这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR公共卫生和监测上的原创作品。必须包括完整的书目信息,https://publichealth.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。
基于消费者的身体活动追踪器越来越受欢迎。这些设备的广泛使用和记录数据的长期性为流行病学研究提供了有价值的体育活动数据来源。挑战包括活动跟踪器模型之间在可用数据类型、记录数据的准确性以及如何在不同提供商和第三方系统之间共享这些数据方面存在很大的异质性。
本研究的目的是开发一个系统,以记录来自不同供应商的基于消费者的活动跟踪器的身体活动数据,并检查其作为流行病学研究中身体活动监测工具的可用性。数据的纵向性质和同时爆发的大流行疫情使我们能够展示该系统如何用于在COVID-19封锁之前、期间和之后监测身体活动水平。
我们开发了一个系统(mSpider),用于自动记录佩戴Apple、Fitbit、Garmin、Oura、Polar、三星和Withings活动跟踪器的参与者的身体活动数据,以及存储在谷歌Fit和Apple Health中的跟踪器。为了在整个开发过程中测试该系统,我们招募了35名志愿者,从2019年初开始佩戴提供的活动追踪器。此外,我们招募了113名参与者,他们在挪威COVID-19封锁之前、期间和之后佩戴了私人拥有的活动追踪器。我们使用条形图和双面配对样本,检查了2019年至2020年期间步数、中等至剧烈体育活动的分钟数以及活动能量消耗的月度变化
与2019年3月相比,在2020年3月的封锁期间,平均步数和平均活动能量支出显著减少。步数和活动能量消耗的减少是暂时的,接下来的月度比较显示2019年和2020年之间没有显著变化。在封锁期后的几个月比较中,以及2019年3月至12月与2020年3月至12月比较时,观察到中等至剧烈体育活动有小幅显著增加。
mSpider是一个工作原型,目前能够记录来自基于消费者的活动跟踪器提供商的身体活动数据。该系统已成功用于检测COVID-19期间身体活动水平的变化。
体育活动是一个重要的生活方式因素[
这种纵向体力活动记录的独特来源可用于测量体力活动随时间的变化。因此,有必要开发一种系统,从现有的提供者那里自动和连续地记录身体活动数据。该系统可用于一系列不同的研究项目,包括作为身体活动监测的工具。
2019年12月,新冠肺炎(SARS-CoV-2)在中国爆发,迅速蔓延,成为全球大流行。挪威第一例COVID-19病例于2020年2月26日确诊。3月12日,挪威政府对所有学校、幼儿园、大学、高中、健身房等实施了封锁,并在随后的几天内进一步实施限制。虽然没有实行全国宵禁,但政府鼓励人们尽可能呆在家里。最严格的措施从4月底开始逐步取消,一直持续到2020年5月。整个秋季,侵入性较低的社交距离限制逐渐重新引入,但2020年没有启动第二次封锁。
除了COVID-19大流行的社会代价之外[
本研究的目的是开发一个系统,用于自动连续记录一系列基于消费者的活动跟踪器提供商的身体活动数据,并检查其作为流行病学研究中身体活动监测工具的可用性。数据的纵向性质和并发的大流行使我们能够研究如何使用该系统来监测COVID-19封锁之前、期间和之后的身体活动变化。
我们设计并开发了一个实验系统mSpider,旨在使用基于消费者的活动跟踪器自动连续记录身体活动数据。该系统从一系列供应商和活动跟踪模型中收集了一段时间内的身体活动、能量消耗、脉搏、睡眠和相关变量的数据。
该系统由三个模块组成(参见
mSpider系统体系结构概述。
参与者使用OAuth授权mSpider系统并授予对其活动跟踪器数据的访问权。OAuth是一种开放协议,允许用户安全地授权系统之间的数据共享,而无需共享用户登录凭据[
将请求从mSpider系统拉到外部应用程序编程接口(api;例如,Fitbit Web API)包含一个
此外,a
我们开发了对Fitbit、Polar、Garmin、Withings、三星、Oura和苹果的活动跟踪器的支持,以及在谷歌Fit或Apple Health开放健康云中存储数据的提供商(例如华为)。除了三星和苹果,受支持的提供商提供了具象化状态传输(REST) API web服务。REST软件体系结构风格为分布式系统提供了一组约束。
每个提供商通过其API或SDK提供一组不同的数据类型。Steps是所有提供程序都支持的唯一变量。
提供者数据访问详细信息。
供应商的文档 | API一个/ SDKb | 版本 |
苹果( |
HealthKit | 6.4 |
Fitbit ( |
Web API | 1/1.2 |
Garmin(必须注册才能访问) | 健康的API | 2.9.7 |
谷歌( |
符合API | 1 |
Oura [ |
云API | 1 |
极地( |
AccessLink API | 3.36.0 |
三星( |
健康SDK | 1.4.0 |
Withings [ |
Data API | 2.0 |
一个API:应用程序编程接口。
bSDK:软件开发工具包。
提供程序提供的可用变量。
提供者 | 变量 | 有效天数计算 |
苹果 | 步骤,爱意一个,瑞b,睡眠 | 一步> 150 |
Fitbit | 步骤,三通c, aee, lpad, MPAe, VPAf,睡眠 | 一步> 150 |
Garmin | 步骤,TEE, AEE, MPA, VPA | (睡眠+久坐时间+ LPA + MPA + VPA) >10小时 |
谷歌健康 | 步骤,三通 | 一步> 150 |
Oura | 步数,TEE, AEE,久坐时间,LPA, MPA, VPA,不磨损时间 | 一步> 150 |
极地 | 步数,TEE, AEE,久坐时间,LPA, MPA, VPA,睡眠 | 不磨损时间<14小时 |
三星 | 步骤,AEE,睡觉 | (睡眠+久坐时间+ LPA + MPA + VPA) >10小时 |
Withings | 步骤,TEE, AEE, LPA, MPA, VPA,睡眠 | 一步> 150 |
一个AEE:活动能量消耗。
bREE:静息能量消耗。
cTEE:总能量消耗。
dLPA:轻度体力活动。
eMPA:适度的体力活动。
fVPA:剧烈的身体活动。
为了在开发过程中测试系统并增加长期记录的可能性,我们采用方便抽样法招募了35名志愿者,他们的纳入标准如下:18岁或以上,愿意长时间佩戴所提供的活动跟踪器,并愿意分享收集到的身体活动数据。来自这些志愿者的数据仅用于系统开发和调试目的,不包括在体育活动的纵向分析中。
志愿者在开发阶段(2019年2月至2020年8月)招募,并配备了苹果、Fitbit、Garmin、华为、Oura、Polar、三星或Withings的活动追踪器。两名志愿者还分享了存储在谷歌Fit中的手机收集的身体活动数据。一名志愿者在几天后退出,两名志愿者在几个月后退出。我们没有给出使用活动跟踪器的说明,只是给出了如何启动与mSpider系统的自动数据共享的说明。志愿者得到了关于mSpider系统的书面和口头信息,并被告知所有收集到的数据将存储在活动跟踪器提供商的云存储中。所有志愿者都签署了知情同意书。
通过在线新闻媒体广告,我们招募了130名拥有私人活动追踪器的人,他们在挪威COVID-19封锁之前、期间和之后佩戴。入选标准是拥有Garmin、Fitbit、Withings或Oura的活动跟踪器,并愿意分享身体活动数据。招募工作于2020年10月进行。与会者将收到一封电子邮件邀请,其中附有信息和如何授予mSpider系统访问权限的说明。参与者通过主动授予访问其数据的权限来表示知情同意。
35名收到活动追踪器的志愿者被要求在活动追踪器提供商注册一个用户帐户。虽然mSpider系统只访问不可识别的信息,但志愿者被告知,通过注册提供商帐户,活动跟踪器收集的所有数据都将上传到提供商云存储,包括潜在的可识别信息(例如GPS数据)。
用于分析活动跟踪器数据的130名研究参与者已经拥有活动跟踪器,因此已经拥有提供商用户帐户。下载相关数据后,我们从mSpider数据库中删除用户令牌,从而以匿名方式存储数据。
从研究参与者那里下载了每日步数、活动能量消耗、适度体育活动和剧烈体育活动的估计数据。通过将参与者的适度体育活动和剧烈体育活动结合起来,创建了一个中等至剧烈体育活动的变量(MVPA),这些变量是可用的。我们进一步下载了轻度体力活动、久坐时间、睡眠时间和不穿戴时间,用于活动追踪器的穿戴时间估计。数据下载限制在2019年1月1日至2020年12月31日之间。体育活动分析只包括来自研究参与者(即不包括志愿者)的数据。
只有佩戴活动追踪器至少10小时的日子被标记为
来自在线问卷的参与者特征以均值、SDs和范围表示。对于每个参与者,我们使用有效天数来创建2019年和2020年的每月和年度平均每天步数(步数/天)、每天活动能量消耗千卡(千卡/天)和每天MVPA(分钟/天)。2020年3月分为两个时期(截至3月12日及之后;也就是封锁日期)。对于每个变量,我们进行了以下比较:2019年(3月- 12月)与2020年(3月- 12月);2019年3月至2020年3月1日;2019年3月至2020年3月13-31日;2019年4月与2020年4月、2019年5月与2020年5月等;2020年3月,1-12,13-31。
我们创建了条形图来可视化不同时间段之间的差异。用直方图检查正态性。我们采用双面配对样本
北方医学和健康研究伦理区域委员会(文献164780)和挪威研究数据中心(文献628485)对该研究进行了审查。
在130名招募的研究参与者中,14人没有回复以下邀请邮件,3人拥有不受支持的活动跟踪器。最终113名参与者样本被纳入分析。在被纳入的参与者中,106人完成了在线问卷调查,并提供了他们的特征(
由于数据收集的匿名性质,我们无法访问有关参与者活动跟踪器模型的信息,只能访问他们的提供商。共有39名参与者使用Fitbit活动追踪器,74名参与者使用Garmin活动追踪器。没有参与者拥有Withings或Oura活动追踪器。
Fitbit和Garmin都提供步数、MVPA和活动能量消耗的数据。因此,在生成所有三个变量的月平均值时,所有113名参与者都被包括在内。月平均值由66.274次测量(即有效人日)计算。
参与者特征(n=106)。
变量 | 价值 | 范围 |
高度(cm),平均值(SD) | 173.5 (8.0) | 158 - 194 |
重量(kg),平均值(SD) | 76.0 (14.3) | 53.5 - -147.0 |
BMI(公斤/米2),平均值(SD) | 25.2 (4.0) | 18.3 - -50.3 |
年龄(年),平均值(SD) | 40.6 (10.6) | 21 - 69 |
女性,n (%) | 59 (56.2) | N/A一个 |
一个N/A:不适用。
与2019年3月相比,2020年3月13日至31日,参与者平均每天少走797步(
与2019年3月相比,2020年3月13日至31日的平均活动能量消耗降低了74千卡/天(
就MPVA而言,月度比较显示,从2019年到2020年5月,MPVA大幅增长(
每日步数和活动能量消耗期间的平均差值汇总,95% ci和
经期前和经期后每天的差异。
2019-2020年月度对比 | 步数(步数/天),平均差值(95% CI) |
|
爱意b(千卡/天),平均差值(95% CI) |
|
MVPAc(min/day),中位数(IQR) |
|
March-December | 349(-4到702) | 0。 | 29(-2到60) | 07 | 4(-6到4) | 03 |
3月1 - 12d | 28(-608至664) | 公布 | 21(-40到82) | 报 | -2(-14到-2) | .57 |
3月13-31e | -797(-1468到-126) | 02 | -74(-136到-11) | 02 | 2(-11到2) | 点 |
4月 | -123 (-850 ~ 605) | .74点 | -35(-105→34) | 收 | -1(-15到-1) | 结果 |
五月 | 53(-586至692) | .87点 | 2(-59到64) | 总收入 | 8(-6到8) | . 01 |
6月 | 301(-276到878) | .30 | 45(-7到97) | .09点 | 4(-10到4) | 07 |
7月 | 442(-232到1117) | .20 | 44 (-15 - 104) | .14点 | 1(-14比1) | 53 |
8月 | 326(-271到922) | 陈霞 | 24 (-24 - 72) | .33 | 2(-14到2) | 53 |
9月 | 324(-148至797) | 。 | 54(8至100) | 02 | 3(-7到3) | .008 |
10月 | 361(-290至1011) | 低位 | 41(-7到89) | .10 | 5(-6到5) | 02 |
11月 | 242(-442到927) | 的相关性 | 42(-22到106) | .20 | 4(-11到4) | 点 |
12月 | 491(-6到988) | 0。 | 32(-21到84) | 。 | 4(-8到4) | .04点 |
一个
bAEE:活动能量消耗。
cMVPA:中等到剧烈的体育活动。
d将2019年3月与2020年3月1日至12日进行比较。
e将2019年3月与2020年3月13日至31日进行比较。
每月每天平均步数的条形图,带SD(误差条)。
每天平均AEE的条形图,按月,带SD(误差条)。AEE:活动能量消耗。
每天MVPA中位数分钟的条形图,按月,带IQR(误差条)。Mvpa:中等到剧烈的体育活动。
在这项研究中,mSpider系统成功地从Garmin和Fitbit活动跟踪器用户下载了有关步数、活动能量消耗和MVPA的历史数据。纵向数据显示了COVID-19大流行期间身体活动的变化。
研究结果表明,由于COVID-19封锁,步数和活动能量消耗在短期内减少,但MVPA没有减少。然而,与2019年相比,参与者在封锁期后的一个月(即2020年5月)和2020年秋季的某些月(即9月、10月和12月)提高了MVPA水平。
本研究的结果得到了基于消费者的活动跟踪器提供商报告的支持。Garmin发布的一份声明显示,在2020年3月的最后两周,全球用户的步数明显下降,而其他活动的增加弥补了步数的减少[
谷歌在COVID-19爆发和封锁期间社区对体育活动的兴趣趋势分析显示,澳大利亚、英国和美国的体育活动主题谷歌搜索率有所上升[
这些研究支持了我们的发现,尽管限制措施将人们限制在家中,但他们找到了其他方法来保持习惯性的体育活动水平。相反,根据在线体育活动问卷,泰国的一项研究并未显示封锁解除后体育活动有任何增加[
总之,来自几家供应商和包括运动员和慢性疾病患者在内的用户群体的活动跟踪器数据显示,在COVID-19大流行期间,身体活动水平和模式发生了变化,但不同国家的发现有所不同。
对COVID-19大流行期间有关体育活动变化的分析表明,mSpider系统可以成为收集体育活动长期数据的宝贵工具,包括历史数据和检测体育活动随时间的变化。
在这项研究中,我们使用所提出的系统来回顾性地访问拥有私人活动跟踪器的参与者的数据。此前,我们在一项生活方式干预研究中成功地使用相同技术对参与者进行长期前瞻性身体活动监测,参与者佩戴所提供的活动追踪器长达1年([
Sun等人使用了一个类似于mSpider的系统,即疾病和复发的远程评估(RADAR)基础。
Radin等人的研究[
基于加速度计的身体活动数据的质量取决于参与者的磨损依从性。未来的流行病学研究可能受益于拟议的系统,促进长期数据记录,特别是来自年轻人,与老年人相比,他们在佩戴传统加速度计时可能不太顺从[
总之,我们发现mSpider系统是流行病学研究中现有身体活动监测工具的有趣补充。但是,必须牢记重大挑战。首先,与不使用运动追踪器的人相比,自行选择的用户通常更活跃。
这项研究的主要优势是对每位参与者长达2年的日常体育活动数据进行长期记录。这可以对2019年和2020年进行逐月比较,从而考虑到体育活动水平的潜在季节性差异。
该研究存在局限性,可能会影响研究结果。参与者是自行选择的身体活动追踪器的所有者,他们可能比一般人群更活跃。Anyan等人最近的一项研究[
mSpider是一个工作原型,目前能够记录来自多个基于消费者的活动跟踪器提供商的身体活动数据。该系统成功用于检测2020年挪威COVID-19封锁期之前、期间和之后身体活动水平的纵向变化。据我们所知,这是第一项报告挪威因COVID-19封锁而导致的身体活动变化的研究,使用了两年客观的基于消费者的活动跟踪数据。
应用程序编程接口
适度到剧烈的体育活动
疾病和复发的远程评估
具象状态转移
软件开发工具包
作者要感谢Martin Mikalsen在MSpider系统开发的早期阶段所做的贡献。该研究由挪威北极大学的UiT主题优先拨款“公共卫生的个性化医疗”资助。本研究的出版费用由挪威北极大学UiT的出版基金提供。
没有宣布。