跳到正文
可穿戴与测量科学研究论文3 分钟阅读

单臂心电加脉搏传感器原型在十名志愿者中估算血压,误差约4毫米汞柱

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Highly wearable cuff-less blood pressure and heart rate monitoring with single-arm electrocardiogram and photoplethysmogram signals. · Biomedical engineering online · 2017 · 论文原文 ↗

先看重点

一款结合心电(ECG)和脉搏(PPG)传感器的臂带原型,在未见过的数据上估算收缩压的平均误差为1.63 ± 4.44 mmHg,心率平均绝对误差为0.21次/分钟。数据仅来自十名志愿者,这只是概念验证,不足以说明它在真实使用中足够准确。

证据类型

研究论文

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

不用袖带的连续血压监测对心脏健康、压力和健身监测很有价值,但现有方法佩戴不便、缺乏稳健的模型,也很少用新数据检验。作者制作了一个单臂心电和脉搏波设备,检验它能否估算收缩压(SBP)和心率。

研究了谁,如何研究

工程学概念验证研究。心电和脉搏波传感器集成在同一个上臂臂带中,采用单导联手臂心电,而不是把电极放在胸部或双腕。研究用机器学习框架从易受运动干扰的微弱手臂心电中识别心跳并估算心率,再由心电与脉搏波心跳配对得到脉搏波传导时间(PTT)。将同时使用PTT和心率的模型(PTT&HR-SBP)与只用PTT的模型比较,并在未见过的数据上评估拟合后的模型。研究使用了定制原型和十名志愿者的数据。摘要未描述志愿者的特征和参考血压测量方法。

主要发现

以下为作者报告的结果。数字须连同人群和不确定性一起阅读。

  1. 1
    原型可在左上臂采集到脉搏波和微弱的心电信号,其心电幅度仅约为胸部心电的10%。
  2. 2
    心率估算的平均绝对误差为0.21次/分钟,均方根误差为1.20次/分钟。
  3. 3
    对于收缩压,同时使用PTT和心率的模型明显优于只用PTT的模型。
  4. 4
    在未见过的数据上,收缩压误差为1.63 ± 4.44 mmHg(平均误差±标准差),平均绝对误差3.68 mmHg,均方根误差4.71 mmHg。

局限与不确定性

  1. 1
    仅研究了十名志愿者,摘要也没有说明其中是否包括高血压患者。
  2. 2
    设备是半定制的原型,只在概念验证环境下测试,不是消费级产品。
  3. 3
    摘要只报告了收缩压,没有报告舒张压,也没有说明长时间使用、活动状态或用药变化时的表现。
  4. 4
    本解读仅依据摘要。

对日常健康的启示

结果表明,在小规模测试中,无袖带的臂戴式设计可以接近参考读数,对未来的可穿戴设备是令人鼓舞的。但这并不意味着可以用这类设备取代经过验证的血压计,涉及高血压的决定应由你的医生作出。

如何联系自己的数据

如果你使用无袖带可穿戴设备,请把它的血压数值当作粗略的趋势,并用经过验证的上臂式血压计在同一时间、坐姿安静休息后核对。数周的趋势比单次读数更重要。

如何理解这类证据

索引未明确确定具体研究设计,应先读方法;核对人群、对照、结局和不确定性,再判断能否作因果解释。

作者的结构化摘要 English

以下英文摘要按记录的开放许可转载,属于作者原始材料,不是 MoveVitals 的解读。上方已提供研究解读,分别说明作者结果与本站解释;重要结论可直接核对原文。

Background

Long-term continuous systolic blood pressure (SBP) and heart rate (HR) monitors are of tremendous value to medical (cardiovascular, circulatory and cerebrovascular management), wellness (emotional and stress tracking) and fitness (performance monitoring) applications, but face several major impediments, such as poor wearability, lack of widely accepted robust SBP models and insufficient proofing of the generalization ability of calibrated models.

Methods

This paper proposes a wearable cuff-less electrocardiography (ECG) and photoplethysmogram (PPG)-based SBP and HR monitoring system and many efforts are made focusing on above challenges. Firstly, both ECG/PPG sensors are integrated into a single-arm band to provide a super wearability. A highly convenient but challenging single-lead configuration is proposed for weak single-arm-ECG acquisition, instead of placing the electrodes on the chest, or two wrists. Secondly, to identify heartbeats and estimate HR from the motion artifacts-sensitive weak arm-ECG, a machine learning-enabled framework is applied. Then ECG-PPG heartbeat pairs are determined for pulse transit time (PTT) measurement. Thirdly, a PTT&HR-SBP model is applied for SBP estimation, which is also compared with many PTT-SBP models to demonstrate the necessity to introduce HR information in model establishment. Fourthly, the fitted SBP models are further evaluated on the unseen data to illustrate the generalization ability. A customized hardware prototype was established and a dataset collected from ten volunteers was acquired to evaluate the proof-of-concept system.

Results

The semi-customized prototype successfully acquired from the left upper arm the PPG signal, and the weak ECG signal, the amplitude of which is only around 10% of that of the chest-ECG. The HR estimation has a mean absolute error (MAE) and a root mean square error (RMSE) of only 0.21 and 1.20 beats per min, respectively. Through the comparative analysis, the PTT&HR-SBP models significantly outperform the PTT-SBP models. The testing performance is 1.63 ± 4.44, 3.68, 4.71 mmHg in terms of mean error ± standard deviation, MAE and RMSE, respectively, indicating a good generalization ability on the unseen fresh data.

Conclusions

The proposed proof-of-concept system is highly wearable, and its robustness is thoroughly evaluated on different modeling strategies and also the unseen data, which are expected to contribute to long-term pervasive hypertension, heart health and fitness management.

来源与署名

Highly wearable cuff-less blood pressure and heart rate monitoring with single-arm electrocardiogram and photoplethysmogram signals.

Zhang Q, Zhou D, Zeng X.

Biomedical engineering online · 2017-02-06

DOI: 10.1186/s12938-017-0317-z ↗PubMed · 28166774 ↗Europe PMC · 记录的开放许可: cc by ↗

摘要版权归原作者,依据来源记录的开放许可转载。中文译文辅助阅读,英文摘要用于核对术语与具体数值;本站的方法学解释与作者结论分别呈现。

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

重点论文精讲阅读论文 →
可穿戴与测量科学 →