大脑连接模式和环境因素可以预测哪些老年人在心血管诊断后能够成功增加身体活动。Nagashree Thovinakere及其同事研究了来自英国生物银行的295名认知健康但身体活动不足的老年人，这些老年人在约四年期间被诊断出心血管疾病。他们的研究成果发表在《PNAS Nexus》上。
研究人员追踪了哪些人将活动水平提高到世界卫生组织推荐的中等至剧烈身体活动水平，使用了自我报告和加速度计数据。随后通过机器学习识别身体活动行为变化的关键预测因素，发现结合脑成像、行为特征和背景信息的综合模型获得了最强的预测性能。
重要预测因素包括获取绿地的机会、来自朋友和家人的社交支持、执行功能能力，以及涉及自我控制和规划的脑网络之间的特定连接模式。增加身体活动的参与者显示出认知益处，特别是在工作记忆和执行功能方面。
作者指出，多模态脑-行为特征可以帮助预测身体活动依从性，这对临床医生具有实用价值。此外，绿地和社交支持等因素的重要性可为制定提升群体心脏健康的政策提供指导。个人动机固然重要，但结构性和环境因素同样决定着个体能否坚持心脏健康运动计划。
更多信息：Nagashree Thovinakere等人，《社会健康决定因素和大脑连接预测新心血管诊断后的身体活动行为变化》，《PNAS Nexus》(2025)。DOI: 10.1093/pnasnexus/pgaf304。
期刊信息：PNAS Nexus
提供方：PNAS Nexus
【全文结束】
