基于多水平建模的生态瞬时评估(EMA)与加速度计数据验证研究：重复测量面板分析揭示智能手机问卷在体力活动监测中的优势

本研究针对传统体力活动(PA)监测方法存在回忆偏倚、成本高及缺乏情境信息等问题，通过多水平建模比较生态瞬时评估(EMA)、全球体力活动问卷(GPAQ)和Bouchard活动记录(BAR)与加速度计数据的关联性。结果显示智能手机EMA在建模步数(β=0.387, P<0.001)和中等至剧烈活动(MVPA)时间(β=0.367, P<0.001)方面优于传统问卷，为大规模流行病学研究提供了高效可靠的数字化解决方案。

　　

在当今数字化健康监测快速发展的背景下，准确评估体力活动(PA)仍是公共卫生研究的核心挑战。尽管可穿戴设备能客观记录加速度数据，但其高昂成本、设备管理难度以及无法捕捉活动情境等缺陷，限制了在大型流行病学研究中的应用。传统问卷如全球体力活动问卷(GPAQ)存在回忆偏倚，而Bouchard活动记录(BAR)虽能高频记录但操作繁琐。如何开发兼具准确性、便捷性和情境感知能力的PA评估工具，成为亟待解决的科学问题。

为应对这一挑战，首尔大学医院的研究团队开展了一项创新性研究，通过重复测量面板设计比较生态瞬时评估(EMA)、GPAQ和BAR与加速度计数据的关联性。研究招募235名成年人（含94名重复参与者），采用ActiGraph GT3X+加速度计采集腰部运动数据，同步收集EMA（每日2小时间隔报告）、GPAQ（单次回顾性问卷）和BAR（每日15分钟记录）的PA数据。通过多水平建模分析发现，智能手机EMA在预测加速度计步数(β=0.387)和MVPA时间(β=0.367)方面显著优于GPAQ(β=0.281)，与BAR(β=0.394)效果相当，且每日报告优于整体均值。该成果发表于《Journal of Medical Internet Research》，为数字化PA监测提供了循证依据。

关键技术方法包括：1) 采用ActiGraph GT3X+三轴加速度计采集客观PA数据；2) 设计自适应EMA问卷系统（通过SurveyMonkey实现）；3) 建立多水平统计模型处理重复测量数据；4) 整合三种评估工具（EMA/GPAQ/BAR）的6个PA维度数据；5) 基于韩国公共卫生中心队列进行7天纵向研究。

研究结果方面：
背景：PA监测面临传感器成本高、传统问卷回忆偏倚大等瓶颈，EMA可能成为平衡准确性与可行性的解决方案。
方法：235名受试者完成7天研究，EMA采用2小时间隔报告，BAR记录15分钟间隔活动，GPAQ提供周回顾数据。
结果：加速度计显示日均MVPA为104.38分钟，而EMA/BAR/GPAQ分别高估至194.41/146.67/146.17分钟。多水平建模显示EMA和BAR对步数的解释力显著优于GPAQ（P<0.001）。
讨论：EMA在保留情境信息的同时，其日间变异捕捉能力与BAR相当，且操作负担更低。

结论部分强调，智能手机EMA通过实时、自适应评估克服了传统工具的局限性，在非职业性PA（如交通和休闲锻炼）评估中表现尤为突出。尽管在50岁以上女性为主的样本中存在局限性，但EMA展现的"精准公共卫生"潜力，为慢性病管理、健康不平等研究提供了新工具。该研究首次系统验证了数字化EMA在PA监测中的效度，为未来整合传感器与情境化问卷的混合评估模式奠定了基础。