大学生24 h活动行为和心肺适能关系的成分数据分析

刘佳佳 周傥 李易燕 全明辉

摘    要   目的：運用成分数据分析探究大学生24 h活动行为与心肺适能（cardiorespiratory fitness，CRF）的关系，以及各活动行为间等时替代后CRF的预测变化。方法：数据来源于“上海体育大学校友健康队列研究”。共纳入1 039名大学生［男生517人，女生522人，平均年龄（21.46±0.9）岁］作为研究对象。使用ActiGraph GT3X＋三轴加速度计测量久坐行为（sedentary behavior，SB）、轻体力活动（light physical activity，LPA）和中高强度体力活动（moderate-to-vigorous physical activity，MVPA）及自主报告的方式采集睡眠数据。通过功率自行车进行有氧代谢测试以评估CRF，利用双能X射线吸收仪评估受试者的身体成分。采用成分数据分析探究24 h活动行为与CRF的关系，并以成分等时替代模型探究各项活动行为时间相互替代后，CRF的预测变化情况。结果：1）调整混杂因素后，结果表明24 h活动行为与CRF有显著关联。相对其他活动行为，MVPA和CRF成正相关，SB与CRF成负相关，未发现睡眠和LPA与CRF的关联。2）亚组分析显示调整混杂因素后发现，高体脂率组和非体育生组与上述结果一致；低体脂率组和体育生组未发现各分量与CRF相关。3）在等时替代结果中，MVPA等时替代其他活动行为，CRF增加的幅度要远小于其他活动行为等时替代MVPA时CRF下降时的幅度。结论：MVPA和SB行为是影响大学生CRF的主要因素，相对于简单地控制SB行为，更应鼓励将更多SB行为转成MVPA行为，尤其是高体脂率的学生。

关键词   24 h活动行为；体力活动；久坐行为；睡眠；心肺适能；成分数据分析

中图分类号：G804.2           学科代码：040302           文献标志码：A

DOI：10.14036/j.cnki.cn11-4513.2024.02.010

Abstract  Aim： To examined the relationship between 24 h movement behaviors composition and cardiorespiratory fitness （CRF） of undergraduate， and investigated predicted changes in CRF when time in movement behaviors is reallocated. Methods： Data was obtained from the Shanghai University of Sport Alumni Health Cohort Study. A total of 1 039 college students （male 517; female 522; mean age： 21.46 ± 0.91） were included in analyses for this study. Sedentary time （SB）， light-intensity physical activity （LPA）， and moderate- to vigorous-intensity physical activity（MVPA） were measured with ActiGraph GT3X+ accelerometers. Sleep duration was subjectively measured. The maximum aerobic metabolic exercise testing on an electrically braked bicycle ergometer was performed to assess CRF， and body composition was assessed by dual-energy X-ray absorptiometry. The compositional analysis was used to verify the association between 24 h movement behaviors and CRF. In addition， the compositional and isotemporal reallocation analysis was used to assess predicted changes in CRF after the time reallocation of various activities. Results： 1） After adjusting for confounding factors， compositional data showed that 24 h movement behaviour had significant statistical correlation with CRF. Compared with other activities， the time distribution of MVPA was significantly positively correlated with CRF， while the time distribution of SB was significantly negatively correlated with CRF. There was no significant correlation between the temporal distribution of LPA. 2） In the subgroup analysis， after adjusting confounding factors， the findings of the hgih body fat percentage group and the non-sport major studentsgroup were consistent with the above results; however， there is no relationship between CRF and each component of the low body fat percentage group and the sport-major students group. 3） In compositional isotemporal substitution analysis， when MVPA replaces other movement behaviors， the range of increasing CRF are lower than the range of declining CRF when other movement behaviors replace MVPA. Conclusion： MVPA and SB are the main factors influencing undergraduatesCRF， comparing controlling SB， it's more important to encourage them spend time in MVPA than SB， especially student who are high body fat percentage.

Keywords   24-hour movement behaviours; physical activity; sedentary behaviour; sleep; cardiopulmonary fitness; compositional analysis

心肺适能（cardiorespiratory fitness，CRF）是衡量心脏将含氧气丰富的动脉血输送到各组织脏器（如肌肉）能力的良好指标［1］。美国心脏协会（AHA）早在2016年建议将CRF作为人体第五大生命体征［2］，并在2022年发表科学声明，强调关于检测青少年的CRF以预防过早发生心血管疾病的重要性［3］。目前，国家教育部门加强对大学生体质健康的管理，大学生体质健康不良情况有所改善，但是不良生活作息、饮食摄入增加和体力锻炼减少仍引起学生身体素质下降、心血管疾病、死亡率呈年轻化趋势等健康问题［4］。CRF被视为心血管疾病和全因死亡率的有效预测因子［5］，在维持和提高生活质量方面具有重要作用。因此，如何维持和提高大学生的CRF具有重要的公共健康意义。

在全球范围内，CRF下降与体力活动（physical activity，PA）减少和久坐行为（sedentary behaviors，SB）时间的增加密切相关［6］。但是前期多数研究孤立地探究PA和SB与CRF的关系，并认为PA和SB对CRF均有独立影响［7-8］，尚未意识到有限的24 h内，各活动行为之间本质上是相互联系的［9］。24 h活动行为被视为从无强度到高强度的活动连续体［10］，主要由PA、SB和睡眠组成，其中PA可分为中高强度体力活动（moderateto-vigorous physical activity，MVPA）和轻体力活动（light physical activity，LPA）。随着研究的深入，学者们发现，采用传统线性回归分析24 h活动行为无法解决各活动行为之间的共线性，缺乏一定的科学性，并且忽视用整体观点看待不同活动行为组合的必要性［11］。然而，成分数据分析的出现，为解决目前研究的困难提供了新的思路。

成分数据指的是含有多个分量，且每个分量相加总和为常数，具有“定和限制”特性的数据［12］。从数据特征而言，24 h活动行为即为成分数据，具有固定的24 h总时间，且受到其中一项活动行为时间的增加必然伴随其他活动行为时间减少的限制。成分数据分析的本质是采用等距对数比变换（isometric log-ratio，ILR）以解决“定和限制”问题，再采用传统的回归分析方法探究各个成分数据分量与健康结局之间的关系。迄今为止，国外采用成分数据分析探究24 h活动行为和健康指标的关系涉及运动技能［13］、肥胖、CRF和心血管代谢［14］，但在我国，成分数据分析的应用较多地停留在理论层面［11，15］，实证研究运用此方法时涉及肥胖［16-17］、基本运动技能［18］、身体素质［19］和体质健康［20-21］，主要集中于儿童［17-20］和青少年［21］。采用成分数据分析探究24 h活动行为与CRF之间关系的研究数量有限，仍需更多的研究证实两者间的关联。

本研究关注于上海市大学生的CRF，使用成分数据分析方法探讨24 h活动行为与CRF的关系，并分析24 h活动行为之间等时替代后，大学生CRF的预期变化，旨在为科学促进国民健康，研制我国大学生24 h活动行为指南提供关键的理论与实践支撑。

1   研究方法

1.1   研究对象

该横断面研究数据来源于“上海体育大学校友健康队列研究”的基线数据。该健康队列研究的目的是为了探究大学生日常身体活动和体质健康水平的纵向关系及其影响因素。数据采集时间为2018年10月—2019年1月和2019年10月—2020年1月。所有参与者均充分了解本项目的研究目的和意义后自愿签署《知情同意书》。受试者在研究过程中如有任何不适均可无条件退出。本研究经上海体育大学伦理委员会批准（伦理委员会代码：2018047），并在中国临床实验注册中心进行登记注册（批准号：ChiCTR2000028981）。

本研究在2018年和2019年秋季入学新生中共招募1 758名受试者。其中：446名受试者加速度传感器数据不符合要求；150名受试者最大摄氧量数据缺失；12名受试者体脂率（body fat percentage，BF%）数据缺失；111名受试者基本信息数据不完整。共计1 039名各项数据完整者被纳入最终统计分析。受试者纳入标准：1）上海体育大学2018年和2019年秋季入学的19～24岁的新生；2）自愿参与本项目并签署《知情同意书》。受试者排除标准：1）患有心脏病、呼吸系统、肾或肝脏及其他慢性病者；2）严重骨骼肌肉关节病或由于精神、体力障碍而无法进行运动实验者；3）无法满足PA数据采集要求者。

1.2   身体形态指标测量及基础信息调查

1）采用人体测试仪（4643a，Tanita）并严格参照《国民体质测定标准手册及标准》要求测量受试者的身高和体重，身高精确到0.1 cm，体重精确到0.1 kg。2）采用问卷调查收集受试者的性别、出生日期、父母学历（小学及以下、初中、高中、大专、本科、研究生）、生源组（体育生组：体育教育训练学院、体育休闲与艺术、武术学院及中国乒乓球学院；非体育生组：体育新闻传播与外语学院、运动健康学院、经济管理学院、国际教育学院及传媒与艺术学院）及睡眠时长。考虑到我国大学生当前较为普遍的睡眠时长及异常值，睡眠时长低于6 h则不纳入分析［22］。

1.3   体力活动和久坐行为数据采集

采用三轴加速度传感器“ActiGraph GT3X+”（ActigraphLLC，Pensacola）测量受试者的MVPA、LPA和SB数据。ActiGraph GT3X＋已被证实是客观评价成年人身体活动水平的有效手段，能够准确区分SB和非SB［23］。首先，加速度传感器佩戴于受试者的右侧髂嵴上部，要求除睡觉、洗澡和游泳時间外连续佩戴7 d，包括5个工作日和2个周末日，以采集受试者的MVPA、LPA和SB数据。其次，工作人员于第8天上午收回数据。再其次，佩戴时长超过18 h和低于10 h的不纳入分析。

测试开始前，进行受试者的集中仪器指导，确保仪器正确地佩戴和使用。数据采集完毕后，使用软件“Actilife”（Version 6.11.9）对原始数据进行下载和处理分析。在征得受试者同意后，对数据缺失或不符合者进行补测。根据Freedson等提出的身体活动强度分类标准［24］，将SB界定为 0～199 counts/60 s、LPA界定为199≤counts≤2 689/60 s、MVPA界定为2 690≤counts /60 s。加速度计非佩戴时间定义为至少连续60 min的零计数［25］，要求受试者至少佩戴4 d，包括3个工作日和1个周末日。

1.4   心肺适能

基于大样本人群，采用功率自行车（MATRIX Active Cycle U1X，Takei）对受试者的CRF进行测量。受试者根据身高调整座椅至合适高度，将双手握在扶手上的电极片处，以测量安静心率。安静心率测量完成后，根据提示音有节奏地踩踏功率自行车。通过亚极量心率来计算最大摄氧量，受试者在功率自行车上进行3个阶段强度的递增负荷测试。从第一负荷到第三负荷增加的顺序依次为40%、50%和 60%的最大摄氧量对应心率。通过机器内置软件计算最终摄氧量，最后将相当于80%的最大摄氧量的对应心率代入计算出来的负荷和心率回归方程中，计算相当于80%的最大摄氧量负荷，再将其代入Astrand-Rhyming列线图，再通过年龄校正公式和福冈大学校正公式计算出最终结果［26］，精确到0.1 mL/（kg·min-1）。

1.5   身体成分

本研究采用双能X射线吸收仪（GE Prodigy Lunar DXA）测量受试者的身体成分。双能X射线吸收仪是目前最常用的人体成分测量技术之一，被视为人体脂肪测量的金标准［27］。按照测试指南要求进行检测，根据中国人心血管代谢风险所设定的BF%切点，分为高BF%组（男生BF%≥24.0%，女生BF%≥33.0%）和低BF%组（男生BF%<24.0%，女生BF%<33.0%）［28］。

1.6   健康行为量表

受试者的健康行为和健康认知得分是根据Cassi-dy等编制的健康行为量表［29］进行评价。受试者在填量表前将被告知：“从自己的实际情况出发，对下列行为在您生活中出现的频率进行评价”。笔者根据受试者所选择的选项确定单项题目得分，1～5分的选项分别为“从不”“很少”“有时”“经常”和“总是”。问卷共计21个问题，前15个问题各选项得分相加即为健康行为得分，后6个问题各选项得分相加即为健康认知得分，得分越高，表明健康行为越频繁。健康行为得分满分为75分，健康认知得分满分为30分，健康行为总分为105分。

1.7   饮食习惯

有研究表明，高BF%的人群CRF会降低［30］，而饮食习惯会影响受试者的BF%。因此，采用Fulkerson等编制的饮食习惯问卷［31］对受试者饮食习惯进行调查。具体包括：受试者的健康饮食行为关注度、健康饮食妥协行为、喝饮料频率和不良饮食偏好。

1.8   质量控制

在所有项目测试前，所有测试人员均根据测试标准进行统一培训，并完成专门考核，确保其熟练掌握测试方法。数据录入由2名测试人员独立进行，并比较数据录入结果是否有出入，及时排查不一致结果。

1.9   统计分析

考虑到CRF和肥胖的密切关系［32］以及样本的特殊性（体育院校学生），所有模型均按照BF%（低BF%组和高BF%组）和生源类别［即是否参加体育高考（体育生组与非体育生组）］进行亚组分析，并调整混杂因素。

本研究数据分析遵循Chastin等发表的“成分数据分析指南”［9］。由于收集到的数据并非完整的24 h，本研究使用“闭合法”对数据进行标准化处理［16］。基于实测的睡眠时间进行处理。具体公式为：

dx=（）×（1 440-S）  1），

式中：d为具体某一行为（SB、MVPA或LPA）的实测值，BSB为SB值，AMVPA为MVPA值，ALPA为LPA值，S为睡眠时间。

成分数据分析共分为4步：1）以成分几何平均数显示24 h活动行为的集中趋势，以变异矩阵（即成对等距对数比方差）反映24 h活动行为的离散情况，如ln（AMVPA/S）的方差。方差接近0意味着相对应的2个行为之间存在高相互依赖性，越接近1越说明存在低相互依赖性。2）采用等距对数比转换，根据公式进行各活动行为转换［9］。3）采用ILR转换，将成分数据根据公式进行转换。

转换1：

转换2：

转换3：

转换4：

。

将等距对数比转换后的4个成分数据作为自变量，CRF作为因变量进行成分数据分析。成分回归的结果可解释为：某项活动行为时间占比（而非绝对时间）相对其他行为时间与CRF的关系；4）根据拟合的成分回归模型，以15 min为单位重新分配时间［33］，计算CRF的预期变化差异。即保持总时间（1 440 min）和其他活动行为时间不变的前提下，将某项活动行为的15 min分配给另一种活动行为，如保持LPA和睡眠时间不变，MVPA时间增加，SB時间减少。

本研究所有分析采用JMP（JMP Statistical Discove-ry LLC，SAS Campus Drive，Cary，NC 27513，USA）进行数据分析和处理。

2   结果

2.1   描述性统计

成分几何均数可显示成分数据的集中趋势，变异矩阵可体现成分数据内部的离散程度（见表 1 ）。24 h活动行为时间分布结果显示：MVPA、LPA、SB及睡眠的成分几何均值及其比例依次为98.86 min（7%）、289.68 min（20.6%）、561.27 min（39.9%）及456.97 min（32.5%）。在不同BF%组中，低BF%组LPA（21.2%）和MVPA（7.3%）的时间占比大于高BF%组的LPA（18.7%）和MVPA（6.3%）的时间占比；而睡眠和SB的时间占比则相反（高BF%组：32.6%和42.4%；低BF%组：32.4%和39.1%）。在不同生源组中，体育生组LPA（21.8%）和MVPA（8.2%）的时间占比大于非体育生组的LPA（19.1%）和MVPA（5.9%）的时间占比；睡眠占比相同，SB的时间占比则相反（非体育生组占比为42.6%；体育生组占比为37.6%）。

依据变异矩阵可知，在总体及不同亚组中，SB和睡眠的对数比方差最小〔ln （BSB/S） = 0.08〕，表明2种行为的相互依赖性最高。此外，与其他活动行为的对数比方差相比，MVPA与LPA（0.17）的对数比方差最小，与SB的（0.27）对数比方差最大。这表明MVPA和LPA的相互依赖性最高，和SB的相互依赖性最低。

2.2   24 h活动行为与心肺适能的关联

调整混杂因素后，总体样本的MVPA时间占比相对其他活动行为与CRF呈正相关（βMVPA =1.71，p=0.01），SB时间占比与CRF呈负相关（βSB = - 2.38，p= 0.01）。亚组分析结果与总体样本的结果一致。即相较其他活动行为，低BF%组（βMVPA=1.97，p=0.01）和体育生组（βMVPA=2.32，p=0.02）的MVPA时间占比与CRF呈正相关，低BF%组（βSB=- 2.7，p=0.01）和体育生组（βSB=-2.89，p=0.02）的SB时间占比与CRF呈负相关。各组中均未见LPA和睡眠相较其他活动行为与CRF的关联（p>0.05）。

2.3   24 h活动行为与心肺适能的成分等时替换模型

参照Fairclough等研究中的研究方法［34］，表3显示保持其余活动行为不变，当15 min从行中的行为时间重新分配到列中的行为时，即列中的活动行为时间增加，CRF的预测出现差异。在总体样本中，将15 min MVPA等时替代睡眠、SB或LPA、CRF分别增加0.17mL/（kg·min-1）、0.27mL/（kg·min-1）和0.25 mL/（kg·min-1）；但是将15 min睡眠、SB和LPA等时替代MVPA时，CRF分别降低0.2mL/（kg·min-1）、0.3mL/（kg·min-1）和0.28 mL/（kg·min-1）。此外，将15 min SB等时替代睡眠或LPA时，CRF分别降低0.1mL/（kg·min-1）和0.02 mL/（kg·min-1），将15 min 睡眠或LPA等时替代SB时，CRF分别增加0.1 mL/（kg·min-1）和0.02 mL/（kg·min-1）。

成分等时替代时，CRF的变化结果存在不对称性。换言之，伴随MVPA等时替代其他行为时间的增加，大学生的CRF会缓慢增强，但其他活动行为代替MVPA时，CRF会迅速下降。例如，当将60 min的MVPA等时替代SB行为时，CRF上升0.94 mL /（kg·min-1），而同样时间的SB等时替代MVPA时，CRF则下降1.57 mL/（kg·min-1）（如图1所示）。

3   讨论

3.1   研究主要发现

本研究运用成分数据分析探究大学生24 h活动行为和CRF的关系以及时间重新分配后CRF的预测差异，主要有以下发现。首先，成分数据分析证实了24 h活动行为与CRF显著相关，但是24 h活动行为各分量（MVPA、LPA、SB和睡眠）与CRF的关联性不同，MVPA和SB相对其他行为与CRF有显著关系，但并未发现LPA和睡眠相对其他行为与CRF的关系。其次，不同亚组的24 h活动行为分量与CRF的关联性结果并不一致。最后，在成分等时替代时，CRF增强或下降的大小取决于取代或被取代的活动行为，且存在非对称性。

3.2   24 h活动行为与心肺适能关联性同类研究比较

本研究结果显示，24 h活动行为与CRF显著相关，这与关于老年人［33］、孕妇［35］、学龄前儿童［36］、学龄儿童［37-38］等人群的研究结果一致。但是目前多数研究中并未探讨各种身体活动行为分量（MVPA、LPA、SB和睡眠）与CRF的关联［33，35-37］。

本研究结果表明，相较其他身体活动行为，MVPA与CRF呈正相关（YMVPA=1.71， p=0.01），且SB相对其他活动行为与CRF呈负相关（YSB =-2.38，p=0.01），但并未发现LPA与睡眠相对其他身体活动行为与CRF的关系。换言之，当其他身体活动行为时间不变时，增加MVPA行为或减少SB行为均利于CRF的增加。目前采用成分数据分析单独反映24 h活动行为各分量（MVPA、LPA、SB和睡眠）与CRF之间关联的研究较少，仅发现Carson等同样采用成分数据分析对6～17岁的儿童青少年调查了24 h活动行为各分量与CRF的关联［38］，并且与本研究结果一致。从生理学角度而言，运动训练是促进CRF的有效手段［39-40］，这在一定程度上支持了增加MVPA时间会对CRF产生有利影响的结论。长时间参与MVPA有利于心肌纤维的适应性增强，从而能对CRF产生有利的影响［41］，但是SB行为则相反，经常SB的人群，其静息心率和血压会更高、血管舒张功能降低，会使血管变得僵硬，并使血流变化反应下降［42］。从身体姿势而言，人体处于SB时，下肢长时间低于心脏，会使血液循环流动减缓［43］。因此，经常SB的人长时间從事有氧耐力活动会感到更困难。

部分研究显示，肥胖是影响CRF与健康风险之间关系的重要因素［44-45］。因此，基于肥胖与CRF存在的关联以及当前样本量的特殊性，本研究在分析数据时分别进行了BF%组（低BF%组 vs 高BF%组）和生源组（体育组 vs 非体育组）的亚组分析，结果发现，不同亚组的24 h活动行为分量与CRF的关联性结果并不一致。低BF%组和体育生组的MVPA相对其他身体活动行为与CRF呈正相关；而SB与CRF呈负相关，但是在高BF%组和非体育生组中仅发现部分身体活动行为分量（MVPA、SB、LPA或睡眠）与CRF的关联存在边界效应。这可能与各种身体活动行为时间占比有关，低BF%组和体育生组的LPA、MVPA时间占比均高于高BF%组和非体育生组的LPA和MVPA时间占比。有研究发现，多参与PA是人体维持和发展CRF的重要途径［46］，低BF%组和体育生组明显更倾向于参与更多的PA。然而，高BF%组和非体育生组相对有更少的MVPA和更多的SB。由此可见，低BF%组和体育生组的24 h活动行为时间的分配相对于高BF%组和非体育生组的24 h活动行为时间分配要更合理。因此，本研究认为，更健康合理的24 h活动行为模式会对CRF产生积极的影响。

3.3   24 h活动行为与心肺适能关系的成分等时替代同类研究比较

24 h活动行为各分量和CRF等时替代分析结果表明，不同的身体活动行为分量等时替代后，CRF的结果不同。其中，MVPA等时替代其他身体活动行为时有利于提高CRF，并且MVPA等时替代SB产生的健康效益最大。学龄前儿童［36］、学龄儿童［19，37］和青少年［38］的相关研究均支持本研究结果。现行的相关指南同样建议将不活跃的身体活动行为（如SB和睡眠）转变为MVPA，并认为这有利于身体健康，但是从现实角度而言，提倡用MVPA代替睡眠并不有利于身体健康，人体在睡眠过程中会促进身体的修复和发育［47］。

本研究发现，SB等时替代其他身体活动行为时会产生不利的CRF结果。目前有研究者对不同行为模式的SB和健康指标进行了深入的探讨［48］，将SB的模式分为总SB时间（全天時间SB的综合）和SB打断次数（持续SB时间内，用其他身体活动行为停止SB的次数）等。但实际上，这些研究的核心在于将SB的时间缩短，以增加LPA或MVPA的时间（主要是LPA时间），从而观察人体获得的健康效益。部分研究者认为，多参与PA可有效减少SB产生的不利影响，但有研究者发现即使是遵守PA指南的个体，SB时间过长也会增加有害健康的风险［49］。本研究从24 h活动行为的相互联系的角度分析认为，SB时间的减少必然引起其他身体活动行为时间的增加，而本研究结果鼓励分配更多的SB时间到MVPA上，即便是短时间的MVPA也足够避免潜在的CRF危害。

同一身体活动行为等时替代其他身体活动行为和其他身体活动行为等时替代该身体活动行为时，CRF增强或下降的大小具有不对称性。由图1可知，MVPA等时替代其他身体活动行为，CRF增强的幅度小于其他身体活动行为等时替代MVPA时的CRF下降的幅度。因此，大学生有必要用MVPA代替SB或LPA行为以维持或增强CRF。同时，该现象在老年人［33］和学龄前儿童［34］中均有类似的发现。这一现象或许有以下2个原因。首先，各种身体活动行为占24 h活动行为时间的相对比例不同。从表1可知，SB占一天中的身体活动时长的39.9%（561.27 min/d），从中减少15 min，只占了2.5%，而MVPA（289.68 min/d）减少15 min，占比则为19.2%。因此，从MVPA中减少15 min产生的影响更大。此外，PA带来的益处具有积累效应。从运动训练的角度理解，长期保持运动训练的人，CRF会有所增强，但是当个体停止运动后，CRF会迅速下降［20］。

3.4   研究优势与不足

本研究的优势在于采用加速度计测量除了睡眠以外的身体活动行为，以保证数据的准确性，并且在大学生人群开展研究，丰富当前研究不同人群的研究证据，但是本研究不可避免地存在一些局限。首先，睡眠信息采用自主报告的方式收集，与使用其他客观监测方法的研究相比存在一定偏差。其次，没有针对潜在的重要混杂因素进行调整，如吸烟、饮酒等。再者，本研究受试者来源集中，研究结果无法代表其他地区和特征的大学生人群，需要更大、更具代表性的样本进行纵向研究。最后，在横断面的研究设计上，等时替换模型是采用预测公式来反映身体活动行为时间重新分配后的变化情况，而非采用干预手段对受试者24 h活动行为时间进行重新分配，无法得出因果关系［9］。

4   结论与展望

4.1   研究结论

本研究支持更健康合理的24 h活动行为模式会与CRF产生积极的关系。本研究结果表明，大学生24 h活动行为与CRF显著关联，主要表现在MVPA和SB。本研究结果显示，应关注肥胖和非体育生人群的MVPA和SB行为时间占比，以合理维持和增强我国大学生的CRF水平。

4.2   未来的研究建议

建议未来开展更多纵向跟踪性研究和实验性研究，通过各个行为的组合模式进行干预。例如：不同身体活动行为时间的具体分配，以探究制定最佳的身体活动行为时间分配计划；其次，还可着眼于身体活动行为组合的平衡点研究，以探究组合内PA活动量的最低阈值、SB的最高阈值和睡眠时长的最佳区间，但行为组合的最佳模式并非追求最高的健康效益，而应该关注于最合适和可实施的、可持续性的最佳平衡点。最后，有必要探究特殊人群24 h活动行为与CRF的关系，以及24 h活动行为时间重新分配对CRF的影响。

参考文献：

［1］  王建平，王人卫，张春华，等. 体适能评定理论与方法 ［M］. 上海： 上海教育出版社，2013： 132.

［2］  ROSS R， BLAIR S N， ARENA R， et al. Importance of assessing cardiorespiratory fitness in clinical practice： A case for fitness as a clinical vital sign： A scientific statement from the American heart association［J］. Circulation， 2016， 134（24）： 653-699.

［3］  RAGHUVEER G， HARTZ J， LUBANS D R， et al. Cardiorespira-tory fitness in youth： an important marker of health： A scientific statement from the American heart association ［J］. Circulation， 2020， 142（7）： 101-118.

［4］  教育部体育卫生与艺术教育司. 第八次全国学生体质与健康调研有关情况介绍 ［EB/OL］.（2021-09-03）［2023-06-25］.https：//www.chinanutri.cn/xwzx_238/xyxw/202109/t20210903_235870.html.

［5］  FARDMAN A， BANSCHICK G D， RABIA R， et al. Cardiorespi-ratory fitness is an independent predictor of cardiovascular morbidity and mortality and improves accuracy of prediction models［J］. Canadian Journal of Cardiology， 2021， 37（2）： 241-250.

［6］  LAVIE C J， OZEMEK C， CARBONE S， et al. Sedentary behavi-or， exercise， and cardiovascular health［J］. Circulation Resear-ch， 2019， 124（5）： 799-815.

［7］  MOORE J B， BEETS M W， BARR-ANDERSON D J， et al. Sedentary time and vigorous physical activity are independently associated with cardiorespiratory fitness in middle school youth［J］. Journal of Sports Sciences， 2013， 31（14）： 1520-1525.

［8］  ERIKSEN L， GR？覫NBAEK M， HELGE J W， et al. Cardiorespira-tory fitness in 16025 adults aged 18-91 years and associations with physical activity and sitting time［J］. Scandinavian Journal of Medicine and Science in Sports， 2016， 26（12）： 1435-1443.

［9］  CHASTIN S， JAVIER P A， DONTJE M L， et al. Combined effec-ts of time spent in physical activity， sedentary behaviors and sleep on obesity and cardio-metabolic health markers： A novel compositional data analysis approach［J］. Plos One， 2015， 10（10）： 1-37.

［10］  KUZIK N， POITRAS V J， TREMBLAY M S， et al. Systematic review of the relationships between combinations of movement behaviours and health indicators in the early years （0-4 years） ［J］. BMC Public Health， 2017， 17（5）： 109-121.

［11］  張婷，李红娟. 成分数据分析方法在身体活动与健康研究领域的应用展望［J］. 体育科学，2020，40（9）：74-82，97.

［12］  DUMUID D， ？譕ELJKO P， STANFORD T E， et al. The composit-ional isotemporal substitution model： A method for estimating changes in a health outcome for reallocation of time between sleep， physical activity and sedentary behaviour［J］. Statistical Methods in Medical Research， 2017， 28（3）： 846-857.

［13］  MARTINS C， CLARK C， BANDEIRA P R， et al. Association between compliance with the 24-hour movement guidelines and fundamental movement skills in preschoolers： A network perspective［J］. International Journal of Environmental Research and Public Health， 2020， 17（15）： 1-13.

［14］  JANSSEN I， CLARKE A E， CARSON V， et al. A systematic review of compositional data analysis studies examining associ-ations between sleep， sedentary behaviour， and physical acti-vity with health outcomes in adults［J］. Applied Physiology， Nutrition， and Metabolism， 2020， 45（10）： 248-257.

［15］  宋俊辰，李红娟，王政淞. 时间使用流行病学在身体活动研究领域的应用［J］. 体育科学，2020，40（1）： 79-88.

［16］  那晓娜，朱珠，陈阳阳，等. 身体活动、静坐行为的时间分布与肥胖的关系［J］. 北京大学学报（医学版），2020，52（3）： 486-491.

［17］  梁果，王丽娟，陈欢，等. 24 h活动时间分布及替代与儿童身体质量指数的关系研究：基于成分分析模型 ［J］. 体育科学，2022，42（3）：77-84.

［18］  邱艳平，王丽娟，周玉兰，等. 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［J］. 体育学刊，2023，30（1）： 137-144.

［19］  张涵敏，张婷， 武宝爱，等. 24 h活动行为与小学生身体素质的关系 ［J］. 中国学校卫生，2023，44（1）： 17-22.

［20］  常振亚，王树明. 24小时动作行为对学龄前儿童体质健康影响的等时替代效益研究［J］. 体育科学，2020， 40（10）： 50-57.

［21］  张婷，李红娟，李超，等. 基于成分数据分析的青少年24 h活动行为与体质关联的研究［J］. 中国体育科技，2022，58（12）：91-97.

［22］  李卓，朱海，王玲. 探究当代大学生的睡眠时长——以成都师范学院为例［J］. 山西青年，2019（18）：33-34.

［23］  PETERSON N E， SIRARD J R， KULBOK P A， et al. Validati-on of accelerometer thresholds and inclinometry for measure-ment of sedentary behavior in young adult university students［J］. Research in Nursing and Health， 2015， 38（6）： 492-499.

［24］  FREEDSON J. Validation and comparison of actigraph activity monitors［J］. Journal of Science and Medicine in Sport， 2011， 14（5）： 411-416.

［25］  CHOI L， LIU Z， MATTHEWS C E， et al. Validation of acceler-ometer wear and nonwear time classification algorithm ［J］. Medicine and Science in Sports and Exercise， 2011， 43（2）： 357-364.

［26］  松原建， 小池城， 柳川真， 等. 年齢から推定した50%VO2max相當のmetsと冠動脈疾患危険因子との関係 ［J］. 体力科学， 2011， 60（1）： 139-146.

［27］  PLANK L D. Dual-energy x-ray absorptiometry and body composition［J］. Current Opinion in Clinical Nutrition and Met-abolic Care， 2005， 8（3）： 305-309.

［28］  JIA A， XU S， MING J， et al. Body fat percentage cutoffs for risk of cardiometabolic abnormalities in the chinese adult populat-ion： a nationwide study［J］. European Journal of Clinical Nutr-ition， 2018， 72（5）： 728-735.

［29］  CASSIDY T， WRIGHT L. Graduate employment status and health： A longitudinal analysis of the transition from student ［J］. Social Psychology of Education， 2008， 11（2）： 181-191.

［30］  MINATTO G， SOUSA T F， CARVALHO W R， et al. Associati-on between cardiorespiratory fitness and body fat in girls ［J］. Revista Paulista de Pediatria， 2016， 34（4）： 469-475.

［31］  FULKERSON J A， SHERWOOD N E， PERRY C L， et al. Dep-ressive symptoms and adolescent eating and health behaviors： A multifaceted view in a population-based sample ［J］. Preven-tive Medicine， 2004， 38（6）： 865-875.

［32］  CARBONE S， DEL BUONO M G， OZEMEK C， et al. Obesity， risk of diabetes and role of physical activity， exercise training and cardiorespiratory fitness［J］. Progress in Cardiovascular Diseases， 2019， 62（4）： 327-333.

［33］  DUMUID D， LEWIS L K， OLDS T S， et al. Relationships betwe-en older adultsuse of time and cardio-respiratory fitness， obesity and cardio-metabolic risk： A compositional isotemporal substitution analysis［J］. Maturitas， 2018， 110： 104-110.

［34］  FAIRCLOUGH S J， DUMUID D， TAYLOR S， et al. Fitness， fatness and the reallocation of time between children's daily movement behaviours： an analysis of compositional data［J］. The International Journal of Behavioral Nutrition and Physical Activity， 2017， 14（1）： 1-12.

［35］  OVIEDO-CARO M， BUENO-ANTEQUERA J， MUNGUA-IZQUIERDO D. Associations of 24-hours activity composition with adiposity and cardiorespiratory fitness： The pregnactive project ［J］. Scandinavian Journal of Medicine and Science in Sports， 2020， 30（2）： 295-302.

［36］  LEMOS L， CLARK C， BRAND C， et al. 24-hour movement behaviors and fitness in preschoolers： A compositional and isotemporal reallocation analysis ［J］. Scandinavian Journal of Medicine and Science in Sports， 2021， 31（6）： 1371-1379.

［37］  FAIRCLOUGH S J， DUMUID D， MACKINTOSH K A， et al. Adiposity， fitness， health-related quality of life and the realloc-ation of time between childrens school day activity behaviours： A compositional data analysis［J］. Preventive Medicine Rep-orts， 2018， 11： 254-261.

［38］  CARSON V， TREMBLAY M S， CHAPUT J P， et al. Associatio-ns between sleep duration， sedentary time， physical activity， and health indicators among canadian children and youth using compositional analyses［J］. Applied Physiology， Nutrition， and Metabolism， 2016， 41（6）： 294-302.

［39］ COSTIGAN S A， EATHER N， PLOTNIKOFF R C， et al. High-intensity interval training for improving health-related fitness in adolescents： A systematic review and meta-analysis［J］. British Journal of Sports Medicine， 2015， 49（19）： 1253-1261.

［40］  袁玲玲. 高強度间歇运动对超重或肥胖男性青少年心肺适能和身体成分及血脂水平的影响 ［J］. 中华物理医学与康复杂志，2021， 43（3）： 251-253.

［41］  朱士玉，高冰，周红伟，等. 自重hit对高校大学生心肺适能及有氧运动能力的研究［J］. 湖北体育科技，2021， 40（10）：895-900.

［42］  黄鸿. 大学生视屏行为与心肺耐力的关联性分析——基于岭南师范学院抽样调查的实证研究［J］. 福建体育科技， 2021，40（6）： 87-91.

［43］  DUNSTAN D W， DOGRA S， CARTER S E， et al. Sit less and move more for cardiovascular health： Emerging insights and opportunities［J］. Nature Reviews： Cardiology， 2021， 18（9）： 637-648.

［44］  CM A， CI B， FBO C， et al. Mediation role of cardiorespiratory fitness on the association between fatness and cardiometabolic risk in european adolescents： The helena study［J］. Journal of Sport and Health Science， 2019， 10（3）： 360-367.

［45］  ROMAN-VI？譙AS B， CHAPUT J P， KATZMARZYK P T， et al. Proportion of children meeting recommendations for 24-hour movement guidelines and associations with adiposity in a 12-country study［J］. The International Journal of Behavioral Nutrition and Physical Activity， 2016， 13（1）： 1-10.

［46］  JAAKKOLA T， YLI-PIIPARI S， HUHTINIEMI M， et al. Long

-itudinal associations among cardiorespiratory and muscular fitness， motor competence and objectively measured physical activity［J］. Journal of Science and Medicine in Sport， 2019， 22（11）： 1243-1248.

［47］  GRUBER R， CA RREY N， WEISS S K， et al. Position stateme-nt on pediatric sleep for psychiatrists［J］. Journal of the Canad-ian Academy of Child and Adolescent Psychiatry， 2014， 23（3）： 174-195.

［48］  LU Y， LI Y， ZHOU T， et al. The association of different sedent-ary patterns and health-related physical fitness in pre-schoole-rs［J］. Frontiers Pediatrics， 2021， 9： 1-8.

［49］  OWEN N， HEALY G N， MATTHEWS C E， et al. Too much sitting： The population health science of sedentary behavior ［J］. Exercise and Sport Sciences Reviews， 2010， 38（3）： 105-113.