文摘

越来越多的兴趣within-person协会的客观物理测量和在日常生活中生理与心理状态变量。这里我们用SAS代码提供了一个实用指南的多级建模分析体育活动数据获得的加速度计和自我报告的数据密集型和重复使用生态的评估(EMA)措施。我们复习以前的EMA在科研和临床的应用设置和EMA研究非常有用的分析工具。我们例证EMA数据和案例的分析对身体活动数据,影响并讨论未来的挑战。

1。介绍

通过技术发展、生态的评估(EMA) [1)使用移动数据收集已经成为一个重要的研究工具在许多领域的社会和行为科学和继续蔓延到其他地区。EMA研究涵盖了广泛的现象,包括研究环境、物理、生理、心理和社会因素,使用重复或连续记录。鉴于EMA的广泛使用在不同的科学方法,各种术语被用来指类似的程序。EMA方法专注于自我报告数据经常被称为经验取样方法(ESM) (2),而专注于物理、生理或生物数据通常被称为动态评估(AA) (3]。然而,我们使用术语EMA大致包括所有这些类型的生态,密集的评估。例证,EMA研究调查不同的行为,经验,和环境条件,包括抑郁症(4- - - - - -6),心理压力(7,8,自尊9,饮食10),自我报告的身体活动(11,12,吸烟13- - - - - -15),性行为(16],强迫性购买[17),社会互动(4,18),工作活动和满意度8,19)、糖尿病管理(18,20.),影响药物的21,22),哮喘23,24),过敏(25,26),耳鸣(27),和工作记忆和注意力28]。此外,技术的发展使自动化教育津贴的行为(例如,吃药29日])和物理环境(如空气取样(26],电磁场中的抽样[30.])。动态监测心血管功能,使用便携式心脏监视器,几十年来作为一种工具被用于理解之间的关系的经验和心血管健康31日]。最近的事态发展扩大了生理监测到其他参数,比如体育活动(32- - - - - -38)、肾上腺轴活动(39- - - - - -42)、血糖(43),皮肤温度(44),肺功能(23),和其他人。此外,这些数据收集被广泛用来评估治疗和干预至关重要的健康心理学和行为医学与健康有关的行为,如应对疾病和治疗(45,46),服药情况(47,48),和锻炼(49,50]。精神或身心障碍研究与教育津贴包括范围广泛的精神病理学,如成瘾障碍(51,52),胃肠道功能紊乱53],性功能障碍[54],饮食失调[46,55,56),注意缺陷多动障碍(ADHD) (57,58],情绪失调[59),焦虑症(60- - - - - -62年),抑郁障碍(63年- - - - - -65年),双相情感障碍(66年),和精神分裂症67年- - - - - -69年]。

为什么EMA成为各领域常用的研究包括临床设置?教育津贴的方法的一个优点是,它们使我们能够研究这一现象的自然环境。第二个优势是,他们允许我们研究目标变量的时间进程。密集的数据收集可以探索精神疾病的发展轨迹和身体健康条件和因素的识别是这些轨迹的预测。例如,一项研究使用EMA的方法检查如果配偶响应性言语表情痛苦的膝骨关节炎患者预测患者的身体功能随时间(70年]。这样的波动轨迹不能被传统的横断面数据收集方法。第三个优势是,EMA使我们能够评估相关的症状与其他相关因素(如生理状态或社会和环境情况)之前和之后立即障碍(例如,恐慌症62年),暴食55]),这给了我们重要的见解致病过程和预防精神疾病和身体健康不佳。

许多EMA研究调查如何现象与影响变量可能不同在不同的水平,包括时刻(例如,情绪状态),天(例如,工作日和周末),个人(例如,失业和就业),或者其他的水平(例如,组织、季节)在不同的人口,包括精神疾病患者和身体条件。例如,心血管反应性(71年- - - - - -74年和cortisol-related反应39- - - - - -42,75年)据报道与水平的心理压力,和肺功能测试肺活量计的变化与日常积极/消极的影响,以及呼吸短促症状的哮喘患者。与健康有关的行为,如吃(76年,77年,吸烟13,14),和酒精消费78年,79年),表现出对身体症状和心理状态的变化,例如,渴望,积极/消极的影响,和焦虑。此外,身体活动之间的关联来衡量自我报告和每日的波动心理状态报告(11,12]。这些研究提供了强有力的证据表明生物/生理指标随时间与短暂的症状。因此,这种客观代表主观症状的存在表明他们监测的实际应用的可能性以连续的方式(也就是短暂的症状。,不需要自我报告)。也可能有优势在同时使用自我报告的主观症状和客观措施来改善健康结果的解释。

有人建议,瞬时波动行为数据,特别是那些运动捕捉身体加速,反映系统的动态组织人类行为和可用于检查行为障碍,包括精神疾病(32- - - - - -38]。事实上,改变体育活动的基本精神疾病的迹象,包括在他们的诊断标准(80年]。例如,重度抑郁障碍(MDD)的特点是症状与行为改变的存在,包括体力活动减少,精神运动发育迟滞或焦躁不安,睡眠障碍(80年]。具体地说,使用加速度计进行了几项研究抑郁症患者,显示中断的昼夜节律32- - - - - -34]。研究表明健壮的统计规律的存在有关日常生活行为,特别是如何休息和活跃时期来自身体活动数据交织成日常生活(81年]。此外,本研究发现,患者的MDD,健壮的参数的一个重要变更法律代表休息时间的分布;相比健康的主题,这些患者表现出更多的间歇行为模式的特点是减少意味着活动水平与偶尔的身体活动都算上(81年,82年]。此外,改变间歇运动的性质在精神分裂症和双相情感障碍(已报告83年,84年]。最近的研究显示,psychobehavioral关联的昼夜波动瞬间抑郁情绪和行为动力学(85年,86年]。这些研究的结果表明,间歇性的增加身体活动(即。,low mean level and occasional burst of physical activity) appeared concurrently with the worsening of depressive mood in healthy subjects across a wide range of populations (adolescents, undergraduates, and adult office workers) [85年),以及患者的MDD (86年]。此外,健康受试者之间的交叉验证和MDD患者证实,表明同一psychobehavioral关联是由两组共享86年]。一个试点研究表明颞抑郁情绪的变化受到潜在影响老年人体育活动的变化。减少活动模式之前或同时发生抑郁情绪的恶化而不是后(数字1(一)和1 (b))[87年]。这些发现表明,身体活动获得的加速度计是一种有用的测量评估行为异常与精神疾病有关,并且它的描述可能为这些疾病提供一个客观衡量。然而,其它的研究没有发现支持某些类型的精神障碍之间的关系或心理状态和体育活动。例如,一项研究报告无意义的情绪之间的双向关联(即。,energetic arousal, valence, and calmness) and physical activity in inactive university students [88年]。另一项研究表明,体育活动有助于改善的积极影响,但不能减少的负面影响在MDD中(89年]。

在本文中,我们描述的分析模型,用于分析EMA数据情况下身体活动数据和影响。我们还提供补充材料(可用在这里)与SAS代码如何处理身体活动数据获得的加速度计和使用EMA多级建模技术数据。

2。分析工具和技术评估时变身体活动之间的关联和影响

2.1。多级建模

虽然有几种分析方法来检查身体活动之间的关系和影响在日常生活(如相关、回归,或时间序列建模),多级建模是适合解决不平衡和分层EMA数据。EMA数据,多个观测通常分层次嵌套在个人、数量和时间的观察不同个体之间(见图2EMA数据结构的一个例子)。此外,EMA的研究通常有缺失的数据由于困难完全遵守时间表。重复测量方差分析等传统技术(RM-ANOVA)不适合分析这些不平衡数据集(90年]。然而,这样的数据可以由多级建模方法,是传统的回归模型的扩展和被推荐为分析数据的层次结构(图2)[90年- - - - - -92年]。

在多级建模中,可以一起处理这些在——和个体之间的影响在同一模型中加入随机效应模型系数,即:,允许系数不同个体。例如,研究人员可能希望的平均水平的身体活动和负面影响身体活动的影响个体之间也有明显的差异,因此,模型这些影响随机拦截和斜坡,分别。虽然多级模型可以表示为一个方程,它是更容易理解如果它最初是作为一组方程中分离,在个人水平。在EMA分析中,通常观察建模为一级(在各个级别)嵌套在人建模为二级(个人之间级别)单位。多层次模型的一个例子如下。

一级方程式(单个(观察)级别) 在哪里Y_tj表示因变量(例如,负面影响或抑郁)t瞬间的观察jth主题;是kth预测(例如,体育活动;k对应订单的预测)t瞬间的观察jth主题;的人的意思是kth归心预测估计的within-person影响因变量的预测(运动)主观症状(93年];n预测的总数;π_{0 j}和π_{j k}是这个话题j '拦截和系数(即。,slope) of the predictor, respectively; andε_tj是在各个残留。

二级方程(在个人级别) 在哪里平均拦截所有科目;γ_k0是所有科目的平均斜率;是在个人水平预测代表,如主体的特征;γ₀₁和变量的影响吗 ;和随机项ζ_{0 j}和是个体之间的残差。

组合模型

组是嵌套在其他组时,数据形成三级层次结构和三层模型可以安装占额外的水平,例如,EMA观察(级别1)嵌套在几天内(要求等级2)嵌套在个人(3级)。三级多级模型的一个示例如下(组合模型不是如图所示)。

一级方程式(单个(观察)级别) 在哪里表明的因变量瞬间的观察th主题上15天;是预测对应瞬间的观察th主题上15天;和是这个话题拦截和系数(即。斜率)的预测分别为15天;和observation-level残留。

二级方程(单个[日]级别) 在哪里是这个话题拦截。是这个话题的斜率;和随机项和天的水平残差。

三级方程式(在个人级别) 在哪里γ_000年和γ_k00平均截距和斜率在所有科目,分别;Z_j是在个人水平预测代表,如主体的特征;γ_001年和γ_k01变量的影响吗Z_j;和随机项δ_{00 j}和δ_k0j代表在个人水平上的残差。在补充材料(可看到情景应用程序代码在这里上述模型。)

2.2。应该使用哪个数据描述体育活动吗?

加速度计是常用的客观测量身体活动和能够检测大量的小身体加速度的变化。常见的加速度计法是计算零点交叉活动;的次数,缓冲区内的信号过零(94年(时代),积累(我们假设这个方法在下面的讨论中,但也有其他方法来评估加速度计数据)。加速度计使机会改善活动模式的特征在日常生活,但也带来了新的分析挑战尽管扩大努力解决这些问题(95年]。一项研究调查了几个问题使用加速度计数据对算法的时间穿或起飞装置和不同强度的体力活动(活动截止点96年]。时代的研究表明,选择长度,指时间的间隔,加速度计测量的单位是聚合(如15秒或1分钟),可能会引入重大错误时,选择时代长度不匹配算法最初用于验证穿时间长度和活动截止点。这表明穿时间或不同强度的体力活动时间不能直接在比较研究,除非他们使用相同的时代的长度(96年]。

除了描述一般活动模式在日常生活中,加速度计是有用的工具来评估一个人的运动的程度在一个给定的一段时间,包括强度、持续时间、频率、和运动的类型(95年]。有时间增长研究不同强度的体力活动(例如,久坐行为(97年- - - - - -One hundred.),光,温和,和剧烈的身体活动101年- - - - - -103年]),但常见的加速度计测量是每一段时间活动都算上,这代表了身体活动的总量。

虽然有分析加速度计数据时需要考虑的几个重要问题,我们关注的是如何描述当地的(即。、时间)周围EMA的录音影响身体活动模式。提取和描述活动时间时间窗口模式,研究人员可以分析当地体育活动数据统计四阶矩(即。,平均值,标准偏差SD),偏态和峰态)在EMA录音(如点当地的体育活动在EMA信号)。然而,一个研究小组专注于均值和偏态,因为他们认为一线和三阶时间足以描述观察到的加速度计数据85年,86年]。而SD(即。,the second-order moment) is a standard measure characterizing variability of data, it can be inappropriate when the data do not approximate a normal distribution; the distribution of physical activity has nonnegative values, leading to a positively skewed distribution. Intermittency or non-Gaussianity in natural phenomena is known to be successfully captured by the higher-order statistics, such as nonzero skewness or larger kurtosis (flatness) of the probability distribution of the observed data [104年,105年),对应于频繁爆发的存在。实际上,当地的SD的身体活动并没有发挥重要作用在预测影响(即。抑郁情绪)分数85年,86年]。相比之下,偏态,作为一个衡量的不对称分布,被认为是更适合于描述观察到的不对称。低或高意味着活动水平量化身体活动的整体状态。更高的正偏态量化偶尔爆发的身体活动(81年- - - - - -83年]。其他地方统计的身体活动,可以捕获的间歇性运动更强劲,如熵类型非线性统计数据,也可以考虑。

重要的是要考虑在体育活动时间的影响。一个简单的方法来解决这一问题将通过添加术语每天的时间(例如,每4小时或早上/下午/晚上好块)(1)或(5)作为控制器或主持人106年]。我们还可以使用去趋势活动数据85年),减去一个昼夜活动数据的趋势拟合多项式函数(例如,一阶多项式来调整一个线性趋势)在计算(数字1 (c)和1 (d)),旨在消除影响的非平稳,例如,日常活动;影响高阶多项式可以系统地检查。

2.3。考虑时间窗口的大小和位置的身体活动数据聚合

最重要的一个问题,当研究两个(或更多)构造之间的关系随着时间的不同是如何解决时间窗口(即。位置和大小),用于聚合每个构造。时间窗口的大小的选择可能是重要的,因为它可能产生重大影响的可靠性统计数据和时间巧合的症状。时间窗口可以选择通过使用理论基本原理或探究的考试。后者的一个例子描述如下。

一个可能的尝试是系统不同时间窗口的大小和位置来检查他们的影响85年]。例如,当时代的长度的身体活动获得的加速度计(宠物,点当地的意思或SD从60数据点计算的身体活动,而当地5分钟统计计算从5数据点。从理论上讲,时间窗口的大小,越大越估计的稳定性和可靠性。然而,更大的时间窗的选择可能掩盖更多瞬态波动身体活动和自述症状之间的关系。之前的研究使用许多不同大小的时间窗口了解体育活动和影响国家之间的关系。有很多研究都集中在很短的时间窗口:5 - 30分钟(101年,103年,107年,108年),这可能是有用的检查目标变量或瞬态之间的关联检查健康受益于一个更短的身体活动。一项研究系统不同时间窗的大小从5分钟(瞬态)2小时(中)和一个5分钟的时间间隔来测试合适的时间窗口预测抑郁情绪(85年]。另一个研究使用介质(4小时)时间窗与影响国家的体育活动比较评估每4小时(11]。身体活动之间的关联和影响一天(即水平。相对较长的时间窗口)也被检查(109年,110年]。天的水平时间窗口总身体活动可用于检查整体联想日常影响或事件(如睡眠),但这次考试有时务实由于稀疏采样的限制(即。在一天内,没有观察)。时间窗口的大小很大程度上取决于研究问题,但是考虑到大型自由研究人员通常在时间窗口大小的选择是很重要的,未来的研究评估是有时限的重现性的影响。

此外,时间窗的位置的选择起着重要的作用的调查因果关联,如是否身体活动前或后的症状的变化。有稀缺性之间双向关联研究体育活动和短暂的症状。一些研究表明,身体活动影响心理健康福利(108年,111年),而其他人关注主观症状预测随后的身体活动(102年,108年,112年]。然而,它是一个复杂的领域和仔细考虑这样的平衡是很重要的,虽然可能很难预测的最优选择。数据1(一)和1 (b)例子显示考试时间关联的抑郁情绪和当地的意思或者去趋势偏斜度的身体活动。估计价值一元多层次模型的系数(即。,slope) for the associations are shown in a colored matrix form consisting of 25 columns (different location) and 12 rows (different size). We considered 25 different locations (−60, −55, −50, …, 55, 60 min) and 12 different sizes (120, 110, 100, …, 20, 10 min). In total, we considered 300 combinations (25 locations × 12 sizes) for local statistics of physical activity to examine the association with depressive mood assessed by EMA. More specifically, the top left cell in Figure1(一)代表抑郁情绪之间的联系的模型系数(EMA)和地方意味着从10分钟时间窗口的大小计算前60分钟EMA(即。,从60−−50分钟前EMA)。因此,彩色矩阵通常显示减少的意思或(去趋势)积极倾斜活动模式之前或同时发生的更高层次的抑郁情绪,而不是之后。的错误发现率问调整值0。作为多重比较(113年]。

虽然我们讨论时间窗口的大小和位置是重要的,当我们探索与自我报告的症状的关系,可持续性和因果关系的潜在机制改变身体活动水平和模式的影响是不确定的。进一步研究使用数据的高时间分辨率是必要的澄清这个问题。

3所示。进一步的挑战

行为模式的特点是减少活动和间歇性爆发低活动时期,以加速计,与EMA的报道更糟糕的健康青少年抑郁情绪,老年人,大学生,上班族,MDD患者。这表明行为监控的加速度计可能导致变化的识别,在主观症状和改善这些症状的管理。虽然之前的研究成功地提供了一个psychobehavioral测量基于加速度计的数据,其他类型的时变变化在日常生活中应该检查了解客观/主观措施和健康结果之间的关系。

这些天许多研究人员和临床医生的行为科学和其他学科使用移动数据收集整合信息和通讯技术(ict),使更精确的理解精神疾病包括协会在各种行为/生理/生物措施。此外,可穿戴设备(例如,smartwatch)越来越流行的监测健康状况等体育活动,睡觉,和心率。提供了丰富的信息中提取的可穿戴设备众多用户经常通过智能手机应用程序和有很大的潜力来引出学术领域的健康结果的有用数据。另一个挑战是如何使用这些信息来提高监测、管理和干预与健康有关的行为。例如,生态的干预(工作)的概念,在实时干预期间交付给个人日常生活在自然环境中,小说是一个核心元素技术,用于治疗的疾病包括精神疾病(114年]。此外,新兴电子设备将使“上下文敏感的提示”,问题在哪里基于主体的行为,自动触发位置、生理状态、过去的反应,和社会互动,这是用于检测的早期迹象的精神疾病和病态的转换(106年,115年]。然而,实际实现和检查这些小说技术进一步的研究是必要的。

4所示。结论

在这篇文章中,我们介绍了多级建模方法,用于分析EMA数据与观测分层嵌套在个人。虽然新的分析挑战出现处理加速度计数据,它允许细致入微的描述时间的身体活动及其相关模式。我们为不同的数据(例如,意味着和偏态)的身体活动来提取各时间时间窗口(即活动模式。,size and location around EMA) which can be widely used according to research questions, but further studies using different types of statistics with a high temporal resolution are necessary to clarify these issues. Detailed SAS codes of multilevel models are shown in the Supplementary Materials.

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

本文得到了国家体育推广基金按照体育产业技术开发项目的文化、体育、旅游在2017年(S072016032016)。作者要感谢Drs。h .志和y .山本的贡献为老年人用于收集数据图1。

补充材料

补充材料的目的是引入情景应用程序代码对多级建模之间的联系当地体育活动基于加速度计数据统计根据EMA和自我报告的影响。它包括三个部分:(a)聚合加速度计算不同时间窗口(例如,60分钟)。(b)合并与自我报告的影响身体活动数据。(c)报告的代码多级建模当地统计的身体活动之间的联系和影响,如部分所述2.1。(补充材料)