的较低运动强度时，各运动传感器间的一致性最好，可以有选择性的替代使用。但是在其他运动强度时，个别运动传感器也可以有条件的选择使用。

4.2 建议

研究仅探讨了4种运动传感器的运动能耗测量效度，没有对运动的步数或者动作计数、活动方式以及强度等方面的测量特性进行评价，也没有对日常身体活动的能耗、强度、活动量等进行比较研究。因此，希望未来有更多的国内学者开展相关研究，以便为我国全民健身计划提供服务与技术支持。

[1]Who.Global health risks[EB/OL]http：//www.who.int/healthinfo/global_burden_disease/global_health_risks/en/index.html.

[2]General U SPH，Fitness PCOP，Us S.Physical activity and health：a report of the Surgeon General[M].Jones&Bartlett Pub，1998.

[3]Committee P A G A.Physical activity guidelines advisory committee report，2008[M].Washington，DC：USDepartment of Health and Human Services，2008.

[4]ActiGraph Activity Monitor[EB/OL].http：//www.theactigraph.com/article/research-database.

[5]Livepodimate人体运动能量消耗监测仪简介 [EB/OL].http：//www.beingpower.com/goods.php.

[6]赵壮壮，陈培友，邱悦雯.LivePod LP2检测人体运动中能量消耗水平的信、效度检验[J].体育科学，2012，32（1）：48-53.

[7]OMRON（HJ-302）计步器简介[EB/OL].http：//www.omronhealthcare.com.cn/Home-info-id-34.html.

[8]TANITA（AM-120） 活动量记简介 [EB/OL].http：//www.tanita.com.cn/ProductDetails150.

[9]汤强，盛蕾，朱卫红.体力活动研究中加速度计的应用[J].体育科学，2009（01）：77-84.

[10]ActiGraph GT3X Help[EB/OL].http：//support.theactigraph.com/product/GT3X-device.

[11]TROSTSG，MCIVERKL，PATERR.Conductingaccelerometer-based activity assessments in field-based research[J].Medicine&Science in Sports&Exercise，2005，37（11）：S531-S543.

[12]h/p/cosmos pulsar Running machines manual[EB/OL].http：//www.h-p-cosmos.com/en/running-machines/pulsar/index.htm.

[13]LEMASURIERGUYC，TUDOR-LOCKEC.Comparison of pedometer and accelerometer accuracy under controlled conditions[J].Medicine&Sciencein Sports&Exercise，2003，35（5）：867-871.

[14]AINSWORTH B E，HASKELL W L，HERRMANN SD，etal.2011 compendium of physical activities：a second update of codes and MET values[J].Medicine&Science in Sports&Exercise，2011，43（8）：1575-1581.

[15]MARTIN BLAND J，ALTMAN D G.Statistical methods for assessing agreement between twomethodsof clinical measurement[J].Thelancet，1986，327（8 476）：307-310.

[16]CROUTERSE，SSHNEIDERPL，KARABULUTM，etal.Validityof 10 electronic pedometers for measuring steps，distance，and energy cost[J].Medicine&Sciencein Sports&Exercise，2003，35（8）：1455-1460.

[17]BASSETTJr DR，AINSWORTH BE，SWARTZA M，etal.Validity of four motion sensors in measuring moderate intensity physical activity.[J].Medicine and science in sports and exercise，2000，32 （9 Suppl）：S471-S480.

[18]陈晓荣，李可基.8种市售运动传感装置计步功能的效度研究[J].中国运动医学杂志，2010（004）：457-459.

[19]刘爱玲，李艳平，宋军，等.加速度计对成人日常体力活动测量效度的研究[J].中华流行病学杂志，2005，26（3）：197-200.

[20]HENDELMAN D，MILLER K，BAGGETT C，etal.Validity of accelerometry for the assessment of moderate intensity physical activity in thefield[J].Medicine&Sciencein Sports&Exercise，2000，32（9）：S442-S449.

[21]DRENOWATZ C，EISENMANN J C.Validation of the SenseWear Armband at high intensity exercise[J].European journal of applied physiology，2010，1-5.

[22]KOEHLER K，BRAUN H，de Marées M，etal.Assessing energy expenditure in male endurance athletes：Validity of the Sensewear Armband[J].Medicine&Science in Sports&Exercise，2011，43（7）：1 328-1 333.

[23]JAKICICJM，MARCUSM，GALLAGHERK I，etal.Evaluation of the SenseWear Pro Armband（TM）to Assess Energy Expenditure during Exercise[J].Medicine&Science in Sports&Exercise，2004，36（5）：897-904.

[24]CROUTER SE，CHURILLA JR，BASSETT D R.Estimating energy expenditure using accelerometers [J].European journal of applied physiology，2006，98（6）：601-612.