英国10至11岁儿童在解封后活动量更低,其父母则未见变化
与2017至2018年相比,2021年10至11岁儿童加速度计测得的中高强度活动在工作日少7.7分钟(95%置信区间3.5~11.9),周末少6.9分钟(95%置信区间0.9~12.9),久坐时间更长。比较的是两批不同的儿童(2021年393名,此前1296名),因此差异未必全由封控造成。
The international journal of behavioral nutrition and physical activity
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
清除筛选与2017至2018年相比,2021年10至11岁儿童加速度计测得的中高强度活动在工作日少7.7分钟(95%置信区间3.5~11.9),周末少6.9分钟(95%置信区间0.9~12.9),久坐时间更长。比较的是两批不同的儿童(2021年393名,此前1296名),因此差异未必全由封控造成。
The international journal of behavioral nutrition and physical activity
这项范围综述检索了2011年至2021年6月25日的文献,共找到344篇,其中19篇(5.5%)符合纳入条件,涉及孤独症、注意缺陷多动障碍(ADHD)和焦虑类障碍,使用胸带或手腕设备(如Fitbit手表)。这些研究差异很大,多为试点或可行性研究,并不能证明可穿戴人工智能可用于诊断。
Journal of medical Internet research
在100名房颤患者和100名窦性心律患者中,Apple和Samsung手表的算法诊断房颤优于Withings(敏感性/特异性为87%/86%、88%/81%,对比78%/80%,p < 0.05),主要因为Withings得出的无结论心电图更多。专家判读时的排名则不同,且记录是在临床环境中完成的。
Frontiers in cardiovascular medicine
汇总41项研究后,使用消费级活动追踪器的干预项目可增加学龄儿童的每日步数(d = 0.612,95%置信区间0.477-0.746)和中高强度活动(d = 0.220),但久坐行为没有改善(d = 0.172,方向不利)。证据确定性为低至中等,且不少纳入研究并非随机设计。
Sports medicine - open
对65篇文献的综述发现,Fitbit Charge系列在20项研究中步数的平均绝对百分比误差(MAPE)低于25%,Apple Watch在2项研究中心率的MAPE低于10%,而所有品牌的能量消耗误差都超过30%。各研究差异过大无法合并,因此这些只是描述性的规律,而非设备排名。
Journal of medical Internet research
267名在职成年人连续14天佩戴Fitbit Charge 2,夜间心率波动更大、步数节律更不规律者抑郁症状更重,但在全部样本中检出能力有限。80%的准确率仅出现在把抑郁者与无或极轻症状者作对比的子样本中,比真实筛查容易得多。
JMIR mHealth and uHealth
在89205名英国生物银行参与者中,有终身住院精神科诊断者在10项腕戴加速度计睡眠指标中,中位数有8.5项与其他人不同,但效应较小(最大β为-0.11,95%置信区间-0.13至-0.10,见于抑郁症与睡眠效率)。这是横断面分析,诊断往往早于睡眠记录。
PLoS medicine
在29项针对60岁以上社区老年人的研究中,除1项外,可穿戴设备测得的身体活动都与衰弱程度相关,所有报告步速的研究都发现步速与衰弱相关。这些研究使用了13种传感器、佩戴在8个身体部位,目前尚无公认的最佳设备或佩戴位置。
Journal of neuroengineering and rehabilitation
在检索到的1981篇文章中,26项研究用移动或可穿戴设备监测糖尿病相关指标,多用加速度计,作者认为该领域仍处早期。针对2型糖尿病的研究很少,无一研究并发症,临床试验也少,因此无法说明这些设备能否改善诊疗。
JMIR mHealth and uHealth
综合20篇定性研究、349名年龄51-94岁受试者的看法,评价发现动机、易用性和实用目的决定老年人能否把可穿戴设备融入日常生活。这些是以活动追踪器为主的自述体验,反映的是态度,并未测量谁真正坚持佩戴。
JMIR mHealth and uHealth
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
利用67名慢阻肺患者的Fitbit、室内空气质量和症状数据,模型预测未来7天内是否发生急性加重,准确率92.1%,灵敏度94%,特异度90.4%。仅在一家医院记录到25次急性加重,模型能否适用于其他人群尚未证实。
JMIR mHealth and uHealth
在10名社区老年人中,疫情宣布后步数下降55.1%,步行时间下降52.2%,而抑郁症状上升150%。仅10人且无对照组,这些只是描述性变化,不能证明活动减少导致了抑郁。
Sensors (Basel, Switzerland)
利用来自3个欧洲研究点368名参与者的2812份问卷记录,发现14个由腕带得出的睡眠特征与抑郁症状评分(PHQ-8)显著相关,其中平均睡眠结束时间(z=6.19,P<.001)和觉醒次数(z=5.53,P<.001)最突出。这是跨人群和时间的睡眠与症状的关联,且各研究点的模式不同,不能说明睡眠变化可以预测或导致抑郁。
JMIR mHealth and uHealth
这项快速综述纳入19篇论文,归纳出损害个人自有可穿戴设备数据质量的三类因素:设备与技术因素、用户因素和数据治理因素,它们会使数据不完整、不准确且存在异质性。综述是对少量文献的叙述性归纳,没有给出实测误差率。
JMIR mHealth and uHealth
在佩戴Apple Watch的医护人员中,心率变异性指标SDNN的昼夜节律振幅在感染与未感染者之间不同(P=.006),在诊断前后各7天与未感染时段相比也不同(P=.01)。摘要没有给出参与人数和诊断准确性,因此其能否作为个人预警尚未确立。
Journal of medical Internet research
这项叙述性综述从960篇论文中分析了82篇,发现医疗可穿戴设备可分为4类应用:健康与安全监测、慢性病管理、疾病诊断与治疗、康复。叙述性综述不合并结果,因此它描述的是现有应用的全貌,而不能说明某种设备的效果如何。
JMIR mHealth and uHealth
45名健康成年人连续监测7天,Oura戒指测得的总睡眠时间与医用活动记录仪高度相关(r=0.86),三星Gear Sport手表则相关性较低(r=0.59)。受试者均为健康人且在家使用,因此结果不能说明睡眠障碍人群的情况,也不能说明睡眠分期是否准确。
JMIR mHealth and uHealth