先看重点
对65篇文献的综述发现,Fitbit Charge系列在20项研究中步数的平均绝对百分比误差(MAPE)低于25%,Apple Watch在2项研究中心率的MAPE低于10%,而所有品牌的能量消耗误差都超过30%。各研究差异过大无法合并,因此这些只是描述性的规律,而非设备排名。
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
市面上有许多腕戴式追踪器,但很难判断它们有多准、人们是否愿意持续佩戴。作者回顾了文献,评估在一般人群中测量身体活动的腕戴式追踪器的准确性和可接受性(即使用设备完成其设计任务的意愿)。
研究了谁,如何研究
系统综述。检索MEDLINE、Embase、Cochrane中央对照试验注册库和SPORTDiscus中,在一般人群中用腕戴式追踪器测量身体活动的研究。对文章进行筛选,并报告研究场景、人群、测量结局和偏倚风险。因临床异质性很大,未做荟萃分析。准确性以平均绝对百分比误差(MAPE)概括。
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共纳入65篇文献,评估了14项结局的准确性,分为特定活动计数(含步数)、活跃时间、强度(含能量消耗)、心率、距离和速度。最常评估的是步数、心率和能量消耗。
- 2步数:Fitbit Charge(或Charge HR)在20项研究中的MAPE低于25%。心率:Apple Watch在2项研究中的MAPE低于10%。
- 3能量消耗:所有品牌的MAPE都高于30%,各设备的准确性都较差。
- 4可接受性最常通过数据可用性和佩戴时间来衡量。Fitbit Charge HR、Fitbit Flex 2和Garmin Vivofit的数据可用性不低于75%,GENEActiv和Nike FuelBand的佩戴时间均为89%。
局限与不确定性
- 1临床异质性很大,无法进行荟萃分析,所以准确性数字是不同方案、不同人群和不同参照标准的各项研究的汇总。
- 2部分重点结论证据偏薄:Apple Watch心率的结论仅基于2项研究,且许多被测设备(如Fitbit Charge和Vivofit)比现在在售的型号更旧。
- 3可接受性是通过数据可用性和佩戴时间间接衡量的,而非询问使用者,摘要也未报告偏倚风险结果。本解读仅基于摘要。
对日常健康的启示
腕戴式追踪器在计步上相当可靠,Apple Watch在心率上也较可靠,这些数字可以放心参考。所有被测品牌的热量估算都较差,请当作粗略估计,不要据此设定严格的饮食目标。旧型号的结果未必适用于新型号。
如何联系自己的数据
步数和心率适合用来看一周一周的趋势,能量消耗只作大致参考。请坚持用同一设备、戴在同一只手腕上,因为在不同品牌之间或与他人的数字比较时,误差最大。
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
Numerous wrist-wearable devices to measure physical activity are currently available, but there is a need to unify the evidence on how they compare in terms of acceptability and accuracy.
Objective
The aim of this study is to perform a systematic review of the literature to assess the accuracy and acceptability (willingness to use the device for the task it is designed to support) of wrist-wearable activity trackers.
Methods
We searched MEDLINE, Embase, the Cochrane Central Register of Controlled Trials, and SPORTDiscus for studies measuring physical activity in the general population using wrist-wearable activity trackers. We screened articles for inclusion and, for the included studies, reported data on the studies' setting and population, outcome measured, and risk of bias.
Results
A total of 65 articles were included in our review. Accuracy was assessed for 14 different outcomes, which can be classified in the following categories: count of specific activities (including step counts), time spent being active, intensity of physical activity (including energy expenditure), heart rate, distance, and speed. Substantial clinical heterogeneity did not allow us to perform a meta-analysis of the results. The outcomes assessed most frequently were step counts, heart rate, and energy expenditure. For step counts, the Fitbit Charge (or the Fitbit Charge HR) had a mean absolute percentage error (MAPE) <25% across 20 studies. For heart rate, the Apple Watch had a MAPE <10% in 2 studies. For energy expenditure, the MAPE was >30% for all the brands, showing poor accuracy across devices. Acceptability was most frequently measured through data availability and wearing time. Data availability was ≥75% for the Fitbit Charge HR, Fitbit Flex 2, and Garmin Vivofit. The wearing time was 89% for both the GENEActiv and Nike FuelBand.
Conclusions
The Fitbit Charge and Fitbit Charge HR were consistently shown to have a good accuracy for step counts and the Apple Watch for measuring heart rate. None of the tested devices proved to be accurate in measuring energy expenditure. Efforts should be made to reduce the heterogeneity among studies.
来源与署名
Accuracy and Acceptability of Wrist-Wearable Activity-Tracking Devices: Systematic Review of the Literature.
Germini F, Noronha N, Borg Debono V, Abraham Philip B, Pete D, Navarro T, Keepanasseril A, Parpia S, de Wit K, Iorio A.
Journal of medical Internet research · 2022-01-21
DOI: 10.2196/30791 ↗PubMed · 35060915 ↗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

