使用Fitbit活动追踪器进行基于web的计算机定制体育活动干预的有效性:随机试验

简介

背景

建议定期进行体育活动，以降低患慢性疾病(如糖尿病、心血管疾病和癌症)、精神健康问题、死亡率和发病率的风险[1,2］．不幸的是，在澳大利亚，以及大多数其他发达国家和发展中国家，大多数人没有达到体育活动的建议[1,3.］．这造成了沉重的疾病负担、生活质量下降和高昂的卫生保健费用[2,4］．因此，目前仍在寻找能够有效提高大量人群身体活动水平的具有成本效益的干预措施[5］．

在这方面，基于网络的计算机定制干预已显示出有希望的结果。计算机定制干预旨在模拟与卫生专业人员的面对面互动，并提供高度详细和与个人相关的行为改变信息[6,7］．然而，与面对面的体验不同，它们拥有广泛的覆盖面，以低成本接触到无限数量的网络用户。6,7］．在参与者完成一项或多项基于网络的调查后，将提供个性化的体育活动建议。根据参与者的反馈并使用IF-THEN算法(例如，如果不满足活动指南，那么提供增加活动级别的建议)，从一个具有所有可能的响应选项的大型数据库中选择相关反馈[8］．尽管一项系统综述发现，在提供基于网络的个性化体育活动建议的研究中，80%的研究在3个月后报告了积极的结果，但效果规模相对较小，不到一半的研究(47%)在开始研究6个月后发现显著效果，这意味着干预效果没有保持[6］．

因此，有余地提高计算机定制干预的有效性。一个重要的限制是，它们依赖于基于网络的自我报告的身体活动测量来产生个性化的建议。众所周知，许多人高估了他们自我报告的活动水平[9］．例如，澳大利亚的一项研究表明，24%的普通人群(在某些亚群体中高达58%)虚报了他们的活动水平[9］．不准确的自我身体活动报告可能导致参与者得到错误的建议[10］．例如，由于过度报告，有些人可能会收到这样的信息:他们正在达到活动指南，不需要变得更活跃，但事实并非如此。当这种情况发生时，干预措施并没有向参与者提供准确和可信的建议，因此也就没有达到应有的效果[10,11］．因此，需要新的技术来提高计算机定制干预的有效性。

复杂的活动追踪器(如Fitbit)的普及为提高计算机定制干预的有效性提供了一个独特的机会。这些先进的活动追踪器可以测量步数、心率、能量消耗、睡眠、久坐行为和身体活动强度(即轻度、中度或剧烈强度)[12］．此外，它们还允许通过无线连接自动将数据上传到网站或应用程序。因此，这些活动追踪器可以通过持续监测客观、准确地评估身体活动[13］．这些活动追踪器生成的数据可以方便、无缝地集成到计算机定制建议中，而无需重复进行基于web的调查，从而增加了提供计算机定制建议的潜力，与使用不太可靠的自我报告相比，这些建议更可信、更有效[11］．此外，用活动追踪器取代基于网络的调查可能会导致更强的干预依从性，因为在以前的计算机定制研究中，参与者系统地报告说，在他们得到个性化建议之前，有太多的问题需要回答[14,15］．

目标

因此，这项两组随机试验的目标是，与使用传统自我报告的计算机定制干预相比，使用Fitbit活动追踪器生成个性化反馈的基于web的计算机定制干预在增加身体活动和吸引参与者方面是否更有效。

方法

过程和参与者

参与者在澳大利亚各地通过随机数字拨号(由中昆士兰大学人口研究实验室进行)、Facebook广告、传单、海报、口头传播和电子邮件列表(即，注册了基于网络的10000步项目的人(只邀请那些至少12个月没有使用该项目的人)、昆士兰大学校友)招募。那些感兴趣的人被引导到干预网站上的一个登陆页面，完成一个筛选工具，以确定是否合格。符合条件的参与者年龄在18岁或以上，居住在澳大利亚，拥有智能手机和电脑，可以上网，在互联网自信量表(满分5分)中得分在2分或以上[16]，会说和读英语，身体质量指数(BMI)在25至40之间，每周进行的中等至剧烈体育活动不超过150分钟[17,18]，没有使用活动追踪器的经验，在过去12个月内也没有参加过身体活动干预活动，但能够通过身体活动准备情况问卷(PAR-Q)评估安全地增加身体活动[19］．不符合PAR-Q标准的人被指示在允许参加之前取得体检合格证明。

完成基于web的筛选工具后，符合条件的参与者完成基于web的基线调查(参见下面的度量方法部分)。在完成基线评估后，使用随机列表生成器将参与者按1:1的比例随机分为两组中的一组，并提供访问TaylorActive干预(参见下面的干预部分)。所有参与者都可以访问TaylorActive干预;然而，只有1组(theFitbit一组接受Fitbit运动追踪器来客观地监测身体活动，另一组则接受Fitbit运动追踪器Non-Fitbit集团)没有。在Fitbit小组给参与者发了一个Fitbit Flex，并附上了如何使用它的说明，以及如何将Fitbit的数据同步到TaylorActive的网站。他们只能进入TaylorActive在收到Fitbit后7天进行干预，以便它可以收集身体活动数据，然后立即与TaylorActive网站首次使用。非fitbit组没有延迟，因为参与者能够立即自我报告最后一周的活动情况。基线后1和3个月评估随访措施。当两组参与者没有在规定的时间内完成调查时，他们会收到多达3封提醒邮件和2个电话/短信。在整个研究过程中没有与参与者进行面对面的接触;所有的程序都是基于网络的，通过电话或邮件。遵守所有研究程序的参与者将获得50澳元的参与奖励;Fitbit组的参与者可以拒绝奖励，以保留他们收到的Fitbit(他们在研究结束时才被告知这个选项)。

所有参与者都提供了知情同意，获得了CQUniversity人类伦理委员会(H1608-227)的伦理批准，试验在澳大利亚新西兰临床试验注册中心(ACTRN12616001555448)注册。所有数据都是在2016年和2017年收集和分析的。

干预

两组参与者都接受了计算机量身定制的体育活动干预TaylorActive(20.］．该干预的行为改变内容是根据计划行为理论制定的[21，自我决定理论[22]和社会认知理论[23］．具体来说，内容集中在增强内在动机、自我效能和增加活动水平的意图上。此外，还提供自我调节策略培训，通过有效的目标设定、行动规划、利用社会支持、克服障碍、解决问题、决策、预防复发和自我监测，加强意图转化为行为[21-23］．

在简短的基于网络的调查的基础上，两组参与者都被提供了行为改变的内容，包括个人体育活动建议的8个模块，为期3个月。前4个模块每周交付;接下来的4个模块每14天交付一次。这8个模块按照既定的顺序组织下一个模块只能在前一个模块完成时访问。所有的模块都在一个设定的时间点发布，根据参与者的学习开始日期。如果参与者没有访问最新可用的模块，他们将收到最多3封提醒邮件。为了在非fitbit组中生成个性化模块内容，参与者被问及他们前一周的活跃程度，以及与身体活动行为的个人、社会、环境和基于理论的相关问题。根据参与者的回答，通过应用IF-THEN算法，自动从数据库中选择与个人相关的体育活动内容。在第一节课中，参与者被要求从5种锻炼身体的动机中选出他们最喜欢的一种:(1)改善或保持健康，(2)增强健身，(3)增强力量，(4)减肥，或(5)感觉更好(改善情绪和/或减轻压力)。反馈和体育活动目标是根据参与者喜欢的动机量身定制的。

两组之间的唯一区别是评估身体活动的方式，为8个模块提供个性化建议。在non-Fitbit小组中，参与者完成了改编版的戈丁-谢泼德闲暇运动问卷在每个模块开始时[24］．在Fitbit组，使用Fitbit Flex(该设备除了5个微型led外没有其他显示器;每走2000步就有1个LED照明;当参与者有一段时间没有活动时，该设备不会轻推或嗡嗡声或蜂鸣声)。参与者只需要点击1个按钮TaylorActive网站，导入使用Fitbit收集的身体活动数据。对两组来说，体育活动建议的结构是相同的，因为从两种评估方法(轻度、中度、剧烈和全面体育活动)中提取了等价的变量。

两组的参与者也都有一个图书馆有关于体育活动的一般教育信息;共有19篇关于体育活动不同方面以及如何提高体育活动水平的简短文章(例如，“你身体健康吗?”、“获得动力”和“腾出时间活跃起来”)。最后，两组参与者都被鼓励在每个模块结束时完成一个行动计划[20.］．行动计划是一种自我调节策略，其形式是制定详细的计划，可以更好地实现目标，并有助于行为修正。25］．实际上，这意味着参与者被问及他们将如何实现活动目标的非常具体的问题:他们将做什么活动，他们将在哪里做，他们将在什么时候做，他们将多长时间做一次活动，他们将和谁一起做。在制定行动计划的一开始，参与者被要求设定长期、中期和短期目标，以达到他们的体育活动目标。

关于这种干预的更深入的细节可以在另一项试验的协议文件中找到，只有该文件中的“干预”部分(从第3页开始)与本文描述的研究相关[20.］．正如本协议论文中所概述的，实际上有两个版本TaylorActive干预，一种是所有个性化反馈都以网页上的文本形式提供，另一种是通过个性化视频提供反馈。作为主要的TaylorActive试验仍在进行中，在这项研究的时候还不知道哪个版本更有效。因此，本研究的参与者被随机分为文本版本和视频版本。在统计分析中，对这些不同版本引起的任何影响进行了控制。讨论不同版本的影响TaylorActive干预超出了本文的讨论范围。

措施

评估基本人口统计因素:性别、年龄、受教育年限、收入(≤澳币51,999;来自52000至99999澳元;≥100000澳元;不知道或没有回应)、就业状况(全职、兼职或临时工、失业)、身高(厘米)、体重(公斤)。研究人员用身高和体重来计算参与者的BMI。

的8项澳大利亚积极调查用于测量身体活动的变化(请注意:戈丁-谢泼德休闲时间锻炼问卷仅用于向非fitbit组的参与者提供个性化的活动建议;它没有被用来评估研究结果)。这项调查评估了交通步行、娱乐步行、中等强度体力活动和高强度体力活动的频率和持续时间[26］．总体力活动的计算方法是根据指定的评分指南将步行、适度活动和剧烈活动的时间(加权2)相加[26］．中等到剧烈的体力活动也被计算在内，但不包括步行的时间。积极的澳大利亚调查具有可接受的重测信度(类内系数= 0.64)和效度(r= 0.61)，已被记录为检测体育活动干预相关变化的有用评估工具[27,28］．

坐着的时间用10个项目来衡量员工坐在问卷(29］．参与者报告了在正常工作日和非工作日坐着的时间(小时或分钟)，与工作、交通、电视使用、电脑使用和其他休闲时间有关。其中一个问题还评估了参与者一周通常工作的天数。总坐着时间定义为所有领域全天坐着时间的总和。此问卷已显示出足够的重测信度及效度[29］．

对体育活动建议的可接受性、网站可用性和Fitbit的使用情况也进行了评估[14］．这些问题基于以前发表的工作，其中评估了类似干预措施的建议可接受性[14］．最后，通过干预网站客观跟踪模块完成情况。

统计数据

使用SPSS 24版本进行分析。参与者的人口统计数据、总体力活动、中等至高强度体力活动、总坐时间和基线时的BMI的描述性统计数据被提出。组(Fitbit和非Fitbit)比较使用t连续变量检验和分类变量卡方分析。为了测试一组(Fitbit或非Fitbit)按时间(基线、1个月和3个月)互动的每周总体育活动，进行了线性混合模型分析。总的来说，我们又进行了3个独立的线性混合模型分析，以测试一组人的时间交互作用对中到高强度体育活动、坐着时间和BMI的影响。所有线性混合模型分析均采用限制性极大似然估计，以降低数据缺失带来的偏差风险[30.］．所有线性混合模型分析调整了年龄，性别，教育，就业，收入，版本TaylorActive干预(视频或文字)和BMI(除了检查BMI本身的模型)。非fitbit组为组参照变量，基线为时间参照变量。

结果

243名参与者被随机化图1为参与者流)。大多数参与者是女性(182/243,74.9%)，全职工作(129/243,53.1%)，年收入超过51,000澳元(179/243,61.0%)。平均年龄、体重指数和受教育年限分别为51.5、31.2和14.8。在基线时，参与者每周进行106.8分钟的总体力活动，每周进行36.6分钟的中等至剧烈体力活动;平均每天坐着的时间为10小时。基线时组间无差异。在非fitbit组中，有更多的参与者在1个月时没有完成评估(57% vs 35%;χ²₁= 12.5;P<.001)和3个月时(63% vs 36%;χ²₁= 17.4;P<.001)与Fitbit组相比。参与者特征报告在表1．

在第1和3个月时，两组的总体力活动有显著的时间效应，在第3个月时，组间互动也有显著的时间效应(调整后的平均差异=163.2分钟;95%可信区间52.0 - -274.5;P=.004)，但在1个月时没有表2而且图2)．3个月时，非Fitbit组的总体力活动每周增加119.3分钟，Fitbit组的总体力活动每周增加284.9分钟。同样，在1个月和3个月时观察到显著的时间效应对中等到剧烈的身体活动的影响，以及3个月时的组间互动的显著时间效应(调整后的平均差异=78.6分钟;95%可信区间24.4 - -131.9;P=.004)但在1个月后也没有。在3个月时，非Fitbit组中至高强度的总体力活动每周增加38.3分钟，Fitbit组每周增加117.2分钟。虽然在3个月时，Fitbit组的坐着时间有显著影响，但没有发现其他统计学上显著的时间影响或交互影响。3个月时，非Fitbit组每天平均减少了56分钟，Fitbit组每天平均减少了101分钟。对于BMI，非Fitbit组在两个时间点都发现了显著的时间效应，但对Fitbit组只有在3个月时;未观察到相互作用效应。非Fitbit组的BMI下降了1.07,Fitbit组的BMI下降了1.54。

‎ 把这个图

‎ 把这个图

表3展示了用户对建议、干预网站和Fitbit的可接受性的结果。Fitbit组的参与者对体育活动建议的可接受性和网站可用性的评价都一贯较高(尽管并不总是显著较高)。在建议可接受性方面，这些问题存在显著差异有太多的问题无法得到建议，这个建议让我对自己的体育活动有了新的认识，而且我和其他人分享了我的建议。在网站可用性方面，这些问题有显著差异我想继续使用这个网站，这个网站很容易使用，而且我每周至少使用一次这个网站。Fitbit组还表示，使用Fitbit本身是有利的，并增加了通过网站提供的个人建议。例如，与会者指出(同意或强烈同意)认为量身定制的建议价值增加(74.4%)、更可信(67.9%)及更切合个人需要(76.9%)。大多数参与者(85.9%)认为，将Fitbit数据与TaylorActive网站同步很容易。

图3演示参与者对干预内容的接触程度。在Fitbit组中，除第一个模块外，其他模块的完成率更高。Fitbit组完成最后一个模块的比例是非Fitbit组的两倍(27.3% vs 13.9%)。非Fitbit组参与者平均完成2.9个(SD 2.5)模块，Fitbit组参与者平均完成4.4个(SD 3.1)模块。

‎ 把这个图

讨论

主要的结果

这项研究的主要目的是检验将Fitbit活动追踪器集成到计算机定制的身体活动干预中是否能提高干预的有效性。研究结果明确支持将活动追踪器集成到基于web的身体活动干预中，为参与者提供个性化的建议。与不使用Fitbit的组相比，使用Fitbit的组总的体力活动增加了两倍多，3个月后，中等到剧烈的体力活动增加了近三倍。在1个月时缺乏显著的交互效应可能是由于参与者在这个阶段没有收到所有的干预内容。这些发现表明，改变行为需要一些时间，而在那个时间点，身体活动水平仍在增加图2)．

到目前为止，只有少数其他研究研究了运动追踪器(即大多数是传统的计步器)与电脑定制建议的结合使用[10,11,31］．然而，这些试验都没有直接比较使用或不使用活动追踪器的计算机定制干预的有效性。例如，Compernolle等[11]证明了基于步数的计算机定制建议的有效性，该建议使用计步器，但与没有干预的对照组进行了比较。De Cocker等人的另一项研究[10比较了基于计步器的电脑定制建议和只使用计步器的一组;尽管接受量身定制的建议干预的那组比只使用计步器的那组增加了更多的活动量，但差异并不显著。最后，slotmaker等[31,32比较了基于活动追踪的体育活动建议与常规护理对照组，两组都没有发现体育活动的改善。尽管这项研究在当时(智能手机普及之前)具有创新性，但可能已经走在了时代的前面，该技术的可接受度和用户友好度可能一直很低。智能手机和先进的活动追踪器的使用现在已经很普遍了，而且这种技术通常设计得很好，也被接受，这可能是我们的研究结果更好的原因。本研究中观察到的强可接受性结果证实了这一点。与非Fitbit组相比，Fitbit组对干预的所有组成部分(建议可接受性、网站可用性和Fitbit可用性)的评价都更高。值得注意的是，即使是干预的设计在Fitbit组中也得到了更高的评价，尽管不同组之间是相同的。Fitbit的数据同步也获得了很高的评价，尽管在与计算机定制的干预同步之前，首先必须与Fitbit平台同步数据(这可以根据应用程序和手机设置自动进行)。Fitbit集成的影响还体现在模块完成方面，在Fitbit组中完成所有计算机定制模块的参与者是其他组的两倍。

虽然干预措施的重点不是减少坐着的时间(Fitbit的嗡嗡声也没有作为延长坐着时间的提示)，但观察到坐着的时间大幅减少;在3个月时，Fitbit组发现了显著的时间效应，每周坐的时间减少了近12小时。许多其他身体活动干预措施也研究了坐姿的影响[11,33,34的研究结果显示，这些研究对坐着的时间几乎没有影响。同样地，尽管整体干预并不以减轻体重为重点，也不包括饮食成分，但在两组中都发现了显著的BMI下降，且有显著的时间效应。然而，减肥是参与者变得更活跃的最受欢迎的动机，而且很大一部分参与者确实选择了这一选项(37.1%，数据未在结果部分报告)。仅对这些参与者而言，他们收到的个性化体育锻炼建议包含了减肥的重点，但建议增加运动量(没有提供饮食建议)。然而，这一发现是值得注意的，因为没有饮食成分的减肥干预往往不是很有效[35,36］．

优势和局限性

尽管这项研究有重要的发现和新颖性，但应该注意到一些研究的局限性;因此，对研究结果的解释应该谨慎一些。首先，该研究没有对照组或仅追踪者组;Fitbit组的结果可能是由于Fitbit本身，而不是由于联合干预。一个更稳健的研究设计(包括一个Fitbit-only小组)需要澄清这一点，并理清这些影响。另一方面，Fitbit组中更高的网站可用性和可接受性表明，电脑定制网站确实促进了身体活动的增加，因为参与者可以选择只使用Fitbit而忽略电脑定制网站，但他们比没有收到Fitbit的参与者更多地使用电脑定制网站。第二，干预组人数少，辍学率高。然而，术后能量计算显示，在3个月的时间点，足够检测组间总体力活动(89.3%)和中等至剧烈体力活动(83.7%)的显著差异。完全缺乏与参与者面对面的互动(因此，问责性低)，可能是导致高辍学率的原因之一[37,38］．高辍学率在基于网络的干预措施中很常见[39,40］．尽管如此，有趣的是，仅为参与者提供Fitbit就显著提高了留存率。许多干预研究发现，与对照组相比，干预组(或高强度干预组)的辍学率更高，因为积极参与和试图改善健康行为的额外负担[15];这并不适用于我们的研究。第三，虽然Fitbit客观地评估了身体活动，但我们无法使用Fitbit数据来评估随着时间的变化，因为只有一个干预组提供了Fitbit。预算的限制意味着我们必须依靠自我报告的方法来评估随着时间的推移而发生的变化，尽管积极的澳大利亚调查已经证明它可以发现随着时间的变化[28的研究结果，应谨慎解读。正如导言所指出的，自我报告的身体活动测量容易高估[9];然而，理论上，测量误差在不同组之间应该是一致的，所以组之间的差异很可能是真实的，但结果的大小不太确定。第四，没有长期随访来评估行为结果的变化。3个月的评估是在干预措施交付结束后立即进行的，因此无法测试组间的行为改变维持效果和差异。维持身体活动改善非常困难，大多数研究显示，在干预结束后，活动水平下降[41,42］．最后，尽管商业消费者层面的活动追踪器的准确性和有效性都很高，但仍有改进的空间[12］．因此，在少数参与者中，使用fitbit产生的个性化建议可能仍然有些不准确，表明它们符合指导方针，但实际上并非如此。因此，鼓励制造商继续改进设备的质量，鼓励研究人员继续在有效性研究中评估其准确性。

结论

总之，将身体活动追踪器整合到基于网络的计算机定制干预中，显著提高了超重或肥胖参与者的干预效果。由于这种干预以技术为基础，有可能以可接受的成本接触到大量的人，并改善他们的体育活动行为。因此，将先进的活动追踪器与复杂的计算机定制干预相结合的潜力是巨大的。然而，考虑到研究的局限性，需要采用更可靠设计的随访研究(客观结果测量和长期随访，包括对照组和仅跟踪者组)来确认这些结果。