Evaluating Open-Source Wrist-Worn Accelerometer Models for Sedentary Time Detection Against Thigh-Worn Accelerometer Data
本研究表明，腕式加速度计（特别是使用 Actinet 机器学习模型进行分析时）在自由生活环境下，与大腿佩戴的参考数据相比，能够准确估算久坐时间及长时间连续久坐行为，从而支持其在未来流行病学研究中的应用。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，你想知道人们在一天当中花了多少时间坐着。多年来，科学家们一直使用一种佩戴在腿部的“金标准”设备（类似于用于姿势检测的高端GPS）来区分坐、站和走。然而，这些腿部设备既昂贵又有点笨重，佩戴起来不太方便。
如今，大多数人都佩戴着智能手表或健身追踪器在手腕上。核心问题在于：智能手表能否准确地猜出你在坐着，还是它会产生混淆？
这篇论文就像是一场大规模的“口味测试”，研究人员将六种用于智能手表的不同软件“配方”（算法）与腿部佩戴的“金标准”进行了对比，以观察哪一个能真实反映坐着的时间。
以下是他们的研究结果：
设置：“口味测试”
研究人员收集了 662 名佩戴着两种设备并持续约一周的职场成年人：
- 腿部监测仪（裁判）： 它确切地知道他们何时在坐着，因为它能感知身体的角度。
- 手腕监测仪（参赛者）： 它必须仅根据手臂的移动程度来猜测该人是否在坐着。
他们测试了六种不同的“配方”（计算机程序），这些程序将手腕运动数据转化为“坐着”或“非坐着”的标签。
结果：谁赢了？
把这六种配方想象成不同的厨师，试图仅通过观察菜肴来猜出一种秘密成分（坐着时间）。
- 明星厨师 (ActiNet)： 其中一种名为 ActiNet 的配方是明显的赢家。它就像一位大师级厨师，能够品尝出菜肴并说：“是的，这绝对是在坐着，”准确率约为 87%。与腿部监测仪相比，它对总坐姿时间、长时坐姿次数以及全天用于这些长时坐姿的比例的判断几乎完全正确。
- “剪切粘贴型”厨师 (Cut-point models)： 其他三种配方尝试使用简单的规则（例如，“如果手臂移动量小于 X，则处于坐姿”）。它们表现尚可，但犯错较多。它们就像是在使用一本通用的食谱，没有考虑到不同人的手臂运动差异。
- 挣扎中的厨师 (Actimetric)： 其中一种配方表现最差，经常将坐着与其他活动混淆。
“睡眠”带来的困惑
测试中有一个棘手的部分：当你睡觉时，你的手臂几乎不动，这看起来非常像是在坐着。
- 研究人员发现，一些模型会产生混淆，将睡眠时间计入“坐着时间”。
- 然而，即使研究人员仅观察清醒时段（上午 8:00 至晚上 10:00），ActiNet 仍然是表现最好的模型。
“长时坐姿”的挑战
研究人员还观察了“长时间坐姿”（例如长时间的工作会议或看电影）。
- 大多数模型在统计发生了多少次长时坐姿方面表现尚可。
- 然而，计算在这些长时坐姿中所占的百分比对于腕部模型来说更难做到完美。只有 ActiNet 在这个特定细节上保持在准确性的“安全区”内。
结论
论文得出结论：智能手表确实可以告诉我们人们坐了多久，但前提是你必须使用正确的软件配方。
如果你使用 ActiNet 模型，智能手表就是一个非常可靠的工具，其表现与昂贵的腿部监测器非常接近。如果你使用旧的、更简单的规则，数据可能会有些偏差。这让科学家们充满信心，可以利用现有的数百万计的智能手表来研究久坐习惯如何影响健康，只要使用最好的现代工具来解读数据即可。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。