可穿戴技术成本较低，且便于对生理数据进行监测。然而，这些设备的准确性和可靠性需要谨慎评估，以确保其对用户的有效性和安全性。本报告描述了一款商用智能手表在监测生理数据和身体活动方面的验证过程。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
本文内容
摘要
摘要
本研究旨在通过将低成本健身智能手表的数据与心血管和身体活动参数的金标准测量值进行比较，验证其准确性。研究共招募了50名受试者，其中26名接受了心率、血氧饱和度（SpO2）和睡眠数据的验证测试，并以多导睡眠图（PSG）作为对照。此外，另有24名受试者参与了3分钟步行试验（3MWT）和爬楼梯试验（SC），其步数通过手动视频计数进行验证。结果显示，在浅睡眠、深睡眠、REM睡眠时间、平均心率、最低心率和SpO2方面，设备测量值与金标准值之间无显著差异。然而，该设备显著低估了人工计数的步数（p = 0.009（3MWT）；p = 0.012（SC））、总睡眠持续时间（p = 0.004）和清醒时间（p = 8.94 × 10-8），同时高估了最大心率（p = 0.011）。这些发现强调了在临床环境中对可穿戴设备数据进行准确验证和解读的重要性。鉴于这些局限性，建议在未来的分析中排除该设备的读数，以保持数据的可靠性和研究的完整性。本研究凸显了持续验证和改进可穿戴技术的必要性，以确保其在医疗保健中的可靠性与有效性。
引言
可穿戴技术的普及程度日益增长，已逐渐融入日常生活的各个方面1。这些技术配备了传感器和算法，改变了生理参数的监测与解读方式，为用户提供健康信息、追踪锻炼情况，并帮助用户实现更健康的生活方式。人工智能与模式识别的整合，结合虚拟现实和增强现实等日益流行的功能，不仅提升了可穿戴设备的功能性，还实现了高级个性化数据分析以及更具吸引力的用户体验2,3。随着可穿戴设备越来越多地融入日常活动，了解其准确性和可靠性变得至关重要，尤其是在运动表现监测和医疗保健等行业中。
可穿戴设备能够实时记录慢性病患者的数据，为患者和医疗专业人员提供宝贵的信息。诸如身体活动、对话时间线和睡眠持续时间等指标有助于评估抑郁症、睡眠呼吸暂停和帕金森病等疾病的严重程度4,5,6。新兴技术（如用于监测葡萄糖水平、心率和体温的电子贴片）正在接受临床测试，进一步拓展了先进可穿戴设备在医疗保健领域的应用前景7。此外，运动员和健身爱好者也利用可穿戴技术来优化训练方案、追踪运动表现指标并预防运动损伤8....
访问受限。请登录或开始试用以查看此内容。
方案
本研究方案已获得马来亚大学医学中心（UMMC）伦理审查委员会批准（MREC 编号：2021325-9983）。健身智能手表测量的验证研究分为三个部分：（1）使用多导睡眠图（PSG）设备作为金标准，验证睡眠测量结果；（2）通过视频录像的手动计数比对，验证步数测量结果；（3）对验证测试进行数据分析。
1. 采用多导睡眠图（PSG）验证睡眠测量结果
注意：本研究在受控的睡眠实验室中进行，以尽量减少外界干扰。测试前，所有参与者均接受了关于研究的详细说明，并在签署书面知情同意书之前收到了研究信息表。所收集的所有信息均予以匿名处理。
- 确保受试者在测试开始前 1 小时到达，以完成必要的准备工作。
- 受试者将健身智能手表佩戴于非优势手腕上。
- 根据制造商手册将受试者连接至多导睡眠图（PSG）设备24。
注意：按照制造商手册中规定的标准位置放置 PSG 电极，以确保受试者在睡眠期间不适感最小。 - 让受试者处于仰卧位，使用健身智能手表测量两次血氧饱和度（SpO2）。
- 确保受试者睡眠时间最长不超过 6 小时。
注意：技术人员需在整个睡眠过程中持续监控 PSG 设备。 - 受试者清醒后，再次处于仰卧位，使用健身智能手表测量两....
访问受限。请登录或开始试用以查看此内容。
结果
表1 显示，在验证测试的第一阶段，多导睡眠图（PSG）与健身智能手表的数据之间存在显著差异（p值 < 0.05）。健身智能手表高估了清醒时间（p < 0.001），低估了睡眠时长（p = 0.004），并报告了更高的最大心率（p = 0.001）。然而，PSG设备与健身智能手表在以下测量指标上未发现显著差异：浅睡眠时间、深睡眠时间、快速眼动（REM）时间、平均心率、最低心率以及血氧饱和度。此外，Cohen d分析表明，这些观察结果具有可信度，效应量范围为小到中等（小于0.4）。
| 多导睡眠图（PSG），均值 ± 标准差；（95% 置信区间） | 健康智能手表，均值 ± 标准差；（95% 置信区间） | t 值 |
访问受限。请登录或开始试用以查看此内容。
讨论
根据对比分析中的混合结果，发现了健身智能手表的若干局限性。智能手表测量值的高变异性可能源于其依赖运动和心率数据，而非更详细的测量方法，例如多导睡眠图（PSG）中使用的脑电图（EEG）。深度睡眠和快速眼动睡眠时间的测量结果一致性较好，这表明健身智能手表可能适用于常规睡眠监测。然而，其在临床诊断（如详细的睡眠阶段分析）中可能并不可靠。
此外，一个显著的发现是，健身智能手表对WASO时间的低估比PSG测量结果短49分钟（p < 0.0005），这一结果与Conchiero-Moscoso等人的先前研究一致，该研究发现早期一款健身智能手表的前代型号对WASO低估了31分钟（p = 0.005）19。类似地，Ameen等人发现另一款前代型号对WASO低估了33.57分钟，同时对TST高估了69.64分钟18。这一局限性可能源于其依赖体动记录仪（actigraph），后者常用于健身设备中检测身体运动，而其默认的觉醒阈值可能无法准确反映真实的睡眠-觉醒模式27.......
访问受限。请登录或开始试用以查看此内容。
披露
作者声明，本研究是在没有任何商业或经济补偿、赞助，以及与设备制造商之间可能被视为潜在利益冲突的关系的情况下进行的。本文所表达的观点和研究结果均为作者个人观点，完全基于他们在本研究中使用该产品的经验得出。
致谢
感谢马来亚大学医学中心神经科实验室的神经技术员在本研究测试实施过程中提供的帮助与支持。本工作由马来亚大学研究中心（IIRG001C-2021IISS）资助。
....访问受限。请登录或开始试用以查看此内容。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| 睡眠诊断系统 | Natus Neurology & Compumedics | 文稿中称为 PSG 仪器 | |
| Xiaomi Mi Band 6 | Xiaomi | 文稿中称为健身智能手表 |
参考文献
- Sergueeva, K., Shaw, N., Lee, S. H. Understanding the barriers and factors associated with consumer adoption of wearable technology devices in managing personal health. Can J Adm Sci. 37 (1), 45-60 (2020).
- Xu, K., Lu, Y., Takei, K.
访问受限。请登录或开始试用以查看此内容。
重印与许可
