这是一项横断面研究，纳入了431名女性大学生，旨在评估身体活动模式及其相关因素。研究发现，身体活动不足现象普遍存在，而规律锻炼、活动持续时间以及久坐行为是与每周参加剧烈、中等强度和步行活动相关的重要因素。
本文内容
摘要
摘要
世界卫生组织（WHO）建议成年人每周至少进行150分钟中等强度或75分钟高强度的身体活动（PA）。在沙特阿拉伯，超过70%的年轻成年人身体活动不足。本研究旨在描述沙特阿拉伯女性大学一年级学生的身体活动模式，并通过便利抽样法确定与每周参与高强度身体活动相关的因素。参与者在签署知情同意书后完成了一份匿名在线问卷。问卷内容包括：i）人口统计学信息，ii）采用国际身体活动问卷短表评估身体活动水平，以及iii）锻炼环境。共431名学生（平均年龄19岁）参与了调查。 ± 0.64年）参与了本研究，其中40%的学生报告没有规律的身体活动（PA）。最常见的活动类型是步行（32.56%），其次是居家锻炼（16.63%）和健身房锻炼（10.16%）。在学生中，38.75%报告未参与剧烈身体活动，30.40%未参与中等强度活动，21.81%未进行每日步行。大多数学生（92.5%）报告久坐时间较长 >每天8小时。回归分析显示，剧烈活动频率与规律锻炼模式呈正相关（标准化 β = 0.389，p < 0.001）与工作日静坐时间呈负相关（标准化 β = −0.149，p = 0.001）。中等强度体力活动仅与运动模式相关（标准化 β = 0.265，p < 0.001）。步行频率与较长的步行持续时间相关（标准化 β = 0.232，p < 0.001）和运动模式（标准化 β = 0.151，p = 0.001）。身体活动不足现象普遍存在，中等强度和高强度身体活动的参与程度有限。本研究结果支持采取机构层面的行动，优先促进女性大学生的身体活动。教育机构应实施有针对性的策略，以减少久坐行为，并推广结构化的身体活动项目，尤其面向女性学生。
引言
世界卫生组织建议，18岁及以上的成年人每周应进行至少150分钟的中等强度身体活动，或75分钟的高强度身体活动1。然而，全球超过三分之一的18岁及以上成年人未能达到这些身体活动建议水平2,3。这导致了身体活动不足的情况显著增加，尤其是在高收入国家，生活方式的改变已引发肥胖率上升及相关健康问题4–6。
在沙特阿拉伯，身体活动不足仍然是一个重大的公共卫生问题。目前的全国性估计数据显示，超过一半的沙特成年人身体活动水平不足，尽管这一比例因研究人群、数据收集年份以及定义身体活动不足所采用的标准不同而有所差异3。以往在沙特青年成年人中发表的研究报告了较高的身体活动不足率，低于世界卫生组织（WHO）的身体活动建议水平7–11。一些研究识别出沙特青年成年人参与身体活动的障碍因素，包括缺乏时间、动机以及获取休闲设施的途径8,12。除了向更久坐的生活方式转变外，社会对性别角色和文化期望的强烈重视也可能限制女性参与身体活动，在许多社会中导致女性的久坐行为多于男性4,13。与全球趋势相似，在沙特阿拉伯，女性报告的身体活动参与水平始终低于男性9,11。然而，沙特阿拉伯近年来在身体活动政策方面出现了明显的转变，其中最显著的变化是文化上的转变，允许女性参与体育活动14。例如，2021年的全国数据显示，38.7%的15岁及以上沙特女性参与了身体活动，相较于2018年和2019年的数据有所改善15。沙特阿拉伯最新的数据显示，仅有43.1%的沙特女性达到WHO的身体活动建议水平，而达到该建议水平的男性比例为66.5%9。
从高中过渡到大学是个体发展的关键时期。这一过渡阶段伴随着学业要求的提高、独立性的增强以及日常作息的改变，这些因素均可能影响新生的身体活动水平和久坐行为16–18。最近一项纳入44项研究、涉及29,580名沙特大学生的系统综述发现，身体活动水平普遍偏低，仅有27%的学生达到世界卫生组织推荐的身体活动标准19。此外，大学一年级学生更容易出现身体活动不足和吸烟等不健康行为20。另有研究指出，文化与环境因素可能解释女性与男性在身体活动水平上的差异21。对锻炼缺乏重视、时间不足、需承担家务和日常事务，以及缺乏动机和兴趣，是影响女性身体活动水平最常见的个人因素13,22。
健身场所提供了资源丰富的结构化环境，有助于提高锻炼动机并促进多种锻炼形式；此外，健身场所环境中的社交因素，包括与同伴的互动以及参加团体健身课程的机会，能显著增强锻炼动机和对锻炼计划的依从性23,24。尽管在家锻炼具有便利性和可及性，使年轻成年人无需花费通勤时间前往健身房即可参与体力活动，但以往研究表明，健身房锻炼与体力活动水平显著相关22,25,26。获得支持性的锻炼环境（包括适当的设施和体力活动机会）与成年人更高水平的体力活动参与度相关25,26。在沙特阿拉伯的健身俱乐部中，女性是增长最快的群体，预计在2026年至2031年间将出现大幅增长。
关于与身体活动相关的文化障碍，最近一项系统综述指出，文化差异以及教育体系的不同可能导致来自不同国家的大学生在身体活动水平上存在差异27。由于许多大学生在进入大学后面临日益增加的学业压力以及锻炼时间的减少，了解在此过渡阶段与身体活动相关的各种因素显得尤为重要。已知身体活动与大学生的身心健康及生活质量密切相关28,29。因此，大学一年级学生是一个重要的研究群体，其身体活动行为值得深入探讨。
了解与大学一年级女生体力活动参与相关的因素，对于在向大学生活过渡期间制定有针对性的健康促进策略具有重要意义27。尽管以往研究已报道了沙特阿拉伯大学生体力活动不足的流行情况7–10,16，但目前尚缺乏充分证据探讨与一年级女生体力活动不同组成部分相关的潜在因素。深入了解这些因素可能有助于为青年人群未来制定有针对性的体力活动促进策略提供依据。本研究的主要目的是描述沙特阿拉伯大学一年级女生的体力活动模式。次要目的是探讨年龄、锻炼规律性、锻炼持续时间（分钟/天）和久坐行为（分钟/天）是否与每周参加高强度、中等强度及步行相关体力活动有关。研究假设人口学特征和生活方式因素（包括年龄、锻炼行为、活动持续时间和久坐时间）与大学一年级女生的高强度、中等强度及步行相关体力活动存在关联。
方案
研究设计
本研究采用横断面设计，评估沙特阿拉伯女性大学一年级学生的体力活动水平。选择横断面设计旨在对大学第一学年这一特定时间点的体力活动行为及相关因素进行评估，该时期已知与生活方式和健康行为的变化相关。本研究遵循《赫尔辛基宣言》中规定的伦理原则，并已获得沙特阿拉伯王国利雅得努拉·宾特·阿卜杜勒拉赫曼公主大学伦理委员会的批准（伦理审查批号：24-0218；批准日期：2024年2月1日）。
本研究中所用材料和软件的详细信息见材料表。
研究参与者
目标人群为2024学年在沙特阿拉伯大学注册入学的女性大学一年级学生。本研究的纳入标准如下：参与者必须为年龄在18至21岁之间的大学一年级学生，居住于沙特阿拉伯境内，并愿意在提供知情同意后参与研究。排除标准包括：已被诊断患有已知为参与体力活动（PA）禁忌症的医学状况者（如严重心血管疾病、肌肉骨骼功能障碍或术后状态）、有影响行动能力的残疾者，以及问卷回答不完整者。
取样方法
通过沙特阿拉伯境内的官方大学邮件列表、学术平台以及广泛使用的学生社交媒体群组分发调查链接，采用便利抽样方法。尽管该方法并非随机抽样，但旨在扩大覆盖范围，以获取来自不同地理区域和人口学特征的一年级学生样本。
样本量计算
2023年沙特阿拉伯大学一年级学生的总人口为362,231人30。为确保足够的统计效能，使用在线流行病学样本量计算器（OpenEpi软件）计算样本量，置信水平为95%，容许误差为5%，假设应答分布为50%。确定所需的最小样本量为384名受访者。样本量的计算基于描述性目标，即估计体力活动（PA）的流行率。
数据收集工具
数据通过基于网络的调查平台（Google 表单）采用结构化的自填式在线问卷进行收集。问卷开始页面概述了本研究的目的、参与的自愿性、保密承诺以及进一步咨询的联系方式。在问卷开始时获取了知情同意。为防止重复提交，通过调查平台设置限制每位用户仅可提交一次响应。
采用国际体力活动问卷短表（IPAQ-SF）对一年级学生的体力活动（PA）进行评估31,32。IPAQ-SF 是一种标准化的自报告工具，用于评估15岁及以上个体的体力活动水平31,32。本研究向参与者发放了 IPAQ-SF 的阿拉伯语版本，该版本此前已在沙特阿拉伯开展的多项研究中使用，包括涉及大学生的研究19,33–35。IPAQ-SF 评估参与者每周进行高强度体力活动、中等强度体力活动和步行活动的天数及每次持续至少10分钟的时间（分钟）31。本研究重点关注高强度体力活动、中等强度体力活动和步行的参与频率（每周天数）以及体力活动总量（每天分钟数）31。IPAQ-SF 数据按照官方 IPAQ 计分指南进行处理。少于10分钟的活动片段被排除。根据 IPAQ 数据处理指南对极端持续时间值进行截断，并在数据清理过程中识别并剔除不合理的活动数值。对于报告高强度、中等强度或步行活动天数为零的参与者，其相应的持续时间变量记录为0分钟。
由于活动频率和活动持续时间描述了同一身体活动行为的相关维度，当这些变量同时纳入回归模型时，可能存在概念上的重叠。因此，持续时间的系数应被解释为条件性关联，而非独立因果效应的证据。同样的考虑也适用于运动模式变量，该变量代表了一种总体的身体活动模式，可能在概念上与活动频率的结果存在重叠。
此外，还增加了问题以评估参与者对其当前体力活动水平的自我满意度（基于是/否的回答）以及其规律性的体力活动模式，包括步行、在家锻炼、在健身房锻炼或无规律性体力活动。收集了人口统计学数据，包括年龄、性别、所属大学、入学年份、是否患有慢性疾病以及可能禁忌或限制日常活动的健康问题。
该问卷包含一道多项选择题，要求参与者指出其日常锻炼模式，共有四个互斥的选项：（1）不规律进行体力活动，（2）仅进行步行，（3）主要在家中锻炼，（4）主要在健身房锻炼。在回归分析中，该变量被视为分类自变量，以“不规律进行体力活动”作为参照类别。研究对五名大一女生进行了预试验，以评估问卷的清晰性和可理解性。预试验参与者未被纳入最终分析样本。反馈结果确认问卷内容清晰易懂，无需进行实质性修改。
实验步骤
于2024年5月至6月期间开展了一项在线调查。所有回复均以匿名方式收集，并安全存储于仅研究团队可访问的密码保护数据库中。数据收集完成后，对回复进行了完整性审查，剔除了存在大量缺失数据或答案不一致的问卷，未纳入最终分析。由于仅纳入了完整问卷，因此未对缺失数据进行填补，也无需进行正式的缺失数据统计分析。
数据分析
采用统计软件（SPSS Statistics）进行统计分析。使用描述性分析报告所有体力活动变量的频数和百分比，以及参与者年龄的均值和标准差。采用多元线性回归分析体力活动类型（高强度体力活动、中等强度体力活动和步行）与持续时间（分钟/天）、年龄、锻炼模式及工作日静坐时间之间的关联。通过正态概率图、直方图和散点图评估回归诊断，包括方差齐性、线性、残差正态性和多重共线性。所有分析的统计学显著性水平事先设定为 p < 0.05。
运动模式作为分类自变量，采用虚拟编码方式纳入回归模型。四个互斥的类别分别为：仅步行、居家锻炼、健身房锻炼以及未规律进行体力活动。将未规律进行体力活动的参与者作为参照类别，因此每个回归模型中包含三个虚拟变量（步行 vs. 无规律运动、居家锻炼 vs. 无规律运动、健身房锻炼 vs. 无规律运动）。虚拟编码由统计软件中的分类变量功能自动生成。使用方差膨胀因子（VIFs）评估自变量之间的多重共线性，未发现存在显著多重共线性问题的证据。
结果
共有597人访问了该调查，其中501人提供了知情同意并完成了问卷。在应用纳入标准后，最终有431名参与者被纳入分析图1）。所有参与者均未报告被诊断患有已知会妨碍参与体力活动（PA）的医学疾病或可能限制行动能力的残疾。参与者的平均年龄为19岁 ± 0.64 年（表1).
高强度体力活动频率与持续时间、年龄、锻炼模式及工作日静坐时间之间的关系
表2展示了一项多元线性回归分析，用于考察每周高强度体力活动天数与高强度活动持续时间、年龄、锻炼模式以及工作日久坐时间之间的关联。锻炼模式由三个虚拟变量表示，以不规律进行体力活动的参与者作为参照组。整体回归模型具有统计学显著性，F(6,424) = 16.943，p < 0.001，能够解释高强度体力活动19.3%的变异（R² = 0.193；校正R² = 0.182）。与不规律进行体力活动的参与者相比，仅报告步行锻炼者（B = 1.204，95% CI [0.802, 1.605]，p < 0.001）、在家锻炼者（B = 1.535，95% CI [1.040, 2.031]，p < 0.001）以及在健身房锻炼者（B = 2.331，95% CI [1.727, 2.935]，p < 0.001）每周报告的高强度活动天数更多。工作日久坐时间与高强度活动频率呈负相关（B = −0.178，95% CI [−0.285, −0.071]，p = 0.001）。高强度活动持续时间（B = 0.257，p = 0.123）和年龄（B = 0.148，p = 0.278）均不是具有统计学意义的预测因子。
中等强度体力活动频率与持续时间、年龄、运动模式及工作日久坐时间之间的关系
表3展示了一项多元线性回归分析，用于检验每周中等强度体力活动天数与中等强度活动持续时间、年龄、锻炼模式及工作日久坐时间之间的关联。锻炼模式由三个虚拟变量表示，以不规律进行体力活动的参与者作为参照组。整体回归模型具有统计学显著性，F(6,424) = 7.813，p < 0.001，能够解释中等强度体力活动频率10.0%的变异（R² = 0.100；调整后R² = 0.087）。与不规律进行体力活动的参与者相比，仅报告步行锻炼者（B = 1.080，95% CI [0.662, 1.499]，p < 0.001）、在家锻炼者（B = 1.286，95% CI [0.770, 1.803]，p < 0.001）以及在健身房锻炼者（B = 1.334，95% CI [0.706, 1.961]，p < 0.001）每周报告的中等强度体力活动天数更多。年龄（B = 0.184，p = 0.197）、工作日久坐时间（B = −0.030，p = 0.591）和中等强度活动持续时间（B = 0.405，p = 0.185）均未达到统计学显著性预测作用。
步行频率和持续时间与年龄、运动模式及久坐时间之间的关系
表4 显示了一项多元线性回归分析，用于检验参与者每周步行至少10分钟的天数与步行持续时间、年龄、锻炼模式以及工作日久坐时间之间的关联。锻炼模式由三个虚拟变量表示，以不规律进行体力活动（PA）的参与者作为参照组。整体回归模型具有统计学显著性，F(6,424) = 10.825，p < 0.001，能够解释步行频率13.3%的变异（R² = 0.133；校正R² = 0.121）。与不规律进行体力活动的参与者相比，仅报告步行的参与者（B = 1.531，95% CI [1.028, 2.035]，p < 0.001）、在家锻炼者（B = 0.835，95% CI [0.214, 1.456]，p = 0.009）以及在健身房锻炼者（B = 0.945，95% CI [0.195, 1.694]，p = 0.014）每周报告的步行天数更多。步行持续时间也与步行频率呈正相关（B = 0.922，95% CI [0.549, 1.294]，p < 0.001）。年龄（B = −0.162，p = 0.344）和工作日久坐时间（B = −0.035，p = 0.603）均不是具有统计学意义的预测因子。
数据可用性：
支持本研究结果的去标识化数据集已通过 Zenodo 仓储公开提供，获取地址为 [DOI:10.5281/zenodo.22117075]。
图1：参与者招募与纳入的流程图。 本在线调查通过大学邮件列表、学术平台以及学生社交媒体群组进行分发。由于接收到调查邀请的学生总数未知，因此无法计算确切的应答率。 请点击此处查看此图的放大版本。
| 变量 | 类别 | n | % |
| 年龄（岁） | 均值 ± 标准差 | 19 ± 0.64 | |
| 范围 | 18–21 | ||
| 规律锻炼 | 否 | 175 | 40.6 |
| 是，步行 | 140 | 32.5 | |
| 是，在家中锻炼 | 72 | 16.7 | |
| 是，在健身房锻炼 | 44 | 10.2 | |
| 高强度体力活动（天/周） | 无 | 167 | 38.7 |
| 1天 | 62 | 14.4 | |
| 2天 | 49 | 11.4 | |
| 3天 | 52 | 12.1 | |
| 4天 | 55 | 12.8 | |
| 5天 | 24 | 5.6 | |
| 6天 | 7 | 1.6 | |
| 7天 | 15 | 3.5 | |
| 中等强度体力活动（天/周） | 无 | 131 | 30.4 |
| 1天 | 75 | 17.4 | |
| 2天 | 48 | 11.1 | |
| 3天 | 65 | 15.1 | |
| 4天 | 64 | 14.8 | |
| 5天 | 25 | 5.8 | |
| 6天 | 7 | 1.6 | |
| 7天 | 16 | 3.7 | |
| 步行 ≥ 10 分钟（天/周） | 无 | 54 | 12.5 |
| 1天 | 55 | 12.8 | |
| 2天 | 36 | 8.4 | |
| 3天 | 61 | 14.2 | |
| 4天 | 59 | 13.7 | |
| 5天 | 56 | 13 | |
| 6天 | 16 | 3.7 | |
| 7天 | 94 | 21.8 | |
| 规律锻炼模式 | 未规律进行活动 | 175 | 40.6 |
| 步行 | 140 | 32.6 | |
| 在家中锻炼 | 72 | 16.6 | |
| 在健身房锻炼 | 44 | 10.2 | |
| 典型工作日久坐时间 | 30分钟–2小时 | 5 | 1.2 |
| 2.5–4小时 | 5 | 1.2 | |
| 4.5–6小时 | 9 | 2.1 | |
| 6.5–8小时 | 13 | 3 | |
| >8小时 | 399 | 92.5 |
表1：参与者的人口社会学和体力活动特征（n = 431）。 连续性数据以均值 ± 标准差（SD）表示，分类数据以频数（n）和百分比（%）表示。
| 模型 | 非标准化系数 | 标准化系数 | t | p | 95.0% B 的置信区间 | 共线性统计量 | ||||
| B | 标准误 | Beta | 下限 | 上限 | 容差 | VIF | ||||
| 1 | (常数) | -1.795 | 2.612 | -0.687 | 0.492 | -6.929 | 3.34 | |||
| 步行 vs. 无规律锻炼 | 1.204 | 0.204 | 0.284 | 5.896 | 0 | 0.802 | 1.605 | 0.819 | 1.22 | |
| 居家锻炼 vs. 无规律锻炼 | 1.535 | 0.252 | 0.289 | 6.091 | 0 | 1.04 | 2.031 | 0.847 | 1.181 | |
| 健身房锻炼 vs. 无规律锻炼 | 2.331 | 0.307 | 0.356 | 7.585 | 0 | 1.727 | 2.935 | 0.865 | 1.155 | |
| 高强度体力活动持续时间 | 0.257 | 0.167 | 0.069 | 1.543 | 0.123 | -0.07 | 0.584 | 0.94 | 1.064 | |
| 年龄 | 0.148 | 0.136 | 0.048 | 1.086 | 0.278 | -0.12 | 0.416 | 0.992 | 1.008 | |
| 久坐时间 | -0.178 | 0.054 | -0.145 | -3.271 | 0.001 | -0.285 | -0.071 | 0.964 | 1.037 | |
表2：高强度体力活动频率与高强度体力活动持续时间、年龄、锻炼模式及久坐时间之间的关系。 因变量为过去七天内参与者进行高强度体力活动的天数。缩写：PA = 体力活动；CI = 置信区间；VIF = 方差膨胀因子。
| 模型 | 非标准化系数 | 标准化系数 | t | p | 95.0% B 的置信区间 | 共线性统计量 | ||||
| B | 标准误 | Beta | 下限 | 上限 | 容差 | VIF | ||||
| 1 | (常数项) | -2.131 | 2.725 | -0.782 | 0.435 | -7.487 | 3.225 | |||
| 步行 vs. 无规律锻炼 | 1.08 | 0.213 | 0.258 | 5.077 | 0 | 0.662 | 1.499 | 0.82 | 1.219 | |
| 居家锻炼 vs. 无规律锻炼 | 1.286 | 0.263 | 0.245 | 4.894 | 0 | 0.77 | 1.803 | 0.847 | 1.18 | |
| 健身房锻炼 vs. 无规律锻炼 | 1.334 | 0.319 | 0.206 | 4.178 | 0 | 0.706 | 1.961 | 0.872 | 1.146 | |
| 年龄 | 0.184 | 0.142 | 0.06 | 1.292 | 0.197 | -0.096 | 0.463 | 0.992 | 1.008 | |
| 久坐时间 | -0.03 | 0.057 | -0.025 | -0.538 | 0.591 | -0.142 | 0.081 | 0.967 | 1.034 | |
| 中等强度体力活动持续时间 | 0.405 | 0.305 | 0.063 | 1.328 | 0.185 | -0.194 | 1.004 | 0.946 | 1.057 | |
表3：中等强度体力活动频率与中等强度体力活动持续时间、年龄、锻炼模式和久坐时间之间的关系。 因变量为过去七天内参与者进行中等强度体力活动的天数。缩写：PA = physical activity（体力活动）；CI = confidence interval（置信区间）；VIF = variance inflation factor（方差膨胀因子）。
| 模型 | 非标准化系数 | 标准化系数 | t | p | 95.0% B 的置信区间 | 共线性统计量 | ||||
| B | 标准误 | Beta | 下限 | 上限 | 容差 | VIF | ||||
| 1 | (常数) | 5.92 | 3.277 | 1.806 | 0.072 | -0.522 | 12.361 | |||
| 步行 vs. 无规律运动 | 1.531 | 0.256 | 0.299 | 5.977 | 0 | 1.028 | 2.035 | 0.818 | 1.222 | |
| 居家运动 vs. 无规律运动 | 0.835 | 0.316 | 0.13 | 2.642 | 0.009 | 0.214 | 1.456 | 0.848 | 1.179 | |
| 健身房运动 vs. 无规律运动 | 0.945 | 0.381 | 0.119 | 2.477 | 0.014 | 0.195 | 1.694 | 0.884 | 1.132 | |
| 年龄 | -0.162 | 0.171 | -0.043 | -0.947 | 0.344 | -0.498 | 0.174 | 0.991 | 1.009 | |
| 久坐时间 | -0.035 | 0.068 | -0.024 | -0.521 | 0.603 | -0.17 | 0.099 | 0.966 | 1.035 | |
| 步行时长 | 0.922 | 0.189 | 0.225 | 4.866 | 0 | 0.549 | 1.294 | 0.959 | 1.043 | |
表4：步行频率与步行持续时间、年龄、运动模式和久坐时间之间的关系。 因变量为过去七天内参与者每次步行至少10分钟的天数。缩写：CI = 置信区间；VIF = 方差膨胀因子。
讨论
本研究提供了关于沙特阿拉伯女性大学一年级学生体力活动模式及其行为和环境关联的重要结果。本研究通过聚焦于女性大学一年级学生这一特定群体——其生活方式行为正处于形成阶段——并考察锻炼模式以及久坐行为与高强度体力活动、中等强度体力活动和步行参与频率之间的关联，拓展了以往的研究。总体而言，研究结果表明，女性大学一年级学生的体力活动行为主要受规律参与锻炼环境及某些特定行为因素的影响，而非年龄因素。值得注意的是，纳入样本中有相当大比例的学生报告缺乏身体活动（81.58%）。在报告有规律活动的学生中，最常进行的活动是步行，其次是居家锻炼和健身房锻炼。这些发现与以往已发表的研究一致，突显了沙特阿拉伯青年群体，尤其是女性群体中体力活动水平普遍偏低的现象9–11,16。此外，研究结果还表明，学生参与中等强度和高强度体力活动的程度有限，有相当比例的学生报告完全未参与此类强度的体力活动。这一结果与其他研究相符，这些研究强调了从青春期过渡到大学生活期间体力活动水平下降的现象，其常见原因包括学业压力、缺乏设施以及文化和社会因素等6,10,12,13,18。
与沙特阿拉伯本地的研究证据相比，本研究结果与以往报告的女性大学生体力活动参与率较低的研究一致，该亚组人群的身体不活动水平仍然显著偏高9–11,16。这一模式也与全国性调查分析结果相符，表明沙特女性达到体力活动推荐水平的可能性显著低于男性，反映出活动行为中持续存在的性别差异9。此外，近期一项针对沙特大学的综合研究报道，相当比例的大学生未能达到世界卫生组织（WHO）的体力活动推荐标准，其中女性学生的依从性尤其低下19。全球范围内均有报道显示，中等到高强度体力活动的参与水平普遍偏低，尤其是在进入高等教育阶段的过渡期，这一时期常伴随体力活动水平的下降18。本研究样本中的结果与此一致，为新生在这一关键过渡阶段提供了进一步的证据。本研究中观察到的高比例身体不活跃参与者反映了更广泛的国家和文化趋势。时间不足、动机低下、文化和社会限制、健康问题、知识缺乏以及环境因素均可能促成这一现象9,13,22。此外，传统性别角色可能阻碍女性学生参与健身房类活动，尽管此类活动在促进高强度锻炼方面具有明确益处36。校内运动设施的有限可及性以及缺乏强制性的体育教育项目，可能加剧学生的久坐生活方式。正如先前研究所指出的，社会文化对女性体力活动的态度以及结构性锻炼机会的缺乏，显著阻碍了年轻女性参与规律体力活动9。近期一项针对大学生的系统综述指出，体力活动的障碍因素包括时间不足、缺乏动机和设施；而促进因素则包括健康获益、社会支持和体重管理19。运动模式与高强度体力活动表现出最强的相关性，而工作日久坐时间则与高强度活动呈负相关。这些发现表明，对于一年级女性学生而言，规律参与运动可能比年龄更能解释其高强度体力活动的参与情况。与高强度活动不同，年龄和久坐时间与步行频率无显著关联，表明步行频率主要与步行持续时间和总体运动参与有关，而非久坐时间。该结果提示，不活动模式与高强度体力活动之间存在有意义的关联，久坐时间可能成为该群体参与高强度活动的行为障碍。
本研究强调了高校亟需开展干预措施，以促进学生进行体力活动。将体力活动促进举措纳入大学课程体系，例如健康课程、校园健步挑战或健身会员激励措施，可能有助于鼓励大学生在学习期间养成更积极的生活方式。此外，利用数字健康和移动健康干预手段，可为提高学生参与结构化体力活动项目的积极性提供替代性解决方案。既往研究表明，移动健身应用程序和虚拟锻炼项目能够增强锻炼动机并提高体力活动的依从性，尤其适用于时间受限的年轻成年人37,38。
为了将这些发现转化为可操作的策略，高校可采用分阶段实施的方法。在短期内（0–3个月），各机构可启动低成本举措，例如在全校范围内开展步行挑战活动，并在新生入学教育和大型讲座期间安排简短且定时的“活动休息”。在中期（3–12个月）内，高校可通过提供专属女性专用健身时段、补贴会员费用，以及由合格教练指导的结构化团体锻炼课程，扩大女性对健身设施的可及性。从长期来看（≥12个月），将强制性的健康/身体活动模块纳入新生课程体系，并利用经过验证的工具（如IPAQ）对身体活动水平和久坐行为进行常规监测，有助于促进持续的行为改变，并评估干预措施的有效性。
本研究为沙特阿拉伯女性大学一年级学生的身体活动模式及其相关因素提供了重要见解。相对中等至较大的样本量提高了估计的精确性，且本研究通过考察与高强度、中等强度及步行相关身体活动的关联因素，拓展了以往的研究。然而，本研究存在若干局限性。首先，身体活动水平通过国际身体活动问卷短表（IPAQ-SF）进行评估，这是一种自我报告工具，与加速度计等客观测量工具相比，可能高估活动水平31。其次，横断面研究设计无法进行因果推断，所观察到的关联不应解释为因果关系。此外，研究对象采用便利抽样方式招募，可能引入选择偏倚，并限制研究结果的代表性与可推广性。对世界卫生组织（WHO）身体活动推荐指南的遵循情况未进行正式分类，因此研究结果反映的是身体活动的各个独立组成部分，而非整体遵循身体活动指南的情况。另一项局限在于活动频率、活动持续时间与总体锻炼模式之间存在概念上的重叠。这些指标描述了身体活动行为的相关方面，且源自相互关联的问卷条目。因此，所观察到的关联不应被解释为独立的因果效应。最后，尽管结局变量属于有界计数数据，本研究仍采用普通最小二乘回归来提供易于解释的关联估计值。未来研究可考虑使用基于计数的回归模型，以验证这些发现的稳健性。后续研究应采用更具代表性的抽样策略、客观的身体活动测量方法，以及纵向研究等更严谨的研究设计，以进一步确认本研究结果。
披露
作者声明无利益冲突。
致谢
沙特阿拉伯利雅得阿卜杜勒拉赫曼·宾特·努拉公主大学研究人员支持项目编号（PNURSP2026R421），阿卜杜勒拉赫曼·宾特·努拉公主大学。作者还感谢穆贾玛大学研究生院与科学研究处于本研究工作提供的资助，项目编号为（R-2026-385）。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| Google 表单 | Google LLC | 基于网络的平台；不适用版本号 | 用于实施研究调查并收集匿名参与者反馈的基于网络的平台。 |
| IBM SPSS Statistics | IBM Corporation, Armonk, NY, USA | 版本 30 | 用于描述性统计和多元线性回归分析的统计软件。 |
| 国际体力活动问卷–短卷 | 国际体力活动问卷研究委员会 | 短卷；问卷版本 | 自填式问卷，用于评估高强度体力活动、中等强度体力活动、步行以及静坐时间的频率和持续时间。本研究使用了阿拉伯语版本。 |
| OpenEpi | OpenEpi | 版本 3 | 用于估算所需最小样本量的在线流行病学计算器。 |
参考文献
- Bull FC, et al. World Health Organization 2020 guidelines on physical activity and sedentary behaviour. Br J Sports Med. 2020;54:1451-62.
- Guthold R, Stevens GA, Riley LM, Bull FC. Global trends in insufficient physical activity among adolescents: a pooled analysis of 298 population-based surveys with 1.6 million participants. Lancet Child Adolesc Health. 2020;4:23-35.
- Strain T, et al. National, regional, and global trends in insufficient physical activity among adults from 2000 to 2022: a pooled analysis of 507 population-based surveys with 5.7 million participants. Lancet Glob Health. 2024;12:e1232-e1243.
- Ding D, et al. The economic burden of physical inactivity: a global analysis of major non-communicable diseases. Lancet. 2016;388:1311-24.
- Katzmarzyk PT, et al. Sedentary behavior and health: update from the 2018 Physical Activity Guidelines Advisory Committee. Med Sci Sports Exerc. 2019;51:1227-41.
- Al-Hazzaa HM, Albawardi NM. Activity energy expenditure, screen time and dietary habits relative to gender among Saudi youth: interactions of gender with obesity status and selected lifestyle behaviours. Asia Pac J Clin Nutr. 2019;28:389-400.
- Alasqah I, Mahmud I, East L, Usher K. Patterns of physical activity and dietary habits among adolescents in Saudi Arabia: a systematic review. Int J Health Sci (Qassim). 2021;15:39-48.
- Al-Hazzaa HM. Physical inactivity in Saudi Arabia revisited: a systematic review of inactivity prevalence and perceived barriers to active living. Int J Health Sci (Qassim). 2018;12:50-64.
- Alqahtani BA, Alenazi AM, Alhowimel AS, Elnaggar RK. The descriptive pattern of physical activity in Saudi Arabia: analysis of national survey data. Int Health. 2021;13:232-9.
- Aljehani N, et al. Exploring female university students' participation in physical activity in Saudi Arabia: a mixed-methods study. Front Public Health. 2022;10:829296.
- El Bcheraoui C, et al. On your mark, get set, go: levels of physical activity in the Kingdom of Saudi Arabia, 2013. J Phys Act Health. 2016;13:231-8.
- Bashatah A, et al. Evaluation of young adults' physical activity status and perceived barriers in the Riyadh region of Saudi Arabia. J Multidiscip Healthc. 2023;16:557-69.
- Alsulami S. Determinants of and barriers to physical activity for women in Jeddah, Saudi Arabia. World Fam Med J Middle East J Fam Med. 2023;21(1):101-9.
- Albujulaya N, Stevinson C, Piggin J. Physical activity policy in Saudi Arabia: analysis of progress and challenges. Int J Sport Policy Polit. 2024;16:609-24.
- General Authority for Statistics (GASTAT). 38.7% of Saudi females aged 15 years and above participated in physical activity in 2021, representing an improvement compared with 2018 and 2019. Riyadh, Saudi Arabia; 2023.
- Khalaf A, et al. Female university students' physical activity levels and associated factors-a cross-sectional study in southwestern Saudi Arabia. Int J Environ Res Public Health. 2013;10:3502-17.
- Arnett JJ, Zukauskiene R, Sugimura K. The new life stage of emerging adulthood at ages 18-29 years: implications for mental health. Lancet Psychiatry. 2014;1:569-76.
- Wilson OWA, Walters SR, Naylor ME, Clarke JC. Physical activity and associated constraints following the transition from high school to university. Recreat Sports J. 2021;45:52-60.
- Bajuaifer SS, Alrashdi NZ. Physical activity levels among college students in Saudi Arabia. Saudi Med J. 2025;46(6):587-607.
- Saghafi-Asl M, Aliasgharzadeh S, Asghari-Jafarabadi M. Factors influencing weight management behavior among college students: an application of the Health Belief Model. PLoS One. 2020;15:e0228058.
- Jaeschke L, et al. Socio-cultural determinants of physical activity across the life course: a 'Determinants of Diet and Physical Activity' (DEDIPAC) umbrella systematic literature review. Int J Behav Nutr Phys Act. 2017;14:173.
- Noori-Sistani M, et al. Barriers to home-based physical activity and predictors of activity levels among women with high sedentary habits: an explanatory mixed-methods study. BMC Res Notes. 2025;18:217.
- Golaszewski NM, LaCroix AZ, Hooker SP, Bartholomew JB. Group exercise membership is associated with forms of social support, exercise identity, and amount of physical activity. Int J Sport Exerc Psychol. 2022;20:630-43.
- Tross LFS, Magalhaes Dias H, Callegari Zanetti M. Maintaining exercise in fitness centre settings: insights from the physical activity maintenance theory. Int J Qual Stud Health Well-being. 2024;19(1):2409832.
- Andrade L, et al. The associations between access to recreational facilities and adherence to the American Heart Association's physical activity guidelines in US adults. Front Public Health. 2021;9:660624.
- Lee SA, et al. The relationship between sports facility accessibility and physical activity among Korean adults. BMC Public Health. 2016;16:893.
- Kljajevic V, et al. Physical activity and physical fitness among university students-a systematic review. Int J Environ Res Public Health. 2021;19(1):158.
- Lalovic L, et al. Physical activity, BMI, and their effects on university students' quality of life. Healthcare (Basel). 2025;13(15):1880.
- Tao X, et al. Associations between physical activity and health-related quality of life among university students in Zhuhai, China. Sci Rep. 2025;15(1):31319.
- Ministry of Education. Higher education statistics. Ministry of Education, Saudi Arabia; 2023.
- Lee PH, Macfarlane DJ, Lam T, Stewart SM. Validity of the international physical activity questionnaire short form (IPAQ-SF): a systematic review. Int J Behav Nutr Phys Act. 2011;8:115.
- Craig CL, et al. International physical activity questionnaire: 12-country reliability and validity. Med Sci Sports Exerc. 2003;35:1381-95.
- Al-Hazzaa HM. Health-enhancing physical activity among Saudi adults using the International Physical Activity Questionnaire (IPAQ). Public Health Nutr. 2007;10:59-64.
- Barwais F. Physical activity levels among male and female undergraduate students at Umm Al-Qura University. Int Sci J Phys Educ Sport Sci. 2021;9(1):39-49.
- Alrashdi N. Do college students at Majmaah University meet the weekly recommended physical activity guidelines? Cross-sectional analyses. Majmaah J Health Sci. 2024;12(4):28-35.
- Deng Y. Influence of gender stereotype on participation in physical education class of high school students. J Educ Humanit Soc Sci. 2023;8:600-6.
- Nam JS, et al. Feasibility of mobile health app-based home aerobic exercise for physical performance in healthy young adults. Ann Rehabil Med. 2024;48:75-85.
- Southcott E, Jooste J. Unveiling the impact of mobile fitness applications on motivational orientation in sustaining exercise behaviors: a qualitative investigation. Phys Cult Sport Stud Res. 2024;103:1-14.