基于静息心震图技术的VO2peak无创评估在超重/肥胖人群生活方式干预中的验证研究

推荐语：本研究针对超重/肥胖人群心肺功能评估的临床需求，创新性地采用静息心震图(SCG)技术开发非运动性VO2peak预测模型。通过14周生活方式干预前后对比验证，证实SCG eVO2peak可准确检测群体水平的心肺适能变化（组间差异0.3±1.0 ml·min-1·kg-1），为临床提供了一种便捷、可靠的心血管风险评估工具。

　　

心肺适能（Cardiorespiratory fitness, CRF）作为评估人体健康的重要指标，其核心参数峰值摄氧量（VO₂peak）已被美国心脏协会列为"临床生命体征"。然而传统心肺运动试验（CPET）存在设备昂贵、操作复杂、需极限运动等局限，尤其在超重/肥胖人群中实施难度更大。现有非运动预测方程（N-Ex）虽具便捷优势，但在特殊人群中的准确性欠佳，且无法有效追踪干预效果的变化。这一技术瓶颈严重制约了心肺适能在公共卫生和临床实践中的推广应用。

针对这一关键问题，丹麦哥本哈根大学等机构的研究团队开展了一项创新性研究，探索基于心震图（Seismocardiography, SCG）技术的VO₂peak无创评估方法。SCG通过加速度传感器捕捉心脏机械活动产生的胸壁振动信号，能客观反映心脏功能状态。研究人员假设这种结合心脏机械特征与基础人口学参数的预测模型，可提高超重/肥胖人群心肺功能评估的准确性。相关成果发表在《International Journal of Obesity》期刊。

研究采用前后对照设计，在丹麦Ubberup民众高等学校招募67名BMI 25-50 kg·m^-2的成人（57%女性）。关键技术包括：1）静息SCG信号采集（SeismoFit?设备）；2）标准CPET（Monark功率车+Cosmed气体分析系统）；3）国际体力活动问卷（IPAQ）；4）生物阻抗体成分分析。通过比较SCG预测值（SCG eVO₂peak）与金标准测量值，评估模型在14周生活方式干预前后的准确性。

研究结果显示，基线时SCG eVO₂peak与实测VO₂peak具有良好一致性（r=0.78，SEE=5.0 ml·min^-1·kg^-1），81%参与者被正确分类至相应功能分级。干预后（n=52），体重平均减少6.6 kg，实测VO₂peak提升3.3 ml·min^-1·kg^-1（12%），SCG预测值同步增加2.6 ml·min^-1·kg^-1（9%），组间无统计学差异（p=0.939）。值得注意的是，SCG模型对功能分级改变的识别优于传统方程（正确识别7/9跨分级改变者），但个体水平变化检测仍受体重干扰（r=0.10）。

在讨论部分，作者指出SCG技术的双重优势：既规避了传统CPET的操作限制，又克服了N-Ex方程依赖自我报告体力活动的偏差。特别在超重人群中，SCG通过捕捉心脏机械特征（如舒张期振幅Log_amp_AC_PeaktoPeak、S2形态学参数等），可解释传统人口学参数外的15%变异度。研究同时承认当前模型存在±9.8 ml·min^-1·kg^-1的置信区间偏大等问题，建议未来结合深度学习优化信号特征提取。

该研究的临床意义在于：首次验证SCG技术在肥胖人群心肺功能动态监测中的实用性，为大规模流行病学研究提供了可行工具。相较于Myers方程（R²=0.65）和含IPAQ的Schembre方程（过度高估40%），SCG模型展现出更好的群体变化检测能力。研究者建议后续探索该技术在心血管疾病人群中的应用，并开发可区分体重变化与真实功能改变的改进算法。这些发现为推动心肺适能评估从实验室走向临床实践迈出了关键一步。