每年有500萬人死于當今社會中最不起眼的習慣之一：閑坐。

可以說，由于缺乏鍛煉而導致的心臟病、糖尿病以及腸道癌癥等等疾病，每365天里，會讓這個世界失去一個像挪威一樣人口數量的國家。雖然根據有史以來最大的人體運動研究，挪威人還暫時沒有像世界上其他地方的人們那樣成為缺乏鍛煉的受害者。

在最近發表的一篇研究文獻中，斯坦福大學的研究人員對來自111個國家的717527人進行了一項研究。內容是關于人體的活動程度、性別和所在地是怎樣影響人類的體重的。根據對一款追蹤人體活動程度App的仔細分析，這些研究人員發現在那些低肥胖率的國家中，人們每天都在走相似的步數；人與人之間走路與不走路的差距越大，國家的肥胖率就高。研究人員把這種現象稱為“活動度不均”。

“直到現在，關于人們每天的活動程度，我們也只有一個非常局限的數據，”計算機科學專業的博士研究生，同時也是這篇文獻的第一作者蒂姆·奧爾索夫（Tim Althoff）說。“智能手機給了我們以前從來沒有的機會，能去更好的了解人類每天在做什么以及怎樣與人類的健康生活關聯起來。”

這也是斯坦福大學一群數字健康愛好者的希望，自從iPhone登上舞臺的那一刻開始，數字健康的概念就已經出現了。但使用智能手機上的數據去研究大眾健康的內容，需要十分可靠的信息，而研究人員們——即使是在人脈廣泛的斯坦福大學，也仍然很難確保收集到真實可靠的信息。

上述研究來自于斯坦福大學的Mobilize中心——一個致力于將美國大量智能手機與可穿戴設備的數據進行轉換的公共機構。這個機構由美國國家衛生研究院撥款1200萬美元，并在2014年作為一項成立全國12個頂尖數據分析中心計劃的一部分。奧爾索夫和他的合作伙伴從Azumio公司開發的Argus——一個來自加利福尼亞州帕洛阿爾托（Palo Alto）的綜合健康管理應用開始著手研究。這家公司會抹去用戶步數計算中的資料，但提供一些關鍵的統計資料，例如：年齡、性別、身高和體重。最后這兩項能讓研究人員計算每位用戶的體重指數，并從這些相關聯的活動等級中得出肥胖率。

研究人員還發現了一些有趣的結果。以美國和墨西哥為例，美國人和墨西哥人大概每天都走相同的步數——大約為4500步。但在美國，由于人口數量的原因，這些步數數據是更分散的。而這也符合了活動很活躍的人群和完全不活躍的人群之間的差距越大，肥胖率是越高的說法。“（肥胖率的高低）不僅僅是源于被研究的用戶本身”，參加這項研究的斯坦福大學公共健康研究人員艾比·金（Abby King）說，“而這些用戶居住在哪里（也是一個重要因素）。”

艾比·金和研究中心一起致力于幫助人們通過智能手機的應用去控制體重。她還發現這是一個很好的機會，通過使用那些連續型數據去提供更有針對性的、動態的干預措施，指引人類健康終老。“我們能比人們更早知道他們是不是走在肥胖的路上，并能通過智能手機上的應用向他們提供一些反饋。這樣人們就能在當下做些什么（來防止肥胖發生）。”

目前，使用智能手機端的數據去進行公共健康研究和指導仍然存在各種問題，最大的原因就是：步數計算得出來的數據實際上非常不可信。

“特別是那些營利性質的設備，如蘋果公司設備中嵌入的計步器其實并不是特別精確，”伊利諾大學香檳分校主管醫療信息科學的Bruce Schatz說，“他們做這個是為了給喜愛運動的用戶帶來更好的使用體驗。”其中的計步器并不是精確的測量儀器，他說，智能手機裝備了感應器能感受到位置的細微變化，這一點他們（智能手機公司）做得很好。

但蘋果公司和其他的手機制造商、以及應用開發人員將這些原始數據變成容易計算步數的功能，其實并不能精確的捕捉到人類行走時的無數變化形態。比如老年人群會慢吞吞地走路，而不是邁開大步子走路，而且并不是所有的步幅都是平均的。對于那些嘗試去控制自己體重的人群來說，在公園里散步比起快速跑上樓梯會燃燒更少的卡路里（雖然不如食物帶來的影響多）。得出這其中的差別，需要的不是那些早就設定好的感應器中的數據。這就是為什么在美國國立衛生院和美國國家科學基金會進行人口規模移動健康計劃研究的Schatz說，原始數據才是通向健康干預的正確道路。

原始數據的缺點在于它更難進行分析。大多數應用開發者自身都不會保留原始數據因為它需要很多存儲空間。不斷把數據從你的手機（想象一下60次每秒而不是60次每分鐘）導出來，會讓電池在一兩個小時內就用完。算法能存儲并推斷你在做什么——包括走路、騎行、坐著——然后刪掉所有數據，節省電池電量。這就是奧爾索夫和他的斯坦福合作伙伴們從Azumio得到數據：每人每天1440個數據點，而不是500萬個數據。

同時，在非技術層面，這些數據仍存在一些局限性。那些使用iPhone、并在手機上安裝Azumio應用的用戶，很可能比一般人更富裕和健康。Azumio不會記錄用戶的收入和種族，而且雖然有的用戶使用這款App記錄每天的飲食和卡路里攝入情況，但Azumio并沒有把這些信息提供給研究人員。所以研究人員不能檢驗其他任何關于生活方式差異的假說，即除了計算步數，不能得出其他能影響肥胖率的因素。建立精確的模型去檢測、監控以及預測肥胖需要更多的信息，而多數智能手機都將這些信息輕易地放棄了。

從蘋果和谷歌等手機制造商那里獲得人口規模的原始數據不是不可能，只是過于不切實際。研究人員想要繼續獲得更多數據就需要其他的合作伙伴能自己開發或者建造一個應用，然后讓大量的消費者無視電力消耗去下載這個應用。不論是蘋果還是谷歌公司，都只是給出那些得以流通到世界各地的數據，因為這些公司的價值在于付費用戶，比如在線廣告商。這就使獲取最佳數據建立精準模型以研究如肥胖等公共健康問題，成了科學家們無法做到的事。

“移動數據在目前來說已經足夠好了，”Schatz說，“但除了以廣告商（營利）為目標，還沒有人能做的更好。”這意味著如果要用智能手機數據解決公共健康問題,它可能首先要成為一個公益事業。

聲明：本文為懶熊體育編譯自wired，原文作者為Megan Molteni