样本筛选与数据收集
获取具有完整饮食和体力活动数据的体力活跃大学生样本,用于横断面分析。
从2022-2023年招募454名大学生,排除精英运动员、慢性病等,最终纳入418名(199男,219女)。通过问卷和体成分测量收集数据。
Dose-Response Relationships Between Physical Activity, Dietary Behaviors, and Excess Body Weight: Identification of Behavioral Risk Patterns
研究采用横断面设计,结合问卷调查(IPAQ-LF和QEB)和体成分测量,并运用多种统计模型(逻辑回归、预测概率、风险图谱、响应面、决策树)进行多维度分析,但缺乏功能验证和机制验证。
418名体力活跃大学生(199名男性和219名女性)
样本量:418名大学生(男199,女219) 体力活动评估:IPAQ-LF长版问卷,MET-min/周,分为低、中、高三个类别 饮食行为评估:QEB问卷,衍生出健康(水果-蔬菜)和不健康(快餐-甜食)饮食指数 结局定义:BMI≥25 kg/m²为超重;FMI≥9 kg/m²(女性)和≥6 kg/m²(男性)为过量脂肪 统计设计:逻辑回归、预测概率、风险图谱、响应面分析、决策树模型,显著性水平p<0.05
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
获取具有完整饮食和体力活动数据的体力活跃大学生样本,用于横断面分析。
从2022-2023年招募454名大学生,排除精英运动员、慢性病等,最终纳入418名(199男,219女)。通过问卷和体成分测量收集数据。
评估参与者的BMI和FMI,用于定义超重和过量脂肪。
使用GPM测高仪测量身高,使用InBody230生物电阻抗分析仪测量体重和脂肪量,计算BMI和FMI。
评估参与者的体力活动水平和饮食行为,并衍生出健康和不健康饮食指数。
使用IPAQ-LF评估体力活动,使用QEB问卷评估饮食行为,并计算健康(水果-蔬菜)和不健康(快餐-甜食)饮食指数。
识别行为与超重/肥胖风险之间的关联和模式。
应用逻辑回归、预测概率分析、行为风险图谱、响应面分析和决策树模型来分析数据。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 人体测量 | GPM人体测量仪 | GPM Instruments GmbH | -- |
| InBody230身体成分分析仪 | InBody Co. | -- | |
| 统计分析 | Statistica 14.0 | TIBCO Software Inc. | -- |
| RStudio | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 体成分测量 | 使用InBody230生物电阻抗分析仪,测量前需空腹约12小时 阅读提示:见Materials and Methods Section 2.5 |
| 体力活动评估 | 使用IPAQ-LF问卷,转化为MET-min/周,分类标准需遵循IPAQ协议 阅读提示:见Materials and Methods Section 2.6.1 |
| 饮食行为评估 | 使用QEB问卷(16项核心版本),基于频率计算健康和不健康饮食指数 阅读提示:见Materials and Methods Section 2.6.2 |
| 结局定义 | BMI≥25 kg/m²为超重;FMI≥9 kg/m²(女)和≥6 kg/m²(男)为过量脂肪 阅读提示:见Materials and Methods Section 2.5 |