每年有500万人死于当今社会中最不起眼的习惯之一：闲坐。

可以说，由于缺乏锻炼而导致的心脏病、糖尿病以及肠道癌症等等疾病，每365天里，会让这个世界失去一个像挪威一样人口数量的国家。虽然根据有史以来最大的人体运动研究，挪威人还暂时没有像世界上其他地方的人们那样成为缺乏锻炼的受害者。

在最近发表的一篇研究文献中，斯坦福大学的研究人员对来自111个国家的717527人进行了一项研究。内容是关于人体的活动程度、性别和所在地是怎样影响人类的体重的。根据对一款追踪人体活动程度App的仔细分析，这些研究人员发现在那些低肥胖率的国家中，人们每天都在走相似的步数；人与人之间走路与不走路的差距越大，国家的肥胖率就高。研究人员把这种现象称为“活动度不均”。

“直到现在，关于人们每天的活动程度，我们也只有一个非常局限的数据，”计算机科学专业的博士研究生，同时也是这篇文献的第一作者蒂姆·奥尔索夫（Tim Althoff）说。“智能手机给了我们以前从来没有的机会，能去更好的了解人类每天在做什么以及怎样与人类的健康生活关联起来。”

这也是斯坦福大学一群数字健康爱好者的希望，自从iPhone登上舞台的那一刻开始，数字健康的概念就已经出现了。但使用智能手机上的数据去研究大众健康的内容，需要十分可靠的信息，而研究人员们——即使是在人脉广泛的斯坦福大学，也仍然很难确保收集到真实可靠的信息。

上述研究来自于斯坦福大学的Mobilize中心——一个致力于将美国大量智能手机与可穿戴设备的数据进行转换的公共机构。这个机构由美国国家卫生研究院拨款1200万美元，并在2014年作为一项成立全国12个顶尖数据分析中心计划的一部分。奥尔索夫和他的合作伙伴从Azumio公司开发的Argus——一个来自加利福尼亚州帕洛阿尔托（Palo Alto）的综合健康管理应用开始着手研究。这家公司会抹去用户步数计算中的资料，但提供一些关键的统计资料，例如：年龄、性别、身高和体重。最后这两项能让研究人员计算每位用户的体重指数，并从这些相关联的活动等级中得出肥胖率。

研究人员还发现了一些有趣的结果。以美国和墨西哥为例，美国人和墨西哥人大概每天都走相同的步数——大约为4500步。但在美国，由于人口数量的原因，这些步数数据是更分散的。而这也符合了活动很活跃的人群和完全不活跃的人群之间的差距越大，肥胖率是越高的说法。“（肥胖率的高低）不仅仅是源于被研究的用户本身”，参加这项研究的斯坦福大学公共健康研究人员艾比·金（Abby King）说，“而这些用户居住在哪里（也是一个重要因素）。”

艾比·金和研究中心一起致力于帮助人们通过智能手机的应用去控制体重。她还发现这是一个很好的机会，通过使用那些连续型数据去提供更有针对性的、动态的干预措施，指引人类健康终老。“我们能比人们更早知道他们是不是走在肥胖的路上，并能通过智能手机上的应用向他们提供一些反馈。这样人们就能在当下做些什么（来防止肥胖发生）。”

目前，使用智能手机端的数据去进行公共健康研究和指导仍然存在各种问题，最大的原因就是：步数计算得出来的数据实际上非常不可信。

“特别是那些营利性质的设备，如苹果公司设备中嵌入的计步器其实并不是特别精确，”伊利诺大学香槟分校主管医疗信息科学的Bruce Schatz说，“他们做这个是为了给喜爱运动的用户带来更好的使用体验。”其中的计步器并不是精确的测量仪器，他说，智能手机装备了感应器能感受到位置的细微变化，这一点他们（智能手机公司）做得很好。

但苹果公司和其他的手机制造商、以及应用开发人员将这些原始数据变成容易计算步数的功能，其实并不能精确的捕捉到人类行走时的无数变化形态。比如老年人群会慢吞吞地走路，而不是迈开大步子走路，而且并不是所有的步幅都是平均的。对于那些尝试去控制自己体重的人群来说，在公园里散步比起快速跑上楼梯会燃烧更少的卡路里（虽然不如食物带来的影响多）。得出这其中的差别，需要的不是那些早就设定好的感应器中的数据。这就是为什么在美国国立卫生院和美国国家科学基金会进行人口规模移动健康计划研究的Schatz说，原始数据才是通向健康干预的正确道路。

原始数据的缺点在于它更难进行分析。大多数应用开发者自身都不会保留原始数据因为它需要很多存储空间。不断把数据从你的手机（想象一下60次每秒而不是60次每分钟）导出来，会让电池在一两个小时内就用完。算法能存储并推断你在做什么——包括走路、骑行、坐着——然后删掉所有数据，节省电池电量。这就是奥尔索夫和他的斯坦福合作伙伴们从Azumio得到数据：每人每天1440个数据点，而不是500万个数据。

同时，在非技术层面，这些数据仍存在一些局限性。那些使用iPhone、并在手机上安装Azumio应用的用户，很可能比一般人更富裕和健康。Azumio不会记录用户的收入和种族，而且虽然有的用户使用这款App记录每天的饮食和卡路里摄入情况，但Azumio并没有把这些信息提供给研究人员。所以研究人员不能检验其他任何关于生活方式差异的假说，即除了计算步数，不能得出其他能影响肥胖率的因素。建立精确的模型去检测、监控以及预测肥胖需要更多的信息，而多数智能手机都将这些信息轻易地放弃了。

从苹果和谷歌等手机制造商那里获得人口规模的原始数据不是不可能，只是过于不切实际。研究人员想要继续获得更多数据就需要其他的合作伙伴能自己开发或者建造一个应用，然后让大量的消费者无视电力消耗去下载这个应用。不论是苹果还是谷歌公司，都只是给出那些得以流通到世界各地的数据，因为这些公司的价值在于付费用户，比如在线广告商。这就使获取最佳数据建立精准模型以研究如肥胖等公共健康问题，成了科学家们无法做到的事。

“移动数据在目前来说已经足够好了，”Schatz说，“但除了以广告商（营利）为目标，还没有人能做的更好。”这意味着如果要用智能手机数据解决公共健康问题,它可能首先要成为一个公益事业。

声明：本文为懒熊体育编译自wired，原文作者为Megan Molteni