周末突击运动同样有益！UKB研究：每周1-2天集中运动，死亡风险显著降低！

14天前来源：医咖会

WHO和美国心脏协会（AHA）建议，成年人每周应进行至少150分钟的中等至剧烈强度体力活动（MVPA），以降低各种慢病风险。此前2项研究显示，每周集中1-2天完成大多数MVPA（即“周末战士”模式）与均匀分布运动模式类似，均与心血管结局和200多种疾病风险降低相关。然而，这一运动模式对死亡风险的影响尚不清楚。

研究方法

本研究数据来自英国生物银行（UK Biobank），纳入2013-2015年间完成7天加速度计测量的93,409名参与者。研究使用腕戴式加速度计（Axivity AX3）记录运动数据，并通过机器学习算法分类MVPA（如快走、跑步、骑行等）。

研究将参与者分为三种MVPA模式：周末战士（MVPA≥150分钟/周，且≥50%集中在1-2天内完成）、规律运动（MVPA≥150分钟/周，且≥50%分布在≥3天）、运动不足（MVPA<150分钟/周）。

研究的主要结局为全因死亡、CVD死亡和癌症死亡。采用Cox比例风险模型，调整年龄、性别、BMI、吸烟、饮酒、饮食、久坐时间等混杂因素。

研究结果

本研究共纳入93,409名使用加速度计测量运动的参与者（平均年龄62.4岁，56.4%为女性），中位随访8.1年，记录了3,965例全因死亡（667例CVD死亡，1,780例癌症死亡）。以指南推荐的每周≥150分钟MVPA作为阈值进行分层时，周末战士组、规律运动组和运动不足组分别有39,787人（占比42.6%），22,037人（23.6%）和31,585人（33.8%）。

MVPA的分布

规律运动组的MVPA分布更均匀，而周末战士组的MVPA分布更集中。

图. MVPA运动模式分布

左：规律活动组；右：周末战士组

运动模式与全因死亡率的关联

相比运动不足组，无论是周末战士组还是规律活动组，都与全因死亡率发生风险降低相关。

周末战士组 vs. 运动不足组：风险降低32%（HR=0.68，95%CI 0.64–0.74）；
规律运动组 vs. 运动不足组：风险降低26%（HR=0.74，95%CI 0.68–0.81）。

运动模式与CVD死亡率的关联

相比运动不足组，无论是周末战士组还是规律活动组，都与CVD死亡率发生风险降低相关。

周末战士组 vs. 运动不足组：风险降低31%（HR=0.69；95%CI 0.58-0.83）；
规律运动组 vs. 运动不足组：风险降低24%（HR=0.76；95%CI 0.61-0.94）。

运动模式与癌症死亡率的关联

相比运动不足组，无论是周末战士组还是规律活动组，都与癌症死亡率发生风险降低相关。

周末战士组 vs. 运动不足组：风险降低21%（HR=0.79；0.71-0.89）；
规律运动组 vs. 运动不足组：风险降低13%（HR=0.87；0.76-0.99）。

图. 活动模式与全因、CVD死亡和癌症死亡的关联

周末战士组 vs. 规律运动组

周末战士组和规律运动组在全因死亡、CVD死亡和癌症死亡风险方面无统计学差异。

全因死亡：HR=0.93，95%CI 0.85–1.01；
CVD死亡：HR=0.92，95%CI 0.74–1.14；
癌症死亡：HR=0.91，95%CI 0.80–1.03。

图. 周末战士组 vs. 规律运动组

总结与讨论

研究结果显示，周末战士运动和规律运动的益处相当，均显著降低全因、CVD和癌症死亡风险。即使每周运动未完全达到150分钟，运动仍有益处。

周末运动模式影响死亡风险的潜在机制可能涉及调节炎症、氧化应激和脂质代谢。未来的研究应侧重于阐述这些关联背后的具体机制，并在不同人群中复制这一发现。

研究的优势包括：

（1）这是首个基于大规模人群队列、采用加速度计客观测量身体活动数据，以探讨不同活动模式与全因死亡、CVD死亡和癌症死亡关联的研究；

（2）研究纳入近90,000名参与者，中位随访时间达8.1年，提供了足够的统计效力；

（3）全面调整了多种混杂因素，并通过敏感性分析评估潜在未测量混杂的影响，增强了结果的稳健性。

局限性在于：

（1）研究仅在基线时收集身体活动数据，后续随访中参与者的运动行为可能发生改变；

（2）尽管研究者努力控制混杂因素，但仍可能存在因测量误差或未知变量导致的残余混杂；

（3）可能存在反向因果关联；

（4）研究对象以白人为主，需在更多样化人群中验证结果的普适性。

参考文献：J Am Heart Assoc. 2025:e039225.

为您推荐：UK BioBank相关课程

这项研究用到了UK Biobank数据库，要充分发挥这一超级数据库的潜力，需要系统的研究方法训练。我们特别推荐医咖会视频课程《UK Biobank介绍及应用研究》，帮助您了解如何利用UK Biobank的丰富数据进行前瞻性队列研究，定义和计算健康结局指标，如何使用R软件进行数据预处理和统计分析，以及数据使用后研究报告的撰写要求。