跳到正文
可穿戴与测量科学证据综述3 分钟阅读

可穿戴设备与医护人员职业倦怠:尚无可靠指标,仅有零星线索

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Wearable Technologies for Detecting Burnout and Well-Being in Health Care Professionals: Scoping Review. · Journal of medical Internet research · 2024 · 论文原文 ↗

先看重点

一项纳入10项研究的范围综述发现,没有哪项生理指标与医护人员的职业倦怠或焦虑可靠相关,不过步数和卧床时间与抑郁症状有关,心率和心率变异性与急性压力有关。研究数量少、时间短、样本小,可穿戴设备预测倦怠仍未得到证实。

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

在美国,多达60%的医学生、住院医师、医生和注册护士有职业倦怠症状,可穿戴设备若能提前预警会很有帮助。作者想找出可穿戴设备能捕捉到的职业倦怠生理标志物,并梳理目前用可穿戴设备预测医护人员倦怠方面的空白。

研究了谁,如何研究

范围综述。作者于2022年6月7日检索了11个数据库,包括MEDLINE、Embase、PsycInfo、Cochrane中央对照试验注册库、Web of Science、Scopus和CINAHL,不设日期限制。纳入对象为佩戴可穿戴设备的医学生、住院医师、医生和护士中关于焦虑、职业倦怠、压力和抑郁的研究,并用Newcastle Ottawa队列研究质量评价表评估偏倚。检索得到505篇论文,纳入10项(1.95%)。

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
    纳入的10项研究中,多数(n=9)使用腕戴式生物传感器,多数(n=8)为观察性队列研究,偏倚风险较低。
  2. 2
    没有任何生理指标与职业倦怠或焦虑可靠相关。
  3. 3
    步数和卧床时间与抑郁症状有关,心率和心率变异性与急性压力有关。
  4. 4
    研究很少有长期观察(如12个月或以上)或大样本,也很少把可穿戴数据与患者病情复杂度等系统层面信息结合。设备依从性和采样频率的报告往往不够充分。

局限与不确定性

  1. 1
    仅10项研究符合标准,且多为观察性、小样本,这篇综述无法回答可穿戴设备能否预测职业倦怠。
  2. 2
    摘要未报告效应量,各研究使用的设备和指标很可能不同,作者将其视为数据标准化问题。
  3. 3
    设备依从性和采样频率报告不足,难以判断可穿戴设备实际采集到多少数据。
  4. 4
    本解读仅基于摘要。

对日常健康的启示

如今的可穿戴设备可以显示你的压力、睡眠和活动在如何变化,但目前还没有经过验证、能检测职业倦怠的评分。如果工作压力影响了你的情绪、睡眠或工作状态,与临床医生或单位的支持服务沟通,比任何设备读数都重要。

如何联系自己的数据

这里与心理状态相关的信号,正是许多可穿戴设备记录的:步数、卧床时间、心率和HRV。请在同一设备上比较数周的数据,留意活动减少或卧床时间变长等持续变化,把它们当作自我检视的提示,而不是倦怠的诊断。

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

The occupational burnout epidemic is a growing issue, and in the United States, up to 60% of medical students, residents, physicians, and registered nurses experience symptoms. Wearable technologies may provide an opportunity to predict the onset of burnout and other forms of distress using physiological markers.

Objective

This study aims to identify physiological biomarkers of burnout, and establish what gaps are currently present in the use of wearable technologies for burnout prediction among health care professionals (HCPs).

Methods

A comprehensive search of several databases was performed on June 7, 2022. No date limits were set for the search. The databases were Ovid: MEDLINE(R), Embase, Healthstar, APA PsycInfo, Cochrane Central Register of Controlled Trials, Cochrane Database of Systematic Reviews, Web of Science Core Collection via Clarivate Analytics, Scopus via Elsevier, EBSCOhost: Academic Search Premier, CINAHL with Full Text, and Business Source Premier. Studies observing anxiety, burnout, stress, and depression using a wearable device worn by an HCP were included, with HCP defined as medical students, residents, physicians, and nurses. Bias was assessed using the Newcastle Ottawa Quality Assessment Form for Cohort Studies.

Results

The initial search yielded 505 papers, from which 10 (1.95%) studies were included in this review. The majority (n=9) used wrist-worn biosensors and described observational cohort studies (n=8), with a low risk of bias. While no physiological measures were reliably associated with burnout or anxiety, step count and time in bed were associated with depressive symptoms, and heart rate and heart rate variability were associated with acute stress. Studies were limited with long-term observations (eg, ≥12 months) and large sample sizes, with limited integration of wearable data with system-level information (eg, acuity) to predict burnout. Reporting standards were also insufficient, particularly in device adherence and sampling frequency used for physiological measurements.

Conclusions

With wearables offering promise for digital health assessments of human functioning, it is possible to see wearables as a frontier for predicting burnout. Future digital health studies exploring the utility of wearable technologies for burnout prediction should address the limitations of data standardization and strategies to improve adherence and inclusivity in study participation.

来源与署名

Wearable Technologies for Detecting Burnout and Well-Being in Health Care Professionals: Scoping Review.

Barac M, Scaletty S, Hassett LC, Stillwell A, Croarkin PE, Chauhan M, Chesak S, Bobo WV, Athreya AP, Dyrbye LN.

Journal of medical Internet research · 2024-06-25

DOI: 10.2196/50253 ↗PubMed · 38916948 ↗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 →