跳到正文
可穿戴与测量科学测量验证研究/综述10 分钟阅读

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

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Performance of seven consumer sleep-tracking devices compared with polysomnography · Sleep · 2021 · 论文原文 ↗

先看重点

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。

证据类型

测量验证研究/综述

解读依据

论文全文

阅读重点

参照与测量误差

研究在问什么

如今有数亿人使用消费级设备记录睡眠,调查显示约25%的美国成年人至少用可穿戴设备或应用记录过睡眠。多导睡眠监测(PSG)会在整晚记录脑电、眼动、肌肉活动和心律,是金标准,但费用高、需要专业人员,本身还可能干扰睡眠。腕式活动记录仪是实验室之外的研究标准,容易高估睡眠、低估清醒,而且只能区分睡着和醒着,无法分期。新一代消费级设备在睡眠算法中加入了心率等传感器,可能与之相当甚至更好,但此前研究显示各设备表现差异较大。作者因此把多款最新的穿戴式与非穿戴式设备同活动记录仪一起,与PSG对照,作为在健康年轻成年人中进行的第一步受控实验室评估。

研究了谁,如何研究

这是一项在美国加利福尼亚州圣迭戈海军健康研究中心进行的受控实验室验证研究。共纳入34名健康年轻成年人(12名男性、22名女性;年龄28.1±3.9岁,平均值±标准差;BMI 24.2±2.1 kg/m2),年龄为18至35岁,平均每晚睡眠6至9小时,没有确诊的睡眠、精神心理或其他重大疾病,不使用助眠药物和尼古丁,也不倒班。首次到访前6天起他们停用咖啡因和酒精,之前四晚在家保持固定的8小时卧床,并佩戴飞利浦Respironics的Actiwatch 2研究级活动记录仪和日后要测试的消费级腕戴设备。随后连续三晚在实验室睡眠,卧床时间固定为8小时、起止时刻每晚相同;最后两晚中随机、对照平衡地安排一晚,用声音提示每小时短暂唤醒受试者,以模拟睡眠中断。测试的设备包括四款穿戴设备(Fatigue Science Readiband、Fitbit Alta HR、Garmin Fenix 5S、Garmin Vivosmart 3)和三款非穿戴设备(床垫下的EarlySense Live,以及床边的射频设备ResMed S+和SleepScore Max),但并非每人都用上全部:每人佩戴Actiwatch加一部分设备,各设备的受试者人数分别为Readiband 15人、Fitbit Alta HR 20人、Fenix 5S 11人、Vivosmart 3 15人、EarlySense Live 19人、ResMed S+ 19人、SleepScore Max 15人。

参照标准是整夜PSG(六个部位的脑电、眼动、下颌肌电和心电),由两名持证技师按30秒时段手工判读,对输出60秒数据的设备另按60秒时段重新判读;N1和N2合并为浅睡,N3作为深睡。每款设备与PSG逐个时段比较睡眠与清醒及各睡眠阶段的一致性(灵敏度、特异度、阳性预测值、阴性预测值、准确率,以及校正患病率和偏倚的kappa,即PABAK),并比较整夜指标:总睡眠时间(TST)、睡眠效率、入睡潜伏期、入睡后清醒时间(WASO)和快速眼动(REM)潜伏期。整夜指标采用Bland–Altman偏倚和一致性界限(偏倚上下各两个标准差)、配对t检验、Hedges' g效应量以及检验比例偏倚的R2,以P<0.05为显著。三款非穿戴设备的逐时段数据来自厂商提供的研究数据端口,Fitbit的数据通过第三方平台Fitabase导出,设备数据按需做了后处理,以覆盖8小时卧床时段。

主要发现

  1. 1
    所有设备识别睡眠都很好,识别清醒则差得多。与PSG逐时段比较,所有设备的灵敏度都不低于0.93(Actiwatch为0.97),特异度却只有0.18至0.54,也就是真正的清醒时间有很大一部分被判成了睡着。各设备的准确率相近,为0.88至0.90。
  2. 2
    七款消费级设备中有五款在识别清醒上与活动记录仪持平或更好,两款Garmin则差得多。特异度方面,Fitbit Alta HR为0.54,ResMed S+为0.51,SleepScore Max为0.50,EarlySense Live为0.47,Fatigue Science Readiband为0.45,Actiwatch为0.39;Garmin Fenix 5S和Vivosmart 3分别只有0.18和0.19。
  3. 3
    总睡眠时间和清醒时间的平均误差,有的设备很小,有的很大。Fitbit Alta HR高估TST 2.6分钟(P=0.421),低估WASO 2.1分钟(P=0.472);ResMed S+低估TST 0.3分钟(P=0.953)。两款Garmin分别高估TST 43.7和46.8分钟(P均<0.001),测得的WASO只有7.7和8.0分钟,而PSG为57.2和55.6分钟;Actiwatch高估TST 23.9分钟,低估WASO 16.6分钟(P均<0.001)。
  4. 4
    平均偏差小并不等于每晚都准,睡得差的夜晚误差更大。Fitbit Alta HR单晚TST与PSG的差值在比PSG少42.0分钟到多47.1分钟之间,ResMed S+在少70.7分钟到多70.2分钟之间。睡得更长、睡眠效率更高的夜晚偏差最小,睡眠更少、入睡更慢或清醒更多的夜晚偏差更大;Actiwatch、Fitbit Alta HR、两款Garmin和SleepScore Max的TST都存在显著的比例偏倚(例如Vivosmart 3的R2为0.69,P<0.001)。
  5. 5
    睡眠分期的结果参差不齐,常常较差。输出分期的六款设备中,有五款高估浅睡17.1至34.7分钟(EarlySense Live低估22.3分钟,P=0.006);EarlySense Live、ResMed S+和SleepScore Max高估深睡(如EarlySense Live高估35.9分钟,P<0.001);Fitbit Alta HR、ResMed S+和SleepScore Max低估REM睡眠(分别低估11.4分钟,P=0.002;31.9和35.8分钟,P均<0.001)。逐时段灵敏度深睡只有0.53至0.68,REM睡眠只有0.49至0.69,判错的时段多被归为浅睡:PSG清醒时段中有0.35至0.54、深睡中有0.27至0.43、REM中有0.24至0.46被判成浅睡。Fitbit Alta HR在多数浅睡和REM指标上数值最高。
  6. 6
    入睡时间接近,但REM出现时间不准。每款设备的入睡潜伏期与PSG相差都不到5分钟(Fitbit Alta HR少3.1分钟,P=0.005;ResMed S+多4.0分钟,P=0.049;SleepScore Max多4.4分钟,P=0.017),也没有哪款消费级设备在两项潜伏期指标上都有差异。输出分期的六款设备中,有五款显著高估REM潜伏期。

局限与不确定性

  1. 1
    作者指出,出于舒适度、设备数量和设备间可能相互干扰等原因,七款设备无法同时测试,也无法在所有受试者身上测试;每款设备只在34人中的11至20人身上使用,且受试者子集各不相同,还有少量数据缺失或部分丢失。
  2. 2
    作者指出,受试者是没有睡眠问题的健康睡眠者,卧床时间固定为8小时,结果最适用于典型夜晚的健康睡眠者;实验室环境和PSG电极本身会影响睡眠;研究没有收集种族或族裔信息,而这与光电容积(PPG)心率传感器的准确性有关。结果也最贴合所用的设备版本和Actiwatch的中等灵敏度设置。
  3. 3
    我们的观察:设备数据按8小时卧床时段做了后处理,因此研究并没有检验设备自行判断上床和起床时间的能力,而作者也把这一点列为实际使用中的误差来源。三款非穿戴设备的逐时段数据还来自厂商的研究端口,而非普通应用。
  4. 4
    我们的观察:中断睡眠的夜晚只是作为一种实验条件描述,结果文字把各晚合并,仅以比例偏倚呈现睡得差的夜晚的影响,没有单独给出中断夜晚的效应大小。设备、指标和P值很多,也没有说明多重比较校正。
  5. 5
    我们的观察:在识别清醒上超过活动记录仪并不是很高的门槛。即使是最高的特异度(Fitbit Alta HR的0.54),也意味着约有一半的真实清醒时段被漏掉;研究也无法说明哪款设备可靠到足以用于诊断,或适用于失眠人群。

对日常健康的启示

如果你戴着睡眠追踪设备,最可信的是“有没有睡着”和总睡眠时间,这几款较好的设备平均而言测得相当接近;最不可信的是夜间醒来的次数和时长,以及深睡、REM和浅睡的分钟数。要预期它会少报躁动不安的清醒时间,尤其在睡得断断续续的夜晚;本研究中的两款Garmin几乎没测到入睡后清醒(分别为7.7和8.0分钟,而PSG为57.2和55.6分钟)。

不要由此认为分期占比是准的,也不要认为任何设备能诊断睡眠障碍,或者这些结果适用于失眠患者、老年人、儿童和更新的设备版本。设备显示睡得好,并不能排除问题;如果长期睡不好或白天嗜睡,应该找医生。对健康年轻人的睡着与清醒判断,证据强度中等;对睡眠分期,证据较弱。

如何联系自己的数据

看同一台设备数周内的总睡眠时间,以及上床和起床时间是否规律,不要盯着单独一晚;同时写一份简短的睡眠日记,便于发现设备漏掉清醒时段的夜晚。每晚的深睡、REM和浅睡分钟数只当粗略参考,本研究里它们常常不准,也不要拿不同品牌的分期数字互相比较。如果应用允许修改上床或起床时间,请把错误的记录改过来,因为这项研究的分析正是以卧床时段准确为前提的。

如何理解这类证据

一致性取决于设备、固件、参照、人群和场景。相关性不等于一致性;验证某个指标不等于已证明诊断或治疗获益。

来源与署名

Performance of seven consumer sleep-tracking devices compared with polysomnography

Sleep · 2021-05-14

DOI: 10.1093/sleep/zsaa291 ↗PubMed · 33378539 ↗

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

·队列研究

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

重点论文精讲阅读论文 →
·测量验证研究/综述

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

重点论文精讲阅读论文 →
·综述的综述

活动追踪器:每天多走约1800步,对其他健康指标影响较小

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。

The Lancet Digital Health

重点论文精讲阅读论文 →
·测量验证研究/综述

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

重点论文精讲阅读论文 →
可穿戴与测量科学 →