翁錫全 劉新 徐洪想 林文弢

廣州體育學(xué)院（廣州510500）

步行作為一項日常體力活動其健身效果已得到大量研究的證實[1,2]，但是日常生活中，如何便利、準(zhǔn)確測量步行以了解身體活動量是學(xué)者和大眾普遍關(guān)心的問題。 隨著科技的發(fā)展，三軸加速度計[3,4]、DynaPort[5]與計步器[6]不同程度地用于追蹤、記錄人體日常生活行為及步數(shù)，從而得到日常身體活動量，但是目前并不普及。智能手機(jī)的出現(xiàn)， 不僅改變了以往手機(jī)單一通訊的功能，而且改變了人們生活和行為方式。在智能手機(jī)的眾多功能中， 借助于某些傳感器和模塊設(shè)計的健康管理和健身應(yīng)用軟件是最令人矚目和期待的。近幾年來，已有國外學(xué)者對利用智能手機(jī)健身應(yīng)用軟件自我監(jiān)控體力活動做了一些開創(chuàng)性的研究，如Kirwan[7]對參加網(wǎng)上每天一萬步活動的200名成員進(jìn)行為期3個月的干預(yù)實驗，其中實驗組（50人）利用智能手機(jī)iSteplog軟件記錄受試者的步數(shù)，對照組（150人）進(jìn)行網(wǎng)站干預(yù)手段，研究結(jié)果顯示，在為期90天的研究期間，實驗組平均有62天記錄了其步數(shù)，高于對照組的41天，使用該應(yīng)用軟件用戶每天的步行數(shù)增加， 且該軟件記錄的步數(shù)與實際步數(shù)無顯著性差異。Carter[8]對128名超重受試者利用智能手機(jī)健身應(yīng)用軟件、 網(wǎng)站和日記記錄三種方式進(jìn)行為期6個月的降體重干預(yù)，研究結(jié)果發(fā)現(xiàn)智能手機(jī)干預(yù)組體重下降明顯高于其他兩組。迄今為止，我國雖然有不少關(guān)于智能手機(jī)健身應(yīng)用軟件研制及步態(tài)識別的報道[9-12]，卻仍未見有智能手機(jī)健身應(yīng)用軟件計步功能準(zhǔn)確性的研究報道。 因此，本研究擬對基于iPhone4s iOS7系統(tǒng)App Store上的4款健身應(yīng)用軟件計步功能進(jìn)行效度評價， 為大眾選擇合適的健身應(yīng)用軟件監(jiān)測日常體力活動提供參考。

1 研究對象與方法

1.1 研究對象

隨機(jī)選擇廣州體育學(xué)院研究生男、女各5名作為受試者，健康狀況良好，心肺功能良好，無高血壓等疾病，具有良好的身體素質(zhì)，有長期參加體育鍛煉的習(xí)慣，對實驗?zāi)康?、方法及要求均知情，并簽署知情同意書?受試者基本情況見表1。

表1 研究對象基本情況

1.2 研究方法

1.2.1 健身應(yīng)用軟件的選擇

分析基于iPhone4s iOS7系統(tǒng)App Store上架的所有健身應(yīng)用軟件的計步功能，并選出4款代表性健身應(yīng)用軟件， 包括動動健康、Steps Mania、Runtastic Pedometer和ibody運(yùn)動。

1.2.2 測試方案

測試在實驗室進(jìn)行(25～27°C，55%～70%RH)，采用美國產(chǎn)TRACKMASTER TMX425CP型專業(yè)跑步機(jī)進(jìn)行走跑測試， 測試速度參考國內(nèi)外同類研究設(shè)置為3.2 km/h、4.8 km/h、6.4 km/h、8.1 km/h、9.7 km/h等5種負(fù)荷強(qiáng)度[13-16]，坡度為0。 3.2 km/h代表慢走、4.8 km/h代表正常步速行走、6.4 km/h代表快走、8.1 km/h代表慢跑、9.7 km/h 代表中速跑。 測試時， 受試者首先佩戴裝有iPhone4s手機(jī)的臂包（佩戴位置為上臂外側(cè)），然后開始以相應(yīng)測試速度適應(yīng)3 min， 達(dá)到熱身和提高代謝水平、 心率后， 啟動動動 健康、Steps Mania、Runtastic Pedometer和ibody運(yùn)動等4款健身應(yīng)用軟件 （啟動前按要求輸入受試者體重、身高）進(jìn)行5 min走跑運(yùn)動，結(jié)束后停止身體移動，記錄此時4款健身應(yīng)用軟件自動記錄的步數(shù)。每種速度測試5次。為避免疲勞影響測試結(jié)果，前三種速度運(yùn)動間歇5 min，后兩種速度運(yùn)動間歇10 min。實際步數(shù)則同時由2名工作人員進(jìn)行人工記錄。

1.2.3 數(shù)據(jù)處理與統(tǒng)計分析

采用SPSS17.0對測試結(jié)果進(jìn)行統(tǒng)計分析， 采用均數(shù)和標(biāo)準(zhǔn)差（±s）描述連續(xù)性變量，采用單因素方差分析比較男女之間的差異，用配對t檢驗、直線相關(guān)回歸分析、ICC（Intraclass Correlation Coefficient，組內(nèi)相關(guān)系數(shù))及Bland-Altman法[17]進(jìn)行一致性檢驗，P < 0.05為具有顯著性意義，P < 0.01為具有非常顯著性意義。

2 研究結(jié)果

2.1 4款健身應(yīng)用軟件測量步數(shù)與實際步數(shù)的比較

由表2可見，5種運(yùn)動狀態(tài)下女受試者實際步數(shù)均高于男受試者， 且在6.4 km/h時有顯著性差異 （P <0.05），4款健身應(yīng)用軟件步數(shù)測量值僅在4.8 km/h時動動健康、Runtastic Pedometer、Steps Mania 3種健身應(yīng)用軟件男受試者測量步數(shù)高于女受試者， 但無統(tǒng)計學(xué)意義（P > 0.05），其余速度運(yùn)動狀態(tài)下4款健身應(yīng)用軟件女受試者測量步數(shù)均高于男受試者，且在6.4 km/h時動動健康和Steps Mania軟件男女間有非常顯著和顯著性差 異 （P < 0.01，P < 0.05）， 在9.7 km/h 時Runtastic Pedometer軟件女受試者測量步數(shù)也非常顯著高于男受試者（P < 0.01）。與實際步數(shù)比較，動動健康軟件除6.4 km/h女性外，其余男、女步數(shù)測量值均低于實際值，且在3.2 km/h時男、女步數(shù)測量值均非常顯著性低于實際步數(shù)（P < 0.01）；而Runtastic Pedometer應(yīng)用軟件在3.2 km/h和4.8 km/h時男、女步數(shù)測量值都非常顯著性高于實際步數(shù)（P < 0.01）， 其他速度只有8.1 km/h男性步數(shù)測量值顯著性高于實際步數(shù)（P < 0.05）；Steps Mania軟件在5種不同運(yùn)動狀態(tài)下男步數(shù)測量值顯著性或非常顯著性低于實際步數(shù)（P < 0.05，P < 0.01），女受試者除了8.1 km/h和9.7 km/h外， 其他速度下步數(shù)測量值均非常顯著性低于實際步數(shù)（P < 0.01）；ibody運(yùn)動應(yīng)用軟件在3.2 km/h和6.4 km/h時男女步數(shù)測量值除6.4 km/h男性外均顯著高于實際步數(shù)（分別P < 0.05，P < 0.01），4.8 km/h、8.1 km/h和9.7 km/h時測量值均低于實際步數(shù)，其中除4.8 km/h男性外無顯著性差異。

由表3可見，不分男女情況下，動動健康軟件僅有速度在3.2 km/h時步數(shù)測量值顯著低于實際步數(shù) （P <0.05）， 其他速度時均無顯著性差異。 Runtastic Pedometer應(yīng)用軟件在速度為3.2 km/h和4.8 km/h時的測量步數(shù)非常顯著高于實際步數(shù)（P < 0.01），其他速度均無顯著性差異。 Steps Mania應(yīng)用軟件在8.1 km/h和9.7 km/h時與實際值無顯著性差異，其他速度走跑時測量步數(shù)均非常顯著低于實際步數(shù)（P < 0.01）。ibody運(yùn)動應(yīng)用軟件在8.1 km/h和9.7 km/h時與實際步數(shù)無顯著性差異， 在3.2 km/h和6.4 km/h時測量步數(shù)非常顯著性高于實際步數(shù)（P < 0.01），但在4.8 km/h時測量步數(shù)卻顯著性低于實際步數(shù)（P < 0.05）。

表2 不同速度下男女受試者進(jìn)行5 min步行4款健身應(yīng)用軟件測量步數(shù)與實際步數(shù)比較

表3 不同速度下全部受試者進(jìn)行5 min步行4款健身應(yīng)用軟件測量步數(shù)與實際步數(shù)比較(n=10)

2.2 4款健身應(yīng)用軟件測量步數(shù)與實際步數(shù)的直線相關(guān)性

將 動 動 健 康、Runtastic Pedometer、Steps Mania 及ibody運(yùn)動等4款健身應(yīng)用軟件的各自測量步數(shù)與實際步數(shù)進(jìn)行直線相關(guān)和回歸分析， 制作散點圖見圖1、2、3、4，結(jié)果顯示，4款健身應(yīng)用軟件測量步數(shù)與實際步數(shù)間均存在高度線性相關(guān)（r=0.868～0.969），其中動動健康應(yīng)用軟件測量步數(shù)與實際步數(shù)之間的相關(guān)系數(shù)明顯高于其他3種健身應(yīng)用軟件，相關(guān)系數(shù)r值達(dá)到0.969。

圖1 運(yùn)動健康軟件測量步數(shù)與實際步數(shù)比較散點圖

圖2 Runtastic Pedometer軟件測量步數(shù)與實際步數(shù)比較散點圖

圖3 Steps Mania軟件測量步數(shù)與實際步數(shù)比較散點圖

圖4 ibody運(yùn)動軟件測量步數(shù)與實際步數(shù)比較散點圖

2.3 4款健身應(yīng)用軟件測量步數(shù)與實際步數(shù)的ICC一致性檢驗

表4是4款健身應(yīng)用軟件在各個速度水平上5 min及總體測量步數(shù)與實際步數(shù)的ICC系數(shù)， 結(jié)果顯示，動動健康、Runtastic Pedometer和ibody運(yùn)動應(yīng)用軟件在測量步數(shù)與實際步數(shù)的ICC介于0.399～0.914之間， 總體ICC分別為0.981、0.962及0.942， 顯示在同一速度水平上同一應(yīng)用軟件測量數(shù)據(jù)與實際步數(shù)的一致性具有顯著或非常顯著性意義（P < 0.05，P < 0.01）。 Steps Mania應(yīng)用軟件只有當(dāng)速度達(dá)到6.4 km/h或以上速度時測量步數(shù)與實際步數(shù)的一致性才表現(xiàn)非常顯著性意義（P <0.01），其總體ICC系數(shù)為0.930。

表4 不同速度下4款健身應(yīng)用軟件測量步數(shù)與實際步數(shù)的ICC系數(shù)（n = 10）

2.4 4款健身應(yīng)用軟件測量步數(shù)與實際步數(shù)的Bland-Altman法一致性檢驗

本研究使用Bland-Altman法對4款健身應(yīng)用軟件步數(shù)測量值與實際步數(shù)進(jìn)行一致性分析， 以兩組指標(biāo)的平均值作為X軸，兩組指標(biāo)的差值作為Y軸，圖5～圖8分別使用實線和兩條虛線標(biāo)記出Y軸的均值和95%的置信區(qū)間（Mean±1.96×SD)，越多的點落在置信區(qū)間內(nèi)，差值均數(shù)越接近0，則一致性越好。 圖中顯示，實際步數(shù)與動動健康、Runtastic Pedometer、Steps Mania、ibody運(yùn)動4款健身應(yīng)用軟件步數(shù)測量值差值的均值分別為12.18、-31.02、81.01、-20.38，95%CI分別為 （-51.09, 75.47）、（-130.58, 76.54）、 （-71.31, 232.35）、 （-143.95,120.01）， 絕大多數(shù)指標(biāo)差值落在置信區(qū)間之內(nèi), 表明其測量結(jié)果的差異可被接受, 4款健身應(yīng)用軟件測量步數(shù)與實際步數(shù)的一致性較好。 動動健康和Steps Mania軟件步數(shù)測量值偏倚（bias)大于0，顯示二者略低估實際步數(shù)；Runtastic Pedometer和ibody運(yùn)動軟件步數(shù)測量值偏倚（bias)小于0，顯示二者略高估實際步數(shù)。

圖5 實際步數(shù)與運(yùn)動健康軟件測量步數(shù)的Bland-Altman散點圖

圖6 實際步數(shù)與Runtastic Pedometer軟件測量步數(shù)的Bland-Altman散點圖

圖7 實際步數(shù)與Steps Mania軟件測量步數(shù)的Bland-Altman散點圖

圖8 實際步數(shù)與ibody運(yùn)動軟件測量步數(shù)的Bland-Altman散點圖

3 討論

本研究基于iPhone4s iOS7系統(tǒng)App Store上的動動健康、Runtastic Pedometer、Steps Mania及ibody運(yùn)動等4款健身應(yīng)用軟件， 探討同一型號智能手機(jī)不同健身應(yīng)用軟件計步功能測量步數(shù)的準(zhǔn)確性。 首先，單因素方差分析表明，5種速度運(yùn)動狀態(tài)下4款健身應(yīng)用軟件步數(shù)測量值均存在性別差異， 男性步數(shù)測量值普遍低于女性。 這一結(jié)果與Welk等的觀點一致[16]：即身體形態(tài)指標(biāo)與步數(shù)密切相關(guān)，身材高矮對步數(shù)影響較大，男性由于下肢長，步幅較大，步頻相比女性慢，女性則依靠增加步頻來保證步行時的速度。 其次，配對t檢驗結(jié)果發(fā)現(xiàn)，當(dāng)速度為3.2 km/h時，4款健身應(yīng)用軟件無論是男、女還是總體測量步數(shù)均與實際步數(shù)相比有顯著性或非常顯著性差異（P < 0.05，P < 0.01），這與以往多數(shù)對計步器的研究文獻(xiàn)一致[14，15,18-20]，其原因可能與慢速步行時不足以達(dá)到裝置的“閾值”而影響記錄有關(guān)[21，22]。 iPhone4s健身應(yīng)用軟件設(shè)計也是基于加速度計原理， 因此，就iPhone4s而言， 其動動健康、Runtastic Pedometer、Steps Mania及ibody運(yùn)動等4款健身應(yīng)用軟件的測量步數(shù)不能真實反映人體緩慢行走時的體力活動量。 隨著步速達(dá)到正常以上時，動動健康應(yīng)用軟件男、女及不分男女時測量步數(shù)與實際步數(shù)均不存在顯著性差異（P > 0.05），表明在正常步速以上速度走跑時， 使用動動健康健身計步應(yīng)用軟件測量步數(shù)與實際步數(shù)具有較高的一致性， 其測量結(jié)果可以準(zhǔn)確反映實際步數(shù)， 而Runtastic Pedometer 應(yīng)用軟件則要達(dá)到快走以上速度、Steps Mania和ibody運(yùn)動應(yīng)用軟件達(dá)到慢跑和中速跑時才出現(xiàn)相同的情況。 以上結(jié)果提示，iPhone4s iOS7操作平臺的4款健身應(yīng)用軟件計步準(zhǔn)確性與身體活動狀態(tài)有關(guān)，不同身體活動狀態(tài)時健身應(yīng)用軟件對步態(tài)識別率不一樣。Wu等[22]采用與iPhone相同傳感器和操作平臺的iPod Touch的計步應(yīng)用軟件對16名受試者靜坐以及不同步調(diào)步行、慢跑和上、下樓等13種活動狀態(tài)進(jìn)行測試，結(jié)果上、下樓步行時識別率為52.3%～79.4%，平地步行時為90.1%～94.1%，慢跑時達(dá)到91.7%，而靜坐時則達(dá)到100%。 由此可知，除靜坐外，在平地運(yùn)動時，計步應(yīng)用軟件對步態(tài)識別率較高， 且隨速度加快健身應(yīng)用軟件計步測量的準(zhǔn)確率也隨之提高。

盡管各健身應(yīng)用軟件不同速度時其測量步數(shù)與實際步數(shù)的差異不一， 但對兩者間的相關(guān)顯著性水平影響不大。 從相關(guān)性分析看， 動動健康、Runtastic Pedometer、Steps Mania及ibody運(yùn)動等4款健身應(yīng)用軟件測量值與實際步數(shù)的相關(guān)系數(shù)均較大， 接近0.9甚至達(dá)到更高水平，且具有統(tǒng)計學(xué)意義（P < 0.01），說明檢驗的4款健身應(yīng)用軟件測量值與實際值整體上能保持一致性，但也有文獻(xiàn)指出[23]，相關(guān)分析是反映兩變量線性關(guān)系的密切程度而非一致性， 相關(guān)系數(shù)不能完全反映一致性的大小。 因此，提出在實際一致性的評價中, 采用簡單相關(guān)分析、ICC 系數(shù)與Bland-Altman 法作為統(tǒng)計方法時, 統(tǒng)計結(jié)果顯示一致性較好。為此，本研究對4款健身應(yīng)用軟件測量步數(shù)與實際步數(shù)均進(jìn)行ICC 系數(shù)與Bland-Altman 法統(tǒng)計學(xué)分析。ICC是指被測量值間變異占總變異的比例， 它對測量的系統(tǒng)誤差和隨機(jī)誤差均較敏感， 其值介于0～1，ICC 系數(shù)大則表明多次測量的系統(tǒng)誤差與隨機(jī)誤差較小，數(shù)據(jù)具有較好的一致性。表4顯示，動動健康、Runtastic Pedometer及ibody運(yùn)動應(yīng)用軟件在測試的5種速度中其測量步數(shù)與實際步數(shù)的ICC系數(shù)均存在顯著性及非常顯著性意義 （P < 0.05，P< 0.01），Steps Mania應(yīng)用軟件的ICC則在6.4 km/h時才具有顯著性意義 （P < 0.01）， 在4款健康應(yīng)用軟件中ibody運(yùn)動應(yīng)用軟件各種速度下的ICC系數(shù)相對較小，達(dá)不到Lee等[24]提出的兩組數(shù)據(jù)計算的ICC不能低于0.75的條件， 但4款健康應(yīng)用軟件測量步數(shù)與實際步數(shù)的ICC系數(shù)都同步出現(xiàn)隨速度提高而增大的規(guī)律，這一結(jié)果基本也與配對t檢驗一致，且總體ICC系數(shù)均達(dá)到0.90以上，超過0.75水平，說明當(dāng)速度達(dá)到慢跑以上時，4款健身應(yīng)用軟件更能準(zhǔn)確地反映實際步數(shù)。 通過對Bland-Altman散點圖的分析可知，4款健身應(yīng)用軟件的偏倚度從小到大依次是動動健康、ibody運(yùn)動、Runtastic Pedometer、Steps Mania，一致性界限內(nèi)最大差值分別是126.56、263.96、215.02、302.66。 以上結(jié)果表明，雖然4款健康應(yīng)用軟件測量步數(shù)與實際步數(shù)存在較好的一致性， 但似乎并沒有一種健身應(yīng)用軟件的一致性達(dá)到理想水平。 理論上認(rèn)為步數(shù)預(yù)測的偏倚度、一致性界限內(nèi)的最大差值愈小愈好，但目前還沒有明確的判斷標(biāo)準(zhǔn)。因此， 可認(rèn)為動動健康和Runtastic Pedometer健身應(yīng)用軟件步數(shù)測量值的有效性水平明顯好于其他兩種健身應(yīng)用軟件。

綜合以上分析，4款健身應(yīng)用軟件計步總體精確度大小依次是動動健康、Runtastic Pedometer、ibody運(yùn)動和Steps Mania。 對 于iPhone4s 動 動 健 康、Runtastic Pedometer、Steps Mania及ibody運(yùn)動等4款健身應(yīng)用軟件測量間的差異，可以從3方面進(jìn)行解釋。 第一，目前智能手機(jī)基本上都使用電子羅盤、 加速度傳感器特別是iPhone4還率先使用陀螺儀傳感器， 這些傳感器可識別人體身體活動狀態(tài)和行為，因此，可以監(jiān)測日常體力活動量及運(yùn)動行為的追蹤與反饋。 由于基于這些傳感器原理的不同健身應(yīng)用軟件設(shè)計時步數(shù)識別系統(tǒng)模型建立所用的采樣率、閾值、時間間隔、提取方法以及造模采樣環(huán)境不同，盡管一樣使用iPhone4s，但健身應(yīng)用軟件不同，勢必導(dǎo)致計步測量值或多或少的差異。 因商業(yè)方面因素限制， 本研究無法查閱到動動健康、Runtastic Pedometer、Steps Mania及ibody運(yùn)動等4款健身應(yīng)用軟件以上的參數(shù)以及造模環(huán)境的資料。 第二，相同軟件測量步數(shù)中存在性別差異。 男性的步數(shù)比女性少， 這是身高、體重不同的影響。 身高不同，步幅也不同，手機(jī)加速度傳感器產(chǎn)生的震動就不同，身材高大的人步幅較大，手機(jī)傳感器產(chǎn)生的震動波幅大，時間間隔長，身體矮小的人其時間間隔就小， 若超出應(yīng)用軟件設(shè)計時設(shè)定模型的取值范圍，則影響收集數(shù)據(jù)和輸出，從而引起應(yīng)用軟件系統(tǒng)的測量誤差。 第三，手機(jī)在身體放置位置和行走場地環(huán)境不同也是影響健身應(yīng)用軟件測量步數(shù)準(zhǔn)確性的因素[25]。

作為一種自我監(jiān)測日常體力活動量的應(yīng)用軟件，即使在實驗室條件下有比較理想的預(yù)測精度， 在日常身體活動的步數(shù)監(jiān)測中也未必精確。 因為智能手機(jī)健身應(yīng)用軟件的計步與身體活動方式有關(guān)， 大眾使用智能手機(jī)健身應(yīng)用軟件監(jiān)測日常健身活動， 如步行、快走、慢跑等身體活動步數(shù)的測量效度會較理想，而其他如球類、武術(shù)類等非周期項目的身體活動，步數(shù)測量的有效性會降低。 雖然智能手機(jī)健身應(yīng)用軟件在日常體力活動中測量步數(shù)的精確性存在一定的不足， 但不會影響其總體使用。

4 小結(jié)

本研究基于iPhone4s iOS7系統(tǒng)測試的4款健身應(yīng)用軟件的測量步數(shù)存在性別差異， 且隨著步行速度加快其測量準(zhǔn)確率提高，都具有較好的一致性，可作為大眾實時自我監(jiān)測日常體力活動量的工具。 相對而言，動動健康和Runtastic Pedometer健身應(yīng)用軟件的測量一致性高于另外兩種健身應(yīng)用軟件。

[1] Sallis JF, Glanz K. The role of built environments in physical activity, eating, and obesity in childhood. Future Child, 2006,16(1): 89-108.

[2] Warburton DE, Nicol CW, Bredin SS. Health benefits of physical activity: the evidence . CMAJ, 2006, 174 (6): 801-809.

[3] Albinali F, Intille S, Haskell W, et al. Using wearable activity type detection to improve physical activity energy expenditure estimation. Proceedings of the 12th ACM international conference on Ubiquitous computing.ACM.2010:311-320.

[4] de Vries SI, Garre FG, Engbers LH, et al. Evaluation of neural networks to identify types of activity using accelerometers.Med Sci Sports Exerc, 2011, 43(1): 101-107.

[5] van Hees VT, van Lummel RC, Westerterp KR. Estimating activity-related energy expenditure under sedentary conditions using a tri-axial seismic accelerometer. Obesity, 2009,17(6):1287-1292.

[6] 陳曉榮，李可基. 8種市售運(yùn)動傳感裝置計步功能的效度研究. 中國運(yùn)動醫(yī)學(xué)雜志, 2010，29(4): 457-459.

[7] Kirwan M, Duncan MJ, Vandelanotte C, et al. Using smartphone technology to monitor physical activity in the 10,000 Steps Program: a matched case–control trial.JMIR,2012, 14(2): e55.

[8] Carter MC, Burley VJ, Nykjaer C, et al. Adherence to a Smartphone Application for Weight Loss Compared to Website and Paper Diary: Pilot Randomized Controlled Trial.JMIR, 2013, 15(4):539-546.

[9] 馬松巖. 基于iOS平臺的健身應(yīng)用的設(shè)計與實現(xiàn). 北京郵電大學(xué), 2013.

[10] 謝雨駝, 邊耐政. Android 手機(jī)端運(yùn)動量檢測的研究與應(yīng)用.計算機(jī)應(yīng)用與軟件, 2012, 29(10): 227-229.

[11] 楊文君, 楊波, 王保強(qiáng). 智能手機(jī)的運(yùn)動量干預(yù)軟件的研制.中國醫(yī)療器械雜志, 2012, 36(4): 244-247.

[12] 尹博. 基于GPS 和加速度傳感器的運(yùn)動類智能終端應(yīng)用軟件的設(shè)計與實現(xiàn). 北京郵電大學(xué), 2012.

[13] Crouter SE, Schneider PL, Karabulut M, et al. Validity of 10 electronic pedometers for measuring steps, distance, and energy cost. Med Sci Sports Exerc , 2003, 35(8): 1455-1460.

[14] Schneider PL, Crouter SE, Lukajic O, et al. Accuracy and reliability of 10 pedometers for measuring steps over a 400-m walk. Med Sci Sports Exerc , 2003, 35(10): 1779-1784.

[15] Swartz AM, Bassett DR, Moore JB, et al. Effects of body mass index on the accuracy of an electronic pedometer. Int J Sports Med, 2003, 24(8) :588-592.

[16] Welk GJ, Differding JA, Thompson RW, et al. The utility of the Digi-walker step counter to assess daily physical activity patterns.Med Sci Sports Exerc , 2000, 32 (9 Suppl): S481-488.

[17] Martin Bland J, Altman D G. Statistical methods for assessing agreement between two methods of clinical measurement .The Lancet, 1986, 327(8476): 307-310.

[18] Bassett Jr DR, Ainsworth BE, Leggett SR, et al. Accuracy of five electronic pedometers for measuring distance walked.Med Sci Sports Exerc, 1996, 28( 8) : 1071-1077.

[19] Bassett DR. Validity and reliability issue in objective monitoring of physical activity. Res Q Exercise Sport, 2000,71(1) : 30-36.

[20] Tudor -Locke C, Williams JE, Reis JP, et al. Utility of pedometers for assessing physical activity. Sports Med, 2004,34(5): 281-291.

[21] Cyarto EV, Myers A, Tudor-Locke C. Pedometer accuracy in nursing home and community-dwelling older adults. Med Sci Sports Exerc, 2004, 36(2): 205-209.

[22] Wu W, Dasgupta S, Ramirez EE, et al. Classification accuracies of physical activities using smartphone motion sensors . JMIR, 2012, 14(5): e130.

[23] 李鎰沖，李曉松. 兩種測量方法測量結(jié)果的一致性評價. 現(xiàn)代預(yù)防醫(yī)學(xué), 20073, 34(17): 3263-3269.

[24] Lee J, Koh D, Ong CN. Statistical evaluation of agreement between two methods for measuring a quantitative variable.Comput Biol Med,1989, 19(1): 61-70.

[25] 時岳, 喻純, 史元春. 基于旋轉(zhuǎn)模式的移動設(shè)備佩戴位置識別方法. 軟件學(xué)報, 2013, 24（8）: 1898-1908.