跳到正文
可穿戴与测量科学证据综述3 分钟阅读

应用、手环和提醒使每天久坐时间变化-41.28分钟,但效果随时间减弱

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Using computer, mobile and wearable technology enhanced interventions to reduce sedentary behaviour: a systematic review and meta-analysis. · The international journal of behavioral nutrition and physical activity · 2017 · 论文原文 ↗

先看重点

汇总15项随机对照试验(1402人)显示,电脑、手机和可穿戴工具使健康成年人每天久坐时间平均变化-41.28分钟(95%置信区间-60.99至-21.58)。几乎所有试验的偏倚风险为高或不明确,异质性很高,且超过6个月后获益几乎消失。

证据类型

证据综述

解读依据

公开摘要

阅读重点

方法与适用范围

研究在问什么

久坐与较差的健康状况相关,手机应用、活动监测器、提醒软件、短信和网站正越来越多地被用来减少久坐。作者想知道这类技术干预能否减少健康成年人的久坐时间,以及它们用了哪些行为改变技术。

研究了谁,如何研究

对健康成年人随机对照试验的系统评价和荟萃分析,检索五个数据库至2016年6月。纳入的干预需使用电脑、手机或可穿戴技术,并测量久坐时间。用Cochrane工具评价偏倚风险,用行为改变技术分类法(v1)对干预编码。荟萃分析涵盖纳入的17项试验中的15项。

主要发现

以下为作者报告的结果。数字须连同人群和不确定性一起阅读。

  1. 1
    与对照组相比,技术干预使随访终点时每天久坐时间平均变化-41.28分钟(95%置信区间-60.99至-21.58;I2=77%;n=1402)。
  2. 2
    按随访时长看,合并后的变化为:3个月及以内-42.42分钟/天,3个月以上至6个月-37.23分钟/天,超过6个月仅-1.65分钟/天。
  3. 3
    17项试验中,16项偏倚风险为高或不明确,仅1项为低风险。
  4. 4
    共编码出46项行为改变技术(14种不重复),最常见的是提示和线索、行为自我监测、一般社会支持和目标设定。

局限与不确定性

  1. 1
    异质性很高(I2=77%),平均值掩盖了不同试验和工具之间的巨大差异。
  2. 2
    17项试验中只有1项为低偏倚风险,降低了对效应大小的信心。
  3. 3
    摘要显示长期结果(-1.65分钟/天)已接近于零,作者还指出随访短、失访多、缺乏客观的久坐测量。
  4. 4
    本解读仅基于摘要,摘要没有说明哪种设备或工具效果最好。

对日常健康的启示

提醒和活动监测器在最初几个月里能让久坐明显减少,但这项综述提示,如果没有其他因素维持,效果会逐渐消退。干预中最常用的是提示加自己设定的目标。研究只显示久坐减少,并未显示健康结局改善。

如何联系自己的数据

许多可穿戴设备提供久坐提醒、站立提醒和久坐时长。请全程使用同一台设备,将每周平均久坐或不活动时间与自己的基线对比。由于这里的获益会消退,建议每月回看一次趋势,不要认为习惯已经稳定。

如何理解这类证据

先看纳入了哪些设计、检索与偏倚评估如何完成,以及检索截止日期;发表新不代表底层证据都是最新的。

作者的结构化摘要 English

以下英文摘要按记录的开放许可转载,属于作者原始材料,不是 MoveVitals 的解读。上方已提供研究解读,分别说明作者结果与本站解释;重要结论可直接核对原文。

Background

High levels of sedentary behaviour (SB) are associated with negative health consequences. Technology enhanced solutions such as mobile applications, activity monitors, prompting software, texts, emails and websites are being harnessed to reduce SB. The aim of this paper is to evaluate the effectiveness of such technology enhanced interventions aimed at reducing SB in healthy adults and to examine the behaviour change techniques (BCTs) used.

Methods

Five electronic databases were searched to identify randomised-controlled trials (RCTs), published up to June 2016. Interventions using computer, mobile or wearable technologies to facilitate a reduction in SB, using a measure of sedentary time as an outcome, were eligible for inclusion. Risk of bias was assessed using the Cochrane Collaboration's tool and interventions were coded using the BCT Taxonomy (v1).

Results

Meta-analysis of 15/17 RCTs suggested that computer, mobile and wearable technology tools resulted in a mean reduction of -41.28 min per day (min/day) of sitting time (95% CI -60.99, -21.58, I2 = 77%, n = 1402), in favour of the intervention group at end point follow-up. The pooled effects showed mean reductions at short (≤ 3 months), medium (>3 to 6 months), and long-term follow-up (>6 months) of -42.42 min/day, -37.23 min/day and -1.65 min/day, respectively. Overall, 16/17 studies were deemed as having a high or unclear risk of bias, and 1/17 was judged to be at a low risk of bias. A total of 46 BCTs (14 unique) were coded for the computer, mobile and wearable components of the interventions. The most frequently coded were "prompts and cues", "self-monitoring of behaviour", "social support (unspecified)" and "goal setting (behaviour)".

Conclusion

Interventions using computer, mobile and wearable technologies can be effective in reducing SB. Effectiveness appeared most prominent in the short-term and lessened over time. A range of BCTs have been implemented in these interventions. Future studies need to improve reporting of BCTs within interventions and address the methodological flaws identified within the review through the use of more rigorously controlled study designs with longer-term follow-ups, objective measures of SB and the incorporation of strategies to reduce attrition.

Trial registration

The review protocol was registered with PROSPERO: CRD42016038187.

来源与署名

Using computer, mobile and wearable technology enhanced interventions to reduce sedentary behaviour: a systematic review and meta-analysis.

Stephenson A, McDonough SM, Murphy MH, Nugent CD, Mair JL.

The international journal of behavioral nutrition and physical activity · 2017-08-11

DOI: 10.1186/s12966-017-0561-4 ↗PubMed · 28800736 ↗Europe PMC · 记录的开放许可: cc by ↗

摘要版权归原作者,依据来源记录的开放许可转载。中文译文辅助阅读,英文摘要用于核对术语与具体数值;本站的方法学解释与作者结论分别呈现。

MoveVitals 编辑解读 · 健康教育内容 · 未记录个人临床审阅

来源核验日期 2026-11-01

实用健康指南

放在一起读

·队列研究

加速度计处理方法不同,身体活动与卒中、心肌梗死的关联曲线也不同

在英国生物银行中,基线无心血管疾病的90237名成年人随访至2022年12月,共发生1298例卒中和2031例心肌梗死;中高强度身体活动(MVPA)与这两种结局的关联曲线形状,取决于加速度计数据的处理方法。就卒中而言,只有机器学习法得到直线下降的风险;就心肌梗死而言,机器学习法和LFENMO法呈曲线下降,活动计数法呈直线下降。摘要没有给出风险比,只能说明不同方法的结论不一致,不能说明哪种方法更正确,而且这些只是观察性关联。

Preventive Medicine

重点论文精讲阅读论文 →
·测量验证研究/综述

智能手表数据能当“证人”吗:心率验证得最充分,其余证据参差

一项围绕数字取证展开的系统评价和荟萃分析,梳理了四大主流品牌智能手表的验证研究,发现心率是研究最多、也最准确的指标。步数、距离、能量消耗、活动分类和睡眠的验证不够一致,结果因品牌、方案和报告方式而异。摘要没有给出汇总数据,且多数研究是在健康人群中、于实验室内完成的,所以无法说明某一块手表对某个人在日常生活中的表现。

Forensic Science International

重点论文精讲阅读论文 →
·综述的综述

活动追踪器:每天多走约1800步,对其他健康指标影响较小

这项伞形综述汇总了39篇系统评价和荟萃分析,涉及163992名参与者;结果显示使用活动追踪器与身体活动增加相关(标准化均数差SMD为0.3–0.6),相当于每天多走约1800步、多步行40分钟,体重减轻约1公斤。对血压、胆固醇、糖化血红蛋白、生活质量和疼痛的影响通常很小,且多数不显著。摘要没有说明这些项目里追踪器还搭配了什么,也没有说明各评价之间重叠多少,因此不能把效果完全归功于设备本身。

The Lancet Digital Health

重点论文精讲阅读论文 →
·测量验证研究/综述

七款睡眠追踪设备:识别睡着很准,识别醒着和睡眠分期较差

在睡眠实验室里,34名健康的年轻成年人连续三晚佩戴七款消费级睡眠追踪设备中的若干款。与多导睡眠监测相比,所有设备识别睡眠都很准(灵敏度均不低于0.93),但识别清醒较差(特异度0.18–0.54),七款中有五款与研究用活动记录仪(特异度0.39)持平或更好;睡眠分期的估计结果不稳定。受试者是18至35岁的健康成年人,卧床时间固定为8小时,每款设备只在其中11至20人身上测试,因此对有睡眠问题的人几乎没有参考价值。

Sleep

重点论文精讲阅读论文 →
可穿戴与测量科学 →