跳到正文
可穿戴与测量科学测量验证研究/综述3 分钟阅读

20名顶级耐力运动员:每日自评与对应指标相关,但因人而异

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:Validating Subjective Ratings with Wearable Data for a Nuanced Understanding of Load-Recovery Status in Elite Endurance Athletes. · Sports medicine - open · 2025 · 论文原文 ↗

先看重点

在20名国家队耐力运动员为期一年的监测中,Readiness Advisor应用中的每个问题都与其对应指标相关(r = 0.39至0.81),但时间序列分析显示个体差异明显。仅20名运动员,结果不能直接推广到其他运动员或普通健身者。

证据类型

测量验证研究/综述

解读依据

公开摘要

阅读重点

参照与测量误差

研究在问什么

可穿戴设备有望帮助运动员管理训练负荷与恢复,但该选哪些指标、如何组合、与运动员的主观感受相比有多可信,目前并不清楚。研究者把睡眠、血糖和运动设备的数据与情绪问卷及每日主观评分对照,考察它们之间的关系。

研究了谁,如何研究

20名在最高国际水平比赛的国家队耐力运动员,在一年的训练、恢复和比赛期间接受监测。数据来自GPS手表和心率监测器、Oura指环、连续血糖监测仪、心境状态量表(POMS)问卷,以及Readiness Advisor应用(RA应用)中的主观评分。用线性混合模型把每个RA问题与对应指标相联系,并用自回归积分滑动平均(ARIMA)时间序列分析逐个考察每位运动员的数据。

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
    线性混合模型中,RA应用的每个问题都与其对应指标显著相关,r值为0.39至0.81。
  2. 2
    ARIMA时间序列分析显示存在个体差异:不同运动员的主观评分与可穿戴指标之间的关联模式各不相同。
  3. 3
    作者的结论是,个体化分析比群体平均更准确,主观与客观数据结合使用效果最好。

局限与不确定性

  1. 1
    仅纳入20名运动员且均为顶级水平,结果未必适用于其他运动员或日常锻炼者。
  2. 2
    摘要没有给出数据点数量、P值或置信区间,相关范围较宽(0.39至0.81)也说明部分关联较弱。
  3. 3
    主观评分与设备数据相关,并不说明其中任何一个能预测运动表现或损伤。
  4. 4
    摘要未说明具体哪项可穿戴指标与主观评分对应得最好;本文解读仅基于摘要。

对日常健康的启示

如果你每天记录自己的感受并配合设备数据,两者通常会有一定程度的同步变化,但并不完全一致,且因人而异。请以自己的基线作比较,把设备评分当作与主观感受并列的一项参考。这项研究并没有证明按恢复评分训练能提高成绩。

如何联系自己的数据

在指环或手表数据旁,每天用简短评分记录疲劳、情绪和睡眠,保持设备与日常安排不变。关注自己的数据在数周内如何变化,而不是与他人比较。

如何理解这类证据

一致性取决于设备、固件、参照、人群和场景。相关性不等于一致性;验证某个指标不等于已证明诊断或治疗获益。

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 emergence of wearable technology offers enhanced real-time health management, including sleep, recovery, and exercise optimization. Despite their potential to monitor load-recovery parameters in elite athletes, the selection, combination, and interpretation or reliance of metrics in relation to perceived impact remain unclear.

Objective

This study assessed data from three wearables measuring sleep, continuous glucose, and exercise, together with the Profile of Mood State (POMS) dimensions alongside subjective ratings via the Readiness Advisor application (RA app) (Silicon Valley Exercise Analytics, svexa, Menlo Park, California, USA) to evaluate their association and value in load-recovery monitoring.

Methods

Twenty national team endurance athletes, competing at the highest international level, were monitored during one year of training, recovery, and competitions. Data collections were made with Global Positioning System (GPS) watches and heart rate monitors, Ōura rings (Ōura Health OY, Oulu, Finland), continuous glucose monitors, POMS questionnaires and subjective ratings in the RA app.

Results

Significant correlations were found between each RA question and its counterpart in a linear mixed model (r values = 0.39-0.81). However, time series analysis through autoregressive integrated moving average (ARIMA analysis) revealed individual variability.

Conclusions

These findings indicate an influence of external aspects and advocate for a multifaceted approach to the assessment of load-recovery balance, well-being and performance. Moreover, personalized analyses proved more accurate than group averages, emphasizing the need for individualized monitoring. Integrating subjective and objective data appears essential for nuanced understanding of the athlete status, advancing high-performance monitoring and athletic health management.

来源与署名

Validating Subjective Ratings with Wearable Data for a Nuanced Understanding of Load-Recovery Status in Elite Endurance Athletes.

Spetz L, Rogestedt J, Nilsson R, Mattsson CM, Larsen FJ.

Sports medicine - open · 2025-12-10

DOI: 10.1186/s40798-025-00958-y ↗PubMed · 41369808 ↗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 →