跳到正文
可穿戴与测量科学证据综述3 分钟阅读

可穿戴设备监测糖尿病:前景可期,但证据仍处早期

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Mobile and Wearable Technology for the Monitoring of Diabetes-Related Parameters: Systematic Review. · JMIR mHealth and uHealth · 2021 · 论文原文 ↗

先看重点

在检索到的1981篇文章中,26项研究用移动或可穿戴设备监测糖尿病相关指标,多用加速度计,作者认为该领域仍处早期。针对2型糖尿病的研究很少,无一研究并发症,临床试验也少,因此无法说明这些设备能否改善诊疗。

证据类型

证据综述

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

糖尿病影响着数亿人,医疗系统一直在寻找能帮助监测和控制病情的工具。作者想梳理移动和可穿戴设备目前被用来追踪哪些会影响糖尿病发生或进展的参数。

研究了谁,如何研究

系统评价,遵循PRISMA指南,纳入2010年1月至2020年7月发表的文章,通过Web of Science、Scopus、PubMed和手工检索获得。凡用可穿戴或移动设备测量血糖、身体活动或足部状况等糖尿病相关参数的研究均可纳入。研究质量用纽卡斯尔-渥太华量表(Newcastle-Ottawa Scale)评估。摘要未报告各研究共纳入多少受试者。

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
    检索到1981篇文章,26篇符合纳入标准。
  2. 2
    研究以可穿戴设备为主。加速度计是迄今用得最多的传感器,其次是血糖监测仪和心率监测仪。
  3. 3
    多数研究对采集的数据做了处理,主要是统计分析或机器学习,用于识别活动、寻找健康结局之间的关联以及诊断糖尿病相关情况。
  4. 4
    针对2型糖尿病的研究很少,尽管它是最常见的类型,也是唯一可预防的类型;也没有研究关注常见的糖尿病并发症。
  5. 5
    多数研究的临床试验有限或没有,对队列和病例选择、可比性及结局的描述常不充分;多数未明确获得伦理委员会批准,隐私和安全问题也很少得到充分处理。

局限与不确定性

  1. 1
    质量评估显示所纳入的研究整体较弱:受试者选择不清、可比性有限、结局描述不充分。
  2. 2
    各研究使用的设备、测量参数和分析方法差别很大,摘要未给出任何设备效果的合并估计。
  3. 3
    综述只涵盖2010年1月至2020年7月的文献,可能未反映更新的传感器。
  4. 4
    本解读仅基于摘要。

对日常健康的启示

这篇综述的结论是,可穿戴设备监测糖尿病前景可期,但尤其在2型糖尿病方面,还缺乏有力的试验证据。不要把它理解为某款手环能改善血糖控制。是否监测、如何治疗,应由你的医生决定。

如何联系自己的数据

这些研究测量的内容,如加速度计记录的活动量、心率以及连续血糖监测仪的血糖,正是许多人已经在记录的数据。比较自己的数值时,请使用同一设备、保持相近条件,并关注数周的趋势而不是单次读数。

如何理解这类证据

先看纳入了哪些设计、检索与偏倚评估如何完成,以及检索截止日期;发表新不代表底层证据都是最新的。

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

Diabetes mellitus is a metabolic disorder that affects hundreds of millions of people worldwide and causes several million deaths every year. Such a dramatic scenario puts some pressure on administrations, care services, and the scientific community to seek novel solutions that may help control and deal effectively with this condition and its consequences.

Objective

This study aims to review the literature on the use of modern mobile and wearable technology for monitoring parameters that condition the development or evolution of diabetes mellitus.

Methods

A systematic review of articles published between January 2010 and July 2020 was performed according to the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines. Manuscripts were identified through searching the databases Web of Science, Scopus, and PubMed as well as through hand searching. Manuscripts were included if they involved the measurement of diabetes-related parameters such as blood glucose level, performed physical activity, or feet condition via wearable or mobile devices. The quality of the included studies was assessed using the Newcastle-Ottawa Scale.

Results

The search yielded 1981 articles. A total of 26 publications met the eligibility criteria and were included in the review. Studies predominantly used wearable devices to monitor diabetes-related parameters. The accelerometer was by far the most used sensor, followed by the glucose monitor and heart rate monitor. Most studies applied some type of processing to the collected data, mainly consisting of statistical analysis or machine learning for activity recognition, finding associations among health outcomes, and diagnosing conditions related to diabetes. Few studies have focused on type 2 diabetes, even when this is the most prevalent type and the only preventable one. None of the studies focused on common diabetes complications. Clinical trials were fairly limited or nonexistent in most of the studies, with a common lack of detail about cohorts and case selection, comparability, and outcomes. Explicit endorsement by ethics committees or review boards was missing in most studies. Privacy or security issues were seldom addressed, and even if they were addressed, they were addressed at a rather insufficient level.

Conclusions

The use of mobile and wearable devices for the monitoring of diabetes-related parameters shows early promise. Its development can benefit patients with diabetes, health care professionals, and researchers. However, this field is still in its early stages. Future work must pay special attention to privacy and security issues, the use of new emerging sensor technologies, the combination of mobile and clinical data, and the development of validated clinical trials.

来源与署名

Mobile and Wearable Technology for the Monitoring of Diabetes-Related Parameters: Systematic Review.

Rodriguez-León C, Villalonga C, Munoz-Torres M, Ruiz JR, Banos O.

JMIR mHealth and uHealth · 2021-06-03

DOI: 10.2196/25138 ↗PubMed · 34081010 ↗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 →