《npj Aging》：From wrist data to lifespan: elucidating inflammation-driven biological aging via activity rhythms captured by wearable devices
编辑推荐：
本研究旨在探究系统性炎症如何加速生物衰老。研究人员通过对62,000名成人的可穿戴加速度计数据进行分析，构建可解释机器学习模型，识别出节律振幅、稳定性和中高强度体力活动（MVPA）是预测加速衰老的主导因素。在1521名拥有系统性免疫-炎症指数（SII）数据的参与者中，研究发现节律振幅低、稳定性差与SII升高显著相关，且男性中MVPA不足与SII升高关联更强。中介分析表明，炎症部分解释了MVPA不足、节律不规律与死亡风险之间的关联。该研究将休息-活动节律确立为连接日常节律性、炎症与生存的数字生物标志物。
想象一下，你的智能手表或手环不仅记录着步数和心率，还可能揭示你身体内部的“炎症风暴”如何悄然加速你的衰老进程，甚至影响你的寿命。这正是近期一项发表于《npj Aging》杂志上的研究所探索的前沿问题。随着年龄增长，人体内常伴随着慢性的、低度的系统性炎症，这一现象被称为“炎症老化”（inflammaging）。这种持续的炎症状态是心血管疾病、代谢性疾病和神经退行性疾病的重要驱动因素。同时，我们体内的生物钟——昼夜节律，精密地调控着免疫反应的幅度和时序。然而，日常行为（特别是休息与活动的模式）所体现的节律性，如何在炎症与衰老之间扮演桥梁角色，其具体机制仍不甚清晰。为了解决这一科学问题，一个研究团队开展了一项大规模研究，旨在利用普及的可穿戴设备数据，解码活动节律、系统性炎症与生物衰老及死亡风险之间的复杂联系。
为开展此项研究，作者主要运用了以下几项关键技术方法：首先，研究纳入了来自英国生物银行（UK Biobank）的大规模人群队列，共涉及62,000名佩戴腕戴式加速度计持续7天的成年人，以此获取客观、连续的体力活动与休息-活动节律数据。其次，研究者运用可解释的机器学习模型，从多维度的活动数据中识别出对预测“加速衰老”表型最关键的特征。再者，在一个包含1521名参与者的子集中，研究者获取了血液检测衍生的系统性免疫-炎症指数（SII），作为量化体内炎症水平的生物标志物，用于分析其与行为节律的关联。最后，研究采用了基于性别的中介分析统计方法，以量化炎症在行为特征（如活动不足）与死亡风险之间所起的中介作用。
休息-活动节律特征与加速衰老的关联
研究人员首先在62，000人的大样本中，利用机器学习模型分析腕戴设备数据。模型识别出三个对预测加速衰老贡献最大的特征：休息-活动节律的振幅（即活动水平的峰值与谷值之差）、节律的稳定性（即每日节律模式的一致性），以及中高强度体力活动（MVPA）的水平。这表明，日常活动不仅要有一定的强度，其规律性和节奏感对于延缓生物衰老同样至关重要。
行为节律性与系统性炎症的关联
为了深入探究行为影响衰老的潜在机制，研究转向对炎症标志物的分析。在1521名拥有SII数据的参与者中，分析发现：较低的节律振幅和较差的节律稳定性，分别与SII升高0.31个标准差（SD）和0.18个SD显著相关。特别值得注意的是，在男性中，较低的MVPA水平与SII升高0.33个SD相关。这些关联均具有统计学意义（所有p < 0.05）。研究进一步量化了行为改变的影响：每天增加一段15分钟的MVPA持续活动，或将节律稳定性提高10-14%，足以抵消上述不良节律特征所带来的炎症升高效应。
炎症在行为与死亡风险间的中介作用
研究的最终落脚点是考察这些行为特征如何通过炎症影响长期的生存结局。通过性别分层的中介分析，研究揭示了炎症所扮演的“中间人”角色。在男性中，炎症可以解释：与MVPA不足相关的死亡风险的26%；与节律不规律相关的死亡风险的14%；以及与低节律振幅相关的死亡风险的8%。这一发现为“行为-炎症-死亡”这一通路提供了直接的流行病学证据。
该研究通过整合大规模可穿戴设备数据、炎症生物标志物和长期健康结局，得出核心结论：日常生活中可测量的休息-活动节律特征，是连接行为模式、系统性炎症与死亡风险的有效数字生物标志物。具体而言，节律振幅低、稳定性差以及MVPA不足，均与更高的炎症水平相关，而炎症部分中介了这些不良行为特征与（特别是男性）死亡风险之间的关联。这项研究的意义在于，它将抽象的“生物钟”健康，转化为可通过消费级设备客观评估的量化指标，为衰老研究提供了新的工具。更重要的是，它指出了炎症是一个可调控的靶点。这意味着，通过个性化的干预（如鼓励规律性的中等强度运动、改善作息稳定性）来优化日常活动节律，可能通过减轻炎症负担，成为促进健康老龄化（healthy aging）的有效策略。这项发表于《npj Aging》的工作，不仅深化了对“炎症老化”机制的理解，也为未来基于数字健康的精准预防和干预开辟了新的方向。
