基于趋势局部平稳小波模型的纵向可穿戴体力活动数据分析方法研究

本研究针对传统体力活动数据分析方法忽略时间依赖性和非平稳性的问题，开发了基于趋势局部平稳小波模型(TLSW)的新型统计方法。研究人员通过MIPACT试验的80名受试者12周干预数据，创新性提出时间参考变异区域(TIRRV)指标，成功实现了对个体和群体水平体力活动趋势的动态评估。该方法为穿戴设备数据的纵向分析提供了突破性解决方案，对慢性病管理的行为干预评估具有重要临床价值。

　　

在现代健康管理中，可穿戴设备已成为监测体力活动的革命性工具。然而这些设备产生的海量时序数据却让研究者陷入困境——每分钟记录产生的12周数据超过12万个点，传统统计方法难以捕捉其中复杂的时空关联。更棘手的是，人体活动天然具有昼夜节律、工作日-周末差异等非平稳特征，常规的"前后均值比较"方法会丢失关键的行为动态信息。这种分析瓶颈严重制约了穿戴设备在慢性病管理中的应用效果评估，例如2型糖尿病患者需要持续监测活动量变化，但现有方法无法提供精细化的趋势解读。

英国巴斯大学健康系联合数学科学系的研究团队在《International Journal of Behavioral Nutrition and Physical Activity》发表创新成果。该研究利用MIPACT随机对照试验的干预组数据（80名43-70岁心血管风险患者12周连续监测数据），开发了趋势局部平稳小波模型(TLSW)分析方法。通过分解时间序列的季节性(S_t)、趋势(μ_t)和活动变异(ε_t)成分，结合新提出的时间参考变异区域(TIRRV)指标，首次实现了对久坐行为的高精度动态评估。

关键技术包括：1) 采用BodyMedia Core多传感器设备采集每小时久坐时间数据；2) 应用TLSW模型处理非平稳时间序列，通过傅里叶级数估计24小时周期季节性成分；3) 建立参考变异区域(RRV)基线区间[RRV_min, RRV_max]；4) 开发TIRRV/TARRV/TBRRV三指标系统量化行为改变程度。

研究方法

研究采用二级数据分析策略，从MIPACT试验筛选80名符合穿戴完整性标准的受试者（日均佩戴时间89%±7%）。将13周连续监测的每小时久坐时间数据转化为2,184个时序点，通过TLSW模型分离趋势成分并计算95%置信区间。

个体水平结果

如图6所示，典型个体呈现三类响应模式：参与者20保持基线水平(TIRRV=1)；参与者155在33%干预时间内久坐增加(TARRV=0.33)；参与者163在92%时间内显著减少久坐(TBRRV=0.92)。图4展示的置信带分析可精确定位行为改变的时间节点，如某参与者在第6周和第12周出现显著下降趋势。

群体水平结果

如图7所示，整体久坐时间从第6周开始持续下降，群体TBRRV达0.46。图8显示37名参与者(46.25%)获得积极改善，25名(31.25%)出现负面变化，18名(22.5%)保持稳定。密度分析表明多数改善者呈现持续性的久坐减少模式。

该研究突破了传统体力活动分析的三大局限：首次将局部平稳小波理论应用于穿戴设备数据，解决非平稳时序建模难题；开发的TIRRV指标体系实现了个体化基线参照评估；置信区间方法可识别行为改变的精确时间节点。临床价值在于：为慢性病管理提供动态监测工具，使医生能识别干预响应者（如糖尿病患者中46%有效减少久坐），并优化干预时机。未来可扩展至中高强度活动(MVPA)等多维度分析，但需考虑不同活动指标的误差特性差异。技术层面建议开发用户友好界面，降低TLSW模型的使用门槛。

这项方法论创新为穿戴设备数据的科研转化树立了新标准，其价值不仅体现在MIPACT试验的再分析，更开创了"数字表型"精细解析的技术路径。随着设备续航能力的提升，该方法有望成为行为干预研究的标配分析工具，推动个性化健康管理进入动态监测新时代。