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 图1(1) the Web前端, (2) 服务器后端，和(3) 手机应用程序．的 Web前端用于管理调查，并在授予对其活动跟踪器数据的访问权限时方便参与者授权。的 服务器后端存储参与者授权访问信息，处理mSpider与受支持提供商的云存储之间的数据传输，并存储下载的活动跟踪器数据。的 手机应用程序如果服务器后端和提供商云存储之间不能直接进行通信(例如，三星和苹果活动跟踪器)，则进一步便利了提供商的授权和数据传输。对于这些提供商，通信通过提供商移动应用程序执行，并通过mSpider移动应用程序上传到mSpider服务器后端。

图1给出了mSpider系统的体系结构概述，支持哪些提供者，以及系统之间的通信路径。红色虚线表示参与者授权的通信路径。为了共享数据，三星和苹果活动跟踪器的用户必须安装mSpider移动应用程序，并通过提供商的移动应用程序通过该应用程序发起授权。所有其他受支持的提供商通过web前端发起授权，使用开放授权，参与者不需要安装mSpider应用程序 服务器后端外部系统向提供商显示，在参与者授予访问权限后，服务器后端在何处发起拉取请求，直接从提供商云存储中获取数据。灰色虚线显示了在提供者端(如Garmin)使用推送请求到服务器后端特定于提供者的接口发起数据传输的提供者。mSpider移动应用收集的数据也会推送到mSpider服务器后端。

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[ 8］．

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 客户机标识符而且 客户的秘密，将mSpider标识为数据检索的授权应用程序。这些凭证是由外部系统(即提供者)在mSpider应用程序成功注册到每个提供者时提供的。

此外，a 令牌标识符而且 令牌的秘密由外部系统在活动跟踪器用户注册参与研究时提供。令牌用于标识未来对提供者云存储的拉请求(或来自提供者的推请求)中的参与者。在提供者系统和mSpider系统之间不传输直接可识别的信息。所有通信都通过安全套接字层协议(即HTTPS)进行加密。

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。 9也是开发web服务时常用的一种风格。RESTful API(即使用http请求的API;例如，GET, POST)使用无状态架构，其中必要的信息，包括参与者标识(即令牌)，随请求一起传输。为了访问来自不支持REST API的提供商的数据，mSpider移动应用程序使用特定于提供商的软件开发工具包(sdk)开发，这些工具包允许通过特定于提供商的移动应用程序访问活动跟踪器数据。 表1给出了提供者的概述，以及我们使用哪些API或SDK来访问数据。

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。 表2给出了每个供应商与本研究相关的可用变量列表，以及我们如何使用这些变量来定义有效天数(即活动追踪器佩戴时间足够纳入日常体育活动分析的天数)。可用变量的完整列表可以在提供者文档( 表1）.

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 有效的天［ 17］．由于并非所有供应商都能做到这一点( 表2)，记录步数少于150步的日子被排除在外。在数据下载完成后，我们通过删除用户令牌来删除用户的提供者和mSpider工具之间的连接。因此，所有关于体育活动的数据都是匿名存储的。研究人员向参与者发送了一份匿名在线问卷，以收集有关性别、年龄、身高和体重的自我报告数据。

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 t根据正态性，采用双侧配对Wilcoxon符号秩检验或双侧配对Wilcoxon符号秩检验来测试不同时间段之间体力活动的差异。通过只纳入两个时期数据的参与者来分析两个时期的差异。双面的 P值<。05例被认为有统计学意义。使用R版本4.0.3 (R基础统计计算)进行统计分析。

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( 表3）.

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。

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( P= .02点)。同样，与2020年3月1日至12日相比，2020年3月13日至31日(封锁前)的参与者平均每天少走913步; P<措施)。其余的步骤比较没有显示出差异。

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( P= .02点)。此外，2020年3月13日至31日(封锁后)的平均活动能量消耗比2020年3月1日至12日(封锁前; P=措施)。然而，与2019年9月相比，2020年9月的活动能量消耗平均高出54千卡/天( P= .02点)。其余的活动能量消耗比较没有显示出差异。

就MPVA而言，月度比较显示，从2019年到2020年5月，MPVA大幅增长( P= . 01;中位数相差8分钟)，9月( P= .008;中位数差3分钟)，十月( P= .02点;中位数相差5分钟)，以及十二月份( P= .04点;中位数差异为4分钟)，以及年度比较( P= .03点;中位数差异为4分钟)。其余的MVPA比较显示无差异。

每日步数和活动能量消耗期间的平均差值汇总，95% ci和 P每个的值 t测试，是给定的 表4．该表还给出了MVPA期间每天差异的中位数，带有iqr和 P每个Wilcoxon检验的值。由于我们使用了配对检验，因此分析只包括有前期和后期数据的参与者，因此是基于76至107名参与者的数据。 图2而且 图3给出了2019年3月至2020年12月的月平均步数和活动能量消耗。 图4给出了同期MVPA的中位数。

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[ 18］．Withings报告称，在全国封锁期间，用户的步数暂时下降[ 19］．同样，一项利用智能手机应用程序记录的体育活动数据对英国成年人进行的研究显示，在2020年3月英国全国封锁期间，他们的体育活动显著减少[ 20.］．

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[ 21］．一项使用活动追踪器数据对德国运动员进行的研究表明，更短、更剧烈的运动取代了更长的运动。 22］．

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[ 23]，孟加拉国的一项研究表明，封锁期间不活动的患病率很高[ 24］．

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([ 25， 26]和Hopstock等人，未发表的数据，2020)。

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。 27)，他们观察了在全国封锁期间，佩戴Fitbit追踪器的慢性病患者每日步数的变化。RADAR-base是一个开源平台，用于从智能手机、Fitbit和Garmin活动追踪器以及一些研究级加速计收集身体活动数据[ 28］．RADAR-base使用与mSpider类似的技术，但数据收集仅限于两家基于消费者的活动跟踪器提供商。

Radin等人的研究[ 29]成功地将历史数据(由Fitbit手动提供)映射到已知的流感爆发。这也表明了拟议的系统作为疾病爆发监测工具的潜力，其中身体活动减少和静息心率升高相结合的参与者集群可用于指示一个地区的疾病爆发。

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[ 30.]但更有可能拥有并佩戴运动追踪器[ 31］．因此，长期活动追踪器数据可以增加和丰富基于加速度计的数据收集，特别是来自年轻参与者的数据。

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。 31， 32］．其次，不同活动跟踪器的准确性可能有很大差异，因此活动跟踪器的选择将影响报告的性能[ 5， 33， 34］．在人口水平上，该系统在检测身体活动随时间的变化方面可能比估计身体活动的绝对水平表现得更好。

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[ 35调查挪威封锁期间的身体活动变化(使用问卷数据)发现，14%的参与者报告身体活动水平下降，22%报告增加，64%报告身体活动水平没有变化。因此，本研究存在选择偏倚的风险(即样本可能不能代表一般人群)。尽管如此，在研究期间观察到的该样本体力活动水平的变化证明了mSpider系统的有用性。此外，由于匿名数据收集，我们无法将参与者特征与身体活动数据联系起来，以检查性别、年龄或其他特征的身体活动(例如，活动跟踪模型)。

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。