跳到正文
可穿戴与测量科学横断面研究3 分钟阅读

慢性病患者总体欢迎带AI的可穿戴设备,但担心数据准确性

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Adoption barriers and facilitators of wearable health devices with AI integration: a patient-centred perspective. · Frontiers in medicine · 2025 · 论文原文 ↗

先看重点

在对455人(多数为慢性病患者)的在线调查中,人们对AI可穿戴健康设备的看法总体偏正面,但对技术故障、数据准确性和人际接触减少仍有明显担忧。样本来自便利抽样和分层抽样,摘要又没有给出具体数字,因此每种看法有多普遍并不清楚。

证据类型

横断面研究

解读依据

公开摘要

阅读重点

关联与混杂

研究在问什么

AI可穿戴设备有望实现持续监测、早期发现和个体化的慢性病管理,但前提是患者信任并愿意使用。研究者调查了患者对这类设备的看法、信任度和认知,以找出促进或阻碍采用的因素。

研究了谁,如何研究

横断面在线问卷研究,共455名参与者,包括慢性病患者,通过便利抽样和分层抽样招募。问卷包括人口学问题、李克特量表条目,以及评估对特定AI功能和设备功能了解程度的选择题。摘要没有说明国家或场所,也没有报告百分比或统计检验。

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
    看法以正面为主:多数参与者认同可穿戴设备能促进主动式医疗、方便远程会诊并提供精准的健康信息。
  2. 2
    明显的担忧包括技术故障、数据准确性,以及可能减少人际互动。
  3. 3
    未发现显著的人口学差异,但慢性病患者的看法更积极。
  4. 4
    作者的结论是,要让AI可穿戴设备在慢性病管理中成功应用,需要用户教育、技术可靠性和专业人员监督。

局限与不确定性

  1. 1
    便利抽样和在线调查更容易纳入熟悉技术的人,所以看法可能比更广泛的患者人群更积极。
  2. 2
    摘要没有报告百分比、效应量或P值,无法判断正面看法和担忧的强弱。
  3. 3
    对益处的看法并不等于证据,说明设备能改善健康,研究也没有测量实际使用情况或健康结局。
  4. 4
    摘要没有说明调查在哪里进行,结果未必适用于其他医疗体系。

对日常健康的启示

结果显示,慢性病患者愿意接受AI辅助的可穿戴设备,只要它可靠并有临床医生配合,这种态度是合理的。依据设备做健康决策前,请了解它经过了怎样的验证,对让你担心的读数,应与临床医生讨论。

如何联系自己的数据

这项研究讲的是对可穿戴设备的态度,不是可以记录的指标。调查中提到的担忧,对你自己的数据同样实用:留意数据是否有缺失或错误,持续使用同一台设备,并把提醒当作联系专业人员的线索,而不是诊断。

如何理解这类证据

同一时期的测量通常不能确定方向或因果;症状可能改变行为,不能只按行为导致症状解释。

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。

Introduction

Wearable devices that incorporate artificial intelligence (AI) have revolutionised healthcare through continuous monitoring, early detection, and tailored management of chronic diseases.

Methods

This cross-sectional study analysed patients' perceptions, trust, and awareness of AI-driven wearable health technologies, emphasising the identification of primary facilitators and barriers to adoption. A total of 455 participants, comprising individuals with chronic conditions, were recruited through convenience and stratified sampling methods. Data were collected via an online questionnaire that included demographic questions, Likert-scale items, and multiple-choice questions to evaluate awareness of particular AI features and the functionalities of wearable devices.

Results and discussion

The findings indicated predominantly positive perceptions, with most participants concurring that wearable devices improve proactive care, facilitate remote consultations, and deliver precise health insights. Concerns regarding technical failures, data accuracy, and the potential reduction of human interaction were significant. No notable demographic differences were identified; however, participants with chronic conditions expressed more favourable perceptions. The research emphasises the necessity of user education, technical reliability, and professional oversight for the successful integration of AI-powered wearables in the management of chronic diseases.

来源与署名

Adoption barriers and facilitators of wearable health devices with AI integration: a patient-centred perspective.

Alzghaibi H.

Frontiers in medicine · 2025-04-03

DOI: 10.3389/fmed.2025.1557054 ↗PubMed · 40248075 ↗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 →