当前位置: 首页 > news >正文

资深久坐族有救了?《柳叶刀》最新研究:每天运动5分钟,可预防约10% 的死亡

源自风暴统计网:一键统计分析与绘图的网站

久坐和运动不足已经成为当代人普遍的健康问题,有时候太忙了不记得锻炼身体,即使有时间,动辄一两个小时的运动又让人犯起了懒。

难道就没有办法了吗?当然不!

2026年1月13日,医学顶刊《The Lancet》刊登了一篇文章,研究者旨在评估通过每日增加5分钟和10分钟的中高强度体力活动(MVPA),以及每日减少30分钟和60分钟的久坐时间所能预防的死亡比例。


研究结果令人欣喜:在普通人群中,每天增加5分钟MVPA可预防10.0%的死亡;每天减少30分钟久坐时间可预防7.3%的死亡!

研究方法

研究者采用个体参与者数据Meta分析,纳入了来自挪威、瑞典和美国的7个前瞻性队列研究,另单独分析英国生物银行数据,总样本量超13万。

  • 暴露评估:使用髋戴式加速度计设备测量中高强度体力活动(MVPA)、久坐时间、总体力活动和低强度体力活动(LPA)。

  • 统计分析:采用Cox比例风险回归模型配合立方样条函数,处理运动量与死亡率之间的非线性剂量反应关系;计算潜在影响分数(PIF),估计通过增加MVPA或减少久坐时间可预防的死亡比例。

  • 干预策略:高风险方法(针对约20%最不活跃参与者)和全人群的方法(针对除约20%最活跃外的所有参与者)。

MVPA增加与死亡风险降低

1. 风险比(HR)变化:

在活动量最低的个体中,每日MVPA从1分钟增加至6分钟,与死亡风险降低约30% 相关;

每日MVPA从1分钟增加至11分钟,与死亡风险降低约42% 相关。

随着基线MVPA水平升高,增加等量MVPA所带来的额外风险降低效益递减。当MVPA超过约24分钟/日后,未观察到明显的额外风险降低。

2. 可预防死亡比例(PIF):

在最不活跃的12.1%人群(每日MVPA ≤2分钟)中,每日增加5分钟MVPA可预防3.6%(95% CI 2.7–4.4) 的死亡。

在每日MVPA为2-4分钟的人群中,每日增加5分钟MVPA可预防 1.4%(1.0–1.8) 的死亡。

(英国生物银行研究中中MVPA与死亡风险的关系)

久坐时间减少与死亡风险降低

  • 对于每日久坐时间超过480分钟的多数参与者(>70%),减少久坐时间与进行性降低的死亡风险相关。

  • 在每日久坐≥660分钟的个体中,每日减少30分钟久坐与风险降低约10%相关;每日减少60分钟与风险降低约25%相关。

(英国生物银行研究中久坐时间和死亡风险)

两种干预策略下的累积可预防死亡比例

通过对比高风险和全人群干预策略的效果,研究者发现在体力活动极少的人群中推行每天“多动5分钟”,能避免全社会6%的死亡;若能在全人群推广,预防效果可放大至10%。

总的来说,该研究结果表明,小幅增加MVPA(尤其是对最不活跃人群)在预防死亡方面比减少久坐时间更有效,但两者均能带来显著的公共健康收益。

这篇文章的研究结果有着较强的公共卫生意义,即通过促进小幅、可行的行为改变来改善人群健康。但主要适用于高收入国家40岁以上人群,未来需在低收入和中等收入国家开展类似研究。

数据分析也做得不错,能够将统计学的样条函数与公共卫生政策的PIF模型相结合,把复杂的剂量反应关系转化为极具说服力的“可预防死亡比例”数据。

好了,今天的文章就分享到这里。话不多说,看文章的诸位可以试着用这个结论运动个5分钟!


最后,在文末给郑老师我们团队打个广告吧,大家不要见怪哈!

我们将提供专业的临床试验项目设计与分析

http://www.jsqmd.com/news/260276/

相关文章:

  • 首次运行慢正常吗?模型加载机制通俗解释
  • AI写作工具横评:4大模型云端实测,3小时不到3块钱
  • GTE中文语义相似度服务完整教程:WebUI高级功能
  • 通义千问2.5-7B-Instruct智能健身:个性化训练计划
  • Z-Image-ComfyUI真实体验:中文提示太准了
  • OpenCode部署案例:金融领域代码生成解决方案
  • GPEN+Stable Diffusion联合实战:双镜像快速搭建,10元玩转AI修图
  • Altium Designer自定义设计规则验证流程
  • 周末项目:用GLM-TTS给老照片配音,总成本不到5元
  • 4个最强AI创作镜像推荐:预置环境开箱即用,8块钱全试一遍
  • 无需编程!用CV-UNet镜像搭建个人在线抠图工具
  • WinDbg Preview结合事件日志:协同分析故障原因
  • Glyph视觉推理稳定性测试:长时间运行无崩溃验证
  • fft npainting lama边缘计算部署:Jetson设备运行可行性测试
  • 高校实验管理中Multisim数据库对接深度剖析
  • Qwen3-0.6B科研文献速读:论文核心观点提炼实战
  • Emotion2Vec+ Large vs Microsoft Azure Emotion API:功能对比评测
  • Z-Image-Turbo推理延迟高?批处理优化部署实战解决方案
  • TensorFlow-v2.15迁移指南:云端环境一键切换,避坑大全
  • 小白必看!HeyGem数字人视频系统保姆级教程
  • 掌握AI开发趋势必看:PyTorch云端实践成新标准,按需付费更灵活
  • 未来向量模型方向预测:Qwen3-Embedding-4B技术架构深度解读
  • Open-AutoGLM + ADB Keyboard,输入完全自动化
  • YOLOv9语义分割扩展:基于detect_dual.py的多任务探索
  • 2026佛山灯饰铝材生产商实力盘点 - 2026年企业推荐榜
  • Paraformer-large误识别高频词?自定义热词增强实战配置
  • ArduPilot导航算法详解:位置控制完整指南
  • 哪六家阜阳人脸识别供货商在2026年最靠谱? - 2026年企业推荐榜
  • 批量抠图技术落地新方案|利用科哥CV-UNet镜像实现高效图像分割
  • AI视频生成实战:用预置镜像10分钟搞定你的第一个动态作品