大學生24 h活動行為和心肺適能關系的成分數據分析

劉佳佳 周儻 李易燕 全明輝

摘? ? 要? ?目的：運用成分數據分析探究大學生24 h活動行為與心肺適能（cardiorespiratory fitness，CRF）的關系，以及各活動行為間等時替代后CRF的預測變化。方法：數據來源于“上海體育大學校友健康隊列研究”。共納入1 039名大學生［男生517人，女生522人，平均年齡（21.46±0.9）歲］作為研究對象。使用ActiGraph GT3X＋三軸加速度計測量久坐行為（sedentary behavior，SB）、輕體力活動（light physical activity，LPA）和中高強度體力活動（moderate-to-vigorous physical activity，MVPA）及自主報告的方式采集睡眠數據。通過功率自行車進行有氧代謝測試以評估CRF，利用雙能X射線吸收儀評估受試者的身體成分。采用成分數據分析探究24 h活動行為與CRF的關系，并以成分等時替代模型探究各項活動行為時間相互替代后，CRF的預測變化情況。結果：1）調整混雜因素后，結果表明24 h活動行為與CRF有顯著關聯。相對其他活動行為，MVPA和CRF成正相關，SB與CRF成負相關，未發現睡眠和LPA與CRF的關聯。2）亞組分析顯示調整混雜因素后發現，高體脂率組和非體育生組與上述結果一致；低體脂率組和體育生組未發現各分量與CRF相關。3）在等時替代結果中，MVPA等時替代其他活動行為，CRF增加的幅度要遠小于其他活動行為等時替代MVPA時CRF下降時的幅度。結論：MVPA和SB行為是影響大學生CRF的主要因素，相對于簡單地控制SB行為，更應鼓勵將更多SB行為轉成MVPA行為，尤其是高體脂率的學生。

關鍵詞? ?24 h活動行為；體力活動；久坐行為；睡眠；心肺適能；成分數據分析

中圖分類號：G804.2? ? ? ? ? ?學科代碼：040302? ? ? ? ? ?文獻標志碼：A

DOI：10.14036/j.cnki.cn11-4513.2024.02.010

Abstract? Aim： To examined the relationship between 24 h movement behaviors composition and cardiorespiratory fitness （CRF） of undergraduate， and investigated predicted changes in CRF when time in movement behaviors is reallocated. Methods： Data was obtained from the Shanghai University of Sport Alumni Health Cohort Study. A total of 1 039 college students （male 517; female 522; mean age： 21.46 ± 0.91） were included in analyses for this study. Sedentary time （SB）， light-intensity physical activity （LPA）， and moderate- to vigorous-intensity physical activity（MVPA） were measured with ActiGraph GT3X+ accelerometers. Sleep duration was subjectively measured. The maximum aerobic metabolic exercise testing on an electrically braked bicycle ergometer was performed to assess CRF， and body composition was assessed by dual-energy X-ray absorptiometry. The compositional analysis was used to verify the association between 24 h movement behaviors and CRF. In addition， the compositional and isotemporal reallocation analysis was used to assess predicted changes in CRF after the time reallocation of various activities. Results： 1） After adjusting for confounding factors， compositional data showed that 24 h movement behaviour had significant statistical correlation with CRF. Compared with other activities， the time distribution of MVPA was significantly positively correlated with CRF， while the time distribution of SB was significantly negatively correlated with CRF. There was no significant correlation between the temporal distribution of LPA. 2） In the subgroup analysis， after adjusting confounding factors， the findings of the hgih body fat percentage group and the non-sport major studentsgroup were consistent with the above results; however， there is no relationship between CRF and each component of the low body fat percentage group and the sport-major students group. 3） In compositional isotemporal substitution analysis， when MVPA replaces other movement behaviors， the range of increasing CRF are lower than the range of declining CRF when other movement behaviors replace MVPA. Conclusion： MVPA and SB are the main factors influencing undergraduatesCRF， comparing controlling SB， it's more important to encourage them spend time in MVPA than SB， especially student who are high body fat percentage.

Keywords? ?24-hour movement behaviours; physical activity; sedentary behaviour; sleep; cardiopulmonary fitness; compositional analysis

心肺適能（cardiorespiratory fitness，CRF）是衡量心臟將含氧氣豐富的動脈血輸送到各組織臟器（如肌肉）能力的良好指標［1］。美國心臟協會（AHA）早在2016年建議將CRF作為人體第五大生命體征［2］，并在2022年發表科學聲明，強調關于檢測青少年的CRF以預防過早發生心血管疾病的重要性［3］。目前，國家教育部門加強對大學生體質健康的管理，大學生體質健康不良情況有所改善，但是不良生活作息、飲食攝入增加和體力鍛煉減少仍引起學生身體素質下降、心血管疾病、死亡率呈年輕化趨勢等健康問題［4］。CRF被視為心血管疾病和全因死亡率的有效預測因子［5］，在維持和提高生活質量方面具有重要作用。因此，如何維持和提高大學生的CRF具有重要的公共健康意義。

在全球范圍內，CRF下降與體力活動（physical activity，PA）減少和久坐行為（sedentary behaviors，SB）時間的增加密切相關［6］。但是前期多數研究孤立地探究PA和SB與CRF的關系，并認為PA和SB對CRF均有獨立影響［7-8］，尚未意識到有限的24 h內，各活動行為之間本質上是相互聯系的［9］。24 h活動行為被視為從無強度到高強度的活動連續體［10］，主要由PA、SB和睡眠組成，其中PA可分為中高強度體力活動（moderateto-vigorous physical activity，MVPA）和輕體力活動（light physical activity，LPA）。隨著研究的深入，學者們發現，采用傳統線性回歸分析24 h活動行為無法解決各活動行為之間的共線性，缺乏一定的科學性，并且忽視用整體觀點看待不同活動行為組合的必要性［11］。然而，成分數據分析的出現，為解決目前研究的困難提供了新的思路。

成分數據指的是含有多個分量，且每個分量相加總和為常數，具有“定和限制”特性的數據［12］。從數據特征而言，24 h活動行為即為成分數據，具有固定的24 h總時間，且受到其中一項活動行為時間的增加必然伴隨其他活動行為時間減少的限制。成分數據分析的本質是采用等距對數比變換（isometric log-ratio，ILR）以解決“定和限制”問題，再采用傳統的回歸分析方法探究各個成分數據分量與健康結局之間的關系。迄今為止，國外采用成分數據分析探究24 h活動行為和健康指標的關系涉及運動技能［13］、肥胖、CRF和心血管代謝［14］，但在我國，成分數據分析的應用較多地停留在理論層面［11，15］，實證研究運用此方法時涉及肥胖［16-17］、基本運動技能［18］、身體素質［19］和體質健康［20-21］，主要集中于兒童［17-20］和青少年［21］。采用成分數據分析探究24 h活動行為與CRF之間關系的研究數量有限，仍需更多的研究證實兩者間的關聯。

本研究關注于上海市大學生的CRF，使用成分數據分析方法探討24 h活動行為與CRF的關系，并分析24 h活動行為之間等時替代后，大學生CRF的預期變化，旨在為科學促進國民健康，研制我國大學生24 h活動行為指南提供關鍵的理論與實踐支撐。

1? ?研究方法

1.1? ?研究對象

該橫斷面研究數據來源于“上海體育大學校友健康隊列研究”的基線數據。該健康隊列研究的目的是為了探究大學生日常身體活動和體質健康水平的縱向關系及其影響因素。數據采集時間為2018年10月—2019年1月和2019年10月—2020年1月。所有參與者均充分了解本項目的研究目的和意義后自愿簽署《知情同意書》。受試者在研究過程中如有任何不適均可無條件退出。本研究經上海體育大學倫理委員會批準（倫理委員會代碼：2018047），并在中國臨床實驗注冊中心進行登記注冊（批準號：ChiCTR2000028981）。

本研究在2018年和2019年秋季入學新生中共招募1 758名受試者。其中：446名受試者加速度傳感器數據不符合要求；150名受試者最大攝氧量數據缺失；12名受試者體脂率（body fat percentage，BF%）數據缺失；111名受試者基本信息數據不完整。共計1 039名各項數據完整者被納入最終統計分析。受試者納入標準：1）上海體育大學2018年和2019年秋季入學的19～24歲的新生；2）自愿參與本項目并簽署《知情同意書》。受試者排除標準：1）患有心臟病、呼吸系統、腎或肝臟及其他慢性病者；2）嚴重骨骼肌肉關節病或由于精神、體力障礙而無法進行運動實驗者；3）無法滿足PA數據采集要求者。

1.2? ?身體形態指標測量及基礎信息調查

1）采用人體測試儀（4643a，Tanita）并嚴格參照《國民體質測定標準手冊及標準》要求測量受試者的身高和體重，身高精確到0.1 cm，體重精確到0.1 kg。2）采用問卷調查收集受試者的性別、出生日期、父母學歷（小學及以下、初中、高中、大專、本科、研究生）、生源組（體育生組：體育教育訓練學院、體育休閑與藝術、武術學院及中國乒乓球學院；非體育生組：體育新聞傳播與外語學院、運動健康學院、經濟管理學院、國際教育學院及傳媒與藝術學院）及睡眠時長。考慮到我國大學生當前較為普遍的睡眠時長及異常值，睡眠時長低于6 h則不納入分析［22］。

1.3? ?體力活動和久坐行為數據采集

采用三軸加速度傳感器“ActiGraph GT3X+”（ActigraphLLC，Pensacola）測量受試者的MVPA、LPA和SB數據。ActiGraph GT3X＋已被證實是客觀評價成年人身體活動水平的有效手段，能夠準確區分SB和非SB［23］。首先，加速度傳感器佩戴于受試者的右側髂嵴上部，要求除睡覺、洗澡和游泳時間外連續佩戴7 d，包括5個工作日和2個周末日，以采集受試者的MVPA、LPA和SB數據。其次，工作人員于第8天上午收回數據。再其次，佩戴時長超過18 h和低于10 h的不納入分析。

測試開始前，進行受試者的集中儀器指導，確保儀器正確地佩戴和使用。數據采集完畢后，使用軟件“Actilife”（Version 6.11.9）對原始數據進行下載和處理分析。在征得受試者同意后，對數據缺失或不符合者進行補測。根據Freedson等提出的身體活動強度分類標準［24］，將SB界定為 0～199 counts/60 s、LPA界定為199≤counts≤2 689/60 s、MVPA界定為2 690≤counts /60 s。加速度計非佩戴時間定義為至少連續60 min的零計數［25］，要求受試者至少佩戴4 d，包括3個工作日和1個周末日。

1.4? ?心肺適能

基于大樣本人群，采用功率自行車（MATRIX Active Cycle U1X，Takei）對受試者的CRF進行測量。受試者根據身高調整座椅至合適高度，將雙手握在扶手上的電極片處，以測量安靜心率。安靜心率測量完成后，根據提示音有節奏地踩踏功率自行車。通過亞極量心率來計算最大攝氧量，受試者在功率自行車上進行3個階段強度的遞增負荷測試。從第一負荷到第三負荷增加的順序依次為40%、50%和 60%的最大攝氧量對應心率。通過機器內置軟件計算最終攝氧量，最后將相當于80%的最大攝氧量的對應心率代入計算出來的負荷和心率回歸方程中，計算相當于80%的最大攝氧量負荷，再將其代入Astrand-Rhyming列線圖，再通過年齡校正公式和福岡大學校正公式計算出最終結果［26］，精確到0.1 mL/（kg·min-1）。

1.5? ?身體成分

本研究采用雙能X射線吸收儀（GE Prodigy Lunar DXA）測量受試者的身體成分。雙能X射線吸收儀是目前最常用的人體成分測量技術之一，被視為人體脂肪測量的金標準［27］。按照測試指南要求進行檢測，根據中國人心血管代謝風險所設定的BF%切點，分為高BF%組（男生BF%≥24.0%，女生BF%≥33.0%）和低BF%組（男生BF%<24.0%，女生BF%<33.0%）［28］。

1.6? ?健康行為量表

受試者的健康行為和健康認知得分是根據Cassi-dy等編制的健康行為量表［29］進行評價。受試者在填量表前將被告知：“從自己的實際情況出發，對下列行為在您生活中出現的頻率進行評價”。筆者根據受試者所選擇的選項確定單項題目得分，1～5分的選項分別為“從不”“很少”“有時”“經常”和“總是”。問卷共計21個問題，前15個問題各選項得分相加即為健康行為得分，后6個問題各選項得分相加即為健康認知得分，得分越高，表明健康行為越頻繁。健康行為得分滿分為75分，健康認知得分滿分為30分，健康行為總分為105分。

1.7? ?飲食習慣

有研究表明，高BF%的人群CRF會降低［30］，而飲食習慣會影響受試者的BF%。因此，采用Fulkerson等編制的飲食習慣問卷［31］對受試者飲食習慣進行調查。具體包括：受試者的健康飲食行為關注度、健康飲食妥協行為、喝飲料頻率和不良飲食偏好。

1.8? ?質量控制

在所有項目測試前，所有測試人員均根據測試標準進行統一培訓，并完成專門考核，確保其熟練掌握測試方法。數據錄入由2名測試人員獨立進行，并比較數據錄入結果是否有出入，及時排查不一致結果。

1.9? ?統計分析

考慮到CRF和肥胖的密切關系［32］以及樣本的特殊性（體育院校學生），所有模型均按照BF%（低BF%組和高BF%組）和生源類別［即是否參加體育高考（體育生組與非體育生組）］進行亞組分析，并調整混雜因素。

本研究數據分析遵循Chastin等發表的“成分數據分析指南”［9］。由于收集到的數據并非完整的24 h，本研究使用“閉合法”對數據進行標準化處理［16］。基于實測的睡眠時間進行處理。具體公式為：

dx=（）×（1 440-S）? 1），

式中：d為具體某一行為（SB、MVPA或LPA）的實測值，BSB為SB值，AMVPA為MVPA值，ALPA為LPA值，S為睡眠時間。

成分數據分析共分為4步：1）以成分幾何平均數顯示24 h活動行為的集中趨勢，以變異矩陣（即成對等距對數比方差）反映24 h活動行為的離散情況，如ln（AMVPA/S）的方差。方差接近0意味著相對應的2個行為之間存在高相互依賴性，越接近1越說明存在低相互依賴性。2）采用等距對數比轉換，根據公式進行各活動行為轉換［9］。3）采用ILR轉換，將成分數據根據公式進行轉換。

轉換1：

轉換2：

轉換3：

轉換4：

。

將等距對數比轉換后的4個成分數據作為自變量，CRF作為因變量進行成分數據分析。成分回歸的結果可解釋為：某項活動行為時間占比（而非絕對時間）相對其他行為時間與CRF的關系；4）根據擬合的成分回歸模型，以15 min為單位重新分配時間［33］，計算CRF的預期變化差異。即保持總時間（1 440 min）和其他活動行為時間不變的前提下，將某項活動行為的15 min分配給另一種活動行為，如保持LPA和睡眠時間不變，MVPA時間增加，SB時間減少。

本研究所有分析采用JMP（JMP Statistical Discove-ry LLC，SAS Campus Drive，Cary，NC 27513，USA）進行數據分析和處理。

2? ?結果

2.1? ?描述性統計

成分幾何均數可顯示成分數據的集中趨勢，變異矩陣可體現成分數據內部的離散程度（見表 1 ）。24 h活動行為時間分布結果顯示：MVPA、LPA、SB及睡眠的成分幾何均值及其比例依次為98.86 min（7%）、289.68 min（20.6%）、561.27 min（39.9%）及456.97 min（32.5%）。在不同BF%組中，低BF%組LPA（21.2%）和MVPA（7.3%）的時間占比大于高BF%組的LPA（18.7%）和MVPA（6.3%）的時間占比；而睡眠和SB的時間占比則相反（高BF%組：32.6%和42.4%；低BF%組：32.4%和39.1%）。在不同生源組中，體育生組LPA（21.8%）和MVPA（8.2%）的時間占比大于非體育生組的LPA（19.1%）和MVPA（5.9%）的時間占比；睡眠占比相同，SB的時間占比則相反（非體育生組占比為42.6%；體育生組占比為37.6%）。

依據變異矩陣可知，在總體及不同亞組中，SB和睡眠的對數比方差最小〔ln （BSB/S） = 0.08〕，表明2種行為的相互依賴性最高。此外，與其他活動行為的對數比方差相比，MVPA與LPA（0.17）的對數比方差最小，與SB的（0.27）對數比方差最大。這表明MVPA和LPA的相互依賴性最高，和SB的相互依賴性最低。

2.2? ?24 h活動行為與心肺適能的關聯

調整混雜因素后，總體樣本的MVPA時間占比相對其他活動行為與CRF呈正相關（βMVPA =1.71，p=0.01），SB時間占比與CRF呈負相關（βSB = - 2.38，p= 0.01）。亞組分析結果與總體樣本的結果一致。即相較其他活動行為，低BF%組（βMVPA=1.97，p=0.01）和體育生組（βMVPA=2.32，p=0.02）的MVPA時間占比與CRF呈正相關，低BF%組（βSB=- 2.7，p=0.01）和體育生組（βSB=-2.89，p=0.02）的SB時間占比與CRF呈負相關。各組中均未見LPA和睡眠相較其他活動行為與CRF的關聯（p>0.05）。

2.3? ?24 h活動行為與心肺適能的成分等時替換模型

參照Fairclough等研究中的研究方法［34］，表3顯示保持其余活動行為不變，當15 min從行中的行為時間重新分配到列中的行為時，即列中的活動行為時間增加，CRF的預測出現差異。在總體樣本中，將15 min MVPA等時替代睡眠、SB或LPA、CRF分別增加0.17mL/（kg·min-1）、0.27mL/（kg·min-1）和0.25 mL/（kg·min-1）；但是將15 min睡眠、SB和LPA等時替代MVPA時，CRF分別降低0.2mL/（kg·min-1）、0.3mL/（kg·min-1）和0.28 mL/（kg·min-1）。此外，將15 min SB等時替代睡眠或LPA時，CRF分別降低0.1mL/（kg·min-1）和0.02 mL/（kg·min-1），將15 min 睡眠或LPA等時替代SB時，CRF分別增加0.1 mL/（kg·min-1）和0.02 mL/（kg·min-1）。

成分等時替代時，CRF的變化結果存在不對稱性。換言之，伴隨MVPA等時替代其他行為時間的增加，大學生的CRF會緩慢增強，但其他活動行為代替MVPA時，CRF會迅速下降。例如，當將60 min的MVPA等時替代SB行為時，CRF上升0.94 mL /（kg·min-1），而同樣時間的SB等時替代MVPA時，CRF則下降1.57 mL/（kg·min-1）（如圖1所示）。

3? ?討論

3.1? ?研究主要發現

本研究運用成分數據分析探究大學生24 h活動行為和CRF的關系以及時間重新分配后CRF的預測差異，主要有以下發現。首先，成分數據分析證實了24 h活動行為與CRF顯著相關，但是24 h活動行為各分量（MVPA、LPA、SB和睡眠）與CRF的關聯性不同，MVPA和SB相對其他行為與CRF有顯著關系，但并未發現LPA和睡眠相對其他行為與CRF的關系。其次，不同亞組的24 h活動行為分量與CRF的關聯性結果并不一致。最后，在成分等時替代時，CRF增強或下降的大小取決于取代或被取代的活動行為，且存在非對稱性。

3.2? ?24 h活動行為與心肺適能關聯性同類研究比較

本研究結果顯示，24 h活動行為與CRF顯著相關，這與關于老年人［33］、孕婦［35］、學齡前兒童［36］、學齡兒童［37-38］等人群的研究結果一致。但是目前多數研究中并未探討各種身體活動行為分量（MVPA、LPA、SB和睡眠）與CRF的關聯［33，35-37］。

本研究結果表明，相較其他身體活動行為，MVPA與CRF呈正相關（YMVPA=1.71， p=0.01），且SB相對其他活動行為與CRF呈負相關（YSB =-2.38，p=0.01），但并未發現LPA與睡眠相對其他身體活動行為與CRF的關系。換言之，當其他身體活動行為時間不變時，增加MVPA行為或減少SB行為均利于CRF的增加。目前采用成分數據分析單獨反映24 h活動行為各分量（MVPA、LPA、SB和睡眠）與CRF之間關聯的研究較少，僅發現Carson等同樣采用成分數據分析對6～17歲的兒童青少年調查了24 h活動行為各分量與CRF的關聯［38］，并且與本研究結果一致。從生理學角度而言，運動訓練是促進CRF的有效手段［39-40］，這在一定程度上支持了增加MVPA時間會對CRF產生有利影響的結論。長時間參與MVPA有利于心肌纖維的適應性增強，從而能對CRF產生有利的影響［41］，但是SB行為則相反，經常SB的人群，其靜息心率和血壓會更高、血管舒張功能降低，會使血管變得僵硬，并使血流變化反應下降［42］。從身體姿勢而言，人體處于SB時，下肢長時間低于心臟，會使血液循環流動減緩［43］。因此，經常SB的人長時間從事有氧耐力活動會感到更困難。

部分研究顯示，肥胖是影響CRF與健康風險之間關系的重要因素［44-45］。因此，基于肥胖與CRF存在的關聯以及當前樣本量的特殊性，本研究在分析數據時分別進行了BF%組（低BF%組 vs 高BF%組）和生源組（體育組 vs 非體育組）的亞組分析，結果發現，不同亞組的24 h活動行為分量與CRF的關聯性結果并不一致。低BF%組和體育生組的MVPA相對其他身體活動行為與CRF呈正相關；而SB與CRF呈負相關，但是在高BF%組和非體育生組中僅發現部分身體活動行為分量（MVPA、SB、LPA或睡眠）與CRF的關聯存在邊界效應。這可能與各種身體活動行為時間占比有關，低BF%組和體育生組的LPA、MVPA時間占比均高于高BF%組和非體育生組的LPA和MVPA時間占比。有研究發現，多參與PA是人體維持和發展CRF的重要途徑［46］，低BF%組和體育生組明顯更傾向于參與更多的PA。然而，高BF%組和非體育生組相對有更少的MVPA和更多的SB。由此可見，低BF%組和體育生組的24 h活動行為時間的分配相對于高BF%組和非體育生組的24 h活動行為時間分配要更合理。因此，本研究認為，更健康合理的24 h活動行為模式會對CRF產生積極的影響。

3.3? ?24 h活動行為與心肺適能關系的成分等時替代同類研究比較

24 h活動行為各分量和CRF等時替代分析結果表明，不同的身體活動行為分量等時替代后，CRF的結果不同。其中，MVPA等時替代其他身體活動行為時有利于提高CRF，并且MVPA等時替代SB產生的健康效益最大。學齡前兒童［36］、學齡兒童［19，37］和青少年［38］的相關研究均支持本研究結果。現行的相關指南同樣建議將不活躍的身體活動行為（如SB和睡眠）轉變為MVPA，并認為這有利于身體健康，但是從現實角度而言，提倡用MVPA代替睡眠并不有利于身體健康，人體在睡眠過程中會促進身體的修復和發育［47］。

本研究發現，SB等時替代其他身體活動行為時會產生不利的CRF結果。目前有研究者對不同行為模式的SB和健康指標進行了深入的探討［48］，將SB的模式分為總SB時間（全天時間SB的綜合）和SB打斷次數（持續SB時間內，用其他身體活動行為停止SB的次數）等。但實際上，這些研究的核心在于將SB的時間縮短，以增加LPA或MVPA的時間（主要是LPA時間），從而觀察人體獲得的健康效益。部分研究者認為，多參與PA可有效減少SB產生的不利影響，但有研究者發現即使是遵守PA指南的個體，SB時間過長也會增加有害健康的風險［49］。本研究從24 h活動行為的相互聯系的角度分析認為，SB時間的減少必然引起其他身體活動行為時間的增加，而本研究結果鼓勵分配更多的SB時間到MVPA上，即便是短時間的MVPA也足夠避免潛在的CRF危害。

同一身體活動行為等時替代其他身體活動行為和其他身體活動行為等時替代該身體活動行為時，CRF增強或下降的大小具有不對稱性。由圖1可知，MVPA等時替代其他身體活動行為，CRF增強的幅度小于其他身體活動行為等時替代MVPA時的CRF下降的幅度。因此，大學生有必要用MVPA代替SB或LPA行為以維持或增強CRF。同時，該現象在老年人［33］和學齡前兒童［34］中均有類似的發現。這一現象或許有以下2個原因。首先，各種身體活動行為占24 h活動行為時間的相對比例不同。從表1可知，SB占一天中的身體活動時長的39.9%（561.27 min/d），從中減少15 min，只占了2.5%，而MVPA（289.68 min/d）減少15 min，占比則為19.2%。因此，從MVPA中減少15 min產生的影響更大。此外，PA帶來的益處具有積累效應。從運動訓練的角度理解，長期保持運動訓練的人，CRF會有所增強，但是當個體停止運動后，CRF會迅速下降［20］。

3.4? ?研究優勢與不足

本研究的優勢在于采用加速度計測量除了睡眠以外的身體活動行為，以保證數據的準確性，并且在大學生人群開展研究，豐富當前研究不同人群的研究證據，但是本研究不可避免地存在一些局限。首先，睡眠信息采用自主報告的方式收集，與使用其他客觀監測方法的研究相比存在一定偏差。其次，沒有針對潛在的重要混雜因素進行調整，如吸煙、飲酒等。再者，本研究受試者來源集中，研究結果無法代表其他地區和特征的大學生人群，需要更大、更具代表性的樣本進行縱向研究。最后，在橫斷面的研究設計上，等時替換模型是采用預測公式來反映身體活動行為時間重新分配后的變化情況，而非采用干預手段對受試者24 h活動行為時間進行重新分配，無法得出因果關系［9］。

4? ?結論與展望

4.1? ?研究結論

本研究支持更健康合理的24 h活動行為模式會與CRF產生積極的關系。本研究結果表明，大學生24 h活動行為與CRF顯著關聯，主要表現在MVPA和SB。本研究結果顯示，應關注肥胖和非體育生人群的MVPA和SB行為時間占比，以合理維持和增強我國大學生的CRF水平。

4.2? ?未來的研究建議

建議未來開展更多縱向跟蹤性研究和實驗性研究，通過各個行為的組合模式進行干預。例如：不同身體活動行為時間的具體分配，以探究制定最佳的身體活動行為時間分配計劃；其次，還可著眼于身體活動行為組合的平衡點研究，以探究組合內PA活動量的最低閾值、SB的最高閾值和睡眠時長的最佳區間，但行為組合的最佳模式并非追求最高的健康效益，而應該關注于最合適和可實施的、可持續性的最佳平衡點。最后，有必要探究特殊人群24 h活動行為與CRF的關系，以及24 h活動行為時間重新分配對CRF的影響。

參考文獻：

［1］? 王建平，王人衛，張春華，等. 體適能評定理論與方法 ［M］. 上海： 上海教育出版社，2013： 132.

［2］? ROSS R， BLAIR S N， ARENA R， et al. Importance of assessing cardiorespiratory fitness in clinical practice： A case for fitness as a clinical vital sign： A scientific statement from the American heart association［J］. Circulation， 2016， 134（24）： 653-699.

［3］? RAGHUVEER G， HARTZ J， LUBANS D R， et al. Cardiorespira-tory fitness in youth： an important marker of health： A scientific statement from the American heart association ［J］. Circulation， 2020， 142（7）： 101-118.

［4］? 教育部體育衛生與藝術教育司. 第八次全國學生體質與健康調研有關情況介紹 ［EB/OL］.（2021-09-03）［2023-06-25］.https：//www.chinanutri.cn/xwzx_238/xyxw/202109/t20210903_235870.html.

［5］? FARDMAN A， BANSCHICK G D， RABIA R， et al. Cardiorespi-ratory fitness is an independent predictor of cardiovascular morbidity and mortality and improves accuracy of prediction models［J］. Canadian Journal of Cardiology， 2021， 37（2）： 241-250.

［6］? LAVIE C J， OZEMEK C， CARBONE S， et al. Sedentary behavi-or， exercise， and cardiovascular health［J］. Circulation Resear-ch， 2019， 124（5）： 799-815.

［7］? MOORE J B， BEETS M W， BARR-ANDERSON D J， et al. Sedentary time and vigorous physical activity are independently associated with cardiorespiratory fitness in middle school youth［J］. Journal of Sports Sciences， 2013， 31（14）： 1520-1525.

［8］? ERIKSEN L， GR？覫NBAEK M， HELGE J W， et al. Cardiorespira-tory fitness in 16025 adults aged 18-91 years and associations with physical activity and sitting time［J］. Scandinavian Journal of Medicine and Science in Sports， 2016， 26（12）： 1435-1443.

［9］? CHASTIN S， JAVIER P A， DONTJE M L， et al. Combined effec-ts of time spent in physical activity， sedentary behaviors and sleep on obesity and cardio-metabolic health markers： A novel compositional data analysis approach［J］. Plos One， 2015， 10（10）： 1-37.

［10］? KUZIK N， POITRAS V J， TREMBLAY M S， et al. Systematic review of the relationships between combinations of movement behaviours and health indicators in the early years （0-4 years） ［J］. BMC Public Health， 2017， 17（5）： 109-121.

［11］? 張婷，李紅娟. 成分數據分析方法在身體活動與健康研究領域的應用展望［J］. 體育科學，2020，40（9）：74-82，97.

［12］? DUMUID D， ？譕ELJKO P， STANFORD T E， et al. The composit-ional isotemporal substitution model： A method for estimating changes in a health outcome for reallocation of time between sleep， physical activity and sedentary behaviour［J］. Statistical Methods in Medical Research， 2017， 28（3）： 846-857.

［13］? MARTINS C， CLARK C， BANDEIRA P R， et al. Association between compliance with the 24-hour movement guidelines and fundamental movement skills in preschoolers： A network perspective［J］. International Journal of Environmental Research and Public Health， 2020， 17（15）： 1-13.

［14］? JANSSEN I， CLARKE A E， CARSON V， et al. A systematic review of compositional data analysis studies examining associ-ations between sleep， sedentary behaviour， and physical acti-vity with health outcomes in adults［J］. Applied Physiology， Nutrition， and Metabolism， 2020， 45（10）： 248-257.

［15］? 宋俊辰，李紅娟，王政淞. 時間使用流行病學在身體活動研究領域的應用［J］. 體育科學，2020，40（1）： 79-88.

［16］? 那曉娜，朱珠，陳陽陽，等. 身體活動、靜坐行為的時間分布與肥胖的關系［J］. 北京大學學報（醫學版），2020，52（3）： 486-491.

［17］? 梁果，王麗娟，陳歡，等. 24 h活動時間分布及替代與兒童身體質量指數的關系研究：基于成分分析模型 ［J］. 體育科學，2022，42（3）：77-84.

［18］? 邱艷平，王麗娟，周玉蘭，等. 基于成分數據分析的24 h活動與兒童基本動作技能的關系［J］. 體育學刊，2023，30（1）： 137-144.

［19］? 張涵敏，張婷， 武寶愛，等. 24 h活動行為與小學生身體素質的關系 ［J］. 中國學校衛生，2023，44（1）： 17-22.

［20］? 常振亞，王樹明. 24小時動作行為對學齡前兒童體質健康影響的等時替代效益研究［J］. 體育科學，2020， 40（10）： 50-57.

［21］? 張婷，李紅娟，李超，等. 基于成分數據分析的青少年24 h活動行為與體質關聯的研究［J］. 中國體育科技，2022，58（12）：91-97.

［22］? 李卓，朱海，王玲. 探究當代大學生的睡眠時長——以成都師范學院為例［J］. 山西青年，2019（18）：33-34.

［23］? PETERSON N E， SIRARD J R， KULBOK P A， et al. Validati-on of accelerometer thresholds and inclinometry for measure-ment of sedentary behavior in young adult university students［J］. Research in Nursing and Health， 2015， 38（6）： 492-499.

［24］? FREEDSON J. Validation and comparison of actigraph activity monitors［J］. Journal of Science and Medicine in Sport， 2011， 14（5）： 411-416.

［25］? CHOI L， LIU Z， MATTHEWS C E， et al. Validation of acceler-ometer wear and nonwear time classification algorithm ［J］. Medicine and Science in Sports and Exercise， 2011， 43（2）： 357-364.

［26］? 松原建， 小池城， 柳川真， 等. 年齢から推定した50%VO2max相當のmetsと冠動脈疾患危険因子との関係 ［J］. 體力科學， 2011， 60（1）： 139-146.

［27］? PLANK L D. Dual-energy x-ray absorptiometry and body composition［J］. Current Opinion in Clinical Nutrition and Met-abolic Care， 2005， 8（3）： 305-309.

［28］? JIA A， XU S， MING J， et al. Body fat percentage cutoffs for risk of cardiometabolic abnormalities in the chinese adult populat-ion： a nationwide study［J］. European Journal of Clinical Nutr-ition， 2018， 72（5）： 728-735.

［29］? CASSIDY T， WRIGHT L. Graduate employment status and health： A longitudinal analysis of the transition from student ［J］. Social Psychology of Education， 2008， 11（2）： 181-191.

［30］? MINATTO G， SOUSA T F， CARVALHO W R， et al. Associati-on between cardiorespiratory fitness and body fat in girls ［J］. Revista Paulista de Pediatria， 2016， 34（4）： 469-475.

［31］? FULKERSON J A， SHERWOOD N E， PERRY C L， et al. Dep-ressive symptoms and adolescent eating and health behaviors： A multifaceted view in a population-based sample ［J］. Preven-tive Medicine， 2004， 38（6）： 865-875.

［32］? CARBONE S， DEL BUONO M G， OZEMEK C， et al. Obesity， risk of diabetes and role of physical activity， exercise training and cardiorespiratory fitness［J］. Progress in Cardiovascular Diseases， 2019， 62（4）： 327-333.

［33］? DUMUID D， LEWIS L K， OLDS T S， et al. Relationships betwe-en older adultsuse of time and cardio-respiratory fitness， obesity and cardio-metabolic risk： A compositional isotemporal substitution analysis［J］. Maturitas， 2018， 110： 104-110.

［34］? FAIRCLOUGH S J， DUMUID D， TAYLOR S， et al. Fitness， fatness and the reallocation of time between children's daily movement behaviours： an analysis of compositional data［J］. The International Journal of Behavioral Nutrition and Physical Activity， 2017， 14（1）： 1-12.

［35］? OVIEDO-CARO M， BUENO-ANTEQUERA J， MUNGUA-IZQUIERDO D. Associations of 24-hours activity composition with adiposity and cardiorespiratory fitness： The pregnactive project ［J］. Scandinavian Journal of Medicine and Science in Sports， 2020， 30（2）： 295-302.

［36］? LEMOS L， CLARK C， BRAND C， et al. 24-hour movement behaviors and fitness in preschoolers： A compositional and isotemporal reallocation analysis ［J］. Scandinavian Journal of Medicine and Science in Sports， 2021， 31（6）： 1371-1379.

［37］? FAIRCLOUGH S J， DUMUID D， MACKINTOSH K A， et al. Adiposity， fitness， health-related quality of life and the realloc-ation of time between childrens school day activity behaviours： A compositional data analysis［J］. Preventive Medicine Rep-orts， 2018， 11： 254-261.

［38］? CARSON V， TREMBLAY M S， CHAPUT J P， et al. Associatio-ns between sleep duration， sedentary time， physical activity， and health indicators among canadian children and youth using compositional analyses［J］. Applied Physiology， Nutrition， and Metabolism， 2016， 41（6）： 294-302.

［39］ COSTIGAN S A， EATHER N， PLOTNIKOFF R C， et al. High-intensity interval training for improving health-related fitness in adolescents： A systematic review and meta-analysis［J］. British Journal of Sports Medicine， 2015， 49（19）： 1253-1261.

［40］? 袁玲玲. 高強度間歇運動對超重或肥胖男性青少年心肺適能和身體成分及血脂水平的影響 ［J］. 中華物理醫學與康復雜志，2021， 43（3）： 251-253.

［41］? 朱士玉，高冰，周紅偉，等. 自重hit對高校大學生心肺適能及有氧運動能力的研究［J］. 湖北體育科技，2021， 40（10）：895-900.

［42］? 黃鴻. 大學生視屏行為與心肺耐力的關聯性分析——基于嶺南師范學院抽樣調查的實證研究［J］. 福建體育科技， 2021，40（6）： 87-91.

［43］? DUNSTAN D W， DOGRA S， CARTER S E， et al. Sit less and move more for cardiovascular health： Emerging insights and opportunities［J］. Nature Reviews： Cardiology， 2021， 18（9）： 637-648.

［44］? CM A， CI B， FBO C， et al. Mediation role of cardiorespiratory fitness on the association between fatness and cardiometabolic risk in european adolescents： The helena study［J］. Journal of Sport and Health Science， 2019， 10（3）： 360-367.

［45］? ROMAN-VI？譙AS B， CHAPUT J P， KATZMARZYK P T， et al. Proportion of children meeting recommendations for 24-hour movement guidelines and associations with adiposity in a 12-country study［J］. The International Journal of Behavioral Nutrition and Physical Activity， 2016， 13（1）： 1-10.

［46］? JAAKKOLA T， YLI-PIIPARI S， HUHTINIEMI M， et al. Long

-itudinal associations among cardiorespiratory and muscular fitness， motor competence and objectively measured physical activity［J］. Journal of Science and Medicine in Sport， 2019， 22（11）： 1243-1248.

［47］? GRUBER R， CA RREY N， WEISS S K， et al. Position stateme-nt on pediatric sleep for psychiatrists［J］. Journal of the Canad-ian Academy of Child and Adolescent Psychiatry， 2014， 23（3）： 174-195.

［48］? LU Y， LI Y， ZHOU T， et al. The association of different sedent-ary patterns and health-related physical fitness in pre-schoole-rs［J］. Frontiers Pediatrics， 2021， 9： 1-8.

［49］? OWEN N， HEALY G N， MATTHEWS C E， et al. Too much sitting： The population health science of sedentary behavior ［J］. Exercise and Sport Sciences Reviews， 2010， 38（3）： 105-113.