先看重点
在佩戴Apple Watch的医护人员中,心率变异性指标SDNN的昼夜节律振幅在感染与未感染者之间不同(P=.006),在诊断前后各7天与未感染时段相比也不同(P=.01)。摘要没有给出参与人数和诊断准确性,因此其能否作为个人预警尚未确立。
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
感染会改变自主神经系统功能,表现为心率变异性(HRV)变化,有时早于临床识别症状。研究者检验商用智能手表测得的HRV能否识别新冠感染及相关症状,以及变化是否出现在确诊之前。
研究了谁,如何研究
对西奈山卫生系统医护人员开展的前瞻性观察研究,参与者在手机中使用定制的Warrior Watch Study应用。参与者在整个随访期间佩戴Apple Watch测量HRV,并每天完成有关感染和症状的问卷。采用混合效应余弦模型评估SDNN(正常窦性心搏间期的标准差)的昼夜节律,比较感染者与未感染者,以及感染时段与未感染时段。摘要没有报告参与者人数。
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。
- 1SDNN每日(昼夜)节律的平均振幅在新冠感染者与未感染者之间不同(P=.006)。
- 2与未感染时段相比,诊断前7天和诊断后7天内平均振幅不同(P=.01)。
- 3与其他无症状日相比,首次报告新冠相关症状当天,SDNN节律的均值和振幅有显著变化(P=.01)。
- 4作者认为,在鼻拭子PCR检测确诊之前即可观察到HRV变化。
局限与不确定性
- 1摘要没有报告参与者人数、效应大小或变化方向,差异的幅度和实际意义不清楚。
- 2结果为群体水平的P值,没有给出在个人层面识别感染的敏感度、特异度或误报率。
- 3参与者是同一卫生系统的医护人员,其暴露、压力和睡眠情况可能不同于普通人群。
- 4除感染外,睡眠不足、饮酒、压力和训练等也会改变HRV,因此这些变化并非新冠所特有。
对日常健康的启示
智能手表的HRV模式在感染前后可能出现变化,这很有意思,但它不能告诉你是否感染了新冠。如果感觉不适或有接触史,应进行检测并遵从医嘱,而不是依赖手表。
如何联系自己的数据
手表记录的夜间HRV趋势可以显示身体何时承受压力。请使用同一设备、同样的佩戴方式,并对照自己数周的基线来判断偏离,而不是只看某一晚;持续下降并伴有症状时,应休息并检测,而这并不是诊断。
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
Changes in autonomic nervous system function, characterized by heart rate variability (HRV), have been associated with infection and observed prior to its clinical identification.
Objective
We performed an evaluation of HRV collected by a wearable device to identify and predict COVID-19 and its related symptoms.
Methods
Health care workers in the Mount Sinai Health System were prospectively followed in an ongoing observational study using the custom Warrior Watch Study app, which was downloaded to their smartphones. Participants wore an Apple Watch for the duration of the study, measuring HRV throughout the follow-up period. Surveys assessing infection and symptom-related questions were obtained daily.
Results
Using a mixed-effect cosinor model, the mean amplitude of the circadian pattern of the standard deviation of the interbeat interval of normal sinus beats (SDNN), an HRV metric, differed between subjects with and without COVID-19 (P=.006). The mean amplitude of this circadian pattern differed between individuals during the 7 days before and the 7 days after a COVID-19 diagnosis compared to this metric during uninfected time periods (P=.01). Significant changes in the mean and amplitude of the circadian pattern of the SDNN was observed between the first day of reporting a COVID-19-related symptom compared to all other symptom-free days (P=.01).
Conclusions
Longitudinally collected HRV metrics from a commonly worn commercial wearable device (Apple Watch) can predict the diagnosis of COVID-19 and identify COVID-19-related symptoms. Prior to the diagnosis of COVID-19 by nasal swab polymerase chain reaction testing, significant changes in HRV were observed, demonstrating the predictive ability of this metric to identify COVID-19 infection.
来源与署名
Use of Physiological Data From a Wearable Device to Identify SARS-CoV-2 Infection and Symptoms and Predict COVID-19 Diagnosis: Observational Study.
Hirten RP, Danieletto M, Tomalin L, Choi KH, Zweig M, Golden E, Kaur S, Helmus D, Biello A, Pyzik R, Charney A, Miotto R, Glicksberg BS, Levin M, Nabeel I, Aberg J, Reich D, Charney D, Bottinger EP, Keefer L, Suarez-Farinas M, Nadkarni GN, Fayad ZA.
Journal of medical Internet research · 2021-02-22
DOI: 10.2196/26107 ↗PubMed · 33529156 ↗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
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
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
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

