研究中国成年人在COVID-19大流行之前和期间的身体活动(PA)行为和决定因素的变化。方法:采用分层三阶段概率抽样,从中国127个城乡社区招募1028名成年人(19~59岁)。数据收集于2019年12月和2020年7月进行。结果:与大流行前的数据相比,个体每周中度至剧烈强度PA(MVPA)在疫情爆发后7个月从139分钟降至120分钟显着下降(p = 0.01),女性和农村人口表现出更显着的下降(p = 0.02)。总体而言,13.7%的参与者在大流行之前和期间都符合PA指南(世界卫生组织),而21.8%的参与者仅在大流行之前符合指南,18.1%的参与者在大流行期间增加了PA并符合PA指南。共有46.4%的人在大流行之前或期间没有达到PA指南。在大流行之前和期间,PA行为变化的决定因素包括运动技能,自主动机和体育组织的支持。结论:中国成年人的PA水平从COVID-19大流行之前到期间显着下降,特别是在女性人群中。有人建议,增强自主动机,提高运动技能,以及体育组织的支持,可能有效促进个人在大流行期间参与PA。
FarBeat 是针对基于可穿戴设备所产生的海量的杂乱的健康行为数据进行加工处理,提取高价值信息供研究和健康干预所用。该项目可以看做是一个健康大数据的提炼工厂。在国家相关管理机构的指导和帮助下,通过标准化的输入和输出,提高健康大数据行业的标准化、规范化,推动行业发展。
依据主动健康SAEE 模型。研究覆盖毫秒、秒、分、时、日、周、年等大跨度时间尺度的层次模型,根据人体系统复杂度,将人体行为系统分为姿态、动作、运动和习惯4个层次,构建人体行为PAMS 模型。
本发明提出的人体活动识别方法通过多个传感器采集人体不同部位的运动信号,对多个传感器的数据进行拓扑特征提取,再利用训练好的分类器对每一个传感器的特征数据进行分类,最后对多个传感器对应的分类结果进行融合,获得人体活动的类别,通过将多个传感器的分类结果进行融合,提高了识别的准确率,此外,将传感器数据的拓扑
本发明提出的基于拓扑特征的多分类器的选取方法通过将多个传感器的步态数据拼接成多通道数据后再对多通道数据进行特征提取,获得多通道融合的特征,使得提取的特征更加全面,且将多通道数据的拓扑特征作为多个分类器的测试数据可以获得在常规统计分析中丢失的关键信息,避免了手动提取特征造成的不稳定性和复杂性的
本文件规定了跑步运动场景下相关的运动信息数据元的数据元名称、定义、数据来源、数据元值的数据类型、标识格式和数据元允许值。 本文件适用于在跑步运动场景中描述用户运动状态、身体体征参数等信息数据,以及用于相关信息数据标识信息的交换与共享。