先看重点
汇总10项研究中1250名5至15岁英格兰儿童的腕戴加速度计数据,作者绘制了分年龄、分性别的百分位曲线:活动量在6.5-10.5岁达到高峰,男孩比女孩更活跃(p < .001),八、九年级的活动量最低。样本是汇总的便利样本,不具全国代表性,所以这些曲线不是全国常模。
证据类型
研究论文
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
原始加速度指标越来越多地用于测量身体活动,但针对年轻人的比较数据很少。作者希望给出英格兰青少年身体活动量和强度的分年龄、分性别参考百分位,并比较不同年龄和性别的活动情况。
研究了谁,如何研究
对10项研究中5至15岁青少年的腕戴加速度计数据进行汇总分析。有效日要求清醒时段佩戴至少600分钟,参与者需至少有3个有效工作日和1个有效周末日。基于欧几里得范数减一(ENMO)和平均幅度偏差(MAD)的指标包括平均加速度(活动量)、强度梯度(强度分布)和MX指标(一天中最活跃时段)。用位置、尺度和形状广义可加模型生成平滑百分位曲线,并用线性混合模型检验年龄和性别差异。
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身体活动在6.5至10.5岁之间达到高峰,具体取决于指标。
- 2所有指标中男孩都比女孩更活跃(p < .001),最大年龄组即八、九年级活动量最低,与最小年龄组相比尤其明显(p < .001)。
- 3活动高峰在女孩中比男孩早0.5至1.5年,在活动较少的儿童(第3至第50百分位)中比更活跃的同伴早0.5至1.5年。
- 4分析样本包括1250名参与者。
局限与不确定性
- 1作者指出,10项研究汇总的数据不具全国代表性,所以这些百分位不能作为英格兰的人群常模。
- 2百分位仅适用于这些特定加速度指标和腕部佩戴方式,不能与其他设备或切点直接比较。
- 3摘要未报告各年龄组的人数,所以曲线两端的百分位可能不够精确。
- 4本文解读仅基于摘要。
对日常健康的启示
曲线显示活动量通常在小学年龄段达到高峰,到青少年早期下降,而且女孩平均比男孩活动少。它们是研究参考点,不是目标,也不是任何孩子的合格线。对孩子的活动量或健康有顾虑,最好与医生讨论。
如何联系自己的数据
面向儿童的消费级可穿戴设备报告步数和活动分钟数,但与这里使用的原始加速度指标并不相同,所以不要用孩子的数字与这些百分位比较。请用同一设备比较孩子自己各周的数据,并关注长期模式,如活动量在学期之间如何变化。
如何理解这类证据
索引未明确确定具体研究设计,应先读方法;核对人群、对照、结局和不确定性,再判断能否作因果解释。
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
Over the last decade use of raw acceleration metrics to assess physical activity has increased. Metrics such as Euclidean Norm Minus One (ENMO), and Mean Amplitude Deviation (MAD) can be used to generate metrics which describe physical activity volume (average acceleration), intensity distribution (intensity gradient), and intensity of the most active periods (MX metrics) of the day. Presently, relatively little comparative data for these metrics exists in youth. To address this need, this study presents age- and sex-specific reference percentile values in England youth and compares physical activity volume and intensity profiles by age and sex.
Methods
Wrist-worn accelerometer data from 10 studies involving youth aged 5 to 15 y were pooled. Weekday and weekend waking hours were first calculated for youth in school Years (Y) 1&2, Y4&5, Y6&7, and Y8&9 to determine waking hours durations by age-groups and day types. A valid waking hours day was defined as accelerometer wear for ≥ 600 min·d^(-1) and participants with ≥ 3 valid weekdays and ≥ 1 valid weekend day were included. Mean ENMO- and MAD-generated average acceleration, intensity gradient, and MX metrics were calculated and summarised as weighted week averages. Sex-specific smoothed percentile curves were generated for each metric using Generalized Additive Models for Location Scale and Shape. Linear mixed models examined age and sex differences.
Results
The analytical sample included 1250 participants. Physical activity peaked between ages 6.5-10.5 y, depending on metric. For all metrics the highest activity levels occurred in less active participants (3^(rd)-50^(th) percentile) and girls, 0.5 to 1.5 y earlier than more active peers, and boys, respectively. Irrespective of metric, boys were more active than girls (p < .001) and physical activity was lowest in the Y8&9 group, particularly when compared to the Y1&2 group (p < .001).
Conclusions
Percentile reference values for average acceleration, intensity gradient, and MX metrics have utility in describing age- and sex-specific values for physical activity volume and intensity in youth. There is a need to generate nationally-representative wrist-acceleration population-referenced norms for these metrics to further facilitate health-related physical activity research and promotion.
来源与署名
Reference values for wrist-worn accelerometer physical activity metrics in England children and adolescents.
Fairclough SJ, Rowlands AV, Del Pozo Cruz B, Crotti M, Foweather L, Graves LEF, Hurter L, Jones O, MacDonald M, McCann DA, Miller C, Noonan RJ, Owen MB, Rudd JR, Taylor SL, Tyler R, Boddy LM.
The international journal of behavioral nutrition and physical activity · 2023-03-25
DOI: 10.1186/s12966-023-01435-z ↗PubMed · 36964597 ↗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
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
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
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
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

