Effectiveness of Wearable Devices on Physical Activity Interventions among Children and Adolescents
-
摘要:目的 分析可穿戴设备用于儿童青少年身体活动干预的效果，探讨设备类型、佩戴位置、干预时长等因素对结果的影响。方法 运用布尔逻辑运算组合检索Web of Science(WOS)、PubMed、SPORTDiscus、MEDLINE、Google Scholar、中国知网(CNKI)、万方数据及维普网等数据库收录的2010-01-01—2018-09-30发表的文献，经过删重和筛选最终纳入17篇文献。结果 47.06%的研究表明可穿戴设备对儿童青少年的身体活动干预有效，23.53%的研究表明干预无效，29.41%的研究表明干预效果不确定。结论 可穿戴设备对身体活动的干预效果仍有待提高，影响干预效果的原因还需深入探讨。Abstract: This study was designed to analyze the effectiveness of wearable devices on physical activity interventions among children and adolescents and explore the impact of factors such as device type, wearing position, duration of intervention and other factors on the results.Methods By using Boolean logic operation combined the search for documents published in Web of science, PubMed, SPORTDiscus, MEDLINE, Google Scholar, CNKI, Wan Fang and VIP during 2010-01-01-2018-09-30, and after deduplication and screening, seventeen articles were finally included.Results 47.06% of the studies showed that wearable devices were effective on physical activity interventions among children and adolescents, and 23.53% of studies showed that interventions were ineffective, and 23.53% of the studies showed that the intervention effects were uncertain.Conclusions the intervention effect of wearable devices on physical activity needs to be improved, and the reasons for affecting the intervention effect need to be further explored.
-
健康直接影响个人的生活质量，进而影响家庭幸福和社会的稳定发展。世界卫生组织指出，相比遗传、社会和医疗等因素，生活方式对个人健康有着更为重要的影响，其中，日常生活中的适量运动更是有着不可替代的作用。根据2018年美国体力活动指南专家咨询委员会（2018 Physical Activity Guideline Advisory Committee）报告，体力活动有助于改善人们的睡眠、降低大量慢性疾病发生的风险[1]。国内研究[2]也发现，长期静坐行为会导致血脂异常，而适当的体力活动能有效提升心血管疾病患者的健康水平，有益于大脑的认知健康[3]，预防或治疗大量慢性非传染性疾病[4]，提升幸福感[5]。同时，随着人们健康素养的提高，“运动是良医”的观念越来越成为大家的共识[6]。我国颁布的《全民健身计划（2021—2025年）》亦旨在推动全民参与体育锻炼[7]，因此，明确体育锻炼行为的影响因素有助于政府更好地进行干预，保证全民健身计划的顺利实施。
在较早的研究中，政府官员和部分学者关注物质环境因素的影响，重点强调体育基础设施的建立与完善。近年来，也有部分学者开始重视各种社会环境因素对体育锻炼行为的影响。尤其是随着社会资本在健康研究领域的应用日益广泛，社会资本与体育锻炼行为之间的关系逐渐受到学者们的关注。例如，研究[8-9]发现，无论是对于青少年还是一般居民，社会资本都有助于其积极参与体育运动或健身锻炼。值得注意的是，与国外同类研究相比，国内相关情境下的具体研究还较少，同时，在研究方法上存在一定程度的简单化倾向，较多采用传统的线性回归模型将不同层次的变量统一归为个体层次，不利于发现个体行为的真正影响因素。多层线性统计分析模型契合了个体体育锻炼行为可能受到多个层次社会情境的影响这一客观真实特性，合理运用该方法能有效分析和发现不同层次情境的相对重要性与其中的具体影响因素，从而有利于促进体育学术研究中微观与中观、宏观分析视角的有机统一。
随着我国经济社会的发展，城乡社会差距逐渐缩小，但在客观物质条件等方面城市仍拥有更加优越的条件。相比农村，城市的体育设施、场地等社会基础设施更加完善，参与体育锻炼更加便利。同时，城市居民的日常生活和工作更有规律，且有相对更高的收入和受教育程度。因此，无论在客观物质条件还是主观意愿上，城市居民都有更大的可能性参与体育锻炼。此外，自20世纪80年代我国城市住房管理体制改革以来，城市居民生活的重心逐渐由以前的工作单位下沉到生活的住宅社区。除了工作之外，城市居民的生活、娱乐和休闲主要在所居住的社区进行，社区在城市居民的社会生活和行为中扮演着越来越重要的角色。相比之下，国外学者已充分认识到社区或邻里等情境因素对体育锻炼行为的重要性，有着丰富的研究成果，而国内学者刚开始关注社会资本与体育锻炼的关系，相关研究在整体上还处于起步阶段，且实证研究较少，尤其是基于集体层次社会资本视角的实证研究更少，有待进一步丰富。基于此，本文采用多层线性模型探究社区在城市居民体育锻炼行为中的地位，并进一步分析社区层次的集体社会资本对城市居民体育锻炼行为的具体影响。
1. 文献回顾与研究假设
1.1 社会资本的研究层次
社会资本作为一个重要概念，自20世纪80年代由布迪厄（Bourdieu）提出后，日渐在社会科学领域得到广泛应用。这一概念通常被用于对人际之间社会网络结构、特征及影响的分析与概括，在现实应用中主要分为2个流派。
一派为个体层次的社会资本，也被称为微观社会资本，主要以布迪厄、林南、边燕杰为代表。该派着眼于个人层面，认为社会资本就是嵌入个人社会网络的社会资源[10]。围绕被访者的个体中心网，学者们陆续开发出提名法、定位法等测量方法。其中，对国内学者影响较大的是边燕杰[11]开发的“春节拜年网”，指出基于春节这个中国最重要的传统节日期间个体互动所形成的社会网络最能代表个人的社会关系。为准确测量嵌入其中的社会资源，学者们还开发出网络规模、网络顶端、网络异质性和网络差异等个体中心网的测量指标。
另一派为集体层次的社会资本，也被称为宏观社会资本，主要以科尔曼（Coleman）和帕特南（Putnam）为代表。科尔曼[12]主要从社会结构视角进行定义，认为“社会资本是社会结构的某些方面，而且有利于处于同一结构中个人的某些行动；与其他形式的资本一样，社会资本也是生产性的，使某些目的的实现成为可能，而在缺少它的时候，这些目的不能实现”。帕特南[13]则把分析视角扩大到社会组织，认为社会资本具有一种集体属性，通过促进合作行为来提高效率。在对集体社会资本进行测量时，学者们陆续开发出十余类指标，其中最核心、最稳定的是信任、参与、网络和互惠等指标。其中，信任、互惠等维度的社会资本被称为认知型社会资本，而网络和参与等被称为结构型社会资本。Paxton[14]和福山[15]甚至认为，社会资本就是信任。此外，基于对集体概念的理解，集体社会资本大体上被划分为3个层次：邻里或社区、区域（省、州）和国家。相比区域或国家，人们居住的社区直接作用于生活在其中的个体，对个体行为的影响更易于观测。
基于此，本文聚焦于社区层次的集体社会资本，通过问卷调查挖掘该层次的集体社会资本与城市居民体育锻炼行为之间的内在联系。尽管近年来我国的基层社会组织不断发展壮大，但由于种种原因，不同地区之间还存在较大差异，部分社区的社会组织尚未健全，社会组织网络难以测量。因此，本文的集体社会资本只包括社会信任、公共参与和人际互惠3个重要维度。
1.2 集体社会资本与体育锻炼行为
学者们认为，不同层次的社会资本可能存在不同的影响和作用机制。有研究[16-19]发现，个体层次的社会参与、社会信任水平越高，越有助于个体参与体力活动。也有学者[20-21]从相反的视角发现，个体层次的社会资本越少，就越缺乏体力活动或体育锻炼。
在集体水平层次上，大多基于美国的研究发现，社会资本对健康相关行为（如锻炼身体）有显著正向影响。关于芝加哥的研究[22]发现，邻里信任和互惠规范对社区居民的日常锻炼行为均有显著的正向影响，因子分析后社区层次的社会资本同样能显著促进社区居民的日常锻炼行为。即使同时考虑县、州2个不同层次的社会资本，社会资本与缺乏体力活动也存在显著负相关[23]。关于日本的研究[24]发现，生活在体育社团参与率较高社区的老人即使不参与任何体育社团，也更愿意外出而不是成天在家，也有更多兴趣和机会参与体育锻炼。Marlier等[25]针对欠发达社区的研究发现，只有集体社会资本对体力活动有显著影响，而个体社会资本没有通过显著性检验。同时，关于北欧一些国家的研究[16]却发现，集体社会资本对休闲体育活动的影响不显著。
在具体作用机制上，Kawachi等[26]较早地提出，集体社会资本对健康相关行为的影响主要通过促进健康信息传播、增强健康行为规范接受性、对健康偏离行为的社会控制这3种途径实现。帕特南[13]认为，在一个信任程度较高的社区中，人们拥有越高的安全感就越可能参与夜间跑步等体育锻炼。之后，学者们还陆续发现了其他作用途径，如集体社会化、增强集体效能、作为缓冲带等[27-28]。在州级或国家层次上，集体社会资本则通过促进提供公共物品（如体育活动设施、运动所需物质资源）等途径产生影响[29]。
国内也有部分学者对该议题进行了积极探索。张晓丽等[30]和黄伟伟等[31]认为，一个相互信任程度、参与程度都较高的社区往往更容易形成一种积极向上、充满活力的集体氛围，从而有助于健康观念、行为与信息的传播，促使更多生活在社区中的居民参与体育锻炼。具体到校园足球，李滨等[32]从社会资本的结构、关系和认知3个方面阐述了其与该项目的内在关联，认为要进一步推广校园足球，就必须大力培育社会资本。边燕杰[33]则在更高的理论层次上阐述了社会资本与大众体育之间相互促进、互为依托的辩证关系，并具体指出了联系纽带机制、网络结构机制和关系资源机制3种新的社会资本理论解释机制。
基于上述讨论，提出如下研究假设。假设1：我国城市社区的制度信任整体水平越高，社区居民越愿意参与体育锻炼。假设2：我国城市社区的普遍信任整体水平越高，社区居民越愿意参与体育锻炼。假设3：我国城市社区的人际互惠整体水平越高，社区居民越愿意参与体育锻炼。假设4：我国城市社区的公共参与整体水平越高，社区居民越愿意参与体育锻炼。
2. 研究设计
2.1 研究数据
本文以城市居民为研究对象，考虑到不同城市在社会经济发展状况上的差异，选取上海、广州、郑州、成都、重庆和西安等6个城市，并在每个城市中随机抽取8个左右社区，共计51个社区。在抽取的社区中采用线上和线下相结合的方式进行调研，共发放问卷1800份，回收有效问卷1548份，有效回收率为86%。其中：线上发放问卷1000份，回收有效问卷779份，有效回收率为77.9%；线下实地调研由经过培训的大学生面对面进行，发放问卷800份，回收有效问卷769份，有效回收率为96.1%。研究样本的构成情况如表1所示。
表 1 研究样本的描述性分析结果Table 1. Descriptive statistical analysis of study sample变量类型 变量名称 频数 占比/% 因变量 是否参与体育锻炼 是 686 44.3 否 862 55.7 自变量 性别 男性 802 51.8 女性 746 48.2 主观社会阶层 上层 36 2.3 中上层 147 9.5 中层 599 38.7 中下层 450 29.1 下层 316 20.4 党员 是 347 22.4 否 1201 77.6 有无伴侣 有 1319 85.2 无 229 14.8 均值 标准差 年龄/岁 45.3 15.1 受教育年限 12.68 4.3 年均可支配收入/元 31421.5 21518.3 注：基于统计和分析的简洁性考虑，对受教育程度变量进行一定的赋值，处理成为连续变量“受教育年限”：未受过任何教育赋值为0；小学赋值为6；初中赋值为9；高中/中专/职高赋值为12；大学本科赋值为16；研究生及以上赋值为19。 由表1可知，尽管有相当一部分城市居民积极参与体育锻炼，但不参与体育锻炼的城市居民相对更多，其占比已超过50%。被调查者的性别大致相当，其中男性稍多于女性。在主观社会阶层上，认为自己处于社会中层的城市居民最多，占38.7%，其次是中下层，占29.1%，只有11.8%的城市居民认为自己处于社会上层或中上层。77.6%的被调查者不是党员，14.8%的被调查者没有生活伴侣。平均年龄为45岁的被调查者受教育年限超过12年，也就是我国教育体系中的高中文化程度。
本文使用的HLM统计软件采用的是广义多层线性模型，涉及2个不同层次的相关变量。因此，下文先对统计分析模型进行简述，然后对涉及的2个层次变量的测量及处理进行说明。
2.2 统计分析模型
本文数据资料来源于2个不同的水平层次，分别是一般意义上的个体层次（城市居民）和集体层次（社区）；且数据间呈现明显的嵌套结构特点，即个体嵌套于社区之中，个体行为受到所在社区特征的影响。针对这种数据，传统的线性回归方法不再适用，需要采用一种新的分析方法即多层线性模型。此种统计分析方法最大的特点是将个体间的变异在不同水平层次上进行分解，并能比较不同水平层次上的变异在整个变异中的贡献大小[34-35]。此外，本文因变量是一个二分变量，即城市居民是否参与体育锻炼，因此需要采用对数发生比的形式对因变量进行转化，即用logit的函数形式将自变量和因变量连接起来。此种形式的多层线性模型被称为广义多层线性模型。
本文主要目的在于发现社区层次的社会资本对个体层次城市居民体育锻炼行为的影响，使用的多层线性模型最终表现为随机截距模型。具体而言，2个不同层次的分析模型如下所示。
第一层城市居民个体层次：
$$ {\eta }_{ij}=\mathrm{l}\mathrm{o}\mathrm{g}{\rm{it}}\left({p}_{ij}\right)=\mathrm{log}\left(\frac{{p}_{ij}}{1-{p}_{ij}}\right)={\beta }_{0i}+\sum {\beta }_{ij}{X}_{i}+{\varepsilon }_{ij} $$ (1) 式（1）中，
${p}_{ij}$ 为参与体育锻炼的概率，$ \;{\beta }_{{i}{j}} $ 为个体层次（城市居民）的回归系数，$ {X}_{{i}} $ 为个体层次回归方程中的自变量向量。具体而言，在本文中$ {X}_{{i}} $ 包括个体层次的受教育程度、社会阶层、有无伴侣。$ {\varepsilon }_{{i}{j}} $ 为社区j中个体i的方差中未被方程解释的部分。第二层城市社区层次：
$$ {\beta }_{0j}={\gamma }_{00}+\sum {\gamma }_{0j}{Z}_{j}+{\mu }_{0j\text{，}}{\beta }_{ij}={\gamma }_{i0} $$ (2) 式（2）中，
$ {\gamma }_{00} $ 为城市社区层次的常数项，$ {\gamma }_{0j} $ 为城市社区层次相关变量的回归系数，$ {Z}_{j} $ 为城市社区层次的相关变量即社区层次的人际互惠、公共参与、制度信任与普遍信任等，$ {\mu }_{0j} $ 为社区层次中未被方程解释的残差。将式（2）代入式（1）进行整合后，生成的混合模型如下：$$ {\eta }_{ij}=\mathrm{l}\mathrm{o}\mathrm{g}{\rm{it}}\left({p}_{ij}\right)=\mathrm{log}\left(\frac{{p}_{ij}}{1-{p}_{ij}}\right)={\gamma }_{00}+\sum {\gamma }_{0j}{Z}_{j}+\sum {\gamma }_{i0}{X}_{i}+{\mu }_{0j} $$ (3) 2.3 变量及其测量
2.3.1 因变量：个体体育锻炼行为
城市居民的体育锻炼行为是因变量。在原始问卷中，因变量被操作化为题项“过去半年中，您参与过体育锻炼相关活动（如打球、跑步或游泳等）吗”。相应地，答案选项分别为“几乎每天”“一周数次”“一月数次”“一月一次或不到一次”“从未做过”5种类型。为了研究需要，同时结合各种选项的频数分布，将前3个选项合并为“参与体育锻炼”，后2个选项合并为“未曾参与体育锻炼”，这样既不损失调查信息，又能简化分析结果。
2.3.2 个体层次影响因素
借鉴以往同类研究，将人口社会学特征变量（如性别、年龄、有无伴侣等）、社会经济特征变量（如受教育程度、年均可支配收入、政治身份、主观社会阶层等）作为个体层次影响因素。在原始问卷中，受教育程度通过询问被调查者当前已完成的最高教育（包括小学、初中、高中/中专/职高、大学本科、研究生及以上）获得，为了简化统计分析，在借鉴先前研究的基础上操作化为“受教育年限”这一指标。在主观社会阶层上，鉴于自我认知为社会上层的城市居民较少，在统计分析时将自我认知为社会上层和中上层的被调查者合并为同一类别即社会中上层。
2.3.3 社区层次影响因素
社区层次的集体社会资本是主要解释变量。在审核、整理原始数据的基础上，对相关题项进行因子分析，并做降维处理；采用国内外相关研究[36-37]的类似做法，将个体层次社会资本变量按各个社区汇总成社区层次变量。
基于帕特南对社会资本的定义，将社会资本操作化为信任、人际互惠和公共参与3个维度，共计12个项目。其中，将信任操作化为对社会上大多数人、地方政府、偶遇他人、地方法院、医院、陌生人等6类机构或群体的信任，答案选项采用Likert 4级量表，分别将“根本不信任”“不太信任”“比较信任”“完全信任”依次赋值为1至4分。量表得分越高说明该个体的信任水平越高。
对原始数据进行审查发现，部分项目的缺失值百分比较高，接近20%。由于本文采用的HLM多层线性模型不允许第一层数据存在任何缺失值，如果删去则会在失去大量有效信息的同时造成系统性误差。同时，MVA（Missing Values Analysis）分析发现，Little's MCAR检验结果显著，由此推断缺失值并非完全随机缺失。因此，采用EM预测法填补缺失值，以更充分地利用调查中的信息得到更准确的研究结果。
2.3.4 数据处理：因子分析
在填补社会资本3个维度项目的缺失值后，分别对这12个项目进行因子分析。
（1）信任。对该信任量表进行KMO和球形检验，结果显示，KMO值为0.713且球形检验结果显著，表明该量表适合进行因子分析。运用主成分法进行因子分析后发现，有2个特征值大于1的因子，共解释该量表80.25%的整体变异。在抽象各个因子对应题项所含意义的基础上，分别命名为“制度信任”和“普遍信任”，其中：制度信任包括对地方法院、地方政府和医院的信任，可视为对这些机构所象征的制度的信任；普遍信任包括对偶遇他人、陌生人和社会上大多数人的信任，可视为一种普遍主义的信任。
（2）人际互惠。社会资本的人际互惠维度主要来自3个项目，分别为“邻居生活上有求于我，我决不推辞”“能帮朋友找工作，我不在意回报”“人与人之间的互相帮助是非常普遍和正常的社会现象”，其答案均采用Likert 5级量表，将“很不同意”“不同意”“说不清”“同意”“很同意”依次赋值为1至5分。此3个项目的KMO值为0.724且球形检验结果显著，表明适合进行因子分析。采用主成分法进行因子分析后，提取1个因子，命名为“人际互惠”，能有效解释该量表73.53%的整体变异。
（3）公共参与。公共参与维度来自3个项目，分别为“为了国家，我愿意牺牲个人利益”“为了本地发展，我会尽个人的一份努力”“我会积极参加集体组织的文体活动”，其答案选项同样分别为“很不同意”“不同意”“说不清”“同意”“很同意”，并依次赋值为1至5分。此3个项目的KMO值为0.713且球形检验结果非常显著，表明适合进行因子分析。同样，采用主成分法进行因子分析后，将3个项目聚集成1个因子，命名为“公共参与”，能有效解释该量表71.29%的整体变异。
2.3.5 变量汇总
社会资本变量属于社区层次，因此将个体层次上的社会资本各维度变量汇总到相应的社区，以代表社区层次社会资本各维度的变量。由表2可知，在集体社会资本中，公共参与和制度信任得分最高，其次是人际互惠，三者的标准差也较高，而普遍信任得分最低。这表明城市居民整体上较关心国家、集体事务，对以地方法院、地方政府和医院所代表的国家机构或制度的信任度较高。同时，较高的标准差意味着社区间的差异较大。此外，城市居民对偶遇他人、陌生人和社会上大多数人的整体信任度较低。
表 2 集体社会资本的描述性分析结果Table 2. Descriptive analysis of community-level social capital变量名称 均值 标准差 频数 社区制度信任 0.051 0.459 51 社区普遍信任 0.018 0.365 51 社区人际互惠 0.047 0.421 51 社区公共参与 0.051 0.376 51 3. 研究结果
逐步筛选与呈现影响城市居民体育锻炼行为的不同层次因素：首先，对个体层次的人口社会学特征分类变量进行单因素卡方检验；其次，针对其中的连续变量进行单因素方差分析；最后，采用多层统计分析模型在控制个体层次显著影响因素的情况下探究社区层次的显著影响因素。
单因素卡方检验结果显示，在4个分类自变量中，除了性别外，城市居民的主观社会阶层、政治身份和有无伴侣况都通过了显著性检验。同时，单因素方差分析结果显示，受教育年限和年龄对其体育锻炼行为有着显著影响，而年均可支配收入未通过显著性检验。
本文共构建了4个广义多层线性模型。为了给后续研究提供一个比较的基准，首先给出一个零模型（或虚无模型），即模型1，除截距外层一和层二都不包括其他任何解释变量，主要旨在考察体育锻炼参与率在社区之间是否有显著差异。从表3中模型1的分析结果可知，随机效应方差成分的卡方检验结果已达到显著水平（P<0.01）。这表明不同城市社区之间人们的体育锻炼行为有着显著不同，同时也意味着需要增加社区层次的解释变量进一步分解和解释这种差异。
表 3 城市居民体育锻炼行为的广义多层线性混合模型结果Table 3. General multilevel linear model analysis of exercise of urban residents模型1 模型2 模型3 模型4 系数 发生比 系数 发生比 系数 发生比 系数 发生比 截距 −0.298 0.732 −0.932* 0.373 −0.343** 0.725 −0.968** 0.357 个体层次：影响因素 受教育年限 0.685** 1.215 0.161* 1.231 主观社会阶层（参照：社会下层） 社会中上层 1.279*** 3.413 1.257*** 3.682 社会中层 0.703*** 2.112 0.789*** 2.126 社会中下层 0.474* 1.617 0.528* 1.662 有无伴侣（参照：无伴侣） 有伴侣 −0.479* 0.645 −0.627* 0.568 社区层次：社会资本 人际互惠 0.679 1.835 0.709* 2.021 公共参与 0.089 1.035 0.131 1.127 制度信任 0.539*** 1.741 0.453** 1.485 普遍信任 0.336* 1.474 0.408* 1.365 随机效应 随机截距方差 0.734*** 0.728*** 0.455*** 0.437*** 解释率/% 38.01 40.46 个体数（层一） 1548 1548 1548 1548 社区数（层二） 51 51 51 51 注：***表示P<0.01，**表示P<0.05，*表示P<0.1。 在模型1的基础上，模型2加入个体层次的人口社会学特征影响因素。由于多层线性模型同时处理2个层次的变量，需要考虑的因素较多，任何一个变量的细小变化或增删都会影响模型的拟合与解释力。为了增强模型的数据拟合与解释力，通过探索性分析发现，人口社会学特征影响因素中的性别与年均可支配收入在统计学意义上不显著，且前期分析中处于边缘显著水平的年龄与政治身份也变得不再显著。因此，在不影响模型解释力的前提下，基于简洁原则，在模型2中不再纳入性别、年均可支配收入、年龄和政治身份。由模型2可知，受教育年限与主观社会阶层均能正向影响城市居民的体育锻炼行为，即城市居民的受教育程度越高、认为自己的社会阶层越高，就越容易参与体育锻炼。相比之下，认为自己处于社会中上层的城市居民更容易参与体育锻炼，其参与锻炼的可能性是认为自己处于社会下层的城市居民的3.4倍。此外，有伴侣的城市居民更不愿意参与体育锻炼。由于影响因素均属于第一层次的变量，这些变量的加入并未明显减少随机截距模型中的方差成分。
为对社区之间的变异进行进一步分解和解释，模型3只纳入社区层次的社会资本变量。与模型1和模型2相比，在加入社会资本变量的模型3中，社区之间的变异方差由最初的0.734下降为0.455，即城市居民体育锻炼参与率的社区间差异中有38.01%可以由集体社会资本来解释。进一步分析社会资本各维度的影响发现，社区层次上的制度信任和普遍信任对城市居民的体育锻炼行为都有显著的正向影响，即社区中的城市居民整体上对政府、法院和医院的信任程度越高，就越愿意参与体育锻炼。同时，社区中的城市居民整体上对外界他人越信任，就越愿意参与体育锻炼。
为从整体上考察城市居民参与体育锻炼的影响因素，模型4纳入前面涉及的2个层次的所有变量。分析后发现，无论是个体层次的人口社会学特征变量还是社区层次的社会资本变量，除了个别系数有细微变化外，模型4与模型2、模型3中的相应结果基本一致。在社区层次变量上，除了制度信任与普遍信任继续显著影响城市居民的体育锻炼行为外，社区整体人际互惠水平呈边缘性显著，即社区整体人际互惠水平越高，城市居民越愿意参与体育锻炼。此外，与模型3相比，模型4的随机截距方差有细微下降，解释率提高到40.46%。
4. 讨 论
本文结果显示，城市社区在居民参与体育锻炼上扮演了十分重要的角色，这与陆杰华等[38]的研究结果一致，他们发现不同社区城市居民的健康水平与健康行为有所不同。在计划经济时代，社区内的各种资源大都由政府的行政命令统一分配，因此大部分社区在经济、社会等方面具有较高的同质性；随着市场经济体制改革的不断深入以及住房商品化，城市社区发生了很大变化，不同社区之间有着较大差异。一方面，在建成环境上，不同社区之间的差距逐渐显现。相比老城区的陈旧社区，新修建的商品住房社区往往有着较大的锻炼空间和较完善的体育锻炼设备。另一方面，在社会环境上，不同社区之间也逐渐呈现差异化。部分社区由于人口流动频繁等因素，人际关系淡薄，社会安全感不强，这些都会在一定程度上影响社区居民的体育锻炼行为。
进一步分解随机截距方差发现，城市居民体育锻炼行为在社区之间的差异有38.01%来自社区之间社会资本的差异。由此可见，集体社会资本整体上对城市居民的体育锻炼行为影响较大。Yip等[39]同样采用多层次分析模型在加拿大进行研究发现，即使在控制年龄、性别等人口社会学特征变量后，集体社会资本依旧能显著正向影响人们的体力活动。值得注意的是，在本文集体社会资本的众多维度中，人际互惠、制度信任与普遍信任水平均能显著正向影响城市居民的体育锻炼参与率，而公共参与虽然产生正向影响不具有显著性。因此，假设1、假设2和假设3得到支持，而假设4未得到完全支持。
在人际互惠水平较高的社区，城市居民间相互帮助、相互影响的可能性更大。当有人发现或体会到体育锻炼的益处之后，他/她就可能将这一信息或切身感受分享给自己社区的居民，在思想价值观念上影响其他社区居民。在行为上，那些已感受到体育锻炼益处并参加锻炼的居民会成为社区其他居民的“榜样”，其行为方式会被模仿，进而带动更多人参与体育锻炼。林静等[40]基于社会层次的研究也发现，社区中人们的互助对城市居民的体育锻炼行为具有显著正向影响。
社区中的制度信任水平越高，社区居民越信任当地的地方政府、医院等机构及其颁布的相关制度、措施以及倡议。在大力推进“健康中国”战略的背景下，地方政府或卫生健康等相关机构必然意识到体育锻炼的重要作用，及时颁布相关措施指导人们的体育锻炼行为，同时，本就旨在提高人们健康水平的医院更是支持人们积极参与体育锻炼。因此，在制度信任水平较高社区的居民会更愿意参与体育锻炼。普遍信任的实质是一种指向外界的社会信任。城市社区居民在整体上普遍信任水平越高，就越倾向于认为自己所在社区或周围环境是安全的，人与人之间是值得信赖的，因此独自或与他人一起参与体育锻炼的可能性也就越大。此外，公共参与也正向影响城市居民的体育锻炼行为，但其影响并不具有显著性。
在人口社会学特征变量上，受教育年限与主观社会阶层对城市居民的体育锻炼行为也有显著影响。受教育程度越高的城市居民可能越能认识到体育锻炼对自己身体健康、生活质量的重要性，因此越可能参与体育锻炼。受教育程度往往还与城市居民的客观社会阶层有较大相关性，受过良好教育的城市居民更有可能处于较好的客观社会阶层，有相对较充裕的经济条件和时间，也就更愿意参与体育锻炼。此外，相比自我认知为处于较低社会阶层的居民，处于较高社会阶层的城市居民更愿意参与体育锻炼。
5. 政策启示与研究局限
①高度重视社区在城市居民体育锻炼中的重要作用。为了让更多的城市居民参与体育锻炼，社区层面的政策干预是有关部门在制定相关公共政策时需要重点关注的部分。②加强诚信社会建设。政府相关机构或部门应转变工作思维，从原有的管理型政府切实转变为服务型政府，提升政府的透明度；社区工作人员应积极发掘身边的诚信典型，强化社区居民的诚信行为，曝光社会上的不诚信行为。③营造互助互爱的社区氛围。社区工作人员应采取措施，加强居民的互动与交流，大力弘扬邻里守望相助等优秀品德。
由于本文使用同一时间点收集的横截面数据，仍不能充分探究不同社会现象或变量之间存在的因果关系。此外，有研究[41]指出，体育锻炼方式对不同人群的社会资本有着不同的影响，这也提示社会资本与体育锻炼之间可能存在较复杂的因果机制[42]，解决该问题还需展开进一步探讨。
-
表 1 纳入研究的文献基本信息一览
Table 1 The list of basic information of literatures
文献序号 文献作者(发表年份) 第1作者所在国或地区 研究样本量/人 研究对象 1 Duncan等[23](2012) 英国 59 健康/超重/肥胖儿童青少年 2 Foote等[24](2017) 美国 25 青少年 3 Gaudet等[25](2017) 加拿大 46 女性青少年 4 Gu等[26](2018) 美国 273 儿童青少年 5 Guthrie等[27](2016) 美国 31 青少年 6 Hayes等[28](2015) 美国 6 女性健康/肥胖/低体重儿童 7 Ho等[29](2013) 英国 892 青少年 8 Hooke等[30](2016) 美国 16 急性淋巴细胞白血病儿童青少年患者 9 Isensee等[31](2018) 德国 1 020 青少年 10 Jauho等[32](2015) 芬兰 276 男性青少年 11 Lee等[33](2011) 中国台湾 94 女性青少年 12 Manley等[34](2014) — 116 青少年 13 Mendoza等[35](2017) 美国 60 青少年癌症患者 14 Pittman等[36](2018) 美国 98 青少年 15 Schoenfelder等[37](2017) 美国 11 青少年多动症患者 16 Slootmaker等[38](2010) 荷兰 87 青少年 17 Suchert等[39](2015) 德国 1 162 青少年 
下载: 导出CSV
表 2 干预研究的质量分析
Table 2 The quality analysis for intervention studies
文献作者 随机性 对照 仅可穿戴设备 运动前后测量 保留率≥70% 数据丢失 效能检验 有效测量 随访 评分 效果 Duncan等[23] － － － + + + － + + 5 YES Foote等[24] － － － + + + － － + 4 NA Gaudet等[25] + － + + + + + － － 8 NA Gu等[26] － + + + + + － － + 6 YES Guthrie等[27] + + － + + + + + + 8 YES Hayes等[28] － － + + + + － － － 4 YES Ho等[29] － + + + + － － － － 4 +/NA Hooke等[30] － － － + + － － － － 2 +/NA Isensee等[31] + + － + + － － － + 5 YES Jauho等[32] + + + + + － － － + 5 YES Lee等[33] + + － + + － + － + 6 YES Manley等[34] + + + + + + － － － 6 NA Mendoza等[35] + + + + + － + + + 8 NA Pittman等[36] + + － + + － + + － 6 +/NA Schoenfelder等[37] － － + + + + － － － 3 YES Slootmaker等[38] + + + + + － － － + 6 +/NA Suchert等[39] + + + + + － + － － 6 +/NA 注：评分中位数为6，“+”表示文中明确包含；“－”表示文中未明确包含或没有；“YES”表示有效；“NA”表示无效；“+/NA”表示不确定。
下载: 导出CSV
表 3 干预及测评信息一览
Table 3 The list of intervention and evaluation information
项目 类别 干预结果 有效(+) 无效(0) 不确定(？) n 占比/% n 占比/% n 占比/% 测试设备 追踪器 － － 1 5.88 1 5.88 加速度计 1 5.88 － － 1 5.88 计步器 4 23.53 1 5.88 2 11.76 手环 2 11.76 1 5.88 － － 夹扣 － － － － 1 5.88 手环+其他 1 5.88 1 5.88 － － 佩戴位置 腰部 6 35.29 1 5.88 3 17.65 臀部 － － － － 1 5.88 腕部 2 11.76 3 17.65 1 5.88 干预时长 2~4周 3 17.65 1 5.88 1 5.88 6~8周 2 11.76 1 5.88 － － 10~12周 2 11.76 2 11.76 2 11.76 12周以上 1 5.88 － － 2 11.76 活动意向 主观 1 5.88 － － 2 11.76 客观 6 35.29 4 23.53 3 17.65 主观+客观 1 5.88 － － － － 监控指标 主动上下学 2 6.67 － － － － 体适能 － － 2 6.67 1 3.33 步数 5 16.67 2 6.67 1 3.33 久坐 1 3.33 2 6.67 1 3.33 校外体育活动 2 6.67 － － － － 低强度身体活动 － － 2 6.67 － － 中高强度身体活动 4 23.53 4 23.53 － － 加速度计每分计数 － － － － 1 3.33
下载: 导出CSV
-
[1] HALLAL P C, ANDERSEN L B, BULL F C, et al. Global physical activity levels:Surveillance progress, pitfalls, and prospects[J]. The Lancet, 2012, 380(9838):247-257 doi: 10.1016/S0140-6736(12)60646-1
[2] FAN X, CAO Z B. Physical activity among Chinese school-aged children:National prevalence estimates from the 2016 physical activity and fitness in China-The youth study[J]. Journal of Sport and Health Science, 2017, 6(4):388-394 doi: 10.1016/j.jshs.2017.09.006
[3] WHO. NCDs: Physical activity[EB/OL].[2018-07-11]. http://www.who.int/ncds/prevention/physical-activity/introduction/en/
[4] TELAMA R, YANG X, VIIKARI J, et al. Physical activity from childhood to adulthood:A 21-year tracking study[J]. American Journal of Preventive Medicine, 2005, 28(3):267-273 doi: 10.1016/j.amepre.2004.12.003
[5] HEATH G W, PARRA D C, SARMIENTO O L, et al. Evidence-based intervention in physical activity:Lessons from around the world[J].The Lancet, 2012, 380(9838):272-281 doi: 10.1016/S0140-6736(12)60816-2
[6] 李晶晶, 吴旭龙, 杨淼, 等.青少年身体活动的行为干预研究进展[J].中国儿童保健杂志, 2015, 23(4):377-378, 382 http://d.old.wanfangdata.com.cn/Periodical/zgetbjzz201504013 [7] TEHRANI K, ANDREW M. Wearable technology and wearable devices: Everything you need to know[EB/OL].[2018-07-11].http://www.wearabledevices.com/what-is-a-wearable-device/
[8] 肖征荣, 张丽云.智能穿戴设备技术及其发展趋势[J].移动通信, 2015(5):9-12 doi: 10.3969/j.issn.1006-1010.2015.05.002 [9] PLASQUI G, BONOMI A G, WESTERTERP K R. Daily physical activity assessment with accelerometers:New insights and validation studies[J]. Obesity Reviews, 2013, 14(6):451-462 doi: 10.1111/obr.12021
[10] 胡亚飞.智能穿戴设备在人群身体活动干预方面的应用及效果[J].健康教育与健康促进, 2017, 12(4):309-312, 319 http://www.cnki.com.cn/Article/CJFDTOTAL-JYCJ201704007.htm [11] ELMESMARI R, MARTIN A, REILLY J J, et al. Comparison of accelerometer measured levels of physical activity and sedentary time between obese and non-obese children and adolescents:A systematic review[J]. Journal of Medical Internet Research, 2018, 18(1):106 doi: 10.1186%2Fs12887-018-1031-0
[12] ELMESMARI R, REILLY J J, MARTIN A, et al. Accelerometer measured levels of moderate-to-vigorous intensity physical activity and sedentary time in children and adolescents with chronic disease:A systematic review and meta-analysis[J]. PLoS One, 2017, 12(6):e0179429 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5480890/
[13] JIMENEZ-PAVON D, KELLY J, REILLY J J. Associations between objectively measured habitual physical activity and adiposity in children and adolescents:Systematic review[J]. International Journal of Pediatric Obesity, 2010, 5(1):3-18 doi: 10.3109/17477160903067601
[14] MIGUEL-BERGES M L, REILLY J J, MORENO AZNAR L A, et al. Associations between pedometer-determined physical activity and adiposity in children and adolescents:Systematic review[J]. Clinical Journal of Sport Medicine, 2018, 28(1):64-75 doi: 10.1097/JSM.0000000000000419
[15] ROMANZINI M, PETROSKI E L, REICHERT F F. Limiares de acelerômetros para a estimativa da intensidade da atividade física em crianças e adolescentes:Uma revisão sistemática[J]. Revista Brasileira de Cineantropometria & Desempenho Humano, 2012, 14(1):101-113
[16] WHO. Health topics: Adolescent health[EB/OL].[2018-07-11]. http://www.who.int/topics/adolescent_health/en/
[17] LIBERATI A, ALTMAN D G, TETZLAFF J, et al. The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate healthcare interventions:Explanation and elaboration[J]. British Medical Journal, 2009, 339:b2700 http://med.wanfangdata.com.cn/Paper/Detail/PeriodicalPaper_PM19622512
[18] MOHER D, LIBERATI A, TETZLAFF J, et al. Preferred reporting items for systematic reviews and meta-analyses:The PRISMA statement[J]. Open Medine, 2009, 3(3):e123-e130 http://d.old.wanfangdata.com.cn/OAPaper/oai_doaj-articles_4ec823d430176065a25120b5d716033a
[19] MOHER D, LIBERATI A, TETZLAFF J, et al.系统综述和荟萃分析优先报告的条目:PRISMA声明[J].中西医结合学报, 2009, 7(9):889-896 http://d.old.wanfangdata.com.cn/Periodical/zxyjhxb200909018
[20] GAO Z, CHEN S. Are field-based exergames useful in preventing childhood obesity? A systematic review[J]. Obesity Reviews, 2014, 15(8):676-691 doi: 10.1111/obr.12164
[21] ZENG N, POPE Z, LEE J E, et al. A systematic review of active video games on rehabilitative outcomes among older patients[J]. Journal of Sport and Health Science, 2017, 6(1):33-43 doi: 10.1016/j.jshs.2016.12.002
[22] SALLIS J F, PROCHASKA J J, TAYLOR W C. A review of correlates of physical activity of children and adolescents[J]. Medicine & Science in Sports & Exercise, 2000, 32(5):963-975 http://med.wanfangdata.com.cn/Paper/Detail/PeriodicalPaper_PM10795788
[23] DUNCAN M, BIRCH S, WOODFIELD L. Efficacy of an integrated school curriculum pedometer intervention to enhance physical activity and to reduce weight status in children[J]. European Physical Education Review, 2012, 18(3):396-407 doi: 10.1177/1356336X12450799
[24] FOOTE S J, WADSWORTH D D, BROCK S, et al. The effect of a wrist worn accelerometer on children's in-school and out-of-school physical activity levels[J]. Swedish Journal of Scientific Research, 2017, 33(3):1-6
[25] GAUDET J, GALLANT F, BÉLANGER M. A bit of fit:Minimalist intervention in adolescents based on a physical activity tracker[J]. JMIR mHealth and uHealth, 2017, 5(7):e92 https://www.ncbi.nlm.nih.gov/pubmed/28684384
[26] GU X, CHEN Y L, JACKSON A W, et al. Impact of a pedometer-based goal-setting intervention on children's motivation, motor competence, and physical activity in physical education[J]. Physical Education and Sport Pedagogy, 2018, 23(1):54-65 doi: 10.1080/17408989.2017.1341475
[27] GUTHRIE N, BRADLYN A, THOMPSON S K, et al. Development of an accelerometer-linked online intervention system to promote physical activity in adolescents[J]. PLoS One, 2015, 10(5):e0128639 https://www.ncbi.nlm.nih.gov/pubmed/26010359
[28] HAYES L B, VAN CAMP C M. Increasing physical activity of children during school recess[J]. Journal of Applied Behavior Analysis, 2015, 48(3):690-695 doi: 10.1002/jaba.222
[29] HO V, SIMMONS R K, RIDGWAY C L, et al. Is wearing a pedometer associated with higher physical activity among adolescents?[J]. Preventive Medicine, 2013, 56(5):273-277 doi: 10.1016/j.ypmed.2013.01.015
[30] HOOKE M C, GILCHRIST L, TANNER L, et al. Use of a fitness tracker to promote physical activity in children with acute lymphoblastic leukemia[J]. Pediatric Blood & Cancer, 2016, 63(4):684-689 https://www.ncbi.nlm.nih.gov/pubmed/26756736
[31] ISENSEE B, SUCHERT V, HANSEN J, et al. Effects of a school-based pedometer intervention in adolescents:1-year follow-up of a cluster-randomized controlled trial[J]. Journal of School Health, 2018, 88(10):717-724 doi: 10.1111/josh.12676
[32] JAUHO A M, PYKY R, AHOLA R, et al. Effect of wrist-worn activity monitor feedback on physical activity behavior:A randomized controlled trial in Finnish young men[J]. Preventive Medicine Reports, 2015, 2:628-634 doi: 10.1016/j.pmedr.2015.07.005
[33] LEE L L, KUO Y C, FANAW D, et al. The effect of an intervention combining self-efficacy theory and pedometers on promoting physical activity among adolescents[J]. Journal of Clinical Nursing, 2012, 21(7-8):914-922 doi: 10.1111/j.1365-2702.2011.03881.x
[34] MANLEY D, COWAN P, GRAFF C, et al. Self-efficacy, physical activity, and aerobic fitness in middle school children:Examination of a pedometer intervention program[J]. Journal of Pediatric Nursing, 2014, 29(3):228-237 doi: 10.1016/j.pedn.2013.10.011
[35] MENDOZA J A, BAKER K S, MORENO M A, et al. A Fitbit and Facebook mHealth intervention for promoting physical activity among adolescent and young adult childhood cancer survivors:A pilot study[J]. Pediatric Blood & Cancer, 2017, 64(12):e26660 https://www.ncbi.nlm.nih.gov/pubmed/28618158
[36] PITTMAN A F. Effect of a school-based activity tracker, companion social website, and text messaging intervention on exercise, fitness, and physical activity self-efficacy of middle school students[J]. The Journal of School Nursing, 2018:1059840518791223 https://www.onacademic.com/detail/journal_1000040481252210_a33a.html
[37] SCHOENFELDER E, MORENO M, WILNER M, et al. Piloting a mobile health intervention to increase physical activity for adolescents with ADHD[J]. Preventive Medicine Reports, 2017, 6:210-213 doi: 10.1016/j.pmedr.2017.03.003
[38] SLOOTMAKER S M, CHINAPAW M J M, SEIDELL J C, et al. Accelerometers and Internet for physical activity promotion in youth? Feasibility and effectiveness of a minimal intervention[ISRCTN93896459] [J]. Preventive Medicine, 2010, 51(1):31-36 http://med.wanfangdata.com.cn/Paper/Detail/PeriodicalPaper_PM20380847
[39] SUCHERT V, ISENSEE B, SARGENT J, et al. Prospective effects of pedometer use and class competitions on physical activity in youth:A cluster-randomized controlled trial[J]. Preventive Medicine, 2015, 81:399-404 doi: 10.1016/j.ypmed.2015.10.002
[40] SASAKI J E, HICKEY A, MAVILIA M, et al. Validation of the Fitbit wireless activity tracker for prediction of energy expenditure[J]. Journal of Physical Activity & Health, 2015, 12(2):149-154 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=a625065c8914963e14aed09121f83b9f
[41] WÓJCICKI T R, GRIGSBY-TOUSSAINT D, HILLMAN C H, et al. Promoting physical activity in low-active adolescents via Facebook:A pilot randomized controlled trial to test feasibility[J]. JMIR Research Protocols, 2014, 3(4):e56 doi: 10.2196/resprot.3013
[42] HELMERHORST H J, BRAGE S, WARREN J, et al. A systematic review of reliability and objective criterion-related validity of physical activity questionnaires[J]. International Journal of Behavioral Nutrition Physical Activity, 2012, 9:103 doi: 10.1186/1479-5868-9-103
[43] CRAIG C L, MARSHALL A L, SJOSTROM M, et al. International physical activity questionnaire:12-country reliability and validity[J]. Medicine & Science in Sports & Exercise, 2003, 35(8):1381-1395 http://d.old.wanfangdata.com.cn/Periodical/zhlxbx200403021
[44] STRAITON N, ALHARBI M, BAUMAN A, et al. The validity and reliability of consumer-grade activity trackers in older, community-dwelling adults:A systematic review[J]. Maturitas, 2018, 112:85-93 doi: 10.1016/j.maturitas.2018.03.016
[45] EVENSON K R, GOTO M M, FURBERG R D. Systematic review of the validity and reliability of consumer-wearable activity trackers[J]. International Journal of Behavioral Nutrition and Physical Activity, 2015, 12:159 doi: 10.1186/s12966-015-0314-1
[46] FREEDSON P, BOWLES H R, TROIANO R, et al. Assessment of physical activity using wearable monitors:Recommendations for monitor calibration and use in the field[J]. Medicine & Science in Sports & Exercise, 2012, 44(1):1-4 http://med.wanfangdata.com.cn/Paper/Detail/PeriodicalPaper_PM22157769
[47] RIDGERS N D, SALMON J, RIDLEY K, et al. Agreement between activPAL and ActiGraph for assessing children's sedentary time[J]. International Journal of Behavioral Nutrition and Physical Activity, 2012, 9:15 doi: 10.1186/1479-5868-9-15
[48] STRATH S J, KAMINSKY L A, AINSWORTH B E, et al. Guide to the assessment of physical activity:Clinical and research applications:A scientific statement from the American Heart Association[J]. Circulation, 2013, 128(20):59-79 http://med.wanfangdata.com.cn/Paper/Detail/PeriodicalPaper_PM24126387
[49] CASE M A, BURWICK H A, VOLPP K G, et al. Accuracy of smartphone applications and wearable devices for tracking physical activity data[J]. JAMA, 2015, 313(6):25-26 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=3098a96f6954a18a5ebf49499332cb47
[50] 贺刚, 黄雅君, 王香生.加速度计在儿童体力活动测量中的应用[J].体育科学, 2011, 31(8):72-77 doi: 10.3969/j.issn.1000-677X.2011.08.009 [51] SCHAEFER S E, VAN LOAN M, GERMAN J B. A feasibility study of wearable activity monitors for pre-adolescent school-age children[J]. Preventing Chronic Disease, 2014, 11:E85 https://www.ncbi.nlm.nih.gov/pubmed/24854236
[52] 刘阳.基于加速度计的身体活动测量研究前沿[J].北京体育大学学报, 2016, 39(8):66-73 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=bjtydxxb201608011 [53] WOODMAN J A, CROUTER S E, BASSETT D R, et al. Accuracy of consumer monitors for estimating energy expenditure and activity type[J]. Medicine & Science in Sports & Exercise, 2017, 49(2):371-377 https://www.ncbi.nlm.nih.gov/pubmed/27580155
[54] LALLY P, VAN JAARSVELD C H M, POTTS H W W, et al. How are habits formed:Modelling habit formation in the real world[J]. European Journal of Social Psychology, 2010, 40(6):998-1009 doi: 10.1002/ejsp.674
[55] WAFA S W, AZIZ N N, SHAHRIL M R, et al. Measuring the daily activity of lying down, sitting, standing and stepping of obese children using the ActivPAL (TM) activity monitor[J]. Journal of Tropical Pediatrics, 2017, 63(2):98-103 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=17711ec9fb7167483178477844be0c9d
[56] 杨丽珠, 邹晓燕, 刘雯.儿童心理学课程现代化的探索[J].心理发展与教育, 1996(4):52-55 [57] GARDNER B, ABRAHAM C, LALLY P, et al. Towards parsimony in habit measurement:Testing the convergent and predictive validity of an automaticity subscale of the Self-Report Habit Index[J]. International Journal of Behavioral Nutrition and Physical Activity, 2012, 9:102 doi: 10.1186/1479-5868-9-102
[58] PATEL M S, ASCH D A, VOLPP K G. Wearable devices as facilitators, not drivers, of health behavior change[J]. JAMA, 2015, 313(5):459-460 doi: 10.1001/jama.2014.14781
[59] EL-AMRAWY F, NOUNOU M I. Are currently available wearable devices for activity tracking and heart rate monitoring accurate, precise, and medically beneficial?[J]. Healthcare Informatics Research, 2015, 21(4):315-320 doi: 10.4258/hir.2015.21.4.315
[60] SILFEE V J, HAUGHTON C F, JAKE-SCHOFFMAN D E, et al. Objective measurement of physical activity outcomes in lifestyle interventions among adults:A systematic review[J]. Preventive Medicine Reports, 2018, 11:74-80 doi: 10.1016/j.pmedr.2018.05.003
[61] SALMON J, RIDGERS N D. Is wearable technology an activity motivator, or a fad that wears thin?[J]. Medical Journal of Australia, 2017, 206(3):119-120 doi: 10.5694/mja16.01242
[62] JAKICIC J M, DAVIS K K, ROGERS R J, et al. Effect of wearable technology combined with a lifestyle intervention on long-term weight loss the IDEA randomized clinical trial[J]. JAMA, 2016, 316(11):1161-1171 doi: 10.1001/jama.2016.12858
[63] Gao Z. Technology in physical activity and health promotion[M]. London:Taylor & Francis, 2017:158-159
[64] STORM F A, HELLER B W, MAZZA C. Step detection and activity recognition accuracy of seven physical activity monitors[J]. PLoS One, 2015, 10(3):e0118723 doi: 10.1371/journal.pone.0118723
[65] BAUMANN S, GROSS S, VOIGT L, et al. Pitfalls in accelerometer-based measurement of physical activity:The presence of reactivity in an adult population[J]. Scandinavian Journal of Medicine & Science in Sports, 2018, 28(3):1056-1063 https://www.ncbi.nlm.nih.gov/pubmed/28921747
[66] HUANG Y, XU J, YU B, et al. Validity of FitBit, Jawbone UP, Nike+ and other wearable devices for level and stair walking [J]. Gait & Posture, 2016, 48:36-41 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=a466822c6032db02a18926f8eee61235
[67] NELSON M B, KAMINSKY L A, DICKIN D C, et al. Validity of consumer-based physical activity monitors for specific activity types[J]. Medicine & Science in Sports & Exercise, 2016, 48(8):1619-1628 https://www.ncbi.nlm.nih.gov/pubmed/27015387
[68] MOTL R W, MCAULEY E, DLUGONSKI D. Reactivity in baseline accelerometer data from a physical activity behavioral intervention[J]. Health Psychology, 2012, 31(2):172-175 doi: 10.1037/a0025965
[69] BUNN J A, NAVALTA J W, FOUNTAINE C J, et al. Current state of commercial wearable technology in physical activity monitoring 2015-2017[J]. International Journal of Exercise & Science, 2018, 11(7):503-515 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5841672/
[70] FOKKEMA T, KOOIMAN T J, KRIJNEN W P, et al. Reliability and validity of ten consumer activity trackers depend on walking speed[J]. Medicine & Science in Sports & Exercise, 2017, 49(4):793-800 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=f5603a96495d76f433f1b6f480fc3397
[71] PIWEK L, ELLIS D A, ANDREWS S, et al. The rise of consumer health wearables:Promises and barriers[J]. PLoS Medicine, 2016, 13(2):e1001953 doi: 10.1371/journal.pmed.1001953
-
期刊类型引用(3)
1. 郭迎清，罗亮，孙晋海. 新时代中国特色体育学学术体系的现实诉求、内涵意蕴与构建理路. 山东体育学院学报. 2024(02): 10-17+36 . 
百度学术
2. 姜勇，王晓宇. 城市社区体育“协商治理”发展的本土逻辑、价值定位与未来向度. 南京体育学院学报. 2024(01): 39-45 . 百度学术
3. 许文鑫，郭凯林. 我国社区居民体育锻炼的同群效应——基于CGSS数据的实证分析. 中国体育科技. 2024(01): 3-9 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 247
- HTML全文浏览量: 121
- PDF下载量: 19
- 被引次数: 5