应用步频建立步行能耗预测公式的研究

向剑锋 李之俊

1浙江师范大学体育与健康科学学院（金华321004） 2上海体育科学研究所

运动能耗监测有利于科学指导日常健身，对预防和治疗肥胖、糖尿病等慢性疾病有重要作用。在众多能耗监测方法中，直接测热法、双标水法和气体代谢法等的精确性很高，但在全民健身中的实用性较差。加速度传感器、心率计等方法便捷性好，但普及仍有困难。步行是最普遍的运动方式之一，如何便捷、有效地监测步行能耗仍是有待解决的问题。日常步行中人们主要通过调节步频来调节速度，因此可通过步频间接推算能耗，目前仅Marshall［1］、Tudor-Locke［2］和戴剑松［3］等学者进行了相关研究。为验证以步频推算步行能耗的可行性，本研究以加速度传感器监测步行中的步频，以气体代谢法同步监测能耗，分析步频与能耗的关系，建立并验证以步频为自变量的步行能耗预测公式，为全民健身的科学开展提供客观依据。

1 对象与方法

1.1 研究对象

以76名非体育专业大学生作为研究对象，随机划分为实验组和验证组，表1显示两组受试者身高、体重和BMI均无显著性差异（P>0.05）。所有受试者均签署了知情同意书，自愿参加本研究。研究期间受试者身体健康。

表1 受试者基本情况

1.2 测试方法

通过同步监测5档速度步行时的步频和能耗，分析步频与能耗的关系。采用美国Manufacturing Technology Inc公司生产的Actigraph GT3X三维加速度传感器（简称GT3X）监测步频，Actigraph系列加速度计可准确记录不同速度步行时的步频，其信效度已得到验证［4］。

采用意大利COSMED公司生产的Cosmed K4b2气体代谢能耗分析仪 （简称K4b2）实时监测能耗，K4b2可即时监测每一次呼吸中的O2、CO2等数据并计算能耗。由于受试者测试时背负的仪器总重量约为1kg，为保证能耗测试的客观性，在K4b2中输入的体重为“原始体重＋1kg”［5］。考虑到体重等因素可能对步频与能耗的关系产生较大影响，本研究未使用kcal、kJ等绝对能耗单位，而采用相对能耗的表达方式MET。

测试时，首先测量受试者身高、体重，随后佩戴GT3X和K4b2，统一用弹性腰带将GT3X固定在右侧髋部、肚脐水平高度，并熟悉实验各环节，通过仪器的预测试，然后开始正式测试。实验组按顺序以3.2 km/h、4 km/h、4.8 km/h、5.6 km/h和6.4 km/h共5档速度进行跑台运动，每档速度运动6 min。本项测试在上海体育学院运动人体科学实验中心完成。

验证组受试者尽量以平日的步行速度，在体育馆内进行匀速慢走和中速走各6 min。测试时，实验人员看准电脑时间中某分钟的第一秒按压K4b2主机上的 “Enter”键开始正式测试，以确保GT3X和K4b2的监测时间与电脑时间保持同步（每分钟误差不超过1s）。测试前将GT3X的采样时间设置为5s，测试后将K4b2和GT3X测得的原始数据都转换为“1 min”采样频率的数据。

1.3 统计学分析

采用SPSS15.0软件对数据进行统计分析。建立公式时，取各档速度运动中第4 min～6 min数据的均值分析步频和能耗，以Pearson相关法分析不同指标之间的相关性，采用独立样本t检验分析各指标的性别差异和组间差异，采用线性回归法建立步行能耗预测公式。验证公式时，采用配对t检验和Altman-Bland图形分析验证组能耗预测值和实测值的一致性。以验证组两种步速下第4 min～6 min每分钟的数据，采用接受者工作特征曲线（ROC曲线）验证若以3METs能耗为标准步行时，公式推算的对应步频值的能耗判别的有效性。显著性水平定为P <0.05。

2 结果

2.1 步行能耗预测公式的建立

随着速度的增加，实验组步频和能耗都逐渐增加，相同速度男、女生之间步频和能耗均无显著性差异（P>0.05），见表2和图1。Pearson相关分析显示，实验组步频与MET的相关系数 （r）为0.792（P< 0.01）。以步频为自变量建立的步行能耗预测公式为：METs＝0.076×步频－4.8。该公式判别系数 （r2）为0.627，预测标准误（SEE）为0.585METs。

表2 实验组不同速度步行的步频和能耗

图1 实验组步频与能耗散点图

2.2 步行能耗预测公式的验证

经Pearson相关分析和配对t检验分析可知，该公式对验证组的能耗预测值与实测值的相关系数为0.765，预测值与实测值无显著性差异（P>0.05），见表3。

表3 验证组慢走和中速走时的步频和能耗

Altman-Bland图（图2）显示，能耗公式的预测误差均值接近0，绝大多数预测误差均在95%置信区间内，80%以上的预测误差低于0.3METs。

图2 公式预测准确性的Altman-Bland图

2.3 以3METs能耗为标准步行时对应步频参考值的验证

国际上通常将3METs设置为判别中、低强度运动的能耗参考值，根据前面建立的公式，推算出3METs步行对应的步频值为103步/min。ROC曲线法（receiver operating characteristic curve）分析显示：以步频为自变量判别中、低强度步行的曲线下面积（AUC）为0.71，103步/min的步频对中等强度步行的判别灵敏度为0.733，特异性为0.806，见图3和表4。

图3 步频判别中、低强度步行的ROC曲线图

表4 采用103步/min的步频预测步行能耗与实测步行能耗的对比（例）

3 讨论

以往研究主要以步行速度推算能耗，但性别、步幅等因素会影响速度与能耗的关系［6］。本研究旨在较全面地分析步行中步频与能耗的关系，所选用的5档运动速度基本涵盖了从慢走到快走的步速。实验使用的K4b2和GT3X分别可准确监测能耗和步频，确保了研究结果的有效性，数据处理采用MET这一相对能耗的表达方式，有利于排除体重等个体因素对能耗推算的影响［2-7］。如果要另外推算运动的绝对能耗，只需采用公式［kcal/min＝METs×3.5×体重（kg）/200］进行换算即可［8］。本研究结果显示，步行中的步频与能耗有中度相关性（r＝0.792，P<0.01），提示步频可较好反映步行能耗。Marshall［1］也曾以4.8 km/h、6.4 km/h和9.7 km/h的速度研究走/跑中步频与能耗的关系，结果显示，男、女步频与能耗相关系数分别为0.95和0.87，这一高度相关结果可能与该研究中步速跨度较大有关，其有效性还有待进一步验证。

为深入分析以步频推算步行能耗的可行性，本研究建立了以步频为自变量的步行能耗预测公式，公式的判别系数为0.627，提示步频可解释步行能耗中62.7%的变异性。经验证，公式的误差较低，公式的能耗预测值与实测值的相关性和一致性程度较高，可见公式的效度较高。有学者曾以身高、体重、步频和步行时间为自变量建立步行能耗（kcal）预测公式，而本研究所建公式以步频为单一自变量，以相对能耗（MET）为因变量，有利于更便捷、科学地指导日常健身［3］。

本研究所建公式效度较高，采用该公式推导步行需要消耗能量（MET）对应的步频，在步行健身中具有一定指导价值。如，美国运动医学会建议成年人每天进行至少30 min中等以上强度（≥3METs）运动锻炼［8］。根据本研究所建公式推导3METs对应的步频值为103步/min。经ROC曲线分析验证，在慢走和中速走时，以步频判别中、低强度步行的AUC为0.71，提示步频对步行强度有中等判别价值［9］。以103步/min步频对中、低强度步行的判别敏感度和特异性达到中等水平，公式的效度得到了验证。Marshall等［1］和Tudor-Locke等［2］曾采用线性回归法、ROC曲线法等建立了20余个3METs强度步行的步频参考值，大部分在100步/min～110步/min范围内，与本研究公式推算的103步/min相似。综上，建议步行健身中的步频需达到103步/min。

值得注意的是，本实验仅探讨了匀速步行时步频与能耗的关系，但日常的步行速度会有一定波动，本研究所建能耗预测公式是否适用于速度变化较大的步行，还有待进一步验证。考虑到身体形态、体重、年龄等对步频与能耗的关系有一定影响，因此本研究所建公式在肥胖、中老年等人群中的有效性也还需确认。此外，调整步速时每一个体的步频调整程度有别，步频与能耗的关系也存在个体差异性，这一特点与心率相似。为避免这种个体差异性带来的预测误差，今后的研究可采用气体代谢法等精确方法建立以步频为自变量的个体能耗预测公式来监测步行中的能耗。

4 总结

步行中步频与能耗中度相关，步频可作为步行能耗监测的有效指标，可以采用公式“METs＝0.076×步频－4.8”推算步行健身中的能量消耗。

［1］Marshall SJ，Levy SS，Tudor-Locke C.Translating physical activity recommendations into a pedometer-based step goal：3000 steps in 30 minutes.Am J Prev Med，2009，36（5）：410-415.

［2］Tudor-Locke CE，Sisson SB，Collova T，et al.Pedometerdetermined step count guidelines for classifying walking intensity in a young ostensibly healthy population.Can J Appl Physiol，2005，30（6）：666-676.

［3］戴剑松，李靖，顾忠科，等.步行和日常体力活动能量消耗的推算.体育科学，2006，26（11）：91-95.

［4］Abel MG，Peritore N，Shapiro R，et al.A comprehensive evaluation of motion sensor step-counting error.Appl Physiol Nutr Me，2011，36（1）：166-170.

［5］Strath SJ，Bassett DR，AmSwartz JR，et al.Simultaneous heart rate-motion sensor technique to estimate energy expenditure. Med Sci Sports Exerc，2001，33（12）：2118-2123.

［6］Brooks AG，Gunn SM，Withers RT，et al.Predicting walking METs and energy expenditure from speed or accelerometry. Med Sci Sports Exerc，2005，37（7）：1216-1223.

［7］Haskell WL，Lee IM，Pate RR，et al.Physical activity and public health：updated recommendation for adults from the American College of Sports Medicine and the American Heart Association.Med Sci Sports Exerc，2007，39（8）：1423-1434.

［8］Schneider P，Kaminsky L.Tips for helping clients meet energy expenditure goals.ACSM'S Health Fitness J，2006，10（3）：15-21.

［9］张建国.ROC曲线分析的基本原理以及在体质与健康促进研究中的应用.体育科学，2008，28（6）：62-66.