[发明专利]一种多参数筛选预测最大摄氧量的方法

说明书

本发明涉及一种多参数筛选预测最大摄氧量的方法。主要解决现有最大摄氧量预测模型存在的预测精度底的技术问题。本发明的技术方案是：其具体步骤为：1：对若干名受试者健康筛查后，测量身高等并通过BMI获取身体质量指数，然后录入系统；受试者连接心肺功能仪面罩及与之配套的红外心率采集装置和气体采集装置，采集22项呼吸气体代谢数据；2：提取非运动参数以及运动中最大摄氧量的21个运动参数，构建第一数据集；3：将第一数据集以最大摄氧量和其他各参数进行偏相关分析；4：使用R语言BayesFactor包构建贝叶斯因子回归模型；5：对最优模型进行模型性能评估；6：对原始数据进行线性拟合，对拟合结果排序，确定用于最大摄氧量模型的模型结构及性能。

技术领域

本发明涉及一种多参数筛选预测最大摄氧量的方法。

背景技术

随着经济的发展，体育竞技水平的提高，运动员及教练越来越重视运动训练过程中心肺功能的指标，通过常规运动训练维持或提高心肺功能的方式日渐深入人心。心肺功能是指机体摄取氧气并将转化氧气成为能量的能力，最大摄氧量(VO₂max)是指人体在极量运动时的最大摄氧能力，反应心肺摄入与利用氧气的最大值，被认为是真正评断机体心肺功能的主要单一指标、黄金标准。目前，越来越多的研究认为最大摄氧量可准确反映运动功能，该指标值的大小关系到机体氧气有效转换率的高低，最大摄氧量越高的个体一般运动能力也越好。因此，最大摄氧量得到了体育学界的广泛使用，用以监测专业运动员的体能。然而，如何高效、准确地获取最大摄氧量值一直是国内外科学家研究的热点。

综合最大摄氧量测量方法的相关研究发现：随着统计技术和计算机模型的发展，通过构建预测模型评估法作为间接测量最大摄氧量的方法之一，近年来得到了极大地发展和应用。但是，不同研究者对自变量的入选参数量不等、筛选步骤不同、标准不一等原因，导致构建的模型性能和普适范围也不尽相同。这是由于构建预测模型主要关键点在于数学模型的选择和自变量的选择。因此，用于最大摄氧量预测模型的自变量的选择是模型性能优劣的核心。

国内外大量文献显示，最大摄氧量预测模型变量选择多基于受试者个体的非运动特征参数(如年龄、性别、体重、身高、身体质量指数等)和运动特征参数(如心率、肺活量、运动负荷、运动成绩等)；现有相关其他模型还引入新变量，或考虑生理功能的关系，或结合问卷调查信息；研究构建模型中回归分析是使用最多的建模方法。但是，现有模型中多数模型考虑的变量相对较少，且入选变量的选择多具有主观性和易测性，缺乏对自变量和最大摄氧量(VO₂max)间相关关系的分析，或变量筛选过程缺乏足够的理论支撑，且所选受试者不区分性别、年龄、工作等因素，用于构建预测模型的数据特征不明显等原因，导致不同的预测模型拟合优度各不相同，或同一模型用于其他受试群体时，预测精度表现也极不稳定，甚至大大降低。

发明内容

本发明的目的是解决上述现有技术存在的问题，提供一种多参数筛选预测最大摄氧量的方法。

为实现上述目的，本发明采用的技术方案是：

一种多参数筛选预测最大摄氧量的方法，其特征是，具体步骤为：

步骤1：对若干名受试者健康筛查后，测量身高和体重并通过BMI获取身体质量指数，然后录入Quark b2型运动心肺功能系统；受试者连接心肺功能仪面罩及与之配套的红外心率采集装置和气体采集装置，进行1min静息代谢气体数据观测；之后以起始负荷为零，以50W/3min负荷递增的方式在功率自行车运动到力竭，再零负荷蹬车2min后结束测试，全程由心肺功能仪每2秒钟自动记录一次数据，最终实现运动全过程中的22项呼吸气体代谢数据的采集；

步骤2：提取每一位受试者3项非运动参数以及运动全过程中最大摄氧量时间点对应的21个运动参数，并汇总所有受试者数据构建用于后续分析的第一数据集；