先看重点
基于1041名在职成年人的107 144晚Fitbit数据,总睡眠时间的周平均值有3晚即可达到“良好”、5晚达到“很好”的可靠性,月平均值则分别需要5晚和10晚。睡眠波动性需要的夜数多得多(月度为11晚和18晚),而且参与者是21-40岁的健康在职成年人,只用了一个设备品牌。
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
研究者和个人常用消费级睡眠追踪器描述习惯性睡眠,但需要记录多少晚,平均值或夜间波动才不再受偶然因素左右,并不清楚。研究者想知道,用Fitbit估计睡眠时长及其波动的每周和每月可靠数值,最少需要多少晚。
研究了谁,如何研究
对1041名21-40岁在职成年人的107 144晚Fitbit数据进行分析。针对每周和每月时间窗口做组内相关系数(ICC)分析,求出达到0.60和0.80的ICC值所需夜数,分别对应“良好”和“很好”的可靠性,并分别估计全部日期、仅工作日和仅周末的情况。得出的最少夜数在1个月和1年后收集的数据上进行了验证。摘要未说明国家和Fitbit型号。
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对于总睡眠时间(TST)的平均值,一周内3晚达到“良好”,5晚达到“很好”;按月则需要5晚和10晚。
- 2仅工作日时,每周窗口需要2晚和3晚,每月窗口需要3晚和7晚。仅周末的月度TST估计需要3晚和5晚。
- 3TST波动性在每周窗口需要5晚和6晚,每月窗口需要11晚和18晚。仅工作日的每周波动性两个水平均需4晚,仅工作日的月波动性需要9晚和14晚;仅周末的月波动性需要5晚和7晚。
- 4用这些夜数在1个月和1年后收集的数据中估计误差,与原始数据集中的误差相当。
局限与不确定性
- 1参与者是21-40岁的在职成年人,结果未必适用于老年人、轮班工作者、儿童或有睡眠障碍的人。
- 2数据只来自一种消费级设备,摘要未与多导睡眠图比较,所以发现的可靠性指的是一致性,而不是睡眠时间的准确性。
- 3ICC的0.60和0.80是常规阈值,因此所述最少夜数取决于你要求的可靠性有多严格。
- 4本解读仅基于摘要。
对日常健康的启示
如果想从追踪器得到稳定的日常睡眠时长,周平均值至少约5晚、月平均值至少约10晚是合理的底线。判断睡眠有多不规律则需要多得多的夜数。这些是数据可靠性的最低要求,不是睡眠目标;如有睡眠问题,请咨询临床医生。
如何联系自己的数据
这直接适用于可穿戴设备的睡眠数据:先积累足够的夜数再解读平均值,并连续数周使用同一设备。睡眠时长的波动性指标需要大约两三周的夜数才能稳定,所以不要凭寥寥几晚解读。
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。
Study objectives
To determine the minimum number of nights required to reliably estimate weekly and monthly mean sleep duration and sleep variability measures from a consumer sleep technology (CST) device (Fitbit).
Methods
Data comprised 107 144 nights from 1041 working adults aged 21-40 years. Intraclass correlation (ICC) analyses were conducted on both weekly and monthly time windows to determine the number of nights required to achieve ICC values of 0.60 and 0.80, corresponding to "good" and "very good" reliability thresholds. These minimum numbers were then validated on data collected 1-month and 1-year later.
Results
Minimally, 3 and 5 nights were required to obtain "good" and "very good" mean weekly total sleep time (TST) estimates, while 5 and 10 nights were required for monthly TST estimates. For weekday-only estimates, 2 and 3 nights were sufficient for weekly time windows while 3 and 7 nights sufficed for monthly time windows. Weekend-only estimates of monthly TST required 3 and 5 nights. TST variability required 5 and 6 nights for weekly time windows, and 11 and 18 nights for monthly time windows. Weekday-only weekly variability required 4 nights for both "good" and "very good" estimates while monthly variability required 9 and 14 nights. Weekend-only estimates of monthly variability required 5 and 7 nights. Error estimates made using data collected 1-month and 1-year later with these parameters were comparable to those associated with the original dataset.
Conclusions
Studies should consider the metric, measurement window of interest, and desired reliability threshold to decide on the minimum number of nights required to assess habitual sleep using CST devices.
来源与署名
Minimum number of nights for reliable estimation of habitual sleep using a consumer sleep tracker.
Lau T, Ong JL, Ng BKL, Chan LF, Koek D, Tan CS, Müller-Riemenschneider F, Cheong K, Massar SAA, Chee MWL.
Sleep advances : a journal of the Sleep Research Society · 2022-08-31
DOI: 10.1093/sleepadvances/zpac026 ↗PubMed · 37193398 ↗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

