可穿戴设备增强的移动健康干预促进手动轮椅使用者身体活动：单组前后可行性研究

为解决脊髓损伤(SCI)患者体力活动(PA)不足的问题，研究人员开发了基于Fogg行为模型(FBM)的WheelFit移动健康(mHealth)应用，集成智能手表和轮椅传感器监测PA，并通过自适应训练库促进锻炼。16名参与者完成4周干预后，每日中高强度运动时间显著增加6.9分钟(P=0.049)，运动自我效能(ESES)评分提高2分(P=0.043)，系统可用性量表(SUS)达81.8分。该研究为SCI人群提供了创新的数字化康复解决方案。

　　

脊髓损伤(SCI)患者面临严峻的二次健康风险——66%存在肥胖问题，近半数无法达到每周2次20分钟中高强度有氧运动的基本指南要求。传统可穿戴设备如Apple Watch虽推出轮椅模式，但高昂成本和系统限制将安卓用户拒之门外。更棘手的是，现有移动健康干预如WOWii和SUPER-HEALTH依赖为普通人群设计的设备，其数据准确性存疑；PHIRE应用虽开发专用算法，却缺乏适应性训练功能。这种技术缺口使得30万美国轮椅使用者的健康管理陷入"监测不准、锻炼无门"的困境。

为破解这一难题，匹兹堡大学的研究团队开发出集成化解决方案WheelFit。这款基于Fogg行为模型(FBM)的安卓应用创造性地组合三种核心要素：通过TicWatch Pro智能手表和SensorTag轮椅传感器实现精准PA监测（采样频率分别为30Hz和5Hz），内置11个由临床专家设计的适应性训练课程（含 aerobic/strength/flexibility 三类），并采用振动提醒对抗久坐行为。研究采用单组前后设计，16名参与者完成1周基线监测+3周干预，通过系统可用性量表(SUS)、脊髓损伤运动自我效能量表(ESES)和PA变量变化评估效果。

主要技术方法
研究采用商用TicWatch Pro智能手表（搭载定制伴侣应用）监测上肢活动，通过Texas Instruments SensorTag轮椅传感器捕捉推进动作，两者通过蓝牙低功耗(BLE)与Pixel 3手机互联。PA算法整合 mean absolute deviation 阈值分类法和Veerubhotla推进计数算法。4周远程研究包含5次Zoom会议，由物理治疗师(PT)进行功能性评估并制定个性化行动方案，通过REDCap收集ESES等问卷数据。

结果
设备与干预可行性
参与者保持14.2小时/天的设备连接（满足10小时有效佩戴标准），会谈到场率100%。4名参与者完全坚持训练计划，3名完成2周计划，但整体行动计划执行存在差异。

系统可用性
平均SUS得分81.8（SD 19.2），11人认为应用"非常有用"。值得注意的是，数字素养较低的3名参与者得分低于68分，凸显个性化支持的必要性。

PA改善
每日MVPA时间从基线期26.4分钟提升至33.3分钟(P=0.049)，其中9人增幅超10%。ESES评分从33.9升至35.9(P=0.043)。典型案例显示：两名轮椅运动员用户通过应用提升赛前训练强度（MVPA增幅分别达33%和71%），而原本久坐的16号参与者实现800%的惊人增长。

训练模式偏好
14人选择力量训练，9人同时进行柔韧性训练——后者被参与者视为缓解肌肉疼痛的关键，但现行SCI运动指南却长期忽视这一需求。

讨论与意义
该研究首次验证了多组件mHealth干预在SCI人群中的协同效应：精准监测解决"数据可信度"痛点，适应性训练库突破"不知如何练"的障碍，而振动触发机制则直击"难以坚持"的难题。特别值得关注的是，COVID-19期间仍实现100%的远程参与完成率，证实数字化干预在特殊时期的独特价值。

局限性包括缺乏对照组、4周观察期较短，以及专用手机可能影响使用体验。未来研究应探索疼痛管理模块开发、多轮椅场景适配，并关注数字素养对干预效果的影响。临床转化方面，WheelFit既可作为PT的远程康复工具，也能充当自主锻炼平台——其81.8分的SUS成绩已超越多数医疗应用平均水平。

这项发表于《JMIR Rehabilitation and Assistive Technologies》的研究，为破解SCI患者"监测-锻炼"双重困境提供了切实可行的技术路径。随着可穿戴设备成本持续降低，这种融合行为科学和物联网技术的干预模式，或将成为改善残疾人群健康公平性的重要突破口。