估计儿童和青少年活动相关能量消耗的预测模型综述

摘要

目的．为了批判地审查加速度的预测模型的有效性，以估算儿童和青少年的活动能源支出（AEE）。方法．搜索CINAHL、EMBASE、PsycINFO和PubMed/MEDLINE数据库。纳入标准为发展或验证基于加速计的预测模型，用于评估健康儿童或青少年(6-18岁)的AEE，标准测量:间接量热法，或双重标记水，语言:荷兰语、英语或德语。结果．包括九项研究。中位数方法质量是 IR (out of a maximum 10 points). Prediction models combining heart rate and counts explained 86–91% of the variance in measured AEE. A prediction model based on a triaxial accelerometer explained 90%. Models derived during free-living explained up to 45%.结论．基于加速度测量的预测模型可以在群体水平上准确估计儿童的AEE。当模型将加速度计计数与心率结合或使用三轴加速度计时，可获得最佳结果。未来需要开发适用于自由生活场景的AEE预测模型。

1.介绍

身体活动被定义为骨骼肌产生的任何身体运动，导致能源支出（EE）[1］．研究表明，体育活动与健康相关的健身之间存在积极关系[2，3.］．与健康有关的健身是指受益于物理活跃的生活方式并与健康有关的健身组件[4］．Bouchard等人描述了身体活动，与健康相关健康和健康状况之间的关系。[4］．

在检查体力活动和健康相关健康之间的剂量-反应关系时，有效和可靠的工具是必要的[5］．

由于儿童表现出不同强度和持续时间短的体育活动，因此估计儿童的身体活动和能量支出难以估计6］．由于儿童复杂的运动行为和他们准确回忆活动强度、频率和持续时间的能力，主观技术在儿童中不太可取[5］．

直接观察被认为是评估身体活动的黄金标准。评估活动相关能量消耗(AEE)的金标准方法是双重标记水和间接量热法[5，7］．这些方法主要用于实验室和现场的客观和主观测量的校准和验证。由于它们的成本和侵入性，这些方法不太适合基于人群的研究[5，7］．有必要采用准确、客观和具有成本效益的方法来评估生活在自由环境中的儿童的AEE。

加速度测量法是客观的、经济的、微创的。加速度计已经从简单的机械仪器发展为电子三维仪器，以评估身体活动和能量消耗。加速度计估计由身体部分或肢体部分运动产生的加速度[8］．加速度是物体运动时速度随时间的变化。电子传感器和微处理器将记录的加速度转换成数字信号，这就是“计数”。在研究中，这些计数可以用来估计身体活动。预测模型在EE或AEE中转换这些计数[8］．Aee可以通过减去休息能源支出（REE）来源于EE。研究人员和临床医生更喜欢预测AEE，而不是ee总，因为ree可以随着年龄，成熟，体重和身体活动水平而变化[9］．

在文献中描述了不同的预测模型来评估儿童和青少年的AEE。本研究的目的是回顾基于加速度测量的预测模型在儿童和青少年中估计AEE的有效性和通用性。

2.方法

2.1。文学搜索

在2009年4月之前搜索了电子书目数据库CINAHL，EMBASE，PSYCINFO和PUBMED / MEDLINE。使用以下网格术语和文本单词：，，青少年，身体活动，能源支出，加速度计，加速度计，加速度计，单轴加速度计，双轴加速度计，三轴加速度计，运动传感器，运动传感器，活动监视器，活动监视器，有效性，验证，等式，预测模型，校准和再现性结果。

如果研究的主要目的是开发和/或验证一种基于加速度测量的预测模型，用于评估健康儿童和/或青少年(6-18岁)的AEE，则研究(以完整报告形式编写)被纳入本综述。该模型预测的AEE必须与双标记水或间接量热法的AEE标准测量进行比较。用荷兰语、英语和德语写的研究也包括在内。有关计步器的研究被排除在外。

一个研究人员(SdG)执行了搜索策略。关于相关性的第一个选择，基于标题和摘要，由两名独立的研究人员(SdG和MS)进行。此外，被收录的文章由两位独立的研究者根据全文进行评判。对纳入文献的参考文献进行了筛选，以便进行其他符合条件的研究。

2.2。数据提取

为了评价和比较这些研究，我们提取了数据。两名评审员独立提取数据(SdG和MS)。两位审稿人对研究资格的分歧通过讨论解决，直到达成共识，或在必要时由第三方(JdG)担任审稿人。

数据提取基于对Puyau等人的预测模型的范围和概括性产生影响的项目。[10.]和胸衣等。[11.］．这些项目包括年龄范围、环境、活动类型和加速计的本地化。此外，还提取了加速度计的类型、标准测量、预测模型和结论。

２.３.评价

现有清单[12.修改为评估和比较方法论问题的研究（见附录A）。清单项目包括研究设计，有效性，可靠性和可行性。最大可能得分为10，高分反映了更好的方法论质量。两位审稿人独立评定所有包括关于清单（SDG和MS）的研究。当审稿人没有达成共识时，咨询了第三次审稿人（JDG）。

3.结果

3.1。搜索结果

文献搜索确定了438项研究，基于标题和摘要39研究留下了审判（见图1)．由于偏离主要目的，在阅读全文后被排除了二十研究。排除了四项研究，因为人口没有由6-18岁的健康儿童组成。排除六项研究，因为预测的AEE没有与AEE的标准测量相比，作为双标记的水或间接量热法。最后，一项研究没有作为文章公布，而是作为论文，因此排除在外。

共有八项研究被选为合格[10.，11.，13.- - - - - -18.］．在数据库中没有检索一个额外的研究，它已经拥有作者[9］．因此，本综述包括九项研究，描述了对儿童和青少年AEE评估的预测模型的验证和普遍性（见附录B）。

所有纳入的研究均采用横断面研究设计。总共描述了28种不同的预测模型。两项研究评估了以前发表的预测模型的通用性[11.，14.］．在八项研究中，派生了新的预测模型[9，10.，13.- - - - - -18.］．一些作者另外进行了交叉验证分析，以评估新检索的预测模型的可靠性[13.- - - - - -15.，18.］．两项研究从双重标记的水作为标准测量来检索数据自由生活[11.，14.］．余下的研究[9- - - - - -11.，13.，14.，18.]设置在受控的实验室环境中，使用便携式间接量热仪作为标准测量，Puyau等[10.，17.附加使用室内呼吸量热法。

包括的研究描述了六个不同的加速度计;两个全向(actitic, Actiwatch)，两个单轴(Actigraph/CSA, Caltrac)和一个三轴(RT3)。对于Actiheart，无法从所包含的研究中检索此属性。

检查表的分数有关方法论问题的范围从5.0到8.0（中位数） IR). None of the included studies reported the amount of missing/lost data due to (malfunctioning of) the motion sensor, or refusal rate or the compliance rate of wearing the motion sensor. Due to this no conclusions could be made regarding feasibility. To review the validity and generalizability of the prediction models, the models were ordered in a table by accelerometer (see Table1)．


加速度计	活动	标准	预测模型与统计

act（Mini Citter Co.，Inc。，弯曲或），（以前称为Actiwatch）。全方位:感觉所有方向的运动，但在单一平面内最敏感。检测人体运动常见的低频(0.5-3.2 Hz) g -力(0.05-2.0 Hz)，并产生模拟电压信号，即经过滤波和放大后，由32hz的a - d转换器进行数字化。然后在用户指定的0.25到1分钟的时间间隔(epoch)内对数字化值进行求和。实际存储的数字与感知到的加速度的大小和持续时间成正比，因此，大致对应于身体活动能量消耗的变化。安装到臀部时，对躯干的垂直运动最敏感。防水，重量轻(17克)，体积小( cm^3.)．	平走、分级走和在跑步机上跑步。	间接量热法	Corder等[13.］ AEE（）= 0.2ac + 168.7 105年,看平流：平均差异（）， 95% ci−78，−52 分级步行:平均差值(），95％CI 52,91 运行:平均差(）， 95% ci−26,62 平步和分级步行与测量值有显著差异。
	- 三个休息活动：手写，卡片排序和视频游戏玩。 - 三个模拟房屋清洁活动：地板扫地，地毯吸尘，桌尘。和 - 运动活动：慢速和适度的跑步机行走，跑步机慢跑或自我保持缓慢的行走，自我保持快速的行走（室内轨道）。	间接量热法	Heil等人。[9), 1=单个回归建模，2双回归模型包括坐姿和清洁活动脚踝2.：AEE（) = 0.02304 + (3.750e-5)交流 = .60，见= 0.020，髋部2：AEE（）= 0.01667 +（5.103E-5）交流 = .75，见= 0.014，手腕2：AEE（) = 0.01149 + (3.236e-5)交流 =．59，SEE = 0.020, 包括所有的活动脚踝1.：AEE（）= 0.03403 +（1.179e-5）交流 = .45，见= 0.028，髋部1：AEE（）= 0.03411 +（1.270E-5）交流 =．61，SEE=0.024, 手腕1：AEE（) = 0.02299 + (1.902e-5)交流 = .67，见= 0.022，包括散步和慢跑髋部2：AEE（）= 0.03534 +（1.135E-5）交流，参见= 0.018，仅包括步行活动脚踝2.：AEE（) =−0.02268 + (1.939e-5)交流 =．60，SEE = 0.015, 手腕2：AEE（) = 0.03115 + (1.581e-5)交流 =．69，SEE = 0.019,
	玩任天堂，使用电脑，清洁，有氧运动，球折腾，跑步机走路和跑步。	室内呼吸量热法4小时，间接量热法1小时。	Puyau et al. [10.］臀部:爱意(）= 0.00423 + 0.00031 *物理^0653年 0.811, SEE 0.0110计数、年龄、性别纳入模型;纳入身高并没有显著改善。
长短(型号7164，以前称为计算机科学与应用CSA.活动监视器。制造技术Inc.卫生系统，Shalimar，FL）单轴。对0.51-3.6 Hz范围内的运动敏感。臀部和脚踝安装。安装到臀部时，对躯干的垂直运动最敏感。加速信号由模拟电压表示，该模拟电压由八位模数转换器以每秒10次的速率进行采样和数字化。	平走、分级走和在跑步机上跑步。	间接量热法	Corder等[13.］臀部:爱意(）= 0.17计数+ 201.1 = 0.5，参见123 平流：平均差异（)−88±14,95% ci−97,80 分级步行:平均差值(），95％CI 51,82 运行:平均差(），95％CI 101,177 与测量值显着不同。脚踝：AEE（) = 0.89计数+ 39.4性别- 1.4身高+ 361.9 = 0.37，见144 平流：平均差异（），95％CI -126，-82 分级步行:平均差值(），95％CI 51,103 运行:平均差(）， 95% ci 28, 324 与测量值显着不同。由于样本中缺乏异质性，年龄不包括在模型中。
	6个活动，每个活动5分钟: 躺着，坐着，慢散步，轻快的行走，慢跑，跳房子。 (步测校准8分钟)。	间接量热法	Corder等[14.]验证先验模型和一个新模型派生。 Corder等[13.]， hip: AEE (）= 0.054交流[每分钟计数] + 169 = 0.81，RMSE = 161.8 平均偏见：-44.8;95％CI：-54.1，-35.5 衍生活动：平面和分级跑步机行走和平面跑步 Puyau et al. [17.]， hip: AEE (）= 0.042AC [每分钟计数] + 76.6 = 0.84, rmse = 245.3 意味着偏见:−151.6;95% ci:−160.4，−142.8 衍生活动：各种久坐，轻，中等和蓬勃发展的活动 Trost等人。[19.]， hip: AEE (）= 3.35.AC[每分钟计数]+ 334.8重量[kg]−9334 = 0.85，RMSE = 126.0 意味着偏见:5.5;95% ci:−3.6,14.6 衍生活动:3.2、6.4和9.6时的平板跑步机活动 Corder等[14.]， hip: AEE (）= 0.1AC[每分钟计数]−2.29身高[厘米]+ 353 = 0.87，RMSE 118.0 平均偏见-1,9;95％CI -11.4,7,6 衍生活动：躺着，坐着，缓慢和轻快地走路，慢跑和跳房子
	独立生存的;两周的上课时间，连续14天，孩子们按照正常的生活方式在白天佩戴监视器。游泳和洗澡等水上活动除外。	双重标记水	Ekelund等人。[15.］重心/下背部:AEE (=(活动计数1.042） - （性别243.4) + 238调整= 0.45，见149 测量和预测的AEE之间的平均差异为-45 （），95％的协议限额为-485 到395. ．
	久坐：任天堂，艺术和工艺品，播放时间1 轻松活动：有氧热身，步行1 适度活动:跆搏练习，游戏时间2，散步2剧烈活动:慢跑。	室内呼吸量热量	Puyau et al. [17.］髋部:AEE(千卡/公斤/分钟)= 0.0183 + 0.000010(计数)见0.0172 (adj) 75% 腓骨头:AEE (kcal/kg/min) = 0.0142 + 0.000007(计数)见0.0154(adj) 82% 结合髋关节和腿部的计数预测AEE增加(的)86%。 AEE对计数的回归独立于性别和年龄，因此该模型中只有计数。
	现场条件;平坦的椭圆形室内轨道。正常走，轻快走，轻松跑，快跑。每个任务的强度都是自己选择的。	间接量热法	Trost等人。[11.] Puyau等人的验证。2002年 Puyau et al. [17.]， hip: AEE (）= 0.0183 + 0.000010（每分钟计数）- 普伊瑙公平的测量AEE（间接量热法）和预测AEE的差异差异：正常行走:0.6%，无显著差异(纯误差0.014）快走- 13.3%显著差异(纯误差0.025）运行缓慢- 29.3%显著差异(纯错误0.054）快速运行-37.7％显着不同（纯误差0.078 ）总体平均纯误差为0.049 比例比例的平均偏差为1.33，测量和预测AEE之间的差异为+ 33％。相应的95％的比率限制为0.44-222
Actiheart（剑桥神经技术，英国剑桥）。结合心率和运动传感器，可以测量加速度、心率、心率变异性和心电幅度。加速度由压电元件测量，频率范围为1-7 Hz (3 dB)。将一个电极放置在儿童胸骨的底部，水平地放置在儿童的左侧。主要部件厚度为7毫米，直径为33毫米。一根约100毫米长的电线连接到夹子(毫米^3.)．总重量是8克。	平面走路，分级散步，并在跑步机上运行（协议）。	间接量热法	Corder等[13.］ Actiheart活动，胸部：AEE（) = 0.22计数+ 29.3性别+ 144.3 = 0.69，见101 平流：平均差异（）， 95% ci−91，−56 分级步行:平均差值(）95% ci 38, 74 运行:平均差(），95％CI -159，-12 与测量值显着不同。 Actiheart联合，胸部:AEE (）= 4.4 hrar + 0.08计数 - 2.7性别+ 1.1（性别HRAR）+ 15.1 （HRAR：休息以上心率） = 0.86，见69 (69）平流：平均差异（），95％CI -55，-15 分级步行:平均差值(），95％CI -29,26 运行:平均差(），95％CI -105，-6 分级步行与测量值显着不同。（由于样本中缺乏异质性），（年龄未被包含在模型中）。
	6个活动，每个活动5分钟: 躺着，坐着，慢散步，轻快的行走，慢跑，跳房子。 (步测校准8分钟)。	间接量热法	Corder等[14.先验模型和新模型的验证。 Corder等[13.]，胸部：HR + ACC模特：AEE（）= 5.6HRAS [BPM] + 1.37性别+ 0.1交流[每分钟计数] - 44性别−129 （HRAS：睡眠以上心率） = 0.90 RMSE = 118.0 平均偏见：18.7;95％CI：8.1，29.3推导活动：平板和分级跑步机行走和平面跑步订单等。13./分支，胸部:HR方程式:AEE (）= 6.2HRAS [BPM] - 27性别+ 1.2性别−139 AC方程:AEE () = 0.22交流[每分钟计数] + 29性别+ 144 = 0.90，RMSE = 115.6 意味着偏见:−43岁,4;95% ci:−52.2，−34.6 衍生活动：平面和分级跑步机行走和平面跑步 (第一个分支阈值是每分钟25个活动计数，第二个取决于HRaS) Corder等[14.]，胸部：AEE（) = 5.17x HRaS [bpm] + 0.61性别+ 0.07AC[每分钟计数]−0.6性别−74 = 0.90，RMSE = 100.1 平均偏见-2.5;95％CI：-12.2,7.2 衍生活动：躺着，坐着，缓慢和轻快地走路，慢跑和跳房子 Corder等[14.]，胸部：AEE（) = 3.95极品(bpm) + 0.26性别+ 0.07AC[每分钟计数]+ 8性别+ 0.68 -Step + 1.31. -hra−49 = 0.91，RMSE = 97.3 平均偏见：-2.3;95％CI：-11.4,6.8 衍生活动:卧、坐、慢走、快走、慢跑、跳房子(步标)
图上（型号AW16;迷你泥，弯曲或）。全向加速度计由悬臂式矩形压电双晶片和地震质量构成，对所有方向的运动都敏感，但对与壳体最长维数平行的方向最敏感。旨在检测与睡眠/觉醒行为相关的广泛肢体运动。对0.5- 7-Hz频率范围内的运动敏感。固件在1秒的窗口中检测32个样本的峰值，并将此值加到该时期的累计值中。雨衣。	久坐：任天堂，艺术和工艺品，播放时间1 轻松活动：有氧热身，步行1 中等活动：Tae Bo练习，播放时间2，步行2剧烈活动：慢跑。	室内呼吸量热量	Puyau et al. [17.］臀部:爱意() = 0.0144 + 0.000038髋(计数)见0.0147 （adj）81％腓骨头:AEE (）= 0.0143 + 0.000020腿（计数）见0.0195 （adj）71％结合髋关节和腿部的计数预测AEE增加(的)84%。 AEE对计数的回归独立于性别和年龄，因此该模型中只有计数。
	使用Nintendo，使用电脑，清洁，有氧运动，球折腾，跑步机走路和跑步。	室内呼吸量热法4小时，间接量热法1小时。	Puyau [10.］臀部:爱意(）= 0.00441 + 0.79，见0.0117 计数，年龄和身高包括在模型中，纳入性别没有显着改进。
Caltrac加速计(Muscle Dynamics Fitness, Madison, Wis, USA)。测量垂直平面上运动的程度和强度。	独立生存的;三天，包括一个周末。受试者在早上醒来时开始佩戴Caltrac，并一直持续到晚上睡觉前。Caltrac被用于与水有关的活动，如游泳或洗澡。	双重标记水	Johnson等人[16.］臀部:爱意(）= 63.97+（284.962性别） - （17.671比赛）+（12.876FM） - （6.18FFM） = 0.28，，种族:白种人= 0，莫霍克人= 1 当3天平均AC被强迫进入模型时，AEE的变化量没有显著增加= 0.29，，sse =321.
RT3加速计(Stayhealthy，蒙罗维亚，CA)。该仪器在三个维度测量加速度:前-后(x)，中外侧(y)和垂直(z)方向。活动数是每个方向的加速度平方和的平方根。	室内:躺下、坐着放松、写作、站着放松、坐着站着(每5秒交替)、骑车、上下踏步、步行。跑步机的速度是预先确定的，这样大多数孩子都可以在跑步机上完成慢跑。户外：拿起网球，然后站起来，抓住并传递篮球，踢足球，射击篮球，散步，走轻松的非线性，轻轻慢跑，快速慢跑。	间接量热法	太阳等。[18.］ RT3放置于腰部/大腿中线。室内活动:AEE () = 0.0006359 (）-0.0006427（体重）+ 0.733 (活动数是每个方向加速度平方和的平方根) = .95（= .90),． B＆A：意味着误差0.94 ， 95%置信区间=(−1.83,2.77)．户外活动：AEE（）= 0.00030397（）+ 0.00586272（体重）+ 0.58 尾数就=。（=收),． B＆A：均值误差-1.66 ， 95%置信区间(−3.2,1.57)．

缩写:AC:加速度计计数，adj.调整，AEE:活动相关的能量消耗，B&A: Bland & Altman, bpm:每分钟跳动次数，CI:置信区间，FFM:脂肪自由质量，FM:脂肪质量，g:克，h:小时，Hz:赫兹，J:焦耳，千卡:千卡，kg:千克，min:分钟，r=相关系数，RMSE:均方根误差，见:估计的标准误差，SSE:误差的平方和。

3.2。有效性

在实验室环境下，基于书写、清洁、玩电子游戏/任天堂、以不同速度和等级行走(跑步机和室内跑道)等活动，我们推导出了11个关于Actical的预测模型[9，10.，13.］．范围为0.45至0.81（平均0.65），这表明预测模型解释了测量AEE中的差异的45-81％。Puyau等人的模型。[10.]解释了最大方差(81%)，估计的标准误差(SEE)为0.0111 ()．在播放任天堂，清洁，跑步机行走和跑步时，该模型是衍生的。该模型包括年龄，性别和在臀部上的独特的计数。Puyau et al. [10.结论，该模型提供了对群体水平的AEE的有效测量，需要进一步发展，以准确预测个人的AEE。

对于Actigraph / CSA加速度计，衍生出七种模型。与双重标记的水相比，一个模型基于自由生活数据[15.］．六种模型是基于在撒谎，坐，任天堂，艺术和工艺品的活动中检索的数据，使用不同的速度和等级（跑步机）[13.，14.，17.］．从.37点.87点不等。Corder等人的预测模型[14.]用87％的测量AEE中的最大方差解释了118.0的根均线误差（RMSE）．该模型包含放置在臀部的Actigraph的加速度计计数，以及儿童的身高(cm)。这个模型是在各种强度的活动中推导出来的，比如躺着、坐着、慢快走、慢跑和跳房子。Corder等人的研究[14.比较了单独基于加速度计计数的模型和结合加速度计计数和心率的模型。作者的结论是，这种组合模型可能比那些仅基于加速度计的模型更精确和更广泛的应用。

Ekelund等人的模型[15.]，在自由生活活动（连续十四日）中得出的，解释了测量AEE中的45％的差异。有一个平均差异-45 符合较大的协议;-485至395 ．

Corder等人的研究。[13.，14.]六个用于Actiheart的预测模型，一种模型（Actiheart活动）没有包含心率，其余五个结合心率和活动计数。范围从0.69-0.91。测量AEE中的解释方差是ACTiheart活动模型的最低，没有心率（69％）。范围包括心率在内的5个模型的方差为0.86-0.91，因此AEE测量的解释方差为86-91%。解释方差最大的模型(91%)包括心率、计数和性别(RMSE 97.3))．推导活动是撒谎，坐着，缓慢和轻快的行走，慢跑和跳房子。另外，执行步骤测试以进行校准。尽管系统化错误，Corder等人。[14.结论，在本协议中使用的六项活动期间，这些模型可用于预测组级别的总体AEE。

Puyau等人的研究。[10.，17.为Actiwatch开发了三种模型。一项研究比较了放置在臀部和腿部(腓骨头)的Actiwatch的估计[17.］．在另一项研究中，Actiwatch只放在臀部[10.］．测量AEE的解释方差范围为71%-81%。最高解释方差是当Actiwatch放置在髋部时获得的。两个位置的组合提高了测量AEE的解释方差到84%。Puyau et al. [17.]认为这是一个勉强改进，不值得增加成本，时间和努力。Puyau等。[17.]发现计数上的AEE回归与年龄和性别无关，因此预测模型仅基于Actiwatch计数。鉴于估计的大标准(见0.0147)）预测模型不适合个人。

Johnson等人的研究[16.[旨在在自由生活中获得Caltrac的预测模型。由于Caltrac计数显示与测量的AEE没有显着相关性，因此导出了没有计数的预测模型。该模型通过双重标记的水来解释了28％的测量Aee方差，并由性别，种族/种族（白种人，莫霍克），脂肪质量和无脂肪块组成。当在模型中强迫平均Caltrac计数时，测量AEE的解释变化仍然只有29％，使其无法接受为AEE的估计。

Sun等人的研究推导出了两个预测模型[18.]为RT3加速计，一个涉及室内活动，一个涉及室外活动。室内模型解释了90%的AEE测量方差，室外模型解释了61%。两种模型都包含计数和体重。Sun等人得出结论，尽管RT3低估了久坐活动中的AEE，高估了中度和剧烈活动中的AEE，但他们的结果表明，RT3加速计可能用于提供儿童身体活动的可接受估计。

3.3。概括性

Corder等[14.]分析了Puyau等人的预测模型的通用性[17.]和胸衣等。[19.］．Puyau的型号最初是衍生的，各种久坐不良，轻盈，温和，活动。在Corder等人的协议中。Puyau模型解释了测量AEE中的84％的差异（RMSE 245.3 )．平均偏差为-151.6在美国，协议限额为−160.4 ~−142.8．捷径模型（85％）是两者最准确的RMSE（126.0） )．比例量表的平均偏差为5.5，一致性限制为−3.6 ~ 14.6。在Corder等人的研究中[14.]大多数加速度计数在久坐活动期间，所有加速度计的加速度计都有高估的AEE。在慢跑期间，所有加速度计都计数模型低估了高强度活动。这是一个系统的错误，强度或活动依赖性错误。这种偏见和大量的95％的偏差限制建议，该模型仅适用于评估集团级别的AEE。

Trost等人。[11.]分析了Puyau等人。[17.]在他们研究领域走路和跑步的研究中的Actigraph / CSA HIP模型。总体平均纯误差为0.049 被发现。(纯误差计算为观测值与预测值的差值平方和除以观测次数的平方根。当应用于独立样本时，纯误差越小，方程的准确性越高[11.］．）

比率量表的平均偏差为1.33(测量和预测的AEE之间的差异为+33%)。相应的协议限度为0.44-2.22。因此，对于种群中的任何个体，Puyau等人预测的AEE值[17.]模型与实测AEE值可能相差−56 ~ +122%。基于这些发现，Trost等人[11.结论，这种预测模型在地面行走和跑步期间不准确地预测AEE。然而，该模型可能是有用的，但估计参与中等和剧烈活动。

4。讨论

这篇综述表明，基于加速度计的预测模型可以解释高达91%的问题[14.儿童测量AEE的差异。使用结构化活动的实验室设置中衍生的型号，可提供高达91％的AEE [14.]，自由生活模型提供了高达45%的AEE估计[15.］．基于实验室的模型解释测量AEE中的90％的差异包括心率[13.，14.]或者基于三轴加速度计（RT3）的计数与体重联合[18.］．

基于实验室的模型和自由生活模型之间的差异可能是由推导活动和加速度计的局限性所解释的。由线性模型预测的AEE，当该模型被导出并应用于一组有限的结构化活动(如跑步和步行)时，可能会更准确[20.］．自由生活的活动更复杂，各种各样的人在实验室议定书中包含。此外，加速度计的已知限制可能导致估计AEE自由的差异。大多数加速度计主要对垂直平面中的加速度敏感，并且对于更复杂的运动不太敏感[13.］．加速度计是有限的，用于在梯度上的步行或骑行的活动。也没有检测到没有比例增加的EE增加（负载，推动和提升物体），这导致估计误差[13.，17.］．

我们的研究结果表明，当使用三轴加速度计时，预测模型的准确性似乎有所提高。三轴加速度计比单轴和全向加速度计捕捉更多的运动。在对Westerterp的回顾中[21.结论是，三轴加速度计可以区分个体活动水平的差异。特别是用三轴加速度计比单轴加速度计更好地反映久坐活性活动。

包括心率的模型在测量的AEE中解释了86-90％的差异[13.，14.］．由于加速度计的局限性，加速度计数量与测量的AEE之间没有线性关系，增加预测模型中的心率可以提供更多的准确性[13.，14.］．Corder等人在所有使用的预测模型中发现了一个与强度相关的系统误差。对于没有心率的模型，这种系统误差更大。加速度计计数模型似乎更依赖于被测试的活动(强度)，而组合模型(心率计数)似乎更依赖于参与者的特征。组合模型可能更准确，适用范围更广[14.］．

然而，模型的普遍性有限，似乎主要取决于推导活动。nilsson等人。[20.[比较了大量的儿童样本中的加速度预测模型（在四个不同的国家自由生活期间。预测的AEE在模型之间有很大差异。

自由生活研究最有可能代表儿童实际的日常活动。包括在这篇综述中的实验室研究试图通过包括运动活动来描述这些活动[9- - - - - -11.，13.，14.，17.，18.]，体育活动 [10.，14.，17.，18.]和娱乐活动等播放视频或计算机游戏[9; 10; 17]。无论跑步机走路，它都仍然是值得简言[9，10.，13.，17.，18.]和清洁活动[9，10.]实际上代表了身体活动和由此产生的儿童日常活动的AEE。所选择的推导活动将影响加速度计计数与AEE之间的线性关系[20.］．Nilsson等人指出，因此，使用特定活动的基于实验室的预测模型不太可能在整个自由生活活动范围内有效[20.］．

通过从双标记的水方法提供的总能源支出（TEE）中减去REE来估算AEE的自由生活研究[15.，16.］．通过从间接量热法提供的EE中减去REE，所包含的实验室放置估计AEE [9- - - - - -11.，13.，14.，17.，18.］．其中7项研究测量了稀土元素[9，10.，13.，14.，16.- - - - - -18.］．在两个研究中，斯基伐地预测方程预测了REE [11.，15.，22.］．Schofield方程与健康儿童和青少年的测量REE吻合良好[23.］．然而，当可用间接量热法测量稀土元素时，首选且更准确，特别是对患有慢性疾病和运动障碍的儿童[24.- - - - - -26.］．

由于REE随年龄、成熟度、体重和体力活动水平而变化，因此测量更为准确[9］．显然，通过更准确的测量REE可以得到更好的AEE估计。

对临床医生的影响是，先前公布的预测模型适用性有限。基于实验室的模型可以在群体级别使用，以在特定活动期间预测AEE，类似于推导活动。使用模型组合加速度计数和心率，或者模型结合了三轴加速度计与体重的计数，增强了有效性。然而，在自由生活中的概括性是非常有限的。这是一个显着的限制，因为在自由生活中的测量非常重要，以检查身体活动与健康相关的健身之间的剂量 - 反应关系。由Ekelund等人派生的模型。可以在群体水平上使用，以便在9岁儿童自由生活期间预测AEE [15.］．如前所述，该模型解释了测量AEE中45%的方差。

需要适用于自由生活场景的预测模型的未来发展。未来的自由生活研究应涉及将加速度计的计数和心率或三轴加速度计的计数结合的预测模型。如Corder等人所述。特别是加速度计的组合和心率可能提供更准确和广泛适用的模型[14.］．

关于调查结果的报告，未来的建议是描述计数和测量AEE之间的相关性的描述，因为计数是预测模型的一部分。加速度计本身的局限性可能导致较低的准确性，因此模型对AEE的更不准确的预测。

为了评估可行性，作者还应报告由于运动传感器故障导致的数量丢失和丢失的数据。关于自由生活的研究另外拒绝率或遵守临床医生的运动传感器的遵守率。

5.结论

基于加速度测量的预测模型可以在群体水平上提供儿童AEE的准确估计。当模型在实验室环境中推导(和使用)时，AEE的估计更准确。当模型将加速度计计数与心率结合或使用三轴加速度计时，可获得最佳结果。然而，模型在自由生活中的适用性是有限的。在自由生活中需要进一步发展适用的方程。

与公司或制造商没有专业的关系，他们将从本研究结果中受益。

附录

A.检查表方法问题

加速度计预测模型研究的评价清单

源;儿童和青少年运动传感器的斜度评价。临床流行病学杂志59(2006)670-680。De Vries SI, Bakker I, Hopman-Rock M, Hirasing RA, van Mechelen W。

由2009年的S. de Grauw修改。

见表2- - - - - -4．


1		样本特征（，性别，年龄，体重，高度，BMI％身体脂肪/皮肤折叠和折叠，健康状况）

	1	描述了6个样品特征(至少:，性，年龄，体重和高度）
	0.5	描述了4-5个样品特征
	0	描述了样品的特征

2		协议

	1	有关设置，活动，持续时间（天或小时）的信息以及佩戴运动传感器的时期
	0.5	有关佩戴运动传感器的信息缺失
	0	一点也不清楚

3.		测量

	1	有关运动传感器（类型，输出，时期，放置）和参考方法（S）（类型，输出）的完整信息
	0.5	缺少一些关于运动传感器(类型、输出、纪元、位置)和参考方法(类型、输出)的信息
	0	关于运动传感器(类型，输出，纪元，位置)和参考方法(类型，输出)的信息非常有限

4		统计分析

	1	完整的资料统计分析(测试，亚组分析)，统计软件包和-价值
	0.5	有关统计分析的一些信息（测试，子组分析），统计软件包和-价值
	0	关于统计分析(测试、子组分析)、统计软件包和-价值


5		预测模型是否报告了“标准”效度?

	1	是的
	0	不

6		适当的效度测量?

	1	灵敏度
	1	特异性
	1	皮尔逊积差相关系数
	1	Spearman的等级顺序相关系数
	0.5	95%的协议限制(Bland和Altman)
	0	其他措施

7		可接受的标准效度?

	+
		-0.60 = 0.30

8		预测模型报告了可靠性吗？（交叉验证分析）
	1	是的
	0	不

9		足够的可靠性度量?

	1	腹部相关系数
	1	95%的协议限制(Bland和Altman)
	1	科恩的kappa
	1	标准测量误差
	1	变异系数
	0	皮尔逊积差相关系数
	0	Spearman的等级顺序相关系数
	0	肯德尔的τ
	0	其他措施

10.		可接受的可靠性水平？

	+


11.		由于运动传感器(故障)而丢失/丢失数据的数量是否可以报告/减少?

	1	是的
	0	不

12.		可接受的丢失/丢失数据数量?

	+	5％
		5％

13.		是涂覆运动传感器报告的拒绝率，或佩戴运动传感器的遵守率？

	1	是的
	0	不

14.		拒绝接受率?

	+	15％
		15-30％
		30％

B.包括研究的数据

见表5．


研究	人口	评分清单(10分)	环境	加速度计（放置）	预测模型(s)	结论作者

Corder等[13.］	39岁的儿童年,23岁、16．	7．5	实验室设置。	Actiheart（胸部） actigraph.(臀部,脚踝) act(臀部)	导出六种预测模型，一个不包括加速度计的数量，被排除在外。	Corder等人得出结论，联合HR和活动监测器Actiheart可以有效地估计儿童在跑步机上行走和跑步时的AEE。与单纯的加速度测量相比，心率和活动计数的结合提供了最准确的AEE估计。
Corder等[14.］	145名儿童年龄年,66年, 79年．	7．5	实验室设置。	actigraph.(臀部) Actiheart（胸部）	之前发表的五个预测模型(Coder等人[13.]（3），Puyau等。[17.]，Trost等人。19）使用当前数据导出三个。	corder等人。得出结论，ACC和HR + ACC可以用于预测儿童这些六项活动期间的总体AEE;但是，所有预测中都存在系统错误。据他们研究中的活动，虽然ACC和HR + ACC都提供了对总体AEE的准确预测，但根据他们的研究，Corder等人。结论，使用HR + ACC的AEE预测模型可能比仅基于加速度单独的那些更准确和广泛应用。
Ekelund等人。[15.］	26岁的儿童 yr, 1511.．	8．0	自由的生活。	Actigraph / CSA.（重心/较低背部）	一个预测模型。	Ekelund等人得出结论，活动计数对TEE的可解释变异有显著贡献，是AEE的最佳预测因子。他们的交叉验证研究显示预测和测量的AEE之间没有显著差异。然而，相对较大的SEE和广泛的协议限制排除了个体比较。因此，Ekelund等人建议，预测方程可以用于评估群体水平上的平均AEE。
Heil等人。[9］	24个孩子：14岁的 yr, 10岁的 yr.	5．5	实验室设置。	act（手腕，脚踝，臀部）	9个预测模型。	Heil等人总结说，针对Actical提出的算法似乎能够准确预测AEE，无论佩戴在踝关节、臀部还是手腕。此外，他们还说，他们的结果显然受到数据收集的实验室性质的限制，需要在自由生活条件下进行验证。根据Heil等人的说法，可以提供他们的算法对儿童组的AEE的有用预测，但是个人的跟踪可能仍然涉及相当大的错误。
Johnson等人[16.］	31岁的儿童 yr, 17，14．	5．0	自由的生活。	Caltrac(臀部)	Sallis等人1989年方程;最初对HR进行验证，因此在本研究中排除。一个预测模型。	根据Johnson等人的研究，他们的研究未能发现活动计数与AEE或Caltrac平均卡路里与AEE之间的显著相关性。他们的主要发现是，Caltrac加速度计在样本中并不是一个有用的AEE预测器。约翰逊等人。得出结论，该等方程始终如一地高估AEE，并具有广泛的协议限制，使其无法接受，作为该样本的身体活动中的能量估计。
Puyau et al. [17.］	26个孩子14岁的 yr, 12岁的 yr.	5．5	实验室设置。	Actigraph / CSA. 图上(同时:髋部、腓骨头)	衍生出四种预测模型。	Puyau等。得出结论，活动计数和AEE之间的高相关证明了CSA和ActiWatch监测了在活动中强烈反射的能量。鉴于大众看见AEE对活动计数的回归，他们发现从Actiwatch活动的CSA的AEE的预测不适合个人。
Puyau et al. [10.］	32名7-18岁儿童，14名♂，18名．	5．5	实验室设置。	Actiwatch独奏（两者：臀部）	两种型号派生。	Puyau等人得出结论，活动计数占AEE变异的大部分，年龄、性别、体重和身高的影响较小。总的来说，Actiwatch方程占AEE变化率的79%，Actical方程占81%。对AEE的相对较宽的95%预测区间显示，个别观测值的均值附近有相当大的变异性。Puyau等人认为，加速度计最适用于群体而不是个人。根据Puyau等人。提供总部基于加速度计的活动监测儿童AEE的有效措施，但需要进一步发展，以准确预测个人的AEE。
太阳等。[18.］	27岁12-14岁的儿童21岁，6(室内25人，室外18人)。	8．0	实验室设置。	RT3（腰部/中线大腿）	推导出两种模型，并采用厂商模型。由于制造商的型号没有披露，它被排除在外。	Sun等人的结论是，他们的研究结果表明，RT3加速计提供了一种有效的方法来定性和定量地检查儿童的体育活动模式。根据Sun等人的研究，该设备在各种生活方式条件下的身体活动与模拟自由生活条件下的代谢成本之间的中到高相关系数强烈支持，RT3加速计可以作为儿童身体活动的有效、客观的衡量标准，即使是在像新加坡这样的热带环境中。
Trost等人。[11.］	45岁的儿童年,22岁,23岁．	5．5	实验室设置。	长短(臀部)	三种模型的验证。排除了两个与AEE无关的模型。Puyau等人的模型[17.包括在内。	Trost等人得出结论，之前发表的ActiGraph方程专门为儿童和青少年开发，并不能准确预测地面行走和跑步过程中每分钟的AEE。

缩写;ACC:加速计，AEE:运动相关能量消耗，HR:心率，见:估计的标准误差，TEE:总能量消耗，yr:年。

致谢

作者感谢以下组织的财政支持:荷兰皇家物理治疗协会(KNGF)、生物基金会(Stichting生物Kinderrevalidatie)和威廉敏娜儿童医院基金(WKZ-Fonds)。

参考文献

C. J. Caspersen，K. E. Powell和G. Christenson，“身体活动，运动和身体健康：与健康有关的研究的定义和区别”，“公共卫生报告，卷。100，没有。2，pp。126-131,1985。查看在：谷歌学者
J. Myers，M. Prakash，V.Froelicher，D. Do，S. Partington和J. E. Atwood，“男性的行使能力和死亡率，称为运动测试”新英格兰医学杂志号，第346卷11，页793-801,2002。查看在：出版商网站|谷歌学者
G. A. Arraiz, D. T. Wigle和Y. Mao，“加拿大健康调查死亡率随访研究中身体活动和身体健康的风险评估”，临床流行病学杂志CHINESE，卷。45，不。4，pp。419-428,1992。查看在：出版商网站|谷歌学者
C. Bouchard，S. Blair和W. Haskell，体育活动与健康，人类动力学，2007年。
J. R. Sirard和R. R. Pate，“儿童和青少年的身体活动评估”运动药物，卷。31，不。6，第439-454,2001。查看在：谷歌学者
R. C. Bailey, J. Olson, S. L. Pepper, J. Porszasz, T. J. Barstow，和D. M. Cooper，“儿童体育活动的水平和节奏:一项观察性研究”，运动与锻炼的医学与科学第27卷第2期7，第1033-1041页，1995。查看在：出版商网站|谷歌学者
L. Vanhees，J. Lefevre，R. Philippaerts等，“如何评估身体活动？如何评估身体健康，“欧洲心血管预防与康复杂志，第12卷，第2期2，页102-114,2005。查看在：出版商网站|谷歌学者
G. J.Welk，“使用加速度测量的活动监视器评估身体活动”健康相关研究的身体活动评估，pp.125-142，人类动力学，2009。查看在：谷歌学者
D. P. Heil，“使用actitic®活动监测器预测活动能量消耗”，研究季度运动和运动，卷。77，没有。1，pp。64-80,2006。查看在：谷歌学者
M. R. Puyau, A. L. Adolph, F. A. Vohra, I. Zakeri，和N. F. Butte，“使用加速计预测儿童活动能量消耗”，运动与锻炼的医学与科学第36卷第2期9，页1625-1631,2004。查看在：出版商网站|谷歌学者
S. G. Trost, R. Way, A. D. Okely，“三个ActiGraph能量消耗方程对儿童的预测效度”，运动与锻炼的医学与科学，卷。38，不。2，pp。380-387，2006。查看在：出版商网站|谷歌学者
S. I. de Vries, I. Bakker, M. Hopman-Rock, R. A. Hirasing，和W. van Mechelen，“儿童和青少年运动传感器的斜度评价”，临床流行病学杂志CHINESE，卷。59，没有。7，pp。670-680,2006。查看在：出版商网站|谷歌学者
K. Corder, S. Brage, n.j. Wareham，和U. Ekelund，“结合和分离的儿童心率和运动模型的PAEE比较，”运动与锻炼的医学与科学，第37卷，第2期10，页1761-1767,2005。查看在：出版商网站|谷歌学者
K. Corder, S. Brage, C. Mattocks等，“儿童在六项活动中评估PAEE的两种方法的比较，”运动与锻炼的医学与科学第39卷第3期12，页2180 - 2188,2007。查看在：出版商网站|谷歌学者
U. Ekelund，M.Sjöströ，A. Yngve等，“活动监测系统和儿童双重标记的水分评估的身体活动”运动与锻炼的医学与科学第33卷第3期2，页275-281,2001。查看在：谷歌学者
R. K.Johnson，J. Russ和M. I. Goran，“与Caltrac加速度计相比，双重标记水的儿童的身体活动相关的能量消费”国际肥胖杂志第22卷第2期11，第1046-1052页，1998。查看在：谷歌学者
M. R. Puyau，A.L.Adolph，F. A.Vohra和N.F.Butte，儿童身体活动监视器的验证和校准，“肥胖研究，第10卷，第5期。3，页150-157,2002。查看在：谷歌学者
D. X. Sun，G. Schmidt和S. M. Teo-Koh，“RT3加速度计的验证，以测量模拟自由生活条件中儿童的身体活动”小儿运动科学，第20卷，第2期。2，页181-197,2008。查看在：谷歌学者
S. G. Trost，D. S.病房，S. M. Moorehead，P. D. Watson，W. Cliner和J. R. Burke，儿童计算机科学和应用程序的有效性（CSA）活动监测仪，“运动与锻炼的医学与科学，卷。30，没有。4，pp。629-633，1998。查看在：出版商网站|谷歌学者
A. Nilsson，S. Brage，C. Riddoch等，“方程式的比较，以预测儿童加速度计的能量消耗，”斯堪的纳维亚体育医学和科学杂志第18卷第2期5，第643-650页，2008。查看在：出版商网站|谷歌学者
K. R. Westerterp，《用加速计评估身体活动》，国际肥胖杂志，卷。23，补充3，PP。S45-S49，1999。查看在：谷歌学者
W. N. Schofield，“预测基础代谢率，新标准和审查以前的工作”人类营养。临床营养，第39卷，第5-41页，1985。查看在：谷歌学者
G. Rodríguez, L. A. Moreno, A. Sarría, J.弗莱纳和M. Bueno，“儿童和青少年的静息能量消耗:量热法和预测方程之间的一致”，临床营养，卷。21，不。3，pp。255-260，2002。查看在：出版商网站|谷歌学者
G. Rodriguez, L. Béghin, L. Michaud, L. A. Moreno, D. Turck, and F. Gottrand, “Comparison of the TriTrac-R3D accelerometer and a self-report activity diary with heart-rate monitoring for the assessment of energy expenditure in children,”英国营养杂志，第87卷，第2期6，页623-631,2002。查看在：出版商网站|谷歌学者
Y. A. Shakur，H. Richards和P. B.Pencharz，“普拉斯（P. B.Pencharz）是有必要衡量儿童临床实践中的休息能源支出？”小儿科杂志，卷。152，没有。3，第437-439,2008。查看在：出版商网站|谷歌学者
J. F. Sallis, M. J. Buono, J. J. Roby, D. Carlson，和J. a . Nelson，“Caltrac加速计作为学龄儿童的身体活动监测器，”运动与锻炼的医学与科学第22卷第2期2，第698-703页，1989。查看在：谷歌学者

国际儿科杂志

在健康和疾病期间锻炼儿童

摘要