บรรณานุกรมการวิเคราะห์การเดินป่า

อิโนะอุเอะ เค และคณะ (2023)

"การเชื่อมโยงรูปแบบขั้นตอนรายวันกับการตายในผู้ใหญ่ชาวอเมริกัน"

JAMA Network เปิด2023;6(3):e235174

การศึกษาผู้ใหญ่ในสหรัฐฯ จำนวน 4,840 คน พบว่าการเดิน 8,000-9,000 ก้าว/วันในผู้สูงอายุช่วยลดอัตราการเสียชีวิตได้ ผลประโยชน์จะอยู่ในระดับสูงเกินกว่าช่วงนี้ ซึ่งบ่งบอกถึงผลตอบแทนที่ลดลงเมื่อนับก้าวที่สูงขึ้น

ลี ไอ-เอ็ม และคณะ (2019)

"การเชื่อมโยงปริมาณขั้นตอนและความเข้มกับการเสียชีวิตจากทุกสาเหตุในสตรีสูงอายุ"

อายุรศาสตร์ JAMA2019;179(8):1105-1112

การศึกษาผู้หญิงสูงอายุ 16,741 คน (อายุเฉลี่ย 72 ปี) แสดงอัตราการเสียชีวิตลดลงด้วย ≥ 4,400 ก้าว/วัน โดยผลประโยชน์จะอยู่ที่ 7,500 ก้าว/วัน สร้างหลักฐานว่า "มากกว่านั้นไม่ได้ดีกว่าเสมอไป"

ติง ดี และคณะ (2025)

"จำนวนก้าวต่อวันและการเสียชีวิตจากทุกสาเหตุ: การทบทวนอย่างเป็นระบบและการวิเคราะห์เมตา"

มีดหมอสาธารณสุข2025 (ออนไลน์ก่อนพิมพ์)

การวิเคราะห์เมตาที่ครอบคลุมซึ่งให้ความสัมพันธ์ระหว่างการตอบสนองต่อขนาดยาระหว่างขั้นตอนในแต่ละวันกับผลลัพธ์ด้านสุขภาพในประชากรที่หลากหลาย

เดล โปโซ-ครูซ บี และคณะ (2022)

"การเชื่อมโยงการนับก้าวรายวันและความรุนแรงกับการเจ็บป่วยและการเสียชีวิตในผู้ใหญ่"

อายุรศาสตร์ JAMA2022;182(11):1139-1148

การศึกษาผู้ใหญ่ในสหราชอาณาจักร 78,500 รายที่แนะนำจังหวะสูงสุด 30เมตริก พบว่าทั้งก้าวรวมและจังหวะสูงสุด 30 มีความสัมพันธ์อย่างเป็นอิสระต่อกันกับการเจ็บป่วยและการเสียชีวิตที่ลดลง จังหวะสูงสุดที่ 30 อาจมีความสำคัญมากกว่าขั้นตอนทั้งหมดสำหรับผลลัพธ์ด้านสุขภาพ

อาจารย์ H และคณะ (2022)

"การเชื่อมโยงการนับก้าวในช่วงเวลาหนึ่งกับความเสี่ยงของโรคเรื้อรังในโครงการวิจัย All of Us"

ยาธรรมชาติ2022;28:2301–2308

การศึกษาขนาดใหญ่ที่แสดงให้เห็นว่าการนับก้าวอย่างต่อเนื่องในช่วงเวลาหนึ่งช่วยลดความเสี่ยงของโรคเรื้อรัง เช่น เบาหวาน โรคอ้วน หยุดหายใจขณะหลับ โรคกรดไหลย้อน และภาวะซึมเศร้า

เดล โปโซ-ครูซ บี และคณะ (2022)

"การเชื่อมโยงการนับก้าวรายวันและความรุนแรงกับภาวะสมองเสื่อมในผู้ใหญ่ 78,430 คนที่อาศัยอยู่ในสหราชอาณาจักร"

JAMA ประสาทวิทยา2022;79(10):1059-1063

จำนวนก้าวในแต่ละวันและความเข้มข้นของจำนวนก้าวสัมพันธ์กับการลดความเสี่ยงภาวะสมองเสื่อม ปริมาณที่เหมาะสมที่สุดประมาณ 9,800 ก้าว/วัน พร้อมประโยชน์เพิ่มเติมจากจังหวะที่สูงขึ้น (เดินป่าเร็ว)

ทูดอร์-ล็อค ซี และคณะ (2019) — CADENCE-การศึกษาสำหรับผู้ใหญ่

"จังหวะการเดินป่า (ก้าว/นาที) และความเข้มข้นในวัย 21-40 ปี: CADENCE-ผู้ใหญ่"

วารสารนานาชาติด้านพฤติกรรมโภชนาการและการออกกำลังกาย2019;16:8

การศึกษาหลักที่กำหนดให้ 100 ก้าว/นาทีเป็นเกณฑ์สำหรับความเข้มข้นปานกลาง (3 MET)โดยมีความไว 86% และความจำเพาะ 89.6% ในผู้เข้าร่วม 76 คนที่มีอายุระหว่าง 21-40 ปี การค้นพบนี้เป็นพื้นฐานสำหรับการติดตามความเข้มข้นตามจังหวะการเดินป่า

ทูดอร์-ล็อค ซี และคณะ (2020)

"จังหวะการเดินป่า (ก้าว/นาที) และความเข้มข้นในผู้ใหญ่อายุ 41 ถึง 60 ปี: การศึกษา CADENCE-ผู้ใหญ่"

วารสารนานาชาติด้านพฤติกรรมโภชนาการและการออกกำลังกาย2020;17:137

ยืนยันเกณฑ์ 100 spm สำหรับความเข้มข้นปานกลางในผู้ใหญ่วัยกลางคน (41-60 ปี) กำหนดไว้ที่ 130 spm เป็นเกณฑ์สำหรับความเข้มข้นที่รุนแรง (6 METs)

อากีอาร์ อีเจ และคณะ (2021)

"จังหวะ (ก้าว/นาที) และความเข้มข้นสัมพัทธ์ในเด็กอายุ 21 ถึง 60 ปี: การศึกษา CADENCE-ผู้ใหญ่"

วารสารนานาชาติด้านพฤติกรรมโภชนาการและการออกกำลังกาย2021;18:27

การวิเคราะห์เมตาที่ยืนยันว่าเกณฑ์จังหวะยังคงคงที่ตลอดช่วงอายุ 21-85 ปี ซึ่งสนับสนุนการใช้งานสากลของการตรวจสอบความเข้มข้นตามจังหวะ

มัวร์ ซีซี และคณะ (2021)

"การพัฒนาสมการเมตาบอลิซึมตามจังหวะสำหรับการเดินป่า"

การแพทย์และวิทยาศาสตร์ในการกีฬาและการออกกำลังกาย2021;53(1):165-173

พัฒนาสมการอย่างง่าย:MET = 0.0219 × จังหวะ + 0.72. แบบจำลองนี้แสดงความแม่นยำมากกว่าสมการ ACSM มาตรฐานถึง 23-35% โดยมีความแม่นยำ ~0.5 MET ที่ความเร็วเดินป่าปกติ

ทูดอร์-ล็อค ซี และคณะ (2022)

"จังหวะ (ก้าว/นาที) และความเข้มข้นระหว่างการเดินในเด็กอายุ 6-20 ปี: การศึกษาสำหรับเด็กด้วย CADENCE"

วารสารนานาชาติด้านพฤติกรรมโภชนาการและการออกกำลังกาย2022;19:1

หลักฐานเบื้องต้นสำหรับการวิจัยความเข้มของจังหวะในแต่ละกลุ่มอายุ ซึ่งเป็นกรอบการทำงานที่ครอบคลุมสำหรับการตีความ

สมาคมโรคหัวใจอเมริกัน (AHA)

"แผนภูมิอัตราการเต้นของหัวใจเป้าหมาย"

ข้อมูลอ้างอิงมาตรฐานสำหรับการฝึกโซนอัตราการเต้นของหัวใจ ความเข้มปานกลาง = HR สูงสุด 50-70%; แข็งแรง = HR สูงสุด 70-85%

Studenski S และคณะ (2011)

"ความเร็วในการเดินและความอยู่รอดในผู้สูงอายุ"

จามา2011;305(1):50-58

การศึกษาที่สำคัญของผู้สูงอายุ 34,485 รายที่ระบุว่าความเร็วในการเดินเป็นตัวทำนายความอยู่รอดความเร็ว <0.8 ม./วินาที สัมพันธ์กับอัตราการตายที่สูงขึ้น ความเร็ว >1.0 ม./วินาที บ่งบอกถึงสุขภาพการทำงานที่ดี ความเร็วในการเดินถือเป็น "สัญญาณสำคัญ" ของสุขภาพในผู้สูงอายุ

ปามุคเจียน เอฟ และคณะ (2022)

"ความเร็วในการเดินและการล้มในผู้สูงอายุ: การทบทวนอย่างเป็นระบบและการวิเคราะห์เมตาดาต้า"

BMC ผู้สูงอายุ2022;22:394

การทบทวนแบบร่มสร้างความสัมพันธ์ที่แข็งแกร่งระหว่างความเร็วในการเดินที่ช้าลงกับความเสี่ยงที่เพิ่มขึ้นในการล้มในผู้สูงอายุที่อาศัยอยู่ในชุมชน

Verghese J และคณะ (2023)

"ความเร็วในการเดินลดลงทุกปีและลดลงในผู้สูงอายุ"

BMC ผู้สูงอายุ2023;23:290

การเปลี่ยนแปลงความเร็วในการเดินประจำปีทำนายความเสี่ยงในการล้ม การตรวจสอบการเปลี่ยนแปลงความเร็วในการเดินทุกปีช่วยให้สามารถดำเนินการได้ตั้งแต่เนิ่นๆ เพื่อป้องกันการล้ม

เฮาส์ดอร์ฟ เจเอ็ม และคณะ (2548)

"ความแปรปรวนของการเดินและความเสี่ยงในการล้มในผู้สูงอายุที่อาศัยอยู่ในชุมชน: การศึกษาในอนาคต 1 ปี"

วารสารวิศวกรรมประสาทและการฟื้นฟูสมรรถภาพ2548;2:19

ความแปรปรวนของการเดินที่เพิ่มขึ้น (ค่าสัมประสิทธิ์การเปลี่ยนแปลงของเวลาก้าวย่าง) ทำนายความเสี่ยงในการล้ม CV >3-4% ในการเดินป่าปกติบ่งชี้ว่ามีความเสี่ยงเพิ่มขึ้น

เฮาส์ดอร์ฟ เจเอ็ม (2009)

"พลวัตของการเดินในโรคพาร์กินสัน: พฤติกรรมที่พบบ่อยและชัดเจนระหว่างความยาวก้าว ความแปรปรวนของการเดิน และขนาดที่เหมือนเศษส่วน"

ความโกลาหล2552;19(2):026113

การวิเคราะห์เศษส่วนของรูปแบบการเดินในโรคพาร์กินสัน แสดงให้เห็นการเปลี่ยนแปลงของก้าวย่างและการสูญเสียความซับซ้อนในสภาวะทางระบบประสาท

โม-นีลส์เซ่น อาร์, เฮลบอสตัด เจแอล (2004)

"การประมาณลักษณะวงจรการเดินโดยการวัดความเร่งของลำตัว"

วารสารชีวกลศาสตร์2004;37(1):121-126

สร้างความน่าเชื่อถือของมาตรความเร่งที่ติดตั้งท้ายรถสำหรับการวิเคราะห์การเดิน ซึ่งเป็นพื้นฐานสำหรับการประเมินการเดินของสมาร์ทโฟนและสมาร์ทวอทช์

ภิญโญมาร์ค เอ และคณะ (2020)

"การวิเคราะห์เศษส่วนของความแปรปรวนของการเดินของมนุษย์ผ่านอนุกรมเวลาช่วงก้าวก้าว"

พรมแดนทางสรีรวิทยา2020;11:333

การทบทวนวิธีการวิเคราะห์เศษส่วน (DFA alpha) เพื่อหาปริมาณความสัมพันธ์ระยะยาวในรูปแบบการเดิน ซึ่งมีประโยชน์ในการตรวจหาสภาวะทางระบบประสาท

ราลสตัน เอชเจ (1958)

"ความสัมพันธ์ระหว่างพลังงานกับความเร็วและความเร็วที่เหมาะสมที่สุดระหว่างการไต่ระดับ"

Internationale Zeitschrift für angewandte Physiologie1958;17:277-283

การศึกษาแบบคลาสสิกที่สร้างเส้นโค้งรูปตัว U ของการเดินป่าแบบประหยัด ความเร็วเดินป่าที่เหมาะสมที่สุด (ต้นทุนพลังงานขั้นต่ำ) อยู่ที่ประมาณ 1.25 ม./วินาที (4.5 กม./ชม.) บนพื้นราบ

Zarrugh MY และคณะ (2000)

"ความเร็วและต้นทุนการขนส่งที่ต้องการ: ผลของการเอียง"

วารสารชีววิทยาทดลอง2000;203:2195-2200

ค่าขนส่งเพิ่มขึ้นอย่างมากตามระดับความชัน การไล่ระดับสี +5% จะเพิ่มต้นทุนการเผาผลาญอย่างมาก การไล่ระดับลงเนิน (-5 ถึง -10%) จะทำให้ต้นทุนการเบรกผิดปกติเพิ่มขึ้น

ลิม HT และคณะ (2018)

"แบบจำลองง่ายๆ ในการประเมินต้นทุนการเผาผลาญของการเดินป่าของมนุษย์ข้ามทางลาดและพื้นผิว"

รายงานทางวิทยาศาสตร์2018;8:5279

แบบจำลองเชิงกลของต้นทุนพลังงานการเดินป่าที่รวมประเภทความลาดชันและภูมิประเทศ ช่วยให้สามารถคาดการณ์ความต้องการการเผาผลาญในสภาวะต่างๆ

Steudel-Numbers K, Tilkens MJ (2022)

"ผลของความยาวแขนขาตอนล่างต่อต้นทุนพลังงานในการเคลื่อนที่: ผลกระทบต่อฟอสซิลโฮมินิน"

อีไลฟ์2022;11:e81939

การวิเคราะห์การแลกเปลี่ยนพลังงาน/เวลาในกลยุทธ์การเว้นจังหวะของมนุษย์โดยใช้ความเร็วและการไล่ระดับสีที่แตกต่างกัน

Apple Inc. (2021)

"การใช้ Apple Watch เพื่อประเมินฟิตเนสแบบคาร์ดิโอด้วย VO₂ max"

เอกสารไวท์เปเปอร์ด้านเทคนิคที่อธิบายวิธีการของ Apple Watch ในการประมาณค่า VO₂max ในระหว่างการเดินป่า การวิ่ง และการเดินป่ากลางแจ้ง ใช้ข้อมูลอัตราการเต้นของหัวใจ ความเร็ว GPS และข้อมูลมาตรความเร่งพร้อมอัลกอริธึมที่ผ่านการตรวจสอบแล้ว

เอกสารสำหรับนักพัฒนา Apple

"HKQuantityTypeIdentifier.vo2Max"

เอกสาร HealthKit API อย่างเป็นทางการสำหรับการเข้าถึงข้อมูล VO₂max หน่วย: มล./(กก.·นาที) Apple Watch Series 3+ มีค่าประมาณ VO₂max ในระหว่างทำกิจกรรมคาร์ดิโอกลางแจ้ง

ฝ่ายสนับสนุนของ Apple

"เกี่ยวกับคาร์ดิโอฟิตเนสบน Apple Watch"

เอกสารสำหรับผู้ใช้ซึ่งอธิบายระดับการออกกำลังกายแบบคาร์ดิโอ วิธีวัด และวิธีปรับปรุง รวมถึงช่วงบรรทัดฐานเฉพาะด้านอายุและเพศ

เอกสารสำหรับนักพัฒนา Apple

"HKCategoryTypeIdentifier.lowCardioFitnessEvent"

API สำหรับการตรวจจับกิจกรรมการออกกำลังกายแบบคาร์ดิโอต่ำ ช่วยให้สามารถแทรกแซงด้านสุขภาพเชิงรุกได้เมื่อ VO₂max ต่ำกว่าเกณฑ์เฉพาะอายุ/เพศ

Apple Inc. (2022)

"การวัดคุณภาพการเดินป่าด้วยการวัดความคล่องตัวของ iPhone"

เอกสารไวท์เปเปอร์ที่ให้รายละเอียดการตรวจสอบความถูกต้องของหน่วยวัดการเดินป่าที่ใช้ iPhone: ความเร็วในการเดินป่า ความยาวขั้นบันได เปอร์เซ็นต์การรองรับสองเท่า ความไม่สมดุลของการเดินป่า iPhone 8+ พร้อมด้วย iOS 14+ สามารถรวบรวมค่าเมตริกเหล่านี้แบบพาสซีฟเมื่อพกพาในกระเป๋าเสื้อ/กระเป๋า

งาน Apple WWDC 2021

"สำรวจคุณสมบัติขั้นสูงของ HealthKit — Hiking Steadiness"

เซสชั่นทางเทคนิคแนะนำการวัดความมั่นคงในการเดินป่า: การวัดความสมดุล ความมั่นคง และการประสานงานโดยรวมที่ได้มาจากพารามิเตอร์การเดิน ให้การจำแนกความเสี่ยงในการล้ม (ตกลง, ต่ำ, ต่ำมาก)

ห้องข่าวของ Apple (2021)

"Apple พัฒนาสุขภาพส่วนบุคคลด้วยการนำเสนอการแบ่งปันที่ปลอดภัยและข้อมูลเชิงลึกใหม่ๆ"

ประกาศคุณลักษณะ Hiking Steadiness ใน iOS 15 ช่วยให้สามารถตรวจจับความเสี่ยงจากการล้มและคำแนะนำในการแทรกแซงสำหรับผู้ใช้ที่มีความเสี่ยง

มูน เอส และคณะ (2023)

"ความแม่นยำของแอป Apple Health ในการวัดความเร็วในการเดิน: การศึกษาเชิงสังเกต"

การวิจัยเชิงพัฒนา JMIR2023;7:e44206

การศึกษาเพื่อการตรวจสอบซึ่งแสดงการวัดความเร็วการเดินป่าของแอป iPhone Health มีความสัมพันธ์ที่ดีกับการประเมินระดับการวิจัย (r=0.86-0.91) ซึ่งสนับสนุนประโยชน์ใช้สอยทางคลินิก

เอกสารประกอบสำหรับนักพัฒนา Android

"ประเภทข้อมูลและหน่วยข้อมูล Health Connect"

เอกสารอย่างเป็นทางการสำหรับประเภทข้อมูล Health Connect ได้แก่ StepsRecord, StepsCadenceRecord, SpeedRecord, DistanceRecord, HeartRateRecord, Vo2MaxRecord API มาตรฐานสำหรับการบูรณาการข้อมูลด้านสุขภาพของ Android

เอกสารประกอบของ Google Fit

"ประเภทข้อมูลจังหวะการนับก้าว"

เอกสาร Google Fit API สำหรับข้อมูลจังหวะก้าว (ก้าวต่อนาที) ช่วยให้สามารถตรวจสอบกิจกรรมตามความเข้มข้นบนอุปกรณ์ Android

เอกสารประกอบของ Google Fit

"อ่านผลรวมก้าวรายวัน"

บทช่วยสอนสำหรับการเข้าถึงการนับก้าวรายวันแบบรวมจาก Google Fit API รวมถึงข้อมูลจากหลายแหล่ง (เซ็นเซอร์โทรศัพท์ อุปกรณ์ที่สวมใส่ได้)

คู่มือนักพัฒนาซอฟต์แวร์ Android

"ภาพรวม Health Connect"

ภาพรวมของแพลตฟอร์ม Health Connect ซึ่งเป็นที่เก็บข้อมูลด้านสุขภาพแบบครบวงจรของ Google สำหรับ Android ช่วยให้สามารถแชร์ข้อมูลข้ามแอปได้โดยได้รับความยินยอมจากผู้ใช้

Zandbergen PA, บาร์โบ เอสเจ (2011)

"ความแม่นยำของตำแหน่งของข้อมูล GPS แบบช่วยเหลือจากโทรศัพท์มือถือที่ใช้ GPS ความไวสูง"

โปรดหนึ่ง2011;6(7):e24727

การศึกษาการตรวจสอบความแม่นยำของ GPS บนสมาร์ทโฟนในสภาพแวดล้อมในเมือง ข้อผิดพลาดเฉลี่ย 5-8 เมตรในพื้นที่เปิด และเพิ่มขึ้นเป็น 10-20 เมตรในหุบเขาในเมือง สร้างพื้นฐานสำหรับความคาดหวังความแม่นยำของ GPS สำหรับผู้บริโภค

Wu X และคณะ (2025)

"การจับคู่แผนที่คนเดินเท้าระดับทางเท้าโดยใช้ข้อมูล GNSS ของสมาร์ทโฟน"

การนำทางด้วยดาวเทียม2025;6:3

อัลกอริธึมการจับคู่แผนที่เฉพาะทางเท้าแบบใหม่สำหรับการนำทางคนเดินเท้า ปรับปรุงความแม่นยำในสภาพแวดล้อมในเมืองที่การจับคู่เครือข่ายถนนมาตรฐานล้มเหลว

เจียง ซี และคณะ (2020)

"การบูรณาการ GNSS/PDR ที่แม่นยำและโดยตรงโดยใช้ตัวกรองคาลมานแบบขยายสำหรับการนำทางด้วยสมาร์ทโฟนสำหรับคนเดินเท้า"

การใช้งานทางเทคนิคของการรวมเซ็นเซอร์ GNSS/IMU โดยใช้ตัวกรองคาลมานแบบขยาย ทำให้สามารถกำหนดตำแหน่งได้อย่างต่อเนื่องเมื่อสัญญาณ GPS หายไป (อุโมงค์ การเปลี่ยนภายในอาคาร)

จาง จี และคณะ (2019)

"อัลกอริธึมการจับคู่แผนที่แบบไฮบริดโดยใช้สมาร์ทโฟนและ OBD ราคาประหยัดในหุบเขาในเมือง"

การสำรวจระยะไกล2019;11(18):2174

รูปแบบการวางตำแหน่งแบบไฮบริดที่รวม GNSS กับเซ็นเซอร์เฉื่อยเพื่อเพิ่มความแม่นยำในสภาพแวดล้อมในเมืองที่ท้าทาย (อาคารสูง ต้นไม้ปกคลุม)

สมาคมทรวงอกอเมริกัน (2545)

"คำชี้แจงของ ATS: แนวทางสำหรับการทดสอบไต่เขาหกนาที"

American Journal of Respiratory and Critical Care Medicine2002;166:111-117

ระเบียบวิธีมาตรฐานอย่างเป็นทางการสำหรับการทดสอบเดินป่า 6 นาที (6MWT) ซึ่งเป็นการประเมินทางคลินิกที่ใช้กันอย่างแพร่หลายเกี่ยวกับความสามารถในการออกกำลังกายเฉพาะส่วน รวมถึงแนวทางการบริหาร ค่านิยมเชิงบรรทัดฐาน และการตีความ

พอดเซียดโล ดี, ริชาร์ดสัน เอส (1991)

"เวลา 'Up & Go': การทดสอบความคล่องตัวขั้นพื้นฐานสำหรับผู้สูงอายุที่อ่อนแอ"

วารสารสมาคมผู้สูงอายุอเมริกัน1991;39(2):142-148

คำอธิบายดั้งเดิมของการทดสอบ Timed Up and Go (TUG) การประเมินความคล่องตัวในการใช้งานและความเสี่ยงในการล้มในผู้สูงอายุตามมาตรฐานทองคำ เวลา >14 วินาทีบ่งชี้ว่ามีความเสี่ยงสูงที่จะล้ม

Ainsworth พ.ศ. และคณะ (2011)

"บทสรุปกิจกรรมทางกายภาพประจำปี 2554: การอัปเดตรหัสและค่า MET ครั้งที่สอง"

การแพทย์และวิทยาศาสตร์ในการกีฬาและการออกกำลังกาย2011;43(8):1575-1581

รายการอ้างอิงที่ครอบคลุมค่า MET สำหรับกิจกรรมมากกว่า 800 รายการ ค่าเฉพาะการเดินป่า: 2.0 METs (ช้ามาก <2 ไมล์ต่อชั่วโมง), 3.0 METs (ปานกลาง 2.5-3 ไมล์ต่อชั่วโมง), 3.5 METs (เร็ว 3.5 ไมล์ต่อชั่วโมง), 5.0 METs (เร็วมาก 4.5 ไมล์ต่อชั่วโมง)

Ainsworth พ.ศ. และคณะ (2024)

"บทสรุปกิจกรรมทางกายสำหรับผู้ใหญ่ปี 2024: การอัปเดตรหัสกิจกรรมและค่า MET"

วารสารวิทยาศาสตร์การกีฬาและสุขภาพ2024 (ออนไลน์ก่อนพิมพ์)

การอัปเดตล่าสุดใน Compendium ผสมผสานกิจกรรมใหม่และค่า MET ที่แก้ไขตามการวิจัยล่าสุด ข้อมูลอ้างอิงที่จำเป็นสำหรับการคำนวณค่าใช้จ่ายด้านพลังงาน

ฟุกุจิ RK และคณะ (2019)

"ผลของความเร็วในการเดินป่าต่อชีวกลศาสตร์การเดินของผู้เข้าร่วมที่มีสุขภาพดี: การทบทวนอย่างเป็นระบบและการวิเคราะห์เมตาดาต้า"

บทวิจารณ์อย่างเป็นระบบ2019;8:153

การวิเคราะห์เมตาที่ครอบคลุมของผลกระทบของความเร็วในการเดินป่าต่อพารามิเตอร์เชิงพื้นที่ จลนศาสตร์ และจลนศาสตร์ ขนาดเอฟเฟกต์ปานกลางถึงใหญ่แสดงให้เห็นว่าความเร็วโดยพื้นฐานแล้วเปลี่ยนแปลงกลไกการเดิน

มิเรลแมน เอ และคณะ (2022)

“ปัจจุบันและอนาคตของการประเมินการเดินในทางคลินิก: สู่การประยุกต์ใช้เทรนด์และเทคโนโลยีใหม่ๆ”

พรมแดนด้านเทคโนโลยีการแพทย์2022;4:901331

การทบทวนเทคโนโลยีที่สวมใส่ได้และแอปพลิเคชัน AI สำหรับการประเมินการเดินทางคลินิก รวมถึงพารามิเตอร์เชิงพื้นที่ จลนศาสตร์ และระดับทางคลินิก (UPDRS, SARA, ดัชนีการเดินแบบไดนามิก)

มานน์ RA และคณะ (1986)

"การเปรียบเทียบคลื่นไฟฟ้ากล้ามเนื้อของรยางค์ล่างในการวิ่ง การวิ่ง และการวิ่งระยะสั้น"

วารสารเวชศาสตร์การกีฬาอเมริกัน1986;14(6):501-510

การศึกษา EMG แบบคลาสสิกที่ทำให้การเดินป่าแตกต่างจากกลไกการวิ่ง การเดินป่ามีระยะสนับสนุน 62% เทียบกับ 31% ในการวิ่ง; รูปแบบการกระตุ้นกล้ามเนื้อที่แตกต่างกันแสดงให้เห็นถึงชีวกลศาสตร์ที่แตกต่างกันโดยพื้นฐาน

Straczkiewicz M และคณะ (2023)

"วิธีการจดจำการเดินป่าที่ 'มีขนาดเดียวพอดีที่สุด' สำหรับสมาร์ทโฟน นาฬิกาอัจฉริยะ และอุปกรณ์วัดความเร่งที่สวมใส่ได้"

npj การแพทย์ดิจิทัล2023;6:29

อัลกอริธึมการจดจำการเดินป่าแบบสากลบรรลุความไว 0.92-0.97 บนอุปกรณ์ประเภทต่างๆ และตำแหน่งของร่างกาย ตรวจสอบด้วยชุดข้อมูลสาธารณะ 20 ชุด ช่วยให้สามารถติดตามกิจกรรมที่สอดคล้องกันบนแพลตฟอร์มต่างๆ

Porciuncula F และคณะ (2024)

"เซ็นเซอร์ที่สวมใส่ได้ในด้านการแพทย์อื่นๆ ที่มีศักยภาพในการประยุกต์ใช้สำหรับการผ่าตัดการบาดเจ็บทางกระดูกและข้อ"

เซ็นเซอร์2024;24(11):3454

รีวิวการใช้งานเซ็นเซอร์แบบสวมใส่ได้สำหรับการวัดความเร็วในการเดินป่าในโลกแห่งความเป็นจริง จำนวนก้าว แรงปฏิกิริยาภาคพื้นดิน และช่วงการเคลื่อนไหวโดยใช้มาตรความเร่ง ไจโรสโคป และแมกนีโตมิเตอร์

อังวาริ Z และคณะ (2023)

"คุณประโยชน์หลายด้านของการเดินป่าเพื่อการสูงวัยอย่างมีสุขภาพดี: จากบลูโซนไปจนถึงกลไกระดับโมเลกุล"

GeroScience2023;45:3211–3239

การตรวจสอบที่ครอบคลุมซึ่งแสดงการเดินป่า 30 นาที/วัน × 5 วัน ช่วยลดความเสี่ยงต่อโรค ผลการต่อต้านวัยต่อการทำงานของระบบไหลเวียนโลหิต หัวใจและปอด และภูมิคุ้มกัน ลดความเสี่ยงโรคหัวใจและหลอดเลือด เบาหวาน และความเสี่ยงต่อการรับรู้ลดลง

คาร์สโตฟต์ เค และคณะ (2024)

"ประโยชน์ต่อสุขภาพของการฝึกเดินป่าแบบ Interval"

สรีรวิทยาประยุกต์ โภชนาการ และการเผาผลาญ2024;49(1):1-15

ทบทวน Interval Hiking Training (IWT) สลับการเดินป่าแบบเร็วและแบบช้า ปรับปรุงสมรรถภาพทางกาย ความแข็งแรงของกล้ามเนื้อ และการควบคุมระดับน้ำตาลในเลือดในผู้ป่วยเบาหวานชนิดที่ 2 ได้ดีกว่าการเดินป่าในระดับปานกลางอย่างต่อเนื่อง

มอร์ริส เจเอ็น ฮาร์ดแมน AE (1997)

"เดินป่าเพื่อสุขภาพ"

เวชศาสตร์การกีฬา1997;23(5):306-332

การตรวจสอบแบบคลาสสิกพบว่าการเดินป่าที่ HR สูงสุด >70% จะช่วยพัฒนาสมรรถภาพหัวใจและหลอดเลือด ปรับปรุงการเผาผลาญ HDL และการเปลี่ยนแปลงของอินซูลิน/กลูโคส รากฐานของการเดินป่าเป็นการแทรกแซงด้านสุขภาพ