应用智能手机运动App自我监控日常体力活动的实验研究

胡永芳， 翁锡全， 包希哲， 曾玲玲

(1.广州医科大学，广东 广州 511436；2.广州体育学院，广东 广州 510006)

规律性体力活动是降低慢性非传染性疾病风险且有利于健康的重要手段之一[1,2]。为此，包括世界卫生组织在内的国际卫生健康和学术组织都强调日常体力活动的重要性[3]，美国运动医学学会更是提出“Exercise is medicine”(EIM)理念[4]，倡导维护大众健身锻炼理念和推广活动，建议成年人每周应保证5天每次不少于30min的中等强度运动。2016年8月26日，中共中央政治局召开会议，审议通过了《健康中国行动(2019—2030年)》纲要，提出，生命在于运动，运动需要科学。科学的身体活动可以预防疾病，愉悦身心，促进健康。然而由于种种因素全球仍存在60%的人口缺乏体力活动[5]。近来有些研究显示[6,7]，智能手机运动软件可对体力活动如跑步、步行和骑车等体力活动进行实时测量、监控与反馈，达到自我调节而促进体力活动并形成运动习惯。最近几年，国外研究者已对智能手机运动软件自我监控体力活动做了一些创新性的研究[8,9]，然而，我国虽已有研究对智能手机运动软件的准确性做过验证(翁锡全 等，2015)，但对智能手机运动软件应用跟踪、监控体力活动以及在促进运动行为习惯方面的研究尚未引起我国学者的高度重视。因此，本研究以静坐少动的白领为研究对象，探讨应用智能手机运动软件自我监控体力活动对体力活动量的影响，以期为今后智能手机在体力活动自我监控中得到更好的应用。

1 研究对象与方法

1.1 研究对象

选取38名广州市白领作为本研究对象，男性15名，女性23名，年龄在35～45岁之间。受试者要求拥有智能手机、智能手机可以安装动动健康运动软件、无运动禁忌症、使用运动软件进行健身锻炼自我监控的习惯。受试者共同特点为工作、生活规律，且工作中基本采用坐姿，属于久坐生活方式群体。在研究开始时，与所有受试者签署知情同意书，并加上他们的微信号，以便后期实验收集数据。实验对象基本情况见表1，其他情况见表2。

表1 实验对象基本情况一览

表2 实验对象其他情况一览

1.2 研究方法

受试者下载安装动动健康App，了解其功能和如何使用后，要求受试者全天打开该软件1周，以便了解实验前受试者体力活动量，这1周内要求受试者的生活习惯保持和往常一样，只是每天打开动动健康软件于每晚睡觉前截图将数据上传至指定微信号。研究者根据受试者这一周的体力活动量，对每名受试者安排下周的目标步数，且要求接下来每周步数较上一周增加20%，共为期12周，实验期间当步数达到一万步后步数不再增加。体力活动的评定参照IPAQ国际体力活动专家委员会的建议和公共卫生指南[11]，将体力活动分为不活跃和活跃两种状态，其中体力活动活跃指符合下列3项中任何一项：1. 重度体力活动大于3天每周,每天不少于20min;2.中等强度体力活动大于5天每周,每天不少于30min;3.每周中重度体力活动合并累计不少于5天,且合计能量消耗达到600METs/min。原始数据由Microsoft Excel2012存储，并建立数据库。数据统计采用SPSS17.0软件包进行统计,采用均数和标准差(X±SD)描述连续性变量，采用T检验、单因素方差分析、相关分析、logistic回归分析等进行统计处理，P<0.05为显著性水平，P<0.01为非常显著性水平。

2 实验结果

2.1 智能手机自我监控日常体力活动对白领日常体力活动影响

2.1.1 智能手机自我监控日常体力活动前不同特征白领日常体力活动水平比较

由表3可见，智能手机自我监控日常体力活动前不同特征白领日常体力活动水平比较，不同性别、文化程度、婚姻状况、月收入、吸烟状况和健康状况白领体力活动水平差异均无统计学意义(P>0.05)。

表3 智能手机自我监控日常体力活动前不同特征白领日常体力活动水平比较

2.1.2 智能手机自我监控日常体力活动前后白领日常体力活动状况

由表4可见，智能手机自我监控日常体力活动前有65.8%的白领体力活动不活跃，有34.2%的白领体力活动活跃，智能手机自我监控日常体力活动后只有5.2%的白领缺乏体力活动，而体力活动活跃者占到94.8%。智能手机自我监控日常体力活动前白领职业性、交通行程、家务和休闲体力活动活跃者分别占5.7%、21.1%、13.2%和50.0%，而智能手机自我监控日常体力活动后白领职业性、交通行程、家务和休闲体力活动活跃者分别占10.5%、79.0%、15.8%和92.0%。

表4 智能手机自我监控日常体力活动前后白领日常体力活动情况

2.2 智能手机自我监控日常体力活动前后白领体力活动量的变化

2.2.1 智能手机自我监控日常体力活动前后白领步数的变化

由表5可见，与干预前步数比较，第1周、第4周、第8周和12周的总步数、工作日步数和休息日步数均非常显著性的高于干预前(P<0.01)；与第1周步数比较，第4周总步数非常显著性的高于第1周总步数(P<0.01)，而工作日步数和休息日步数均有所增加，但无统计学差异(P>0.05)，第8周与第12周的总步数、工作日步数和休息日步数均非常显著性的高于第1周；与工作日步数比较，干预前、第1周、第4周、第8周和第12周的休息日步数均高于工作日步数，且在第1周、第4周时休息日步数均显著性的高于工作日步数(P<0.05)。

2.2.2 智能手机自我监控日常体力活动前后白领能量消耗的变化

由表6可见，与干预前能量消耗比较，第1周、第4周、第8周和第12周的总能量消耗、工作日能量消耗和休息日能量消耗均非常显著性的高于干预前(P<0.01)；与第1周能量消耗比较，第4周总能量消耗、工作日能量消耗均非常显著性的高于第1周(P<0.01)，休息日能量消耗显著性的高于第1周(P<0.05)，第8周与第12周的总能量消耗、工作日能量消耗和休息日能量消耗均非常显著性的高于第1周；与工作日能量消耗比较，干预前、第1周、第4周、第8周、第12周的休息日能量消耗均高于工作日步数，且第1周休息日能量消耗显著性的高于工作日能量消耗(P<0.01)，第4周休息日能量消耗非常显著性的高于工作日能量消耗(P<0.05)。

2.2.3 智能手机自我监控日常体力活动前后白领活跃时间的变化

由表7可见，与干预前活跃时间比较，第1周、第4周、第8周和第12周的总活跃时间、工作日活跃时间和休息日活跃时间均非常显著性的高于干预前(P<0.01)；与第1周活跃时间比较，第4周总活跃时间、工作日活跃时间均高于第1周，但无统计学意义(P>0.05)，休息日活跃时间显著性的高于第1周(P<0.05)，第8周与第12周的总活跃时间、工作日活跃时间和休息日活跃时间均非常显著性的高于第1周；与工作日活跃时间比较，干预前、第1周、第4周、第8周和第12周休息日活跃时间均高于工作日活跃时间，但均无统计学意义(P>0.05)。

2.2.4 智能手机自我监控日常体力活动前后白领每天各时段步数的变化

由表8可见，干预后各个时间段步数均有所增加(24:00-6:00时间段步数在每个阶段都为0故后不做统计分析)，干预前白领步数主要分布在17:30-20:00时间段，干预后白领步数主要活动在17:30-20:00和20:00-22:002个时间段。与干预前各时间段步数比较，干预后的6:30-8:30、14:00-17:30、17:30-20:00和20:00-22:004个时间段步数均非常显著性高于干预前(P<0.01)，其他3个时间段步数无显著性差异(P<0.05)。

从表9可知，干预后白领工作日各个时间段步数均有所增加，干预前白领步数主要分布在17:30-20:00时间段，干预后白领步数主要活动在6:00-8:30、17:30-20:00和20:00-22:003个时间段。与干预前各时间段步数比较，干预后的6:30-8:30、14:00-17:30、17:30-20:00和20:00-22:004个时间段步数均非常显著性高于干预前(P<0.01)，其他3个时间段步数无显著性差异(P<0.05)。

从表10可知，干预后白领休息日各个时间段步数均有所增加，干预前白领步数主要分布在8:30-12:00、17:30-20:002时间段，干预后白领步数主要活动在8:30-12:00、17:30-20:00和20:00-22:003个时间段。与干预前各时间段步数比较，干预后的6:30-8:30时间段步数非常显著性高于干预前(P<0.01)，8:30-12:00和20:00-22:002各时间段步数均显著性高于干预前(P<0.05)，其他4个时间段步数无显著性差异(P<0.05)。

表5 智能手机自我监控日常体力活动前后白领步数的变化

表6 智能手机自我监控日常体力活动前后白领能量消耗的变化

表7 智能手机自我监控日常体力活动前后白领活跃时间的变化

表8 智能手机自我监控日常体力活动前后白领每天各时间段步数(步)的变化(n=38)

表9 智能手机自我监控日常体力活动前后白领工作日各时间段步数(步)的变化(n=38)

表10 智能手机自我监控日常体力活动前后白领休息日各时间段步数(步)的变化(n=38)

3 讨论

本研究基于运动健康App探讨应用该软件进行自我监控是否能改善日常体力活动量。从研究结果来看，在应用智能手机自我监控日常体力活动前有65.8%的白领体力活动处于不活跃状态，其中交通体力活动不活跃状态占比78.9%，休闲体力活动不活跃占比50%，如单从以步行活动量来评判，白领工作日步行活动量平均为5430步，休息日活动量大于工作日但也只有5893步。按照Tudor-Locke等[12]的体力活动分类标准：即每24h<5000步为静态，5000～7499步为缺乏活动，7500～9999步为基本活跃状态，10000～12500步为活跃状态，>12500为高度活跃状态，其结果都处于5000～7499步的下线，以上结果都表明白领体力活动量基本都处于缺乏体力活动的状态。李洋[13]对上海城区居民体力活动水平调查发现，闲暇时间体力活动达标率为19.3%，交通行程体力活动活跃达标率为62.3%。李之俊[14]对上海市民步行现状调查发现，在各年龄人群中中青年的平均步数最少，且处在缺乏体力活动状态。Eyler等[15]对美国一项人口调查表明，只有34%的受访者经常步行(每周步行5次，每次30min)，45.6%的受访者偶尔步行(散步，但没有达到推荐的体力活动量)，20.7%的受访者从未步行，这些研究结果基本和本研究结果相似。分析其原因可能与社会经济发展、城市化进程加快和人们生活方式改变有关，人们休闲时间更多选择看电视、用计算机等久坐少动方式为主，交通更多依靠轿车出行而不是步行或者骑行等有关。因此，实施有效的干预手段对增加白领体力活动量进而促进其健康显得尤为重要。

本实验利用智能手机运动软件进行为期3个月的自我监控干预日常体力活动后发现，体力活动活跃占比由实验前的34.2%增加到94.8%，其中增加的体力活动类型主要为交通体力活动由21.1%增加到78.9%和休闲体力活动由50%增加到92.1%，职业和家务体力活动增加不明显，这可能与受试者的工作方式以及经济状况有关。分析运动步数数据发现，从第8周开始，不管是工作日还是休息日步数平均值都超过了1万步，进一步分析每个时间段运动步数的情况发现，工作日在6:00-8:30、17:30-20:00、20:00-22:00这三个时间段的步数显著增加，从白领工作行为来分析，一般6:00-8:30时间段是早上去上班路上的时间，而17:30-20:00主要是晚上下班回家路上的时间，20:00-22:00时间段是休闲活动的时间，这进一步说明了工作日白领主要通过增加其交通和闲暇时间的活动量来达到锻炼目标。从休息日不同时间段步数结果分下来看，与工作日不同的是白领在8:30-12:00的步数明显增多，而17:30-20:00时间段无明显变化，说明白领休息日习惯在上午和晚上进行锻炼，从而达到运动目标。Arsand等[16]利用智能手机对12名Ⅱ型糖尿病进行干预2～3个月发现，受试者步数从最初的5355步增加到6459步。Fukuoka等[17]对42名以静坐生活方式为主的女性，利用智能手机应用软件进行干预2周，结果发现受试者在2周内平均每天增加了800步。以上研究与本研究结果基本一致，这说明利用智能手机运动软件进行自我监控可以有效提高体力活动水平。

应用智能手机运动App进行自我监控能有效增加日常体力活动水平，其内含的行为改变技术(behavior change techniques，BCTs)可能与目标的设定、自我监控和表现反馈有关。

基于控制理论的目标的设定、自我监控和表现反馈被认为是体力活动干预中较为有效的BCTs[18.19]。依据Abraham和Michie[20]提出的定义，目标设定主要指从事行为的具体频次、时间以及强度等；自我监控主要指要求用户对一个具体行为保持记录；表现反馈主要指所记录的行为和设定的目标之间的关系。林子文等[21]研究显示采用目标设定干预方案可以明显提高视障生体力活动量。Lewis等[22]调查发现，参与者认为最有效的体力活动干预手段是目标设定和自我行为监测。Van den Berg等[23]和Vandelanotte等[24]的综述结果也认为，通过类似于运动App的线上干预手段参与者的体育锻炼行为有明显的改善。然而这种干预的效果能否在干预结束后继续保持，哪些干预手段能够延长干预效果，有关这方面的研究还比较薄弱，需要进一步探究。

4 结论

4.1 利用智能手机健身应用进行自我监控可以提高白领日常体力活动水平，特别是交通和闲暇时间体力活动。

4.2 目标设定、自我监控和表现反馈可能是体力活动干预中较为有效的行为改变技术(BCTs)。