先看重点
这项伞形综述汇总了39篇系统评价和荟萃分析,涉及163992名参与者;结果显示使用活动追踪器与身体活动增加相关(标准化均数差SMD为0.3–0.6),相当于每天多走约1800步、多步行40分钟,体重减轻约1公斤。对血压、胆固醇、糖化血红蛋白、生活质量和疼痛的影响通常很小,且多数不显著。摘要没有说明这些项目里追踪器还搭配了什么,也没有说明各评价之间重叠多少,因此不能把效果完全归功于设备本身。
证据类型
综述的综述
解读依据
公开摘要
阅读重点
方法与适用范围
研究在问什么
身体活动不足是普遍的健康问题,可穿戴活动追踪器被视为一种有吸引力、成本低的应对工具。已有的系统评价和荟萃分析分别针对不同人群、不同结局评估过追踪器。作者把它们汇总成一项伞形综述,也就是系统评价的系统评价,想回答:追踪器能否提高身体活动,并改善相关的生理和心理社会结局,在临床人群和非临床人群中是否都是如此。
研究了谁,如何研究
这是一项系统评价和荟萃分析的系统评价(伞形综述)。作者检索了7个数据库(Embase、MEDLINE、Ovid Emcare、Scopus、SPORTDiscus、Cochrane图书馆和Web of Science),检索时间从各数据库建库起至2021年4月8日。纳入的评价须汇总了以活动追踪器作为干预的原始研究,并报告身体活动、生理或心理社会结局。共找到39篇系统评价和荟萃分析,报告了163992名参与者的结果,涵盖各年龄段,既有健康人群,也有临床人群。
摘要以标准化均数差(SMD)的范围呈现汇总结果,SMD可把不同单位测得的结局放在同一尺度上,并把结果换算成步数、步行分钟数和公斤数。摘要中没有完整细节:没有给出这39篇评价背后的原始研究或试验数量,没有说明是否为随机试验,没有交代如何评价研究质量、如何处理重叠的研究,也没有报告随访时间、置信区间或P值。
主要发现
- 1追踪器与身体活动增加相关。荟萃分析提示身体活动的SMD为0.3–0.6,作者将其换算为每天约多走1800步、多步行40分钟。
- 2身体成分和体能也有改善。身体成分的汇总SMD为0.7–2.0,体能为0.3,作者将身体成分的结果换算为体重约减轻1公斤。身体成分的SMD范围很宽,说明各评价对其幅度的结论并不接近。
- 3其他健康指标变化很小。血压、胆固醇和糖化血红蛋白,以及生活质量和疼痛的效应通常很小,且多数不显著,因此不能假定步数增加会同样带来这些方面的改善。
- 4作者的结论是:追踪器在各年龄段以及临床和非临床人群中似乎都能有效增加身体活动,获益具有临床意义并能长期维持,现有证据足以推荐使用。不过摘要没有给出随访时长,无法印证“长期维持”这一说法。
局限与不确定性
- 1我们的观察:伞形综述汇总的是别人的评价,而非原始试验数据,摘要只给出SMD范围,没有置信区间、P值或原始研究数量,所以单凭摘要无法判断每个估计值的把握程度。
- 2我们的观察:这些研究是把追踪器作为干预方案的一部分来检验的,摘要没有说明方案里还包含什么,例如目标设定、反馈或指导。在项目中被发放一个追踪器,与自己买一个并不相同,平均获益未必适用于没有任何支持的自行购买。
- 3我们的观察:摘要没有说明如何处理各评价之间的重叠,同一项原始研究可能被重复计入。身体成分SMD为0.7–2.0这样的宽范围,提示不同评价、不同人群和不同追踪器之间差异很大。
- 4我们的观察:步数、步行时间和体重的换算只是约数,摘要也没有说明这些换算是怎样由SMD得到的。本解读只依据摘要,研究质量和干预方案的细节没有涵盖。
对日常健康的启示
在大量研究中,把追踪器作为项目的一部分,与每天活动量的明显增加相关,约为1800步或40分钟步行,体重也小幅下降约1公斤。追踪器配合清晰的目标和反馈,可以成为不错的提醒;但这篇综述并未显示它能改变血压、胆固醇、糖化血红蛋白、生活质量或疼痛。
不要由此认为单靠买一个追踪器就能得到这些改善,也不要认为每个人都会如此,更不能让追踪器代替血压、胆固醇或糖尿病的治疗,这些决定应交给临床医生。作者认为证据足以推荐使用追踪器,但在只有摘要的情况下,这只是平均而言令人鼓舞的证据,而不是保证。
如何联系自己的数据
先用同一台设备记录自己平常两周左右的日均步数作为基线,然后改变一个习惯,再用同一指标比较。没有佩戴的天数应当记为缺失,不要算作零。不同设备或应用给出的步数和活动分钟数不能互换,比较时只用同一个来源,并标注应用或固件的更新。
如何理解这类证据
多篇综述可能反复使用同一试验,篇数不等于独立重复验证次数;应看质量、重叠和各结局的确定性。
来源与署名
Effectiveness of wearable activity trackers to increase physical activity and improve health: a systematic review of systematic reviews and meta-analyses
The Lancet Digital Health · 2022-08
DOI: 10.1016/S2589-7500(22)00111-X ↗PubMed · 35868813 ↗MoveVitals 编辑解读 · 健康教育内容 · 未记录个人临床审阅
来源核验日期 2026-11-01
实用健康指南
放在一起读
加速度计处理方法不同,身体活动与卒中、心肌梗死的关联曲线也不同
在英国生物银行中,基线无心血管疾病的90237名成年人随访至2022年12月,共发生1298例卒中和2031例心肌梗死;中高强度身体活动(MVPA)与这两种结局的关联曲线形状,取决于加速度计数据的处理方法。就卒中而言,只有机器学习法得到直线下降的风险;就心肌梗死而言,机器学习法和LFENMO法呈曲线下降,活动计数法呈直线下降。摘要没有给出风险比,只能说明不同方法的结论不一致,不能说明哪种方法更正确,而且这些只是观察性关联。
Preventive Medicine
智能手表数据能当“证人”吗:心率验证得最充分,其余证据参差
一项围绕数字取证展开的系统评价和荟萃分析,梳理了四大主流品牌智能手表的验证研究,发现心率是研究最多、也最准确的指标。步数、距离、能量消耗、活动分类和睡眠的验证不够一致,结果因品牌、方案和报告方式而异。摘要没有给出汇总数据,且多数研究是在健康人群中、于实验室内完成的,所以无法说明某一块手表对某个人在日常生活中的表现。
Forensic Science International
七款睡眠追踪设备:识别睡着很准,识别醒着和睡眠分期较差
在睡眠实验室里,34名健康的年轻成年人连续三晚佩戴七款消费级睡眠追踪设备中的若干款。与多导睡眠监测相比,所有设备识别睡眠都很准(灵敏度均不低于0.93),但识别清醒较差(特异度0.18–0.54),七款中有五款与研究用活动记录仪(特异度0.39)持平或更好;睡眠分期的估计结果不稳定。受试者是18至35岁的健康成年人,卧床时间固定为8小时,每款设备只在其中11至20人身上测试,因此对有睡眠问题的人几乎没有参考价值。
Sleep
七款腕戴设备:心率误差多在5%以内,热量估算偏差很大
60名成年人在实验室里佩戴7款腕戴设备,依次完成静坐、步行、跑步和骑车。与心电图相比,心率的中位数误差骑车时为1.8%,步行时为5.5%;但没有任何一款设备的能量消耗(热量)误差低于20%,各设备的中位数误差为27.4%至92.6%。测试的是当时在售的消费级型号,且只在实验室内进行,不能据此给今天的手表排名,也不能说明日常使用中的表现。
Journal of Personalized Medicine

