从身体活动和饮食摄入预测健康体重状态：一种时间感知的数据挖掘流水线

《Journal of Biomedical Informatics》：Predicting healthy weight status from physical activity and dietary intake: A time-aware data mining pipeline

　　

摘要
目的：开发并评估一种时间感知的数据挖掘流水线，该流水线整合了基于加速度计的身体活动（Physical Activity, PA）、静态饮食摄入和社会人口学因素，以预测健康体重状态（Healthy Weight Status, HWS），并识别对HWS具有预测重要性的特征。
方法：研究人员提出TimePAD（Time-Based Physical Activity and Dietary Intake data mining），一种三阶段预测流水线，整合基于时间的PA表征、静态饮食摄入和社会人口学变量，以预测HWS类别。阶段1推导出强度特异性的小时PA序列，并利用基于掩码自监督学习（Self-Supervised Learning, SSL）重建训练的Transformer编码器学习一天中的时间PA嵌入。阶段2将学习到的PA嵌入与静态饮食变量和来自食物频率问卷（Food Frequency Questionnaire, FFQ）的参与者特征相结合。阶段3训练预测模型，并根据其对HWS的预测重要性对预测因子进行排序。TimePAD在一个包含206名青少年（10–16岁）的真实世界数据集上进行评估，该数据集包含7天连续腕戴式加速度计数据、FFQ记录和社会人口学属性，采用10折交叉验证并与基于ARIMA的特征工程基线进行比较。
结果：TimePAD在HWS预测中实现了82.90%的准确率和67.92%的F1分数，优于最佳基线（基于ARIMA的PA特征+饮食，准确率77.51%）。在实验中，一天中的时间轻度PA（Light PA, LPA）特征始终被列为重要预测因子。其他关键特征包括一天中的时间中高强度活动（Moderate-to-Vigorous Activity, MVPA）和久坐（Sedentary, SED）水平、Tanner分期、每周总睡眠时间、年龄（月）、每周水果摄入量、每周蔬菜和豆类摄入量以及含糖饮料摄入量。
讨论：TimePAD贡献了一种流水线，用于从可穿戴PA时间序列中的一天中时间结构学习，并将其与静态饮食和背景数据整合，以进行预测和特征分析。研究结果表明，LPA可能与HWS存在显著关联，需要进一步关注和调查以更好地理解LPA在整体健康结果中的作用。这说明TimePAD在结合饮食摄入背景建模PA以塑造健康行为方面的潜在益处。

论文解读文章

**研究背景与问题**
全球健康领域指出，缺乏身体活动（Physical Activity, PA）和不良饮食是导致肥胖及2型糖尿病等非传染性疾病的主要风险因素。青少年肥胖率持续上升，迫切需要理解如何通过日常PA模式和饮食维持健康体重。现有研究多采用聚合指标（如日均PA总量）或仅关注中高强度活动（Moderate-to-Vigorous Activity, MVPA），忽视了PA在一天中不同时间的分布特征，且PA与饮食的联合分析仍较少。此外，深度学习在PA与饮食联合预测体重健康状态（Healthy Weight Status, HWS）中的应用有限。因此，研究人员提出一种时间感知的数据挖掘流水线TimePAD，旨在从可穿戴加速度计数据中提取时间维度的PA特征，并与静态饮食摄入和社会人口学因素整合，以预测青少年HWS并识别关键特征。该论文发表在《Journal of Biomedical Informatics》。

**主要关键技术方法**
研究人员采用三阶段流水线TimePAD：第一阶段，将原始加速度计数据预处理为每小时、每种强度（久坐SED、轻度LPA、中高强度MVPA）的时长和回合数序列，利用基于掩码自监督学习（SSL）重建的Transformer编码器提取一天中时间PA嵌入；第二阶段，将学习到的PA嵌入与来自食物频率问卷（FFQ）的静态饮食变量及社会人口学特征（如年龄、性别、Tanner分期）拼接；第三阶段，使用支持向量机（SVC）等分类器进行HWS二分类预测，并通过支持向量机递归特征消除（SVM-RFE）评估特征重要性。数据集来自新喀里多尼亚206名10–16岁青少年，包含7天腕戴式加速度计数据、FFQ记录和社会人口学信息。

**研究结果**
- **Time-based PA features（时间基PA特征）**：通过对比Transformer编码器、LSTM自动编码器和TCN自动编码器的重建损失（MSE），Transformer在SED（0.1286）、LPA（0.0856）和MVPA（0.0987）上均获得最低验证损失，证实其能有效提取时间基PA模式。
- **HWS prediction and feature importance（HWS预测与特征重要性）**：在10次随机试验中，SVC（线性核）在准确率、F1分数和灵敏度上均优于NuSVC、KNN、XGBoost和AdaBoost，最佳配置达到准确率82.90%、F1分数67.92%。特征重要性排名显示，一天中时间LPA特征被一致列为最重要的预测因子，其次为MVPA、SED、Tanner分期、年龄、每周水果摄入、含糖饮料摄入等。
- **Comparison across PA modelling strategies（PA建模策略对比）**：与无PA特征、静态PA特征（日均MVPA）、端到端Transformer、ARIMA基线等相比，TimePAD（Transformer编码器PA+社会人口学+饮食）在所有特征组合中取得最高预测性能，显著优于ARIMA基线的77.51%准确率。
- **Post-hoc TimePAD pipeline analyses（事后分析）**：SMOTE敏感性分析显示，50:50比例下F1分数和灵敏度最高；亚组分析表明，TimePAD在男孩中表现优于女孩，工作日PA数据略优于周末，交叉亚组评估提示学习到的PA表征具有一定跨情境迁移能力。

**讨论与结论**
讨论部分指出，时间基PA模式（尤其LPA）对HWS预测的重要性超过传统聚合指标，这与近期关于LPA与体成分关联的研究一致。饮食摄入（如果蔬、含糖饮料）和发育阶段（Tanner分期）的加入进一步提升了预测效能。研究局限性包括：深度学习模型可解释性不足、数据集仅来自单一队列。未来工作需结合事后可解释性方法，并在更广泛人群中验证。
结论：研究人员提出TimePAD，一种利用无监督表征学习从加速度计数据中提取时间PA特征并整合静态饮食摄入以预测HWS的流水线。结果表明，时间感知的PA特征提取能更有效揭示各强度水平PA模式，凸显了LPA的重要性，并为可穿戴行为数据在生物医学信息学中的应用提供了新方法。