跳到正文
可穿戴与测量科学研究论文3 分钟阅读

手机和可穿戴设备记录到1062名欧洲人居家封锁期间的行为变化

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Using Smartphones and Wearable Devices to Monitor Behavioral Changes During COVID-19. · Journal of medical Internet research · 2020 · 论文原文 ↗

先看重点

利用意大利、西班牙、丹麦、英国和荷兰共1062名参与者的手机和可穿戴设备数据,研究发现封锁期居家时间、外出距离、手机使用、心率和睡眠均有变化(多数P<.001)。参与者是被招募的研究人群,结果未必代表各国总体。

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

公共卫生部门需要快速、客观地了解保持社交距离和封锁措施是否真的改变了人们的行为。作者检验开源移动健康平台RADAR-base能否利用手机和可穿戴设备数据被动监测这些变化。

研究了谁,如何研究

观察性分析,数据由RADAR-base被动采集,来自意大利、西班牙、丹麦、英国和荷兰招募的1062名参与者。每日提取9项特征:居家时间、离家最远距离、附近蓝牙设备最大数量(作为保持距离的替代指标)、步数、平均心率、睡眠时长、就寝时间、手机解锁时长和社交应用使用时长。用Kruskal-Wallis检验及事后Dunn检验比较基线期、封锁前和封锁期,并探讨年龄、性别、BMI和教育背景的差异。

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
    从封锁前到封锁期,居家时间、外出距离和附近蓝牙设备数量出现预期变化(五个国家均P<.001)。
  2. 2
    手机使用增加:意大利、西班牙和英国的手机活跃度上升(P<.001),意大利、西班牙、英国和荷兰的社交媒体使用时间增加(P<.001)。
  3. 3
    封锁期心率更低(意大利和西班牙P<.001,丹麦P=.02),就寝时间更晚(四个国家P<.001),睡眠时间更长(意大利、西班牙和英国P<.001)。
  4. 4
    年轻人比老年人居家更久、每日步数更少;高BMI组与低BMI组居家时间无显著差异,但低BMI组走得更多。

局限与不确定性

  1. 1
    参与者是加入研究平台的人群,摘要未说明其具体特征,可能不能代表更广泛的人群。
  2. 2
    各国结果不尽相同,部分指标只在个别国家显著,摘要也未报告效应量。
  3. 3
    没有未经历封锁的对照组,因此无法区分变化究竟来自封锁、季节还是其他事件。以上解读仅基于摘要。

对日常健康的启示

研究说明日常手机和可穿戴设备数据能反映作息的明显变化,例如居家时间增加、就寝更晚、心率更低。但它没有证明这些变化对个人有利还是有害,群体平均也不代表你自己的情况。

如何联系自己的数据

步数、静息或平均心率、睡眠时长和就寝时间正是多数可穿戴设备都在记录的数据。想看自己的变化,请使用同一设备、保持相同佩戴习惯,比较数周的整体趋势而非单日数值。

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

In the absence of a vaccine or effective treatment for COVID-19, countries have adopted nonpharmaceutical interventions (NPIs) such as social distancing and full lockdown. An objective and quantitative means of passively monitoring the impact and response of these interventions at a local level is needed.

Objective

We aim to explore the utility of the recently developed open-source mobile health platform Remote Assessment of Disease and Relapse (RADAR)-base as a toolbox to rapidly test the effect and response to NPIs intended to limit the spread of COVID-19.

Methods

We analyzed data extracted from smartphone and wearable devices, and managed by the RADAR-base from 1062 participants recruited in Italy, Spain, Denmark, the United Kingdom, and the Netherlands. We derived nine features on a daily basis including time spent at home, maximum distance travelled from home, the maximum number of Bluetooth-enabled nearby devices (as a proxy for physical distancing), step count, average heart rate, sleep duration, bedtime, phone unlock duration, and social app use duration. We performed Kruskal-Wallis tests followed by post hoc Dunn tests to assess differences in these features among baseline, prelockdown, and during lockdown periods. We also studied behavioral differences by age, gender, BMI, and educational background.

Results

We were able to quantify expected changes in time spent at home, distance travelled, and the number of nearby Bluetooth-enabled devices between prelockdown and during lockdown periods (P<.001 for all five countries). We saw reduced sociality as measured through mobility features and increased virtual sociality through phone use. People were more active on their phones (P<.001 for Italy, Spain, and the United Kingdom), spending more time using social media apps (P<.001 for Italy, Spain, the United Kingdom, and the Netherlands), particularly around major news events. Furthermore, participants had a lower heart rate (P<.001 for Italy and Spain; P=.02 for Denmark), went to bed later (P<.001 for Italy, Spain, the United Kingdom, and the Netherlands), and slept more (P<.001 for Italy, Spain, and the United Kingdom). We also found that young people had longer homestay than older people during the lockdown and fewer daily steps. Although there was no significant difference between the high and low BMI groups in time spent at home, the low BMI group walked more.

Conclusions

RADAR-base, a freely deployable data collection platform leveraging data from wearables and mobile technologies, can be used to rapidly quantify and provide a holistic view of behavioral changes in response to public health interventions as a result of infectious outbreaks such as COVID-19. RADAR-base may be a viable approach to implementing an early warning system for passively assessing the local compliance to interventions in epidemics and pandemics, and could help countries ease out of lockdown.

来源与署名

Using Smartphones and Wearable Devices to Monitor Behavioral Changes During COVID-19.

Sun S, Folarin AA, Ranjan Y, Rashid Z, Conde P, Stewart C, Cummins N, Matcham F, Dalla Costa G, Simblett S, Leocani L, Lamers F, Sørensen PS, Buron M, Zabalza A, Guerrero Pérez AI, Penninx BW, Siddi S, Haro JM, Myin-Germeys I, Rintala A, Wykes T, Narayan VA, Comi G, Hotopf M, Dobson RJ, RADAR-CNS Consortium.

Journal of medical Internet research · 2020-09-25

DOI: 10.2196/19992 ↗PubMed · 32877352 ↗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 →