跳到正文
可穿戴与测量科学研究论文3 分钟阅读

Fitbit Charge HR用于9-11岁儿童:能识别睡眠,但难识别清醒

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Performance of a commercial multi-sensor wearable (Fitbit Charge HR) in measuring physical activity and sleep in healthy children. · PloS one · 2020 · 论文原文 ↗

先看重点

在59名9-11岁健康儿童中,Fitbit Charge HR低估了步数(约每分钟11.8步)和心率(约3.58 bpm),对睡眠识别较好(敏感度95.8%)、对清醒识别较差(特异度56.3%)。睡眠对照仅有26名儿童,睡眠准确性结果基于较小样本。

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

儿童佩戴消费级活动追踪器越来越普遍,但大多数准确性验证是在成年人中做的。作者检验Fitbit Charge HR与研究级设备的身体活动测量以及多导睡眠监测(PSG,睡眠检查的金标准)结果有多接近。

研究了谁,如何研究

验证研究。59名9-11岁健康男孩和女孩在14项标准化的实验室和现场活动(静坐、固定自行车、跑步机步行或慢跑、爬楼梯、户外步行、敏捷性练习)中佩戴Fitbit Charge HR,与研究级测量对比;其中26名儿童在家中接受无人值守的整夜PSG作为睡眠对照。用Bland-Altman方法评估一致性,并做逐分钟的逐时段分析。

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
    与研究级测量相比,设备低估了步数(约每分钟11.8步)、心率(约3.58 bpm)和代谢当量(约每分钟0.55 METs),高估了能量消耗(约每分钟0.34千卡),均为p< 0.05。
  2. 2
    在区分中高强度活动与久坐及轻度活动时,总体准确率为84.8%(中高强度活动敏感度85.4%,久坐及轻度活动特异度83.1%)。
  3. 3
    睡眠方面,总睡眠时间的平均偏差为14分钟,入睡后清醒时间为9分钟,睡眠中心率为1.06 bpm。
  4. 4
    识别睡眠的敏感度高(95.8%),识别清醒的特异度却只有56.3%,说明设备会把部分清醒时间判为睡眠。睡眠中的心率比运动中的心率更准确。

局限与不确定性

  1. 1
    59名儿童中只有26名有睡眠记录,且均为健康儿童,结果未必适用于有睡眠问题或疾病的儿童。
  2. 2
    睡眠只测了在家的一个夜晚,活动也是固定方案下的任务,而非日常自由活动。
  3. 3
    摘要只报告了一种设备型号(Fitbit Charge HR),该型号已被更新产品取代。以上解读仅基于摘要。

对日常健康的启示

看孩子的追踪器数据时,步数和卡路里只能当作粗略估计,因为该设备低估步数、高估能量消耗。总睡眠时间看起来比较接近,但夜间醒来很可能被漏掉。

如何联系自己的数据

如果孩子或青少年佩戴追踪器,请与他们自己过去几周的数据比较,并使用同一设备、同一手腕,不要与其他孩子或其他品牌对比。步数、睡眠时间和心率应当作趋势参考,而不是精确测量。

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。

Purpose

This study sought to assess the performance of the Fitbit Charge HR, a consumer-level multi-sensor activity tracker, to measure physical activity and sleep in children.

Methods

59 healthy boys and girls aged 9-11 years old wore a Fitbit Charge HR, and accuracy of physical activity measures were evaluated relative to research-grade measures taken during a combination of 14 standardized laboratory- and field-based assessments of sitting, stationary cycling, treadmill walking or jogging, stair walking, outdoor walking, and agility drills. Accuracy of sleep measures were evaluated relative to polysomnography (PSG) in 26 boys and girls during an at-home unattended PSG overnight recording. The primary analyses included assessment of the agreement (biases) between measures using the Bland-Altman method, and epoch-by-epoch (EBE) analyses on a minute-by-minute basis.

Results

Fitbit Charge HR underestimated steps (~11.8 steps per minute), heart rate (~3.58 bpm), and metabolic equivalents (~0.55 METs per minute) and overestimated energy expenditure (~0.34 kcal per minute) relative to research-grade measures (p< 0.05). The device showed an overall accuracy of 84.8% for classifying moderate and vigorous physical activity (MVPA) and sedentary and light physical activity (SLPA) (sensitivity MVPA: 85.4%; specificity SLPA: 83.1%). Mean estimates of bias for measuring total sleep time, wake after sleep onset, and heart rate during sleep were 14 min, 9 min, and 1.06 bpm, respectively, with 95.8% sensitivity in classifying sleep and 56.3% specificity in classifying wake epochs.

Conclusions

Fitbit Charge HR had adequate sensitivity in classifying moderate and vigorous intensity physical activity and sleep, but had limitations in detecting wake, and was more accurate in detecting heart rate during sleep than during exercise, in healthy children. Further research is needed to understand potential challenges and limitations of these consumer devices.

来源与署名

Performance of a commercial multi-sensor wearable (Fitbit Charge HR) in measuring physical activity and sleep in healthy children.

Godino JG, Wing D, de Zambotti M, Baker FC, Bagot K, Inkelis S, Pautz C, Higgins M, Nichols J, Brumback T, Chevance G, Colrain IM, Patrick K, Tapert SF.

PloS one · 2020-09-04

DOI: 10.1371/journal.pone.0237719 ↗PubMed · 32886714 ↗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 →