慢性腰痛患者自评活动量高于传感器记录,实时疼痛评分偏低
989名慢性腰痛成人连续7天每天三次记录疼痛,疼痛强度中位数仅为1(0~10分),自评活动量高于腕部、腰部和背部传感器的记录。研究对象来自大型研究中心,且只观察了1周,结果未必代表数月内的疼痛变化。
JOR spine
数量表示本站收录规模,不代表领域证据的强弱。
验证结论取决于指标、型号、参照与场景。心率相对可靠,不能自动验证热量或睡眠分期;同一批加速度计数据采用不同算法,也会改变活动与疾病的关联估计。
找到 131 篇论文
清除筛选989名慢性腰痛成人连续7天每天三次记录疼痛,疼痛强度中位数仅为1(0~10分),自评活动量高于腕部、腰部和背部传感器的记录。研究对象来自大型研究中心,且只观察了1周,结果未必代表数月内的疼痛变化。
JOR spine
在对432名中国慢性病患者的调查中,预期实用性、预期易用性、社会影响和便利条件均正向预测使用可穿戴设备的意愿,意愿又预测实际使用。这是自我报告的横断面调查,反映的是模型中的关联,不能说明什么会改变行为。
Frontiers in public health
在30项于临床和真实环境中使用可穿戴传感器的研究中,67%(20/30)使用惯性测量单元,4项研究(13%)报告对跌倒风险和活动能力下降有较高预测准确性(AUC最高0.97)。研究多为观察性,传感器位置和方法不一,最佳准确率未必适用于日常使用。
JMIR mHealth and uHealth
在26项研究中,组合多种信号的可穿戴方法识别焦虑的合并准确率为81.94%,高于单一信号的76.85%,其中心电图是最可靠的单一信号(12项研究合并准确率80.34%)。单传感器研究少、方法不一,比较较为粗略,研究环境中的准确率也未必适用于日常生活。
Communications medicine
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。
Digital health
30项研究共纳入40,334名5-18岁青少年,中高强度活动越多,抑郁(偏相关系数r = -0.17)和焦虑(偏相关系数r = -0.21)症状越少,关联较小。一半研究为横断面研究且加速度计方法差异很大,合并效应不确定,也不能证明因果方向。
BMC pediatrics
在28名健康青年中,光学心率设备静息时与胸带高度一致(CCC > 0.99),但波比跳时一致性明显下降(CCC < 0.50),3个相同的Whoop 4.0戴在不同部位表现也不同。样本小且为健康人群、运动方案较短,结果未必适用于日常佩戴。
Sensors (Basel, Switzerland)
在271名接受移动心脏康复的老年人中,8聚类分析里持续高佩戴组的6分钟步行距离比低依从组多提高38.5米(95%置信区间2.2至74.7;P=.04)。2聚类分析仅为趋势(24.6米,P=.06),证据较弱,也不能说明因果。
Journal of medical Internet research
在84095名英国生物银行参与者中,随访中位数7.90年,休息-活动节律振幅处于最低五分位的人,缺血性心脏病风险升高(HR 1.20,95%置信区间1.12至1.30)。腕戴设备数据与遗传分析提示可能存在因果关系,但孟德尔随机化依赖假设,且结果接近临界(P=.047)。
Journal of medical Internet research
这项纳入48项研究的混合方法综述发现,可穿戴设备和交互界面可帮助老年人参与自身健康管理,但可用性、数字素养低、隐私和费用等问题限制了应用。综述未报告效应量,研究质量参差,只有部分研究较为严谨。
Frontiers in medicine
104名婴儿用可穿戴设备测量了424个夜晚,家长对睡眠质量的评分与家长报告的觉醒(rho = -0.47)和设备测得的觉醒(rho = -0.40)均呈中等程度相关。家长低估了较短的觉醒,高估了较长的觉醒;但样本较小,摘要也没有说明该设备与金标准睡眠检测的对照。
Pediatric research
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。
Sports medicine - open
一项范围综述检索到2385条记录,仅有19项研究用可穿戴设备结合人工智能对心血管事件做实时检测或预测,且多数使用公开数据集,缺乏真实场景验证。综述只是梳理现状,并未衡量这些系统实际效果如何。
JMIR mHealth and uHealth
一项叙述性综述发现,人工智能可穿戴设备在心律失常检测中诊断准确度高,在心力衰竭监测中结果令人期待,尤其是获得美国食品药品监督管理局(FDA)或欧盟CE认证的设备。多数研究规模小、周期短且在受控环境中进行,综述也没有给出合并数值。
Cureus
在72项、共7949名参与者的研究中,用于居家监测运动的可穿戴设备总体接受度良好,依从性在70%及以上,与临床评估的一致性也很好。但只有一半研究是对照试验,随机试验仅占5.6%,因此它们能否改善诊疗的证据有限。
Sensors (Basel, Switzerland)
这项范围综述梳理了109项将可穿戴设备用于老年人健康促进的研究,最常见的目标是活动能力、心理健康、跌倒、心律失常检测、活动识别和睡眠监测。多数研究为应用设计或观察性研究,因此它说明的是研究了什么,而不是什么有效。
Journal of medical Internet research
在这项纳入50名患者的远程心脏康复预试验中,使用Fitbit后,有在线指导组(+1.6 mL/kg/min,P<.001)和仅用可穿戴设备组(+0.6 mL/kg/min,P=.008)的峰值摄氧量较基线均有升高,两组间无差异(P=.65)。试验规模小、单中心且为开放标签,不能说明在线指导会提高体能。
JMIR mHealth and uHealth
一项范围综述纳入46项研究,发现可穿戴设备上的人工智能主要用于睡眠呼吸暂停的筛查和诊断,没有研究将其用于治疗;46项中有30项(65%)使用了商用设备。该综述只描绘现状,没有合并准确性数据,因此无法说明这些系统的实际效果。
Journal of medical Internet research