使用IBM SPSS Statistics 30版(IBM Corp., Armonk, NY, USA)对数据进行分析。采用Kolmogorov–Smirnov检验评估数据的正态分布情况。连续变量在符合正态分布时以均值(标准差)表示,不符合正态分布时以中位数和四分位距(IQR)表示。分类变量以频数和百分比报告。根据数据的类型和分布情况,采用适当的检验方法进行基线统计比较:-连续变量采用t检验或Mann-Whitney U检验,分类变量采用卡方检验。比较多组分运动组与对照组的基线特征,以评估随机化是否充分以及是否存在潜在混杂因素。为评估不同评估时间点(基线、12周和24周)的干预效果,采用线性混合效应模型分析主要结局指标。报告估计的均值差异及其95%置信区间,并且-值。模型考虑了主要结局指标的潜在基线差异,并对年龄等协变量进行了调整。p-values. The models accounted for potential baseline differences for the primary outcome measure, adjusting for covariates such as age. 缺失数据根据其缺失原因进行处理。若可假设缺失数据为随机缺失(MAR),则采用多性向插补法进行意向性治疗(ITT)分析,从而将所有随机化受试者纳入主要ITT分析。若无法假设为随机缺失,我们则考虑其他更高级的方法进行主要分析,以充分考虑非随机缺失(MNAR)的数据。