基于成分数据分析的24 h活动与儿童基本动作技能的关系

邱艳平，王丽娟，周玉兰，陈欢，梁果

(1.上海体育学院 体育教育学院，上海 200438；2.浙江师范大学 体育与健康科学学院，浙江 金华 321004)

基本动作技能(Fundamental Motor Skills，FMS)是人体基本动作的协调运用能力，包括位移技能(身体从一个地方移动到另外一个地方的能力，如走、跑、跳等)和操控技能(身体通过控制某种器械进行运动的能力，如拍球、接球、踢球等)[1-2]。FMS是专项运动技能的基础，大量研究证明儿童阶段FMS的良好发展可以推动其身体活动参与[3-4]、促进体质健康[5]、提高儿童的认知功能与学业成绩[6]，并影响其成年后的社会适应能力[7]。2022年教育部印发《义务教育体育与健康课程标准(2022年版)》[8]，明确将FMS纳为义务教育阶段体育与健康课程主要内容。然而，过往研究发现我国儿童的FMS水平较低[3,9]，因此探索了解我国儿童FMS的影响因素对于促进其发展至关重要。

国内外研究针对儿童身体活动和久坐行为(Sedentary Behavior，SED)与其FMS的独立关系进行分析，发现这些行为与FMS紧密相关[3,10-11]，而睡眠也被认定和动作技能的学习相关[12-13]。近10年，部分学者对这种独立关系研究范式提出质疑，认为：低强度身体活动(Light-Intensity Physical Activity，LPA)、中高强度身体活动(Moderate-to-Vigorous Physical Activity，MVPA)、SED与睡眠时间构成一天24 h，称为“24 h活动行为”(24 h Movement Behavior)；24h活动行为之间相互依赖，一种活动时间(如身体活动)的变化必然导致另一种或多种活动时间(如SED或睡眠)的补偿性变化。从单一维度探讨这些行为的效应，可能使其与效应指标之间的关联产生偏差，建议应考虑各种行为之间的内在联系并分析其对个体FMS产生的综合效应[14-15]。

然而，从数据特征看，24 h活动数据属于成分数据，即含有多个分量(LPA、MVPA、SED、睡眠)，各分量为非负数且总和为定值(24 h)[15]。运用传统统计学方法对此类数据进行分析时往往忽略“定和限制”特性，导致分析结果出现多重共线性问题[16]。为此，英国学者Chastin等[14]将成分数据分析方法(Compositional Data Analysis)运用于健康研究中，通过成分数据之间的等距对数比转换为时间占比，解决成分数据间的共线性问题，从而了解不同行为的时间占比以及时间重新分配与健康结局变量的关系。此分析方法在近5年开始运用于24 h活动的效应研究中，目前仅两项研究运用此方法探讨24 h活动行为与学龄儿童动作技能之间的关系：Burns等[17]分析美国儿童校内MVPA、LPA、SED与粗大动作技能之间的关系，结果显示MVPA时间占比与FMS正相关，且其效应主要体现在儿童的操控技能发展上。Smith等[18]探讨英国与伊朗学龄儿童MVPA、LPA、SED、睡眠与FMS的关系，发现MVPA、LPA时间占比与FMS显著正相关，SED、睡眠的时间占比与FMS显著负相关，将10 min睡眠替代SED提高了FMS水平，反之则降低了FMS水平。

本研究聚焦于浙江省金华市儿童的FMS及其亚类(位移技能与操控技能)，使用成分数据分析方法，探讨MVPA、LPA、SED、睡眠的时间占比与FMS总分、位移技能、操控技能的关系，分析MVPA、LPA、SED和睡眠之间进行10 min时间重新分配对FMS总分、位移技能、操控技能的影响，探究MVPA、LPA、SED和睡眠时间持续分配与FMS总分、位移技能、操控技能之间的“剂量-效应”特征，旨为我国儿童FMS发展与干预提供参考，为我国24 h活动指南制定提供科学依据。

1 研究对象与方法

1.1 测量对象

本研究采用大肌肉动作发展测试第三版(Test of Gross Motor Development-3，TGMD-3)测量FMS，运用Actigraph GT3X型人体运动能耗监测仪(简称加速度计)测量MVPA、LPA、SED和睡眠时长。采用随机抽样方法在浙江省金华市2个城区(婺城区和金东区)随机选取3所小学，由于TGMD-3专门用于评估3～10岁儿童的FMS[19-20]，故本研究的目标样本是6～10岁学生。因此，小学六年级学生因年龄普遍在10岁以上予以排除，从1～5年级每个年级随机抽取1个班级，邀请班级里所有年龄在10岁或以下学生共581名进行测试。按照自愿参与原则，每位学生家长均需签署知情同意书，共497位学生同意参与研究。排除11名存在心血管相关疾病、身体残疾、智力障碍的学生，最终486名学生参与本项研究，测试工作在2022年3月进行。

首先，本研究运用Actigraph GT3X型加速度计测量学生为期一周的24 h活动。每天不少于16 h的佩戴时间记录为一个有效日，1周至少佩戴3个有效日(2个上学日+1个周末日)为有效数据[21]。在486名受试学生中，344名学生的测试数据为有效数据，有效率为70.78%。随后，对这344名学生进行FMS测试，327名完成测试，其中男生167名(51.1%)，女生160名(48.9%)，受试学生年龄分布于6～10岁，平均年龄为(8.53±1.34)岁。最后，采用标准身高体重测量仪测量受试学生的身高体重，计算每位受试对象的身体质量指数(Body Mass Index，BMI)，得出受试者BMI均值为(16.97±2.69)kg/m2。

1.2 24 h活动指标的测量

参与本研究的学生需连续7天(包括5个上学日和2个周末日，洗澡、游泳等水性活动时需要取下)佩戴加速度计。测试前由调查人员讲解研究目的，向学生发放仪器并讲解佩戴加速度计的规范及注意事项。加速度计采用15 s的时间间隔(epoch)记录MVPA、LPA及SED的数据[21]。根据Barreria等[22]编制的睡眠算法，研究采用60 s时间间隔记录睡眠时长，此算法可自动辨别与剔除睡眠过程中的清醒时间，然后记录全天睡眠时长。测试过程中受试学生将加速度计佩戴于腰间右侧，为提高数据有效性，调查员每天去学校监督及检查学生佩戴仪器情况。加速度计从发放的第2天凌晨0点开始记录数据，直至第8天由调查人员收回。测试结束后运用ActiLife 6.13.3软件对加速度计数据进行筛选与分析。根据所记录的身体活动强度分子以及Evenson等[23]提出的儿童身体活动强度分类标准，将所记录下来的身体活动分为SED、LPA、MPA、VPA。本研究选取测量所得数据中的MVPA时间(MVPA时间=MPA时间+VPA时间)、LPA时间、SED时间以及睡眠时长进行分析。

1.3 FMS的测量

本研究采用大肌肉动作发展测试第3版(TGMD-3)对学生的位移技能和操控技能进行测量。该工具由美国密歇根大学Ulrich教授于1985年编制，2013年在第2版(TGMD-2)基础上完成了第3次修订(TGMD-3)，用于测评3～10岁儿童FMS发展状况，并已被证明在我国儿童中具有良好的信效度[19-20]。测试内容包含位移技能和操控技能共13项，其中位移技能包括跑、前滑步、单脚跳、侧滑步、立定跳远和跑跳步6项，操控技能包括双手击打固定球、单手原地拍球、双手接球、踢固定球、上手投球、下手抛球和单手握拍击打反弹球7项。TGMD-3中的每个项目根据3～5个条目进行评分，符合1个条目得“1”分，不符合条目得“0”分，正式测试为2次，最终得分为2次测试之和，位移技能和操控技能分别为46分和54分，总分为100分。

测试人员为上海体育学院体育教育训练学博硕士研究生以及体育教师，所有测试人员均经过理论培训、动作示范培训和测试评分培训。测试过程中，根据TGMD-3测试手册要求，按照“体育教师讲解示范1次→学生练习1次→正式测试2次”的顺序依次进行，同时测试全程对每位学生进行正面和侧面录像。测试结束后，由2名运动技能专家(体操国际级运动健将且为国家一级裁判)通过观看录像独立进行评分，最后将两名专家所评分数的平均分作为最终成绩。

1.4 统计学分析

本研究数据分析遵循Chastin等[14]提出的24 h活动成分数据分析指南，采用R软件(3.6.1)中的“compositions”和“robCompositions”包对数据进行整理与分析，所有模型均调整性别、年龄、BMI。为了消除数据之间的共线性，对24 h活动行为数据进行等距对数比转换(isometric log ratio transformation，ilr)[24-25]。数据分析主要包含如下步骤：(1)24 h活动数据的集中与离散趋势分析。通过计算每种行为时间的成分几何均值和在24 h的占比来揭示各行为数据的集中趋势，通过成对对数比方差矩阵反映24 h成分数据的离散情况。若对数比方差值越小表示两项活动间的关联程度更高，方差数值越大表示两项活动间的关联程度越低[26]。(2)24 h活动时间占比的成分线性回归分析，以ilr坐标作为自变量，以FMS总分、位移技能和操控技能作为因变量，构建成分多元线性回归模型，分析每一种行为的时间占比与因变量的相关程度[25]。(3)24 h活动的成分等时替代分析。WHO认为，每天10 min身体活动累积量是个体健康收益的最小单位[27]，因此本研究以10 min作为不同行为重新分配的单位时长。以FMS总分、位移和操控技能为因变量，在保持其他行为时间不变的情况下，一种行为重新分配10 min给另一种行为后，探究因变量预测值的变化[18]。(4)24 h活动对于FMS的“剂量-效应”。本研究针对成分等时替代分析中具有显著替代效应的路径，以10 min为增量单位，持续延长时间至60 min，以讨论不同替代时长与FMS的“剂量-效应”。

2 结果与分析

2.1 儿童FMS水平与24 h活动时间分布

FMS测试结果显示，学生FMS总分均值为(65.43±7.93)分，其中，位移技能的平均得分为(33.45±3.95)分，操控技能的平均得分为(31.98±4.42)分。24 h活动时间分布结果显示，MVPA、LPA、SED及睡眠的成分几何均值及比例依次为45.83(3.19%)、224.18(15.57%)、570.59(39.62%)、599.41(41.63%) min，算术平均值及比例依次为47.78(3.32%)、228.33(15.86%)、568.82(39.50%)、595.07 (41.32%) min。

本研究采用成对对数比方差矩阵反映24 h活动的离散情况(见表1)。

表1 身体活动、久坐行为和睡眠的成对对数比方差矩阵

变异矩阵显示SED和睡眠时间之间的对数比方差最小，ln(SED/睡眠)=0.045，表明SED与睡眠的关联程度最高，即SED和睡眠最容易发生转换。MVPA与SED的等距对数比方差最高，ln(MVPA/SED)=0.148，表明这两个变量的关联程度最低，说明MVPA与SED最不易发生转换。

2.2 儿童24 h活动时间组合及时间占比与FMS的关系

本研究在调整性别、年龄和BMI后，以等距对数比转换后的24 h活动行为(MVPA、LPA、SED和睡眠)为自变量，FMS总分、位移技能、操控技能为因变量，进行成分数据回归分析(见表2)。结果显示，针对单个因变量的4个模型P值和R2均相等，表明拟合模型未出错。24 h活动时间组合与FMS总分(P＜0.01，R2=0.613)、位移技能(P＜0.01，R2=0.523)、操控技能(P＜0.01，R2=0.603)均显著相关。其次，相对于24 h活动的其他行为，MVPA的时间占比与FMS总分、位移技能和操控技

表2 身体活动、久坐行为和睡眠的时间占比与FMS的成分线性回归1)

能显著正相关(βMVPA=4.155，P＜0.01；βMVPA=1.425，

P＜0.05；βMVPA=2.730，P＜0.01)；SED的时间占比分别与FMS总分、位移技能、操控技能显著负相关(βSED=-6.926，P＜0.01；βSED=-2.440，P＜0.05；βSED=-4.859，P＜0.01)；睡眠时间占比与操控技能显著正相关(β睡眠=2.958，P＜0.05)，但与FMS总分、位移技能无显著相关(P＞0.05)；LPA的时间占比与FMS总分、位移技能、操控技能均无显著相关(P＞0.05)。

2.3 儿童24 h活动时间重新分配的FMS预测值变化

本研究以10 min为时间分配单位，探讨MVPA、LPA、SED和睡眠时间的重新分配对FMS总分、位移技能和操控技能的影响(见表3)。结果显示，在调整性别、年龄和BMI后，将10 min MVPA替代睡眠后，FMS总分和操控技能分别显著增加0.594、0.421个单位，反之分别显著减少0.752、0.527个单位，但对位移技能无显著影响(P＞0.05)。将10 min MVPA替代SED后，FMS总分、位移技能和操控技能分别显著增加0.728、0.252、0.477个单位，反之分别显著减少0.884、0.302、0.582个单位。将10 min MVPA替代LPA后，FMS总分、位移技能和操控技能分别显著增加0.659、0.222、0.437个单位，反之分别显著减少0.815、0.272、0.543个单位。将10 min睡眠替代SED后，FMS总分、位移技能和操控技能分别显著增加0.134、0.078、0.056个单位，反之分别显著减少0.133、0.078、0.055个单位。其他活动行为时间的相互替代对FMS总分、位移技能和操控技能均无显著影响。

表3 身体活动、久坐行为和睡眠10 min重新分配与FMS预测值变化(95%CI)

2.4 儿童24 h活动重新分配与FMS的“剂量-效应”

为探索持续时间分配中FMS的变化规律，本研究针对具有显著时间分配效应的24 h活动行为要素，以10 min为1次增量，持续时间至60 min，进一步分析不同时间分配时长与FMS总分、位移技能、操控技能的“剂量-效应”关系。根据图1与图2，本研究发现MVPA与其他行为时间(LPA、SED、睡眠)的重新分配效应具有不对称性，即MVPA时间替代其他行为对FMS总分、位移技能、操控技能的上升效应低于其他行为时间替代MVPA的降低效应，而SED与睡眠时间的相互替代对FMS总分、位移技能、操控技能的影响差异并不明显。如将10 min睡眠替代SED后，FMS总分显著增加0.134个单位，反之分别显著减少0.133个单位(见表3)。其次，剂量-效应曲线显示随着MVPA时间持续替代LPA、SED、睡眠，其FMS水平不断提高，但MVPA时间替代SED时FMS总分、位移技能、操控技能上升幅度最大，即效应最大。最后，MVPA时间替代其他行为引起操控技能上升幅度高于位移技能(见图2)，即其影响操控技能的效应大于位移技能。

图1 24 h活动重新分配对FMS总分的影响

图2 24 h活动重新分配对位移技能和操控技能的影响

3 讨论

基于24 h的“定和限制”特性，本研究运用成分数据分析方法探讨我国儿童24 h活动行为时间占比、时间重新分配与FMS之间的关系。通过成分线性回归分析与成分等时替代分析，主要有以下重要发现。

MVPA时间占比与FMS存在显著正相关，并且将LPA、SED、睡眠时间分配给MVPA后有利于提高FMS水平，这些结果拓展与延伸了过去对于MVPA的传统认识，即MVPA不但有益于健康，而且对提高FMS水平也具有重要作用。过往的两项针对儿童FMS的成分数据分析研究虽也发现MVPA时间占比与FMS存在正相关[17-18]，但Stodden等[28]与Robinson等[29]提出儿童FMS和身体活动之间存在动态关系的理论模型，指出个体的FMS练习可以有效促进其身体活动的参与，而身体活动对FMS的发展也起着积极作用，这为本研究中MVPA对FMS发展起促进作用提供了理论支持。从实践层面看，6～10岁学龄儿童的认知能力、身体素质、运动能力等还未发育成熟，并不适合开展系统的专项运动技能学习，因此，走、跑、跳、投等相关动作技能与体育游戏成为学龄儿童体育课以及日常生活中的主要身体活动形式[1,8]，这些活动形式与FMS测评项目高度契合，因此两者可能存在“共变”关系，即身体活动参与和FMS水平提升相互关联并共同发展。并且，走、跑、跳、投等身体活动特征也决定了其中等或高等活动强度[30]。由此可见，本研究中所呈现的MVPA而非LPA对FMS有明显促进作用的研究结果符合儿童活动实践规律。

虽然，将MVPA时间替代LPA、SED、睡眠均可促进FMS发展，但“剂量-效应”曲线进一步显示MVPA时间替代SED对FMS的促进效应最佳。本研究中成分线性回归分析表明SED时间占比对FMS有负向影响，MVPA时间占比与FMS存在显著正相关，将SED这种消极行为转化为具有积极效应的MVPA，两种行为效应的反差可能导致其相互转换对FMS产生更大影响。此研究结果也与我国在2021年制定的《中国人群身体活动指南》所强调的“多动少坐”观点一致[31]。基于此研究结果，减少SED时间而代之以MVPA是提升我国儿童FMS水平的最佳路径。如减少学科课程增加体育课或体育活动、鼓励学生课间离开坐位参与MVPA活动、放学后适当缩短学生久坐如学习、屏幕行为、乐器练习等时间并以MVPA活动替代等，均可达到两种行为之间的有效转换。然而，本研究的对数比方差矩阵表明MVPA与SED之间最不易发生转换。从实践层面看，在我国现有教育体制下，学生学习时间与身体活动时间的矛盾在短时间内难以调和；其次，许多学校出于安全考虑，并不鼓励甚至限制学生在课间从事强度较高的活动[32-33]；这些学校教育中存在的现实问题也限制了学生SED与MVPA之间转换的可能性。因此，基于LPA与MVPA时间分配的显著效应，本研究建议也可通过LPA与MVPA的转换来达成。例如在体育课、大课间、体育活动课等儿童有效活动时间内提高活动强度，合理提升MVPA的比例。但就睡眠与MVPA时间分配对于FMS的积极效应而言，建议需谨慎对待我国儿童普遍存在睡眠不足的问题[34-35]。本研究中小学生平均每天睡眠为595.07 min，未达到我国教育部在2021年规定的确保小学生每天10 h的睡眠时间[36]。因此，即使研究结果显示睡眠时间分配给MVPA可以提高FMS水平，但从健康角度而言，对于普遍缺乏睡眠的小学生不宜将睡眠时间分配给MVPA。

MVPA与其他行为时间的重新分配对儿童FMS的影响具有不对称性，即MVPA替代其他活动行为对FMS所产生的积极效应小于其他活动行为替代MVPA对FMS的消极效应。过往研究在运用成分数据分析方法探讨24 h活动健康效应时，大部分研究均发现MVPA与其他行为转换效应具有不对称性[26,37-38]。这些学者认为，MVPA时间分配的不对称特征与各项24 h活动时长不同有关，平均每天MVPA时间仅为45 min，从MVPA时间中移除10 min所占比例超过1/5，由此引起的替代效应自然较大；而LPA、SED、睡眠时长分别为224 min、571 min、599 min，从这3种行为中移除10 min所占比例仅为4.5%、1.8%、1.7%，所产生的替代效应也因此较弱，甚至可忽略不计。此结果也说明在现有学生MVPA水平的基础上，如再减少参与MVPA的时间会给学生FMS带来严重的负面影响，需在LPA、SED与睡眠中调配更多时间才可弥补。因此，如因各种条件限制无法增加学生MVPA时间的前提下，维持目前已有水平也至关重要。

本研究表明睡眠时间占比与儿童FMS无显著性相关，但如果将SED时间替代睡眠后会显著降低FMS的水平。部分学者认为睡眠可以促进新技能动作的学习，即在睡眠中大脑可强化和调整新习得的动作技能、巩固隔夜的动作技能记忆，从而提高动作技能的学习绩效[12-13]。本研究结果表明睡眠占比与FMS无显著相关，可能是因为FMS并非复杂的技能动作，FMS发展的关键不在于动作技能习得，而在于通过反复练习才能提高水平[39]。因此，睡眠提高动作技能这一功能对于FMS的长期发展影响有限。虽然睡眠并不直接影响FMS，但如果减少睡眠时间而代之以SED，则会对FMS的发展起负面作用，这与Smith等[18]的成分数据分析结果一致。此研究结果对于我国儿童而言有重要意义，这说明睡眠不足、久坐时间过长不但对健康产生不良影响，也是FMS发展的消极因素。家长应引导与监督孩子减少其久坐特别是屏幕行为，在此基础上合理规划睡眠时间以保持充足睡眠。

针对位移技能与操控技能，24 h活动时间占比与重新分配对两者的影响是相似的，但在两方面存在效应差异：(1)睡眠时间占比与操控技能正相关，但与位移技能无显著相关；同样，10 min MVPA替代睡眠可以提升操控技能，但对于位移技能的发展无显著影响。操控技能涉及到对于球类等器材掌控的能力，从技术难度来说，与跳跃、奔跑等位移技能相比操控技能显然更为复杂，也更难以掌握[19]。通过睡眠可以巩固动作技能的记忆，加快动作技能的学习与掌握[13]，这可能是相对于位移技能，睡眠对操控技能产生影响效应更为显著的主要原因。(2)MVPA与其他行为(LPA、SED、睡眠)之间的时间分配对于操控技能的影响均高于位移技能，此研究结果与Burns等[17]对于美国学龄儿童的分析结果一致。部分学者认为，儿童位移技能与操控技能的掌握存在时间差。小学阶段初期儿童基本上已熟练掌握位移技能，而由于操控技能技术难度更大、操控技能的发展滞后于位移技能[17]。因此，MVPA与其他行为之间的时间分配效应在小学阶段发展潜力更大的操控技能上有更显著的反应。

综上所述，本研究是我国首次基于成分数据分析模型探讨学龄儿童24 h活动与FMS关系的研究，并运用加速度计测量24 h活动以保证数据的精确性。然而，本研究存在部分局限：第一，本研究为横断面调查研究，无法确定不同活动行为与FMS的因果关系，后续需更多队列研究和干预研究来验证两者之间的关系。第二，本研究中TGMD-3是一个过程性评价工具，测试人员的主观评判差异可能会影响24 h活动与FMS的关系，后续研究应结合客观测量工具对学龄儿童FMS进行测量以进一步提高研究的精确度。第三，本研究样本量偏少且样本代表有限，有待更大样本针对24 h活动与FMS的关系做进一步研究。第四，本研究分析时仅控制年龄、性别和BMI，但未对其他可能影响FMS的因素(如家庭环境等因素)进行控制。在后续研究中应加强队列研究和干预研究，分析24 h活动与学龄儿童FMS之间的因果关系。同时，有必要对于不同类型久坐行为(如屏幕类久坐行为、学习类久坐行为)、身体活动与久坐时间积累模式(单次活动持续时长与间断次数)、不同时间睡眠(如午休睡眠、夜晚睡眠)对FMS的不同影响进行更深入的探讨与分析，以便进一步了解学龄儿童24 h活动行为中哪些类型活动对FMS能力发展的影响最大，从而为学校与家庭合理规划学龄儿童24 h活动安排，为我国24 h活动指南的制定提供参考。