运动时长和运动强度哪个才是关键？该研究使用了2011-2014年美国国家健康和营养调查（NHANES）的数据，研究包括7518名参与者（52.0%为女性），加权中位年龄为49岁。

　　所有参与者均连续7天佩戴ActiGraph GT3X +（加速度计）来监测身体活动（PA）。加速度计测量的身体指标包括：

　　·平均加速度（AvAcc）作为PA量的代表，是24小时内动态加速度的算术平均值，以mg（毫重力）为单位。

　　· 强度梯度（IG）总结了24小时内PA的强度分布，更高的值表明更多的时间花费在高强度的活动中。

　　· 总PA（TPA）计算为24小时内超过40 mg的时间，这个阈值通常用来定义非活动状态。非活动时间是在清醒时积累的低于40 mg的时间。

　　实验排除了自动校准失败、有效佩戴天数不足以及24小时周期中每隔15分钟段没有佩戴数据的参与者。主要测量结果是全因死亡率，次要结果是心血管疾病（CVD）死亡率。跟踪时间为：从开始佩戴加速度计监测到参与者死亡。最后，研究人员使用加权Cox比例风险回归模型分析了PA指标与结果之间的关系。

　　结果显示，在随访期间，共有718例死亡事件。研究使用了加权Cox比例风险模型，调整了年龄、性别、家庭收入、BMI、种族、教育状况、糖尿病、心脏疾病等多种协变量。通过比较基础模型与包含这些变量（如平均加速度AvAcc、强度梯度IG等）的模型，来评估这些体育活动指标对死亡风险预测的独立贡献。

　　研究发现，当向基本模型中加入平均加速度（AvAcc，指运动过程中速度变化的平均值）或强度梯度（IG，指运动强度的变化率）时，模型的预测效果明显提升。这显示两个因素都能预测全因死亡率，但IG的表现稍好一些。具体来说，AvAcc和IG的预测准确率分别是84.3%和85.0%，这意味着IG在预测全因死亡率上更胜一筹，即高强度假设更有助于减少死亡风险。

　　当同时加入IG和AvAcc时，模型的预测效果并未进一步提升。不过，当加入总的体力活动量（TPA，指个人进行的所有形式的体育活动总量）时，模型的预测效果有所增强。此外，IG和AvAcc与全因死亡率之间的关系呈现非线性的倒U型，意味着随着IG和AvAcc的增加，死亡风险会下降，但当IG达到-2.7到-2.5、AvAcc达到约35-45 mg时，这种效应趋于稳定不再继续下降。

　　在预测CVD死亡风险方面，加入IG能够改善模型的预测能力，而加入AvAcc则没有明显的效果。IG与CVD死亡率的关系同样是非线性的倒U型，在IG达到-2.7到-2.5时趋于平缓。这提示我们，高强度的活动可能更有效降低心血管疾病的风险，因为这样的活动有助于改善心脏和肺部的健康状况，提高身体对胰岛素的敏感度，以及减少体内的炎症反应，这些都是预防心血管疾病的有利因素。

　　研究团队还引入了一个新指标——MXRATIO，用于评估体力活动的碎片化程度。结果表明，在任何特定的强度下（最活跃的5分钟、15分钟和60分钟），体力活动的碎片化与全因死亡率呈负相关，尤其是当MXRATIO与IG一起使用时，预测的准确性有所提高。

　　而当MXRATIO与AvAcc结合时，仅在15分钟的活动片段上有所改善。这表明，对于任何特定的强度分布，如果能以至少5分钟的连续时间段积累最高强度的活动，比将相同时间的高强度活动分散在一天中更能降低全因死亡率的风险。这说明，体力活动的强度分布及其总量都与降低全因和心血管疾病死亡风险有关，但强度分布的影响可能更为重要。

　　简而言之，该研究发现，不仅是运动的时间，更重要的是运动的强度，能够显著降低我们的死亡风险。具体来说半岛官网下载，他们发现在日常生活中进行更多高强度体育活动的人，其全因死亡率和心血管疾病死亡率都较低。此外，研究指出，将运动集中在较短的时间段内进行，而非零散地分布在一天之中，对健康的益处更大。

　　所以说，运动不仅仅是为了减肥或增肌，它更是守护我们健康、延展生命长度的重要方式。可以尝试在自己的日常活动中加入适量的剧烈、连续的运动，比如快速跑步、短距离游泳、中高配速骑自行车或是参加高强度间歇训练（HIIT）等等。赶紧去试试吧~