先看重點
彙總10項研究中1250名5至15歲英格蘭兒童的腕戴加速度計資料,作者繪製了分年齡、分性別的百分位曲線:活動量在6.5-10.5歲達到高峰,男孩比女孩更活躍(p < .001),八、九年級的活動量最低。樣本是彙總的便利樣本,不具全國代表性,所以這些曲線不是全國常模。
證據類型
研究論文
解讀依據
公開摘要
閱讀重點
方法與適用範圍
研究在問什麼
原始加速度指標越來越多地用於測量身體活動,但針對年輕人的比較資料很少。作者希望給出英格蘭青少年身體活動量和強度的分年齡、分性別參考百分位,並比較不同年齡和性別的活動情況。
研究對象與方法
對10項研究中5至15歲青少年的腕戴加速度計資料進行彙總分析。有效日要求清醒時段佩戴至少600分鐘,參與者需至少有3個有效工作日和1個有效週末日。基於歐幾里得範數減一(ENMO)和平均幅度偏差(MAD)的指標包括平均加速度(活動量)、強度梯度(強度分佈)和MX指標(一天中最活躍時段)。用位置、尺度和形狀廣義可加模型生成平滑百分位曲線,並用線性混合模型檢驗年齡和性別差異。
主要發現
以下為作者報告的結果。數值須連同族群和不確定性一起閱讀。
- 1身體活動在6.5至10.5歲之間達到高峰,具體取決於指標。
- 2所有指標中男孩都比女孩更活躍(p < .001),最大年齡組即八、九年級活動量最低,與最小年齡組相比尤其明顯(p < .001)。
- 3活動高峰在女孩中比男孩早0.5至1.5年,在活動較少的兒童(第3至第50百分位)中比更活躍的同伴早0.5至1.5年。
- 4分析樣本包括1250名參與者。
限制與不確定性
- 1作者指出,10項研究彙總的資料不具全國代表性,所以這些百分位不能作為英格蘭的族群常模。
- 2百分位僅適用於這些特定加速度指標和腕部佩戴方式,不能與其他裝置或切點直接比較。
- 3摘要未報告各年齡組的人數,所以曲線兩端的百分位可能不夠精確。
- 4本文解讀僅基於摘要。
日常健康啟示
曲線顯示活動量通常在小學年齡段達到高峰,到青少年早期下降,而且女孩平均比男孩活動少。它們是研究參考點,不是目標,也不是任何孩子的合格線。對孩子的活動量或健康有顧慮,最好與醫師討論。
如何連結自己的資料
面向兒童的消費級穿戴式裝置報告步數和活動分鐘數,但與這裡使用的原始加速度指標並不相同,所以不要用孩子的數字與這些百分位比較。請用同一裝置比較孩子自己各周的資料,並關注長期模式,如活動量在學期之間如何變化。
如何理解這類證據
索引未明確指出具體研究設計,應先讀方法;核對族群、對照、結果和不確定性,再判斷能否作因果解釋。
作者的結構化摘要 English
以下英文摘要依所記錄的開放授權轉載,屬於作者原始材料,並非 MoveVitals 解讀。上方已提供研究解讀,分別說明作者結果與本站解釋;重要結論可直接查核原文。
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.
來源與署名
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 · 所記錄的開放授權: cc by ↗摘要著作權歸原作者,依來源紀錄的開放授權轉載。中文譯文協助閱讀,英文摘要供查核術語及具體數值;本站的方法學解釋與作者結論分別呈現。
MoveVitals 編輯解讀 · 健康教育內容 · 未記錄個人臨床審閱
來源查核日期 2026-11-01
實用健康指南
放在一起讀
加速度計處理方法不同,身體活動與中風、心肌梗死的關聯曲線也不同
在英國生物銀行中,基線無心血管疾病的90237名成年人追蹤至2022年12月,共發生1298例中風和2031例心肌梗死;中高強度身體活動(MVPA)與這兩種結局的關聯曲線形狀,取決於加速度計資料的處理方法。就中風而言,只有機器學習法得到直線下降的風險;就心肌梗死而言,機器學習法和LFENMO法呈曲線下降,活動計數法呈直線下降。摘要沒有給出風險比,只能說明不同方法的結論不一致,不能說明哪種方法更正確,而且這些只是觀察性關聯。
Preventive Medicine
智慧手錶資料能當「證人」嗎:心率驗證得最充分,其餘證據參差
一項圍繞數字取證展開的系統評價和統合分析,梳理了四大主流品牌智慧手錶的驗證研究,發現心率是研究最多、也最準確的指標。步數、距離、能量消耗、活動分類和睡眠的驗證不夠一致,結果因品牌、方案和報告方式而異。摘要沒有給出彙總資料,且多數研究是在健康族群中、於實驗室內完成的,所以無法說明某一塊手錶對某個人在日常生活中的表現。
Forensic Science International
活動追蹤器:每天多走約1800步,對其他健康指標影響較小
這項傘形綜述彙總了39篇系統評價和統合分析,涉及163992名參與者;結果顯示使用活動追蹤器與身體活動增加相關(標準化均數差SMD為0.3–0.6),相當於每天多走約1800步、多步行40分鐘,體重減輕約1公斤。對血壓、膽固醇、糖化血紅蛋白、生活質量和疼痛的影響通常很小,且多數不顯著。摘要沒有說明這些專案裡追蹤器還搭配了什麼,也沒有說明各評價之間重疊多少,因此不能把效果完全歸功於裝置本身。
The Lancet Digital Health
七款睡眠追蹤裝置:識別睡著很準,識別醒著和睡眠分期較差
在睡眠實驗室裡,34名健康的年輕成年人連續三晚佩戴七款消費級睡眠追蹤裝置中的若干款。與多導睡眠監測相比,所有裝置識別睡眠都很準(靈敏度均不低於0.93),但識別清醒較差(特異度0.18–0.54),七款中有五款與研究用活動記錄儀(特異度0.39)持平或更好;睡眠分期的估計結果不穩定。受試者是18至35歲的健康成年人,臥床時間固定為8小時,每款裝置只在其中11至20人身上測試,因此對有睡眠問題的人幾乎沒有參考價值。
Sleep

