跳到正文
可穿戴与测量科学证据综述3 分钟阅读

可穿戴远程健康监测:多用传统统计,AI应用少,证据尚薄弱

MoveVitals 编辑部 · 研究发表 · 解读更新

原文:A systematic review on wearable-enabled remote health monitoring. · Digital health · 2026 · 论文原文 ↗

先看重点

一项纳入55项研究(2020年至2025年)的系统综述发现,可穿戴远程监测仍主要依赖传统统计方法,先进人工智能的应用有限,针对心理和认知健康的研究也落后于身体健康监测。摘要没有报告对患者结局的合并效应,因此无法说明这类系统究竟能在多大程度上改善医疗。

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

可穿戴设备越来越多地用于居家监测患者,但它们对改善医疗的效果以及技术整合的成熟程度仍不清楚。作者梳理了可穿戴远程监测目前是如何被应用和研究的。

研究了谁,如何研究

按PRISMA方法进行的系统综述,检索2020年至2025年发表的研究。共选入55项研究,提取研究设计、可穿戴设备类型、反馈机制和分析方法等信息。摘要未说明检索的数据库、患者人群和设备,也未报告定量合并分析。

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
    多数研究依赖传统统计方法,先进人工智能的应用有限,尽管它有望提高预测能力。
  2. 2
    综述强调个性化反馈对于提高患者参与度和依从性很重要。
  3. 3
    针对认知和心理健康的研究明显少于针对身体健康监测的研究。
  4. 4
    作者呼吁采用更严谨的方法,包括科学的临床试验,并在今后的研究中引入机器学习和更全面的视角。

局限与不确定性

  1. 1
    摘要没有给出任何效应量,关于改善医疗效果的说法在这里没有数据支撑。
  2. 2
    55项研究的设计和设备各不相同,无法说明哪种设备或反馈方式最有效。
  3. 3
    作者自己的结论是证据基础需要更严格的试验,这意味着现有文献的严谨性有限。
  4. 4
    本解读仅基于摘要。

对日常健康的启示

除非经过规范的临床试验检验,对“某个可穿戴项目能改善健康”的说法应保持谨慎。综述提示,针对个人的反馈比单纯呈现数据更有可能让人坚持使用。若监测由医疗团队安排,数据的含义应由医生判断。

如何联系自己的数据

用可穿戴设备监测自己的健康时,可以挑选少数对你有意义的指标,持续佩戴同一设备,看趋势而不是孤立的读数。心理健康在这方面研究不足,设备给出的情绪或压力评分只能当作粗略提示,不能当作测量结果。

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。

Objective

This systematic review investigates the application of wearable technologies for remote health monitoring, with a particular focus on their effectiveness in improving patient care and the current state of technological integration.

Methods

Following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses methodology, a comprehensive search was conducted for studies published between 2020 and 2025. A total of 55 studies were selected, and data were extracted regarding study design, wearable types, feedback mechanisms, and analytical approaches.

Results

The analysis reveals a significant reliance on traditional statistical methods, with limited integration of advanced artificial intelligence techniques despite their potential to improve predictive capabilities. The review emphasizes the importance of personalized feedback mechanisms in promoting patient engagement and adherence. Furthermore, a notable gap was identified in research addressing cognitive and psychological well-being compared to physical health monitoring.

Conclusion

The findings highlight the need for more rigorous methodologies, including scientific clinical trials, to strengthen the evidence base. Future work should prioritize the integration of machine learning and adopt a more holistic approach to provide a comprehensive understanding of the state-of-the-art and inform future research directions.

来源与署名

A systematic review on wearable-enabled remote health monitoring.

Ribeiro R, Martins R, Pereira H, Crista V, Souza J, Almeida R, Martinho D, Conceição L, Freitas A, Marreiros G.

Digital health · 2026-01-01

DOI: 10.1177/20552076261428387 ↗PubMed · 41783284 ↗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 →