参与者筛选和数据收集
从All of Us数据库中筛选具有电子健康记录和Fitbit数据且无既往IA诊断的参与者，收集其步数、MVPA、久坐时间、睡眠时长和睡眠变异性等指标。
从All of Us数据库v8中纳入参与者在1年内的Fitbit日级数据和EHR数据，定义有效佩戴天数（活动：≥100步/天；睡眠：排除>1,440分钟和睡眠<4小时的天数），并计算平均指标。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
NIH All of Us 队列中加速度计衍生的活动和睡眠模式：对炎症性关节炎的启示和预测潜力
Accelerometry-Derived Activity and Sleep Patterns in the NIH All of Us Cohort: Insights and Predictive Potential for Inflammatory Arthritis
实验完整度
中基于大规模队列的横断面分析和前瞻性Cox回归分析，包含22,875名参与者和122例新发IA病例，但未进行体外或体内实验验证。
主要模型
All of Us 队列中的 Fitbit 加速度计参与者 炎症性关节炎（IA）患者队列 RA 和 PsA 患者队列
重点核对
每日步数（每日增加1,000步与IA风险降低7%相关，HR 0.93） 每日步数分类（5,000-10,000步和10,000+步与<5,000步相比的风险比分别为0.59和0.50） 睡眠变异性（IA患者较高，P<0.001） Cox回归调整的协变量（年龄、性别、种族和民族） 敏感性分析（排除数据收集后6个月内诊断的病例）
摘要
目的：体力活动和睡眠与炎症性关节炎（IA）之间的关系研究不足，现有研究主要依赖自我报告或短期评估。NIH All of Us 数据库提供长期加速度计数据，能够更精确地估计生活方式行为与 IA 之间的关联。方法：纳入 All of Us 数据库中共享电子健康记录和 Fitbit 数据的参与者。使用多元线性回归比较有和无 IA 个体之间的每日活动和睡眠指标。使用 Cox 比例风险回归检验在 10 年随访期内活动和睡眠模式与 IA 发病的关联。结果：共纳入 23,855 名参与者，其中 200 名患有 IA。与无 IA 者相比，患有 IA 的参与者每日步数更少（P < 0.001），睡眠变异性更大（P < 0.001）。122 名个体发生新发 IA。每日每增加 1,000 步与 IA 风险降低 7% 相关（风险比 [HR] 0.93 [95% 置信区间 (CI) 0.87–0.99]，P = 0.02）。与每日步行 <5,000 步的人相比，每日步行 5,000 至 10,000 步和 10,000 步以上的人 IA 风险分别降低 41%（HR 0.59 [95% CI 0.39–0.91]，P = 0.02）和 50%（HR 0.50 [95% CI 0.29–0.86]，P = 0.01）。结论：与无 IA 者相比，患有 IA 的个体步数减少且睡眠变异性增加，凸显了体力活动和睡眠对 IA 的贡献。此外，每日步数增加与 IA 发病风险降低相关，提示对 IA 高风险者可能的研究干预措施。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 在NIH All of Us队列中，使用长期加速度计数据，体力活动和睡眠模式与炎症性关节炎（IA）的患病和发病风险之间的关系如何？
- 核心机制
- 缺乏体力活动（每日步数减少）可能导致炎症性关节炎（IA）风险增加，同时IA患者活动减少和睡眠变异性增加，提示存在双向关系。
- 主要证据
- 在23,855名参与者中，200名患者IA者每日步数更少、睡眠变异性更大；在21,044名参与者中，122例新发IA，每日步数增加与IA风险降低相关，但调整BMI、高血压和糖尿病后关联不再显著。
- 研究意义
- 研究提示可穿戴加速度计可作为监测工具和干预手段，帮助识别IA的早期特征并促进患者增加活动，但仍需前瞻性队列验证。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
横断面比较分析
比较有和无IA参与者之间的活动与睡眠指标是否存在差异。
使用t检验和卡方检验进行单变量比较，然后使用多元线性回归调整年龄、性别、种族和民族，分析IA状态与各项加速度计指标的关联。
前瞻性Cox回归分析
评估活动和睡眠指标是否与IA发病风险相关。
分别针对步数、久坐/MVPA和睡眠队列，使用Cox比例风险回归模型，调整年龄、性别、种族和民族，分析各指标与IA发病的关联，并进行剂量-反应分析和分类分析。
敏感性分析
检验排除数据收集后6个月内诊断的病例后，结果是否稳健，以减轻反向因果的影响。
将随访开始时间改为Fitbit评估期结束后6个月，重新进行Cox回归分析，评估步数和MVPA与IA发病的关联。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据收集 | Fitbit | -- | -- |
关键环节
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 |
|---|---|
| 参与者纳入标准 | 纳入标准：同意共享EHR和Fitbit数据的参与者，IA定义需使用ICD-10代码M06.9（RA）和L40.5（PsA），排除已有IA诊断者。 阅读提示：PATIENTS AND METHODS - Study population, IA ascertainment |
| 加速度计数据有效性 | 有效日定义：活动日步数≥100步；睡眠日排除>1,440分钟和>30%天数睡眠<4小时的参与者；平均佩戴时长。 阅读提示：PATIENTS AND METHODS - Accelerometry data |
| 统计模型调整 | Cox回归调整因素：年龄、性别、种族和民族；敏感性分析中调整BMI、高血压和糖尿病；HR和95% CI的估计。 阅读提示：PATIENTS AND METHODS - Statistical analysis, Results - Incident IA |