坚持锻炼计划是许多人面临的挑战。但密西西比大学的研究团队正在利用机器学习来揭示是什么使个人坚持锻炼。
该团队由物理教育博士生李承博（Seungbak Lee）和崔柱彭（Ju-Pil Choe），以及健康、锻炼科学与娱乐管理系的运动分析教授姜敏洙（Minsoo Kang）组成，他们希望根据个人的身体测量、人口统计和生活方式来预测一个人是否符合体育活动指南。
他们已经审查了大约30,000份调查数据。为了快速梳理如此庞大的数据集，他们转向了机器学习，这是一种利用计算机识别模式和根据信息进行预测的方法。
姜教授表示，该小组的研究结果发表在《自然组合》期刊的《科学报告》上，正值时机。
“体育活动遵循指南是一个公共健康问题，因为它与疾病预防和整体健康模式息息相关，”他说。“我们希望使用先进的数据分析技术，如机器学习，来预测这种行为。”
美国健康与人类服务部下属的疾病预防与健康促进办公室建议，成年人每周应至少进行150分钟的中等强度锻炼或75分钟的高强度锻炼，以作为健康生活方式的一部分。
研究显示，平均美国人每周在体育活动上仅花费两个小时，只有疾病控制与预防中心建议的四小时的一半。
李、崔和姜利用2009-18年的国家健康与营养检查调查（National Health and Nutrition Examination Survey）的公共数据，这是一项政府赞助的调查。
崔曰：“我们旨在利用机器学习根据问卷数据预测人们是否遵循体育活动指南，并寻找最佳变量组合以获得准确预测。” “考虑了如性别、年龄、种族、教育状况、婚姻状况和收入等人口统计变量，以及像BMI和腰围等人体测量。”
他说，研究人员还考虑了生活方式因素，包括饮酒、吸烟、就业、睡眠模式和久坐行为，以理解它们对一个人身体活动的影响。
结果显示，三个关键因素——花多少时间坐着、性别和教育水平——在所有预测锻炼习惯的顶级模型中始终出现，尽管每个模型识别出不同的变量作为重要因素。
崔表示，这些因素对于理解谁更可能保持活跃和社会联系特别重要，它们可以帮助指导未来的健康建议。
“我原本预期性别、BMI、种族或年龄等因素对我们的预测模型很重要，但我对教育水平的重要性感到惊讶。”他说。“虽然性别、BMI和年龄等因素更本质于身体，但教育水平则是一个外部因素。”
在分析过程中，研究人员排除了某些疾病患者和缺少体育活动数据的响应者的数据。这将相关数据缩小到11,683名参与者。
研究人员表示，机器学习使他们更自由地研究数据。旧的方法期望事情遵循直线模式，当某些信息过于相似时，它们表现不佳。
机器学习没有这些限制，因此可以更灵活地寻找模式。
崔说：“我们研究的一个局限性是使用主观测量的体育活动数据，参与者从记忆中回忆他们的活动。使用问卷时，人们往往高估了自己的体育活动，因此更准确、客观的数据将提高研究的可靠性。”
因此，研究人员表示，他们可以在该领域未来研究中采用类似的方法，但探索不同的因素，包括饮食补充剂的使用，使用更多的机器学习算法或依赖客观数据而非自我报告的信息。
这将有助于教练和健身顾问制定人们可以长期坚持的锻炼方案。
