Appearance
An individual participant data meta-analysis of how physical activity relates to affective well-being in daily life
DisciplineInterdisciplinary
MethodMeta analysis
Tagsaffective wellbeingdaily lifedata · secondary survey analysisindividual participant datameta analysismethod · meta analysisphysical activity
Summary
Problem: 尽管已有大量研究表明身体活动（PA）与情感幸福感（AWB）存在关联，但以往研究多基于实验室或回顾性问卷，生态效度有限。近年来虽涌现出大量日常生活中的密集纵向研究，但结果不一致，且传统综述采用投票计数法无法量化效应大小、方向和条件。该领域缺乏一个统一的、基于原始数据的定量综合来明确PA–AWB关联的性质和程度。
Approach: 作者采用个体参与者数据（IPD）元分析方法，收集了截至2023年12月的67个数据集（占符合条件记录的55.2%），包含8,223名参与者的321,345次智能手机情感幸福感评分和近100万小时的加速度计测量身体活动数据。研究采用两阶段和一阶段IPD元分析，分别检验先行模型（PA预测后续AWB）和后果模型（AWB预测后续PA），并考察了五种情感概念（积极情感状态、消极情感状态、效价、精力唤醒、平静感）的差异化关联。
Finding: 研究发现，日常生活中的身体活动与情感幸福感之间存在显著的双向关联。在个体内层面，PA与精力唤醒（r=0.14）、积极情感状态（r=0.09）和效价（r=0.04）呈正相关，但与平静感呈负相关（r=−0.06）；消极情感状态与PA无稳健关联。在个体间层面，PA与积极情感状态和效价呈正相关。效应量具有实际意义——从静坐到步行可使精力唤醒增加0.62分（1–4分制）。两种时间方向（PA→AWB与AWB→PA）的效应量无显著差异。个体间存在显著异质性，PA与消极情感状态的关联最为异质（40.22%为正、59.78%为负），而PA与精力唤醒的关联最为同质（>95%参与者呈正相关）。
Significance: 该研究为PA–AWB关联提供了迄今最全面、最稳健的定量证据，证实了日常生活中的身体活动与情感幸福感之间的双向关联，且效应量与其他日常活动相当。这一发现对修订健康行为理论模型具有重要意义，并为探索PA–AWB关联背后的行为、生理和神经机制提供了起点，同时为个性化干预提供了潜在靶点。
Theoretical Framework
- Theoretical tradition: 该研究属于健康行为理论与情感科学交叉领域，强调情感状态在健康行为维持和强化中的核心作用。
- Prior theories built upon: 研究建立在当代健康行为理论之上，这些理论将情感幸福感视为PA与健康结果之间最有力的心理促进因素之一，并认为AWB在激发、维持和强化PA中起关键作用。具体引用了相关理论模型（如健康行为理论中AWB作为关键驱动因素的观点），以及核心情感框架（core affect）和Multidimensional Mood Questionnaire所依据的情感心理学理论。
- Causal mechanism: 研究检验了双向机制：一方面，PA可能通过生理（如神经递质释放）和心理（如分心、自我效能感提升）途径提升后续AWB；另一方面，较高的AWB可能通过增强动机和能量水平促进后续PA参与。精力唤醒被识别为最强的关联因素，提示能量感知可能是连接PA与AWB的核心机制。
- Key assumptions: 研究假设日常生活中的瞬时情感体验（而非回顾性评估）能更准确地反映PA–AWB的真实关联；假设加速度计测量的PA和智能手机电子日记评估的AWB具有足够的生态效度；假设个体内过程不能由个体间差异替代（生态谬误）。
- Theoretical move: 该研究是对现有理论的综合与应用——通过大规模IPD元分析，将分散的、结果不一致的日常生活研究整合为统一的定量证据，验证并量化了健康行为理论中AWB作为PA驱动因素的核心假设，同时为理论的精细化提供了实证基础。
- Scope conditions: 研究聚焦于日常生活中的偶发性PA（包括锻炼和非锻炼活动），而非实验室中的结构化运动；研究对象涵盖8–98岁、14个国家的参与者，但主要集中于高收入国家；研究限定于短期（分钟至小时级）的PA–AWB关联，不涉及长期锻炼干预效果。
Research Design
本研究为个体参与者数据（IPD）元分析，属于观察性研究的二次综合分析。分析单元为个体内的测量时刻（e-diary提示点）和个体层面。关键自变量为加速度计测量的身体活动（标准化为研究内标准差单位，部分分析使用原始运动加速度强度MAI，单位milli-g）；关键因变量为智能手机电子日记评估的情感幸福感，分为五种概念：积极情感状态、消极情感状态（单极概念，基于PANAS），以及效价、精力唤醒、平静感（双极概念，基于Multidimensional Mood Questionnaire短版）。研究采用三种分析步骤：（1）两阶段IPD元分析估计总体效应和比较不同AWB概念的标准化效应量；（2）一阶段IPD多水平模型考察个体和测量特征的作用；（3）MAI一阶段IPD模型计算实际效应量（如步行vs静坐的AWB变化）。同时检验先行模型（PA→AWB）和后果模型（AWB→PA）两种时间方向。
Data & Sample
- 样本量: N = 8,223名参与者，来自67个数据集
- 观测数据: 321,345次智能手机AWB评分，近1,000,000小时加速度计PA测量
- 地理范围: 14个国家
- 参与者特征: 女性占54.93%，年龄M=36.33岁（SD=18.11，范围8–98岁），成人BMI M=25.53
- 数据收集方式: 通过数据库检索（6,466条记录）和联系领域研究者（13个额外数据集）获取；纳入标准包括设备测量的PA、实时AWB评估、密集纵向设计
- 时间范围: 截至2023年12月
- 研究特征: 观察时长M=17.72天（中位数14天，范围1–100天），PA聚合间隔M=159.44分钟（中位数15分钟，范围5–1,440分钟），AWB评估频率M=7.30次/天（中位数5.50次，范围1–25次）
Analytical Strategy
- 两阶段IPD元分析: 首先对每个研究分别估计多水平相关（within-和between-person），然后使用随机效应元分析汇总效应量；对五种AWB概念分别分析，并检验概念间差异（F检验）
- 一阶段IPD元分析: 构建多水平模型（嵌套结构：测量时刻→个体→研究），标准化PA值，控制年龄和性别/性别认同，分别检验五种AWB概念
- MAI一阶段IPD分析: 仅纳入含原始PA数据（milli-g）的研究，增加PA聚合间隔作为控制变量，计算实际效应量（步行vs静坐的AWB变化）
- 多重比较校正: 将alpha调整为0.05/6=0.008（每种AWB概念在三个分析步骤和两个方向上测试）
- 敏感性分析: 包括有序多水平回归、bootstrap置信区间、基于MDMQ和PANAS的AWB操作化敏感性分析
- 调节变量分析: 考察年龄、BMI、工作日vs周末、性别/性别认同对PA–AWB关联的调节作用
- 时间方向性检验: 两阶段IPD元分析将两种时间方向纳入同一模型进行事后比较
Results & Findings
主要发现1：PA与后续AWB的关联（先行模型） 在个体内层面，总体AWB与先行PA呈显著正相关（r=0.05）。具体而言，PA与精力唤醒的关联最强（r=0.14），其次是积极情感状态（r=0.09）和效价（r=0.04），与平静感呈显著负相关（r=−0.06），与消极情感状态无稳健关联。实际效应量方面，从静坐到步行可使精力唤醒增加0.62分、积极情感状态增加0.24分、效价增加0.16分、平静感降低0.22分（1–4分制）。在个体间层面，PA与积极情感状态（r=0.09）和效价（r=0.09）呈正相关。这一发现支持了PA提升AWB的理论预期，但揭示了不同情感概念的差异化模式——PA提升激活型积极情感（精力、愉悦）但降低平静感。
主要发现2：AWB与后续PA的关联（后果模型） 在个体内层面，总体AWB与后续PA呈显著正相关（r=0.04）。精力唤醒与后续PA的关联最强（r=0.12），积极情感状态（r=0.05）和效价（r=0.03）也呈正相关，平静感呈负相关（r=−0.06），消极情感状态无稳健关联。在个体间层面，仅积极情感状态与后续PA一致呈正相关（r=0.13）。这一发现支持了AWB（尤其是精力唤醒）驱动后续PA行为的理论假设，表明情感状态可能是PA参与的重要促进因素。
主要发现3：时间方向性 两种时间方向（PA→AWB与AWB→PA）的效应量无显著差异，表明PA与AWB之间存在双向、对称的关联，而非单向因果关系。这一发现支持了健康行为理论中AWB与PA相互强化的循环模型。
主要发现4：个体间异质性 PA–AWB关联在个体间存在显著差异。PA与消极情感状态的关联最为异质（40.22%为正、59.78%为负），而PA与精力唤醒的关联最为同质——超过95%的参与者在PA较高时感到更精力充沛。这一发现提示，虽然群体层面的平均效应为正，但个体差异显著，为个性化干预提供了靶点。
主要发现5：调节变量 社会人口学变量（年龄、性别/性别认同、BMI、工作日vs周末）部分解释了PA–AWB关联的个体间异质性，但解释力有限。
零结果与意外发现：消极情感状态与PA在个体内层面无稳健关联（与部分理论预期不符）；平静感与PA呈负相关（与直觉相反，但可能反映PA的激活效应）；个体间层面PA与精力唤醒的关联在各分析步骤间不一致。
Limitations
- 数据获取率有限: 仅获得55.2%符合条件记录的数据，44个记录未获回应，可能存在选择偏差
- 测量异质性: 各研究在PA聚合间隔（5–1,440分钟）、AWB评估频率（1–25次/天）和AWB操作化方式上存在较大差异
- AWB概念操作化差异: 不同研究使用不同的情感量表，虽进行了敏感性分析，但PANAS的操作化仍存在争议
- PA测量标准化: 由于PA测量方法多样，需将PA标准化为研究内标准差单位，可能损失原始度量信息
- 非二元性别样本极少: 仅三项研究包含非二元性别评分，限制了性别/性别认同调节分析的全面性
- 地理覆盖偏差: 14个国家主要集中于高收入国家，结果向中低收入国家的推广性有限
- 观察性设计: 虽检验了时间方向性，但无法确立因果关系，可能存在未测量的混杂因素
- 短期关联: 研究聚焦于分钟至小时级的短期PA–AWB关联，不涉及长期效应
Key Contributions
- 首次通过大规模IPD元分析（67个数据集、8,223名参与者）量化了日常情境中PA–AWB关联的效应量，克服了投票计数法的局限性
- 系统区分了五种AWB概念（积极/消极情感状态、效价、精力唤醒、平静感）与PA的差异化关联模式，揭示了精力唤醒是最强的关联因素
- 同时检验了先行和后果两种时间方向，证明PA–AWB关联是双向且对称的
- 提供了实际效应量（如步行vs静坐的AWB变化），使效应大小可与日常其他活动（如听音乐、看电视）进行比较
- 揭示了个体间异质性的大小和分布，为个性化干预和精准医学提供了靶点
- 为修订和发展健康行为理论模型提供了迄今最全面的实证基础
- 建立了探索PA–AWB关联背后行为、生理和神经机制的起点
Key Claims
"Here we compiled 67 datasets (55.2% of eligible records) including 321,345 smartphone-based AWB ratings and nearly 1,000,000 h of accelerometer-measured PA (N = 8,223 participants) until December 2023 to clarify the nature and extent of PA–AWB associations." (Abstract)
"One- and two-stage individual participant data meta-analyses reveal that momentary AWB is associated with both prior (within, r = 0.05, 99.2% confidence intervals (CI) 0.03 to 0.06; between, r = 0.08, 99.2% CI 0.04 to 0.12) and subsequent (within, r = 0.04, 99.2% CI 0.03 to 0.05; between, r = 0.08, 99.2% CI 0.04 to 0.13) short-term PA in everyday life." (Abstract)
"Within persons, PA displays a positive association with energetic arousal, positive affective states and valence, yet a negative relation to calmness." (Abstract)
"The practical effect sizes are comparable to other daily life activities, with energetic arousal evincing the strongest relation to PA." (Abstract)
"Considerable heterogeneity in associations across individuals can be partially explained by sociodemographic moderators." (Abstract)