摘要:近期发表了很多关于肥胖的文章,肥胖影响着6.5亿成年人,并在全球范围内造成巨大的健康和经济负担,已被确定是很多疾病的危险因素。
近期发表了很多关于肥胖的文章,肥胖影响着6.5亿成年人,并在全球范围内造成巨大的健康和经济负担,已被确定是很多疾病的危险因素。
体育活动(PA)被认为有利于降低肥胖的风险。PA的保护作用主要来源于频率、持续时间和强度之间的平衡。世界卫生组织的指南建议成年人每周至少进行150分钟的中度PA (MPA),每周75分钟的剧烈PA (VPA),或两种强度的等效组合。
但社会变得快节奏,PA又很耗时,大多数人对这一建议的依从性较差。那些每周将PA集中为一到两次的人通常被定义为“周末战士”(WWs)。执行WW对个人来说可能是一种更加可行的选择,可能成为实现推荐的PA水平的平替方案!
2024年4月,中国学者用NHANES数据库2011年至2018年的数据做了一项关联性研究,在《Obesity》(医学二区,IF=6.9)发表了一篇题为:“The associations of “weekend warrior” and regularly active physical activity with abdominal and general adiposity in US adults”的研究论文,研究了身体活动模式与腹部和全身肥胖之间的联系。
主要研究结果
1.研究设计
本次研究数据来源于NHANES,获取2011年至2018年的数据。经过纳排,共纳入9629名20-59岁的受试者。
在本研究中,如果没有具体说明,则由参与者通过全球体育活动问卷(GPAQ)自我报告休闲时间体育活动的频率和持续时间。
GPAQ已被证实可以收集每天在休闲、工作或交通中至少连续10分钟的MPA和VPA,以及典型一周内的久坐行为。
研究者通过将每周频率和持续时间相乘来计算休闲时间MPA和VPA的分钟数。
总PA由休闲时间VPA分钟加上休闲时间MPA分钟的两倍相加得到,1分钟的VPA相当于2分钟的MPA。
PA次数定义为每周MPA和VPA频率的最大值。
然后,我们将总PA分为三种模式:
不活动(总PA
WW(频率为一次或两次,总PA至少150分钟/周)
RA(频率为两次以上,总PA至少150分钟/周)。
此外,WW和RA按照频率(WW为1或2次;RA为3-4或≥5次)、持续时间(每次≤30分钟、每次>30至90分钟或每次≥90分钟)和强度进行了细分类。强度计算为两次VPA时间占总PA时间的比例,分级为0%、1% ~ 50%、51% ~ 99%和100%(所有VPA时间)。
2.基线特征
9629名参与者中,772名(8.2%)报告WW模式,3277名(36.9%)报告RA模式。与RA和非活动模式相比,WW模式的参与者具有最高的强度(60.3%)、总PA (214.1 min)和持续时间(147.6 min)。
3.WW和RA模式肥胖指标较低
与不活动组相比,WW和RA均有较低的dxa测量腹部脂肪,全身脂肪量,腰围和BMI。
Model1:调整年龄、性别、种族、调查周期、社会经济地位(受教育程度、伴侣状况、就业状况、贫困收入比)、生活方式因素(当前吸烟者、当前饮酒者、饮食质量、与工作相关的PA类别)、心血管危险因素(高血压、糖尿病、非高密度脂蛋白水平类别、抑郁症状)和身高进行调整(由于潜在的共线性,身高未包括在BMI模型中)
Model2:Model1+总PA
在总PA量相同的情况下,每周进行一次或两次训练的参与者往往有较低的dxa测量的腹部脂肪、腰围和全身脂肪量,尽管总PA和每周训练之间的相互作用不显著。
(A) dxa测量腹部脂肪。
(B) 人体测量腹部脂肪:腰围。
(C) dxa测量的一般脂肪:全身脂肪量。
(D) 人体测量一般肥胖:BMI。
4.亚组分析
性别亚组和年龄亚组在BMI方面观察到显著的相互作用。
在按频率、持续时间和强度进行分层后,大多数结果保持相似,除了WW在VPA/总PA的100%内比RA有更低的腹部脂肪和全身肥胖。
总而言之,研究者发现WW和RA模式都与相似的低dxa测量脂肪量相关,包括腹部和全身,BMI和腰围。
设计与统计学方法
一、研究设计
P(Population)参与者:NHANES数据库9629名20至59岁的参与者
E(exposure)暴露:身体活动模式(不活动、WW和RA)
O(outcome)结局:DXA测量的腹部脂肪,全身脂肪量,腰围和BMI。
S(Study design)研究类型:横断面研究
二、主要统计方法
1.线性回归模型
我们使用线性回归模型来评估PA模式和肥胖指标之间的关联。
2.亚组分析
考虑到PA和肥胖在性别和年龄之间的差异,我们进一步分别报道了相应亚组的关联。
3.限制性立方样条图
采用了3个节点的限制性立方样条来可视化总体力活动与按每周训练次数分层的结局之间的潜在非线性关联。
后 记
这又是一篇用NHANES数据库做关联分析的文章,同样发到二区以上的期刊,本文用到了多模型的线性回归分析研究关联,亚组分析研究交互,限制性立方样条图可视化潜在的非线性关联,也算是一种搭配!
本文用到的方法不是很难,对于NHANES小白来说,可能数据的挖掘才是最难的!
来源:郑老师讲统计