简单的智能手机自我监测饮食、压力和身体活动的纵向效度和可靠性在不同的母亲样本中gydF4y2Ba

简介gydF4y2Ba

背景gydF4y2Ba

智能手机越来越多地被使用并融入日常生活，为健康行为和状态的持续、实时数据流创造了机会[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba2gydF4y2Ba］．这些数据流包括自我报告，如生态即时评估(EMAs)和每日日记[gydF4y2Ba3.gydF4y2Ba］．智能手机应用程序用于自我监测健康行为的可靠性和有效性尚未被完全理解，但这对于为不断增长的移动健康或“移动健康”领域提供证据至关重要。gydF4y2Ba1gydF4y2Ba]，并为消费者所广泛采用[gydF4y2Ba4gydF4y2Ba］．gydF4y2Ba

饮食、压力和身体活动是与肥胖、糖尿病、心血管疾病、抑郁和焦虑等一系列身心健康问题相关的主要生活方式因素[gydF4y2Ba5gydF4y2Ba];例如，心血管疾病是一个严重的健康问题，但妇女，特别是年轻妇女在很大程度上仍然忽视它[gydF4y2Ba6gydF4y2Ba]，尽管它在妇女中的死亡率高于所有形式的癌症[gydF4y2Ba7gydF4y2Ba］．母亲被列入高度优先的目标人群，因为她们的体重指数(BMI)在分娩后的几年里通常会增加5公斤[gydF4y2Ba8gydF4y2Ba］．gydF4y2Ba

智能手机非常适合使用日常日记和更频繁的饮食、感知压力和身体活动的EMAs进行实时自我监测，因为这些行为和状态很难在较长时间内准确回忆起来，而且可能在几天内和不同时间内发生显著变化。gydF4y2Ba3.gydF4y2Ba］．基于智能手机的EMA和目标行为日记可能比生物标志物和生物测量(如BMI和血压)更具体和可行，它们通常反映了几个因素对生理系统的长期累积影响。主动的自我监控(即通过自我报告)也是一种重要的行为改变技巧[gydF4y2Ba9gydF4y2Ba，gydF4y2Ba10gydF4y2Ba]，尤其适合自我管理饮食和身体活动[gydF4y2Ba11gydF4y2Ba］．在智能手机应用程序中，自我监控几乎是一种普遍的行为改变元素，用于饮食和身体活动自我管理。gydF4y2Ba12gydF4y2Ba-gydF4y2Ba14gydF4y2Ba］．gydF4y2Ba

智能手机允许在随手可得的设备上输入数据，从而减轻了EMAs的一个方面的负担;过去那种笨重的纸质日记或个人数字助手已经不再被需要。需要每天在不同时间点报告的EMA强度仍然存在。不足为奇的是，随着时间的推移，手机报告的EMAs的依从性下降已被注意到不同的结果，包括营养、情绪和药物使用测量[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba］．因此，确定哪些度量需要通过ema捕获，哪些度量可以较少捕获是很重要的。由于手机报告的饮食、压力和身体活动测量的有效性和可靠性研究有限，这样的评估一直是一个挑战，这是本研究的重点，因为对这些行为的现场评估没有公认的金标准，可以随时用于客观比较[gydF4y2Ba17gydF4y2Ba-gydF4y2Ba19gydF4y2Ba］．研究表明回顾性自我报告和EMAs之间存在差异，以及它们的好处和局限性[gydF4y2Ba20.gydF4y2Ba-gydF4y2Ba22gydF4y2Ba］．一些研究将自我报告的健康行为与更客观的测量方法进行了比较，如自我报告的身体活动和使用计步器获得的数据[gydF4y2Ba23gydF4y2Ba-gydF4y2Ba26gydF4y2Ba］．在这项研究中，我们观察到智能手机EMAs和日记报告及其对应的回忆报告之间的方法间可靠性，此外还有EMAs和健康测量之间的回忆，如饮食和锻炼，我们预计它们之间是相互关联的。对少数民族和妇女的研究也很有限[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba27gydF4y2Ba］．为了实现这一目标，我们研究了一项可行性研究的数据，该研究对一款健康行为自我监测移动应用程序进行了试点测试，样本主要包括少数民族母亲;之前的一项研究检查了自我监测依从性的预测因素(盲法)[gydF4y2Ba28gydF4y2Ba］．本文考察了短时间使用基于智能手机的EMAs和日常饮食、压力和身体活动日记的有效性和可靠性，并与短时间回忆自我报告、简单的人体计量生物测量(如体重和BMI)和实验室生物标记物(如c反应蛋白和eb病毒)在6个月内每3个月收集一次进行比较。我们评估了应用程序的方法间可靠性和并发有效性，这是移动健康、“移动健康”证据开发的高度优先事项[gydF4y2Ba1gydF4y2Ba］．不同的领域对效度和信度有不同的概念。然而，在本研究中，方法间信度被广泛地定义为评估同一领域的不同方法之间的并发性，而并发效度被定义为评估不同但有关联的领域(如饮食、压力和体育活动)之间的并发性，并且它使用了多种评估方法，提供了方法的并发效度信息。gydF4y2Ba

假设gydF4y2Ba

本研究评估了几组相关假设，以评估简要使用EMAs和为智能手机应用程序设计的日记问题的信度和效度。首先，我们假设，简单使用基于智能手机的EMAs和每日日记问题，将通过与相应的回忆自我报告相关联来证明方法间的可靠性。其次，我们假设EMAs和每日日记测量方法将通过与人体测量生物测量、血点生物标记(压力)、回忆和EMAs和其他领域的日记报告的关联来证明同时有效性。第三，鉴于EMAs被设计成独立的，并在近距离或当下捕捉到，我们假设EMAs在饮食和感知压力方面比日常日记更可靠，因为每天的变化很大，可能很难回忆起来。一项研究表明，每日日记报告可与EMA相媲美，这表明在未来的应用中，更可取的是一种负担较少的日记方法。然而，我们假设每天的身体活动日记足以达到最小的回忆偏差。因此，对体育活动的EMAs进行评估并不是为了将负担降到最低。gydF4y2Ba

方法gydF4y2Ba

参与式感知gydF4y2Ba

开发和研究程序的基础是电脑科学家开发的移动电话感应项目所采用的参与式感应方法[gydF4y2Ba29gydF4y2Ba］．以用户为中心的设计原则优先考虑参与者的自主权和对应用程序功能的选择(例如，响应调查)，并承认采用和维持活动的不同能力和动机。类似于实施研究中的实用设计[gydF4y2Ba30.gydF4y2Ba]，参与式感知强调自然使用，优先考虑感知工具在不同用户偏好、参与选项和参与动机中使用的外部有效性或普遍性。在这项研究中，用户偏好通过焦点小组(blind)和参与者的迭代试验收集。参与性感知方法被用作设计EMA和日记问题的基础，这些问题简短、吸引人、有意义，用于使用应用程序进行自我管理的自我监测，而不是像基础行为EMA研究中更典型的金标准那样细化和精确。gydF4y2Ba

道德声明gydF4y2Ba

加州大学洛杉矶分校的机构审查委员会审查并批准了这项研究。所有参与者都签署了知情同意书。这项研究是根据《赫尔辛基宣言》进行的。gydF4y2Ba

招聘和参与者gydF4y2Ba

在2012年1月至2012年9月期间，招募居住在城市地区且至少有一个孩子的母亲参加了这项研究。招聘传单将这项研究描述为寻求支持，以开发和试点测试一款智能手机应用程序，该应用程序可以帮助自我监测和自我管理饮食、压力和体育活动。招聘工作包括每周到当地农贸市场访问;社区中心的班级和小组;在当地杂货店、教堂和有针对性的社区组织进行外展;在当地关于育儿和孩子的网络群里发帖。有一个18岁以下孩子的家庭妇女，没有怀孕或哺乳的妇女，以及BMI≤18.5(即体重过轻危险)的妇女都被纳入了研究。招募计划的目的是包括具有不同体重指数(约三分之一在体重、超重或肥胖方面正常)的母亲样本，以及主要为非洲裔美国人和拉丁裔美国人的母亲样本。然而，其他种族或民族并未被排除在外。gydF4y2Ba

措施gydF4y2Ba

智能手机生态瞬间评估与每日日记gydF4y2Ba

参与者被分配到三星Vibrant智能手机，并被指导完成智能手机EMAs和每日日记调查，通过响应基于时间的提示(即报警)和基于事件的报告(即自我发起)。参与者为基于时间的EMA提示选择三个3小时窗口的开始和结束时间(上午、中午和下午晚些时候)和一天结束时的每日日记调查。前三项调查询问了“自上次调查以来”的饮食和“过去2小时内”的压力事件。一天结束后的“每日日记”调查询问了一整天的饮食、压力和体育活动。在分析中使用了下列变量:gydF4y2Ba

饮食生态瞬时评价gydF4y2Ba

每天三次，参与者被问及以下问题:“评价这顿饭的营养质量?”回答如下:(1)低;(2)媒介;(3)高。gydF4y2Ba

饮食日记gydF4y2Ba

在一天结束时，参与者被问及以下问题:“在1到5分(5分表示非常健康)的范围内，你认为自己今天的饮食在质量和数量方面有多健康?”gydF4y2Ba

压力生态瞬时评估gydF4y2Ba

每天三次，参与者被问及以下问题:“在过去的两个小时里，你感到有压力吗?”回答如下:(1)完全不，(2)稍微，(3)适度，(4)非常。gydF4y2Ba

压力日记:gydF4y2Ba

在一天结束时，参与者被问及以下问题:“在1-5分的范围内，你这一天的压力有多大(5分表示压力很大)?”gydF4y2Ba

身体活动日记gydF4y2Ba

只有在一天结束的时候，才会问三个问题:“你今天做了多少分钟的运动。”受试者的反应如下:针对三种强度的体育活动，轻强度(即“呼吸或心率没有增加，如拉伸”)、中等强度(即“呼吸或心率略有增加，如快走”)和剧烈强度(“呼吸或心率明显增加，如跑步”)。为了比较每种活动类型的召回报告，变量计算为天数(超过30天)、平均每天分钟和总分钟(分钟×天)。gydF4y2Ba

基线和后续召回自我报告gydF4y2Ba

测量方法是简短的，并反映了可能在临床实践或大规模调查研究中使用的测量方法的范围和规模。回忆周期保留了最初的测量方法，其目的是尽量减少回忆偏差，捕捉一般习惯，而不是详细的黄金标准评估。gydF4y2Ba

参与者的人口统计特征gydF4y2Ba

评估的背景因素包括年龄、种族或民族、最高教育水平、每周工作时间(带薪、志愿者或学生)以及家庭中生活的孩子数量。gydF4y2Ba

饮食行为gydF4y2Ba

使用来自加州健康访谈调查(CHIS)的食物频率问卷来评估饮食;CHIS 2009成人问卷3.4版(公开)，2011年3月1日，C部分，第32页。这些简单的筛查措施有足够的效度来区分个体的高摄入量或低摄入量，特别是在检查饮食和其他变量之间的关系时，它们被国家癌症研究所癌症控制和人口科学部门的应用研究项目用于饮食筛查。十个问题评估了参与者在过去30天内吃或喝各种食物的次数，包括每天、每周或每月估计次数的提示。在分析中，食物类型被分为三个变量:水果和蔬菜的摄入量(水果、绿色蔬菜或沙拉或豆类、非油炸土豆的3个问题)、高糖食物的摄入量(含糖饮料或苏打水、加糖水果饮料、饼干、蛋糕、冰淇淋的4个问题)、快餐的摄入量(过去7天内的1个问题)。gydF4y2Ba

感知到的压力gydF4y2Ba

采用了一种简短的九项心理压力测量(PSM-9)，旨在评估初级保健环境中的压力。[gydF4y2Ba31gydF4y2Ba］．PSM-9是由最初的49项版本和两个25项版本发展而来的，显示出较高的内部一致性(Cronbach alpha系数为0.92和0.93)和重测信度(0.68-0.80)。通过比较抑郁和焦虑等各种构念的测量，建立了收敛效度、发散效度、伴随效度和预测效度[gydF4y2Ba31gydF4y2Ba］．PSM-9问题是根据较长项目版本的相关和冗余内容建立的，涵盖了感觉平静、压力、匆忙、担心、困惑和精力充沛、身体症状、难以控制反应或情绪等领域。gydF4y2Ba

体育活动gydF4y2Ba

身体活动的评估采用了CHIS 2009年调查中的问题，包括每周(过去7天内)步行(用于交通和娱乐或身体活动)、适度活动(即呼吸比正常情况略困难)和剧烈活动(如有氧运动，呼吸明显比正常情况困难)的次数和每天平均分钟数。这些问题与全国健康和营养调查及其他研究中使用的问题类似[gydF4y2Ba17gydF4y2Ba］．将这两个步行领域结合起来，并使用以下变量进行分析:步行(每天的分钟数、天数和总分钟数)、适度体育活动(每天的分钟数、天数和总分钟数)、剧烈体育活动(每天的分钟数、天数和总分钟数)。gydF4y2Ba

Biomeasures和生物标志物gydF4y2Ba

本研究中使用的生物测量方法和生物标记物的选择符合可行性、可接受性、最小侵入性以及饮食、应激和体力活动综合指标的标准。简单的人体测量指标(确定BMI的身高和体重、体脂测量和腰围)被用作体育活动的指标[gydF4y2Ba17gydF4y2Ba］．血压被用作总体健康状况的一项指标，其中包括与饮食、身体活动、压力和压力源相关的因素[gydF4y2Ba32gydF4y2Ba，gydF4y2Ba33gydF4y2Ba］．血点c反应蛋白和eb病毒抗体作为应激的代理指标，分别确定了炎症和心血管风险以及与各种应激源和应激相关的先天性免疫能力损伤的适应负荷;这一结果与之前关于母亲压力的研究相似[gydF4y2Ba34gydF4y2Ba］．尽管轻度炎症和先天免疫力减弱与生活方式和社会心理因素有关，如营养过剩、抑郁和肥胖[gydF4y2Ba35gydF4y2Ba-gydF4y2Ba38gydF4y2Ba，在文献中，压力被确定为炎症和先天免疫改变的常见原因[gydF4y2Ba39gydF4y2Ba-gydF4y2Ba41gydF4y2Ba］．c反应蛋白和eb病毒抗体与压力呈正相关，在研究中经常被用作压力的生物标志物，在本研究中也是如此[gydF4y2Ba42gydF4y2Ba-gydF4y2Ba44gydF4y2Ba］．使用Tanita体成分分析仪(Tbf-300a型)测量体脂肪，该分析仪使用生物电阻抗分析，这是估计体成分的常用方法[gydF4y2Ba45gydF4y2Ba，gydF4y2Ba46gydF4y2Ba］．因为水合作用的波动可能会影响身体成分结果，参与者被要求7天内避免利尿剂，48小时前饮酒，12小时前剧烈运动，4小时前进食或饮水，评估前30分钟排空膀胱，如果他们生病了，重新安排。gydF4y2Ba

身体质量指数gydF4y2Ba

用便携式体尺测量身高，以米为单位，用Tanita身体成分分析仪测量体重，以公斤为单位。该体育场计的公司和型号信息未知。BMI的计算方法是体重(公斤)除以身高(米)的平方。gydF4y2Ba

腰围gydF4y2Ba

采用《人体测量标准参考手册》所建议的标准程序测量腰围[gydF4y2Ba47gydF4y2Ba］．测量卷尺放在腰部(胸腔和髋骨之间)。它确保带子是舒适的，不压迫皮肤，并与地面平行。测量是在参与者呼气后进行的，并得到三次单独测量的平均值。gydF4y2Ba

血压gydF4y2Ba

使用欧姆龙自动血压计(HEM-705CP)测量上臂中点处的收缩压和舒张压。参与者被要求坐着，背部要有支撑，双腿不要交叉，并被要求将手臂支撑在桌子上，这样他们的上臂中点就会在心脏的水平线上。获得了三个读数。丢弃第一次读数，取最后两次读数的平均值[gydF4y2Ba48gydF4y2Ba］．gydF4y2Ba

Bloodspot测试gydF4y2Ba

用微柳叶刀(Becton-Dickson Microtainer接触激活柳叶刀，高血流量366594)的单指棒采集5滴血，放在预打印的滤纸卡(250 μL)上，该滤纸卡通常用于新生儿筛查，不需要立即冷冻[gydF4y2Ba49gydF4y2Ba］．样品被贴上标签，晾干4小时，储存在塑料容器中，并锁在冰箱中。血点样本每周运往实验室，并在- 28°C保存，直到进行C反应蛋白和eb病毒分析。gydF4y2Ba

c反应蛋白gydF4y2Ba

我们使用经验证的生物素-链霉亲和素免疫荧光测定法检测血点c反应蛋白水平，如其他地方报道的[gydF4y2Ba50gydF4y2Ba］．根据本文概述的方法[gydF4y2Ba50gydF4y2Ba，我们开发了血清当量值的算法:血清(c -反应蛋白值)=1.7*(血点c -反应蛋白值)。这些值表明与心血管和代谢风险相关的慢性低级别全身炎症的程度[gydF4y2Ba51gydF4y2Ba］．c反应蛋白值分为低(<1 mg/L)、中(1-3 mg/L)和高危(>3 mg/L;［gydF4y2Ba52gydF4y2Ba，gydF4y2Ba53gydF4y2Ba])。>10 mg/L表示急性炎症，未用于统计分析。gydF4y2Ba

巴尔病毒抗体gydF4y2Ba

eb病毒抗体滴度反映免疫反应损伤的程度。酶联免疫吸附试验(ELISA)用于检测血斑中的eb病毒抗体，是对一种市售试剂盒(编号P001606A;DiaSorin公司，Stillwater, MN);方法和有效性已在其他地方报道过[gydF4y2Ba49gydF4y2Ba，gydF4y2Ba54gydF4y2Ba］．抗体滴度以ELISA单位表示。值<20表示无法检测到抗体水平[gydF4y2Ba54gydF4y2Ba]，它们没有被用于统计分析。在缺乏eb病毒标准健康风险类别的情况下，我们将我们样本的平均水平与来自伊利诺斯州少数民族妇女的其他样本的平均水平进行了比较(n=183;eb病毒平均水平=136.8;［gydF4y2Ba34gydF4y2Ba])gydF4y2Ba

设计gydF4y2Ba

56例受试者随机分为两组。实验组(n=44)被要求使用装有自我监测应用程序的安卓智能手机进行自我监测。对照组(n=12)不提供智能手机。这项研究的主要目的是评估使用智能手机测量饮食、压力和体育活动的有效性和可靠性。对照组为次要、初步疗效目的设计，本文未报道，在初步分析中无统计学意义。回顾性评估和生物标志物收集在基线以及入组后3和6个月进行，以估计中急性患者的临床就诊间隔时间。被分配到智能手机组的参与者被要求在6个月的研究期间使用该应用程序。自我监测组的44名参与者中有2名在注册后2个月内怀孕，退出了研究，并被排除在样本之外。分析单位为42名参与者在6个月研究期间的3个月随访(n=84个可能的单位，每个参与者2个周期)。gydF4y2Ba

过程gydF4y2Ba

欧姆电阻:智能手机应用。gydF4y2BaOhmage是一个移动到web平台，支持自报告和无源传感器数据流的收集、存储、分析和可视化。Ohmage已经作为开放源码发布，可以在网上免费下载。该平台功能丰富，可扩展，便于收集多维、异构和复杂的个人数据流。Ohmage为每个数据点添加了时间和地点戳。研究人员可以使用Web界面访问和查看数据。Ohmage用户界面的设计基于行为科学合作者和非专家试点用户通过焦点小组(blind)和试点阶段的一对一访谈获得的专家反馈。值得注意的是，与参与者的大部分讨论都集中在如何在自我报告数据时减少用户负担。gydF4y2Ba

激励gydF4y2Ba

在研究结束时，在归还指定的研究设备并完成最终评估后，参与者将获得停车费和交通费报销以及现金或礼券，最高可达355美元，因为他们完成了以下内容:基线、3个月和6个月的生物标志物和生物测量随访评估每人40美元，在6个月(约180天)内每天至少完成一次EMA或日记调查每人1.30美元。gydF4y2Ba

分析gydF4y2Ba

在分析之前，平均EMA和日记测量在30天内结束，包括召回评估和生物标志物测量的日期。选择30天为周期，以大致捕捉召回措施所规定的时间范围。在每次与召回或生物标志物测量的具体比较中，分析不包括EMAs或日记报告少于14天的30天周期(即少于50%的报告)。gydF4y2Ba

主要的分析目标是检查对测量值之间的关系，其中第一个测量值是EMA或日记测量值，在30天的周期内聚合，第二个测量值是回忆或生物标志物或生物测量值。为了充分探索测量对之间的有意义的关系，一些涉及临床意义(如相关性)和统计显著性(如，gydF4y2BaPgydF4y2Ba值)。gydF4y2Ba

皮尔森积差相关gydF4y2Ba使用测量对作为关联的基本度量来计算。计算gydF4y2BaPgydF4y2Ba测量对之间相关性的统计显著性值，同一个体测量值之间的相关性使用随机效应线性回归模型，其表示如下:gydF4y2Ba

YgydF4y2Ba_ijgydF4y2Ba=βgydF4y2Ba_0gydF4y2Ba+ XgydF4y2Ba_ijgydF4y2BaβgydF4y2Ba_1gydF4y2Ba+λgydF4y2Ba_我gydF4y2Ba+εgydF4y2Ba_ijgydF4y2Ba

在YgydF4y2Ba_ijgydF4y2Ba是参与者i在j时间点的EMA测量值，βgydF4y2Ba_0gydF4y2Ba是截距项，是βgydF4y2Ba_1gydF4y2BaX的回归系数是多少gydF4y2Ba_ijgydF4y2Ba，即回忆或生物标志物测量，并表示测量对之间的关联，这与相关性类似。参与者级随机效应λgydF4y2Ba_我gydF4y2Ba确定重复测量在同一个体和ε之间的相关性gydF4y2Ba_ijgydF4y2Ba是残差项。gydF4y2BaPgydF4y2Ba给出了β的显著性值gydF4y2Ba_1gydF4y2Ba．gydF4y2Ba

最后,RgydF4y2Ba^2gydF4y2Ba提出了描述由模型解释的变化量的统计数据。没有标准的RgydF4y2Ba^2gydF4y2Ba随机效应模型的计算。提出了两种合理的配方。爱德华兹等[gydF4y2Ba55gydF4y2Ba计算;计算gydF4y2Ba^2gydF4y2Ba回归系数为:gydF4y2Ba

RgydF4y2Ba^2gydF4y2Ba _{艾德gydF4y2Ba}= (q1) vgydF4y2Ba^{－1gydF4y2Ba}F(β*、Σ*)/ (1 + (q1) vgydF4y2Ba^{－1gydF4y2Ba}F(β*Σ*))gydF4y2Ba

其中q-1是回归系数的数量减去截距项，v是基于Kenward-Rogers近似的剩余自由度，F(β*，Σ*)是用于检验原假设的F统计量，声明q-1回归系数等于0。在SAS软件版本9.3 (SAS Institute Inc, Cary, NC)中使用PROC MIXED程序拟合模型。第二个RgydF4y2Ba^2gydF4y2Ba统计数据是基于所解释的总变异，并表示如下:gydF4y2Ba

RgydF4y2Ba^2gydF4y2Ba _{总计gydF4y2Ba}= (VargydF4y2Ba_intgydF4y2Ba- - - - - - VargydF4y2Ba_{完整的gydF4y2Ba}) / VargydF4y2Ba_intgydF4y2Ba

在VargydF4y2Ba_intgydF4y2Ba是来自一个包含截距项、随机效应、残差项和VargydF4y2Ba_{完整的gydF4y2Ba}是包含截距项和所有协变量的完整模型的总变异量。gydF4y2Ba

多变量分析gydF4y2Ba

作为次要的分析目标，建立了多预测因子线性回归模型，回归EMAs和日记测量的回忆和生物标志物测量，以检验显著的相关性，并进一步提供了EMAs和日记测量的信度和效度的认识。模型总结为:回忆率和生物标志物→EMA。多预测回归模型的候选预测因子包括中所示的所有变量gydF4y2Ba表1gydF4y2Ba，他们是根据四个统计数据来选择的，这些统计数据是为初步分析提供的:皮尔逊相关系数，gydF4y2BaPgydF4y2Baβ1和两个RgydF4y2Ba^2gydF4y2Ba统计数据。我们的目标是在我们的模型中达到简约和预测之间的平衡。因此,gydF4y2BaPgydF4y2Ba值≤。10were roughly considered for the entry of predictors into the multiple-predictor models as well as the direct corresponding recall measure regardless ofPgydF4y2Ba价值。此外，我们希望在R的基础上获得合理的解释变异水平gydF4y2Ba^2gydF4y2Ba基于皮尔逊相关系数的关联统计和强度。一旦建立了多预测器模型，一个向后逐步选择程序被用来选择最终模型的预测器。预测因子保持在。05的alpha水平。gydF4y2Ba

结果gydF4y2Ba

参与者的人口统计学特征gydF4y2Ba

表2gydF4y2Ba而且gydF4y2Ba表3gydF4y2Ba呈现分配给智能手机的参与者(n=42)和拥有足够数据的参与者(n=29)的人口统计学特征，以进行基于参与率的分析(如下所述)。由于数据缺失，被纳入(n=29)和被排除(n=13)的参与者在特征方面没有发现显著差异。大多数参与者认为自己是少数民族(85%，35/41)，其中39%(16/41)是非洲裔美国人，44%(18/41)是拉丁裔，2%(1/41)是其他族裔。参与者年龄20 ~ 43岁，平均年龄31.2岁。大约三分之一的参与者是全职或兼职工作(每周4至20小时)或没有工作。略多于一半的参与者肥胖或非常肥胖(57%，24/42)，符合平均40%的体脂率。平均而言，参与者的血压读数在正常范围内(平均收缩压=122.3，舒张压=79.8)。平均c反应蛋白水平为3.2 mg/L表明心血管疾病的中等风险。140.3个ELISA单位的Epstein-Barr病毒平均水平与前面讨论的Epstein-Barr病毒水平相当[gydF4y2Ba34gydF4y2Ba］．gydF4y2Ba

参与率gydF4y2Ba

几乎所有42名使用智能手机的参与者都完成了为期6个月的研究(93%;n = 39)。分析排除了13名参与者，包括2名在3个月随访前失去随访，1名在6个月随访前搬离该州，以及10名报告率<50%的参与者。gydF4y2Ba

共有15103份时间提示的EMA和日记调查由29名参与者完成。4次问卷调查中，4043次(26.8%)上午问卷、3855次(25.5%)午间问卷、3643次(24.1%)下午晚些时候问卷和3562次(23.6%)日间日记问卷的回复分布均匀。gydF4y2Ba表4gydF4y2Ba以报告的平均天数显示EMA和日记调查的参与率。参与者每天至少完成两项调查，平均持续151.8天(84%)，目标是180天。gydF4y2Ba

所示gydF4y2Ba表5gydF4y2Ba随访58次(29人× 2次)。个别召回和生物标记测量的完成率平均相当高(召回或生物标记测量的范围为81.0%-100%)。gydF4y2Ba

生态即时评估与日记报告、回忆与生物标记数据之间的关系gydF4y2Ba

表1gydF4y2Ba呈现了在EMA和日记测量对与回忆或生物标志物测量之间跨领域(饮食、压力和身体活动)的二元关联。考虑到大量可能的配对，gydF4y2Ba表1gydF4y2Ba仅呈现EMA与日记度量和同一领域(如召回)或不同领域的替代度量之间的关联gydF4y2BaPgydF4y2Ba值≤。10for the association. Small-to-moderate correlations were observed.

饮食质量EMA和每日日记评分都与摄入高糖食物的回忆呈负相关(r=−.52，gydF4y2BaPgydF4y2Ba<。01而且r=−.40,PgydF4y2Ba=。04，respectively). Diet quality EMA ratings, but not those of daily diary, were positively associated with the intake of fruits and vegetables (r=.34,PgydF4y2Ba<.01)和适度的体育活动(以每天的分钟计)(r=48，gydF4y2BaPgydF4y2Ba=.03)，与快餐摄入负相关(r= - .42，gydF4y2BaPgydF4y2Ba= 0.02)，收缩压(r=−0.32，gydF4y2BaPgydF4y2Ba= 0.02)， c反应蛋白水平(r=−.34，gydF4y2BaPgydF4y2Ba= .02点)。饮食日记的评分也与每天剧烈的身体活动有关(r=.47，gydF4y2BaPgydF4y2Ba=.02)和总分钟数(r=.35，gydF4y2BaPgydF4y2Ba< . 01)。基于两个RgydF4y2Ba^2gydF4y2Ba根据统计数据，在饮食EMA报告和高糖计数之间的关系中，大约有四分之一的差异是可以解释的(RgydF4y2Ba^2gydF4y2Ba_{艾德gydF4y2Ba}=。25而且RgydF4y2Ba^2gydF4y2Ba_{总计gydF4y2Ba}=陈霞)。基于RgydF4y2Ba^2gydF4y2Ba_{艾德gydF4y2Ba}统计数据显示，饮食日记报告和每天以分钟计的剧烈体育活动之间的关系也发现了类似水平的可变性gydF4y2Ba^2gydF4y2Ba=.34)和总分钟数(RgydF4y2Ba^2gydF4y2Ba=。45)。在饮食测量与回忆报告和生物标记物之间的其余关系中，观察到低水平的可变性。gydF4y2Ba

每日压力日记报告与PSM-9召回或全局测量结果之间的相关性最高(r= 0.50，gydF4y2BaPgydF4y2Ba= 0.02)，并与步行活动回忆有相关趋势。应激EMA也与PSM-9相关(r=.30，gydF4y2BaPgydF4y2Ba= 0.01)和每天步行分钟的回忆(r= 0.27，gydF4y2BaPgydF4y2Ba= . 05)。与膳食报告相似，RgydF4y2Ba^2gydF4y2Ba_{艾德gydF4y2Ba}压力EMA报告统计数据(RgydF4y2Ba^2gydF4y2Ba_{艾德gydF4y2Ba}=.27)gydF4y2Ba^2gydF4y2Ba压力每日报告的统计数据(RgydF4y2Ba^2gydF4y2Ba_{艾德gydF4y2Ba}=。28而且RgydF4y2Ba^2gydF4y2Ba_{总计gydF4y2Ba}= 0.24)表明大约四分之一的变化是由与PSM-9召回率的关系引起的。gydF4y2Ba

无论以天数、每天分钟数还是总分钟数来计算，每天的体力活动报告与相应的回忆措施没有显著关联。轻度体力活动(以天计)与中度活动回忆天数相关(r=.43，gydF4y2BaPgydF4y2Ba= .04点)。适度体育活动天数与BMI呈负相关(r=−.40，gydF4y2BaPgydF4y2Ba= .02点)。剧烈运动天数与BMI和体脂呈负相关(r=−.44，gydF4y2BaPgydF4y2Ba=。02for both measures). Based on the R^2gydF4y2Ba_{艾德gydF4y2Ba}统计数据显示，四分之一的运动天数差异可以用BMI (RgydF4y2Ba^2gydF4y2Ba_{艾德gydF4y2Ba}=.26)和体脂(RgydF4y2Ba^2gydF4y2Ba_{艾德gydF4y2Ba}= 0。25)身体活动报告和回忆报告和生物标记之间的其余关系的方差相当低。gydF4y2Ba

多元回归分析gydF4y2Ba

表6gydF4y2Ba显示了与回忆或生物标志物测量以及直接对应的回忆测量显著相关的EMA和日记测量的多变量回归结果gydF4y2Ba表1gydF4y2Ba)．结果表明，饮食EMA与高糖食品召回最密切相关，表明对低质量食品特别敏感。压力EMA与日记报告以及相应的PSM-9回忆之间的关联在多变量模型中得到了证实，而在双变量模型中则排除了与低体力活动之间的关联。唯一具有多个显著预测因子的多元模型是饮食日记评分，其中高糖食物和高强度体育活动(每天的总分钟数和分钟数)回忆都保留了它们的显著相关性，并共同解释了几乎一半的基于R的可变性饮食日记评分gydF4y2Ba^2gydF4y2Ba措施。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

本分析的结果提出了几组关于简单的EMA和日常日记报告的可靠性和有效性的推论，这些报告包括饮食、压力和身体活动。正如假设的那样，在压力和饮食方面，EMA和日记报告及其对应的回忆报告之间的方法间可靠性是中等的。然而，在体力活动方面却出乎意料地低。与方法间信度相比，饮食和体育活动EMA和日记报告与其他测量方法的同步效度被证明。然而，它没有观察到压力。gydF4y2Ba

“高、中、低质量”的简单主观的饮食EMA评分显示了简短的食物频率问卷回忆法的可靠性和与身体活动的同步效度。考虑到问题和回答选项的主观质量，这是值得注意的。正如假设的那样，与每日日记相比，EMA似乎更可靠和有效，特别是对于食品质量报告和一些关键的饮食或系统相关的生物标志物。相比之下，每日日记饮食评分与生物标志物没有关联，与食物计数回忆相比，与剧烈活动回忆的关联更显著。日常饮食记录很可能与回忆和舍入错误相关联，这些错误反映了健康饮食和定期体育活动或不良饮食和久坐行为等生活方式习惯的关联。gydF4y2Ba

本研究中使用的简单压力自我监测问题(包括EMA和每日日记)也表明PSM-9简短回忆法具有良好的方法间信度。压力EMA与日记及步行回忆报告数据的相关性趋势有待进一步解释和分析。来自形成性工作(blind)的定性报告已经确认，由于压力，母亲的体力活动水平较低，特别是与压力相关的时间压力导致缺乏时间从事中等或剧烈的体力活动。在日常生活中散步作为身体活动(例如，用于交通工具和散步的宠物)，在压力大且无法进行有意的中度或剧烈的身体活动时，报告可能更突出。gydF4y2Ba

高强度体育活动日记报告与BMI和体脂之间的中度负相关，以及与适度体育活动之间的类似趋势，表明体育活动日记报告的同时有效性。高强度体育活动报告可能反映了高活跃(或不活跃)参与者的类别，他们的活动水平足够一致，可以观察到与生物标志物的关联。值得注意的是，对体力活动的最粗略的计算(即，剧烈和中度体力活动的天数和分钟)显示了方法间可靠性相关性与相应回忆报告的潜在趋势，而轻度体力活动日记报告显示了与中度体力活动的显著相关性。gydF4y2Ba

不同活动测量方法的不同生物标志物和生物测量方法的并行效度也表明，使用不同方法测量的身体活动的潜在方面可能有些独立[gydF4y2Ba17gydF4y2Ba］．在食物频率问卷中也发现了类似的问题[gydF4y2Ba18gydF4y2Ba]，并且据报道在个人和群体方面有所不同[gydF4y2Ba56gydF4y2Ba-gydF4y2Ba58gydF4y2Ba］．gydF4y2Ba

限制gydF4y2Ba

本研究的主要局限性是样本量相对较小。更大的样本量将增加统计效力，这可能会导致显示统计显著性的趋势(即，gydF4y2BaPgydF4y2Ba=.10)和在多变量分析中更详细的变量之间。另一个限制是参与者为中心的设计，它优先考虑简短的回忆措施和突出的EMA和日记问题设计，而不是高度详细的措施，这些措施可能有更好的可靠性和有效性，但更高的用户负担，更低的参与度、可持续性和完成率。在评估测量之间的关联程度时还有其他的限制。考虑到一些研究指标，如饮食质量，健康自我感知的测量，自我报告指标之间的关联程度可能包括方法偏差;例如，对健康的高度认知可能导致对饮食质量和体育活动的积极报告。最后，6个月的研究周期符合减肥干预和其他生活方式改变项目的时间周期;6个月的EMA研究时间很长，需要进行更多的研究来确定最佳的EMA时间表，以补充生活方式改变计划的时间表。gydF4y2Ba

结论gydF4y2Ba

这项研究的结果表明，简单和简短的EMA饮食测量和日常日记压力测量，可能是足够好的工具，用于长时间的自我监测。这在主要包括少数民族母亲的研究人群中尤其重要，其中一些人表示，时间是监测和参与健康行为的一个障碍。由于自我报告方法与客观测量方法之间不一致以及缺乏金标准，因此建议使用综合方法，特别是在审查对健康状况的影响时[gydF4y2Ba17gydF4y2Ba，gydF4y2Ba59gydF4y2Ba，gydF4y2Ba60gydF4y2Ba］．未来必须进行更大样本量的研究，同时检查主动和被动的自我监测策略和生态瞬间干预[gydF4y2Ba61gydF4y2Ba触发基于智能手机应用程序的自我监测和上下文数据(如全球定位系统位置)的微干预[gydF4y2Ba62gydF4y2Ba，gydF4y2Ba63gydF4y2Ba］．在未来的研究中，解决这一问题将面临重大挑战。必须仔细考虑负担、参与(遵守)和改变并维持日常卫生惯例的时间表等交叉问题。最初，密集的EMA和日记自我报告可以支持行为的改变。一旦健康状况得到改善(例如，体重减轻和心血管健康状况改善)，下一个障碍是通过持续执行行为例行程序来保持积极的结果。应用程序必须适应变化的阶段，参与倦怠，以及个人在采用和保持更健康的日常生活中经历的各种挫折模式。然而，智能手机应用程序非常适合这项任务。gydF4y2Ba