Quantifying Time-Varying Physical Activity Intervention Effects via Functional Regression
用函数型回归量化随时间变化的体力活动干预效应AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于函数型数据分析与干预研究的方法应用，未涉及所给领域细分中的因果识别、面板、离散选择、时间序列或金融计量等方向，故不选择。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
用函数型回归量化随时间变化的体力活动干预效应
- 研究问题
- 摘要称，体力活动干预研究常收集长期重复的强度测量，但许多分析把数据压缩为标量汇总指标，难以刻画干预效应在研究期内的变化；本文关注如何量化这种随时间变化的干预效应。
- 方法与思路
- 作者提出函数型回归框架，把整条体力活动轨迹视为函数型观测，用函数对标的回归（FoSR）建模随时间变化的干预效应，并与先做函数主成分分析再把得分对协变量回归的两步法比较；进一步扩展为函数对函数回归（FoFR）以研究不同时间段体力活动之间的关联。
- 材料陈述的贡献
- 摘要称，从方法与实践角度展示了 FoSR 相对 FPCA 加回归两步法的优势，并将方法应用于 STEP UP 研究的每日步数数据，报告三种干预策略对体力活动呈现不同且可解释的时变效应，以及可持续性上的差异。
- 阅读关注点
- 阅读全文时应核对：FoSR 相对两步法的优势具体在何种模拟或理论条件下成立；函数型观测的平滑、基函数选择与估计细节；FoFR 的识别与解释方式；STEP UP 样本、干预分组与混杂控制；时变效应与可持续性结论的统计不确定性。
- 阅读边界
- 仅凭摘要无法判断估计与推断的识别假设、模型设定是否稳健、效应是否具因果含义、外部推广性，以及具体数值结果；摘要未说明样本量、缺失处理与敏感性分析。该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
Physical activity (PA) intervention studies often collect repeated intensity measurements over long observation periods. Quantifying the variation in intervention effects over the study period is critical to evaluating and improving intervention strategies, yet many analyses reduce PA data into scalar summary measures, resulting in limited insights. We propose a functional regression framework, which captures time-varying intervention effects by modeling the entire PA trajectory as a functional observation. From both methodological and practical perspectives, we demonstrate the advantages of function-on-scalar regression (FoSR) over the traditional two-step approach of applying functional principal components analysis (FPCA) followed by regressing scores on covariates. The FoSR is further extended to a function-on-function regression (FoFR) for studying the association of PA across time periods. Methods are applied to daily step counts from the Social incentives to Encourage Physical Activity and Understand Predictors (STEP UP) study, revealing distinct and highly interpretable time-varying effects of three intervention strategies on PA and differences in their sustainability. Our case study highlights the feasibility of functional data analysis techniques for uncovering novel insights in intervention studies with high-dimensional endpoints.