先看重点
60名成年人在实验室里佩戴7款腕戴设备,依次完成静坐、步行、跑步和骑车。与心电图相比,心率的中位数误差骑车时为1.8%,步行时为5.5%;但没有任何一款设备的能量消耗(热量)误差低于20%,各设备的中位数误差为27.4%至92.6%。测试的是当时在售的消费级型号,且只在实验室内进行,不能据此给今天的手表排名,也不能说明日常使用中的表现。
证据类型
测量验证研究/综述
解读依据
论文全文
阅读重点
参照与测量误差
研究在问什么
体育活动是降低死亡风险最有效的手段之一,但让人们多运动的项目成效有限;在减重研究中,记录饮食摄入明显有益,记录运动时间和热量消耗是否同样有益则不太清楚。腕戴设备如今直接把心率和能量消耗的估算值交给用户,患者也常把这些数据带到诊室,有些医疗机构甚至将其接入病历,可与经临床认证的设备不同,这类产品没有公开的验证数据。此前的研究要么只测早期型号,要么只看心率或只看能量消耗,有的没有以美国食品药品监督管理局(FDA)批准的设备作参照,也没有人提出误差模型。作者因此在刻意拉开差异的志愿者中,以心电图和呼出气体间接测热为参照,测量7款商用腕戴设备的心率和能量消耗误差,并提出消费级设备的验证框架。
研究了谁,如何研究
这是一项实验室验证研究。作者先检索到45家腕戴设备厂商,再按“腕表或腕带、持续测量心率、标称续航超过24小时、面向消费者直接销售、每家厂商只取一款”的标准筛选,8款设备入选;其中ePulse2在预试验中反复出现技术故障而被剔除,最终测试Apple Watch、Basis Peak、Fitbit Surge、Microsoft Band、Mio Alpha 2、PulseOn和Samsung Gear S2共7款。志愿者为18岁及以上的健康成年人,通过斯坦福大学和当地业余运动俱乐部招募,并刻意在年龄、身高、体重、BMI、腕围和体能水平上拉开差异。共有60人(29名男性、31名女性,年龄38±11岁)完成了80次测试,每批设备各40次:先测Apple Watch、Basis Peak、Fitbit Surge和Microsoft Band,后测Mio Alpha 2、PulseOn和Samsung Gear S2,每人最多同时佩戴4款。两名研究者用冯·卢尚(Von Luschan)量表给手腕肤色评分,再换算为1至6级的菲茨帕特里克(Fitzpatrick)肤色分级;最大摄氧量(VO2max)有32人通过跑步测试、6人通过骑车测试直接测得,另有22人根据次极量骑车结果估算。每次测试先静坐5分钟,然后在跑步机上以3.0和4.0英里/小时步行,再按体能个体化设定慢跑和快跑(平均5.7和6.9英里/小时),最后进行低强度和较高强度骑车(平均功率88瓦和160瓦),到第38分钟结束,全程同步记录12导联心电图并做间接测热。
主要结局是心率(以12导联心电图为金标准)和能量消耗(千卡/分钟,以呼出气体VO2和VCO2的间接测热为金标准),分析每个阶段的最后1分钟。误差定义为设备与参照值之差的绝对值除以参照值,以百分比表示;作者把5%定为可接受范围,理由是它接近P值0.05这一常用显著性标准,计步研究在此精度上也有先例。各设备的数据导出方式并不相同:Apple Watch、Basis Peak和Fitbit Surge按分钟导出,Microsoft Band通过抓取手机应用的数据包获得,PulseOn每3秒一个样本、取最后1分钟的平均值,而Mio Alpha 2和Samsung Gear S2不向用户提供原始数据,作者用绘图数字化工具描摹应用里保存的心率曲线图像。结果以中位数和95%置信区间表示。统计上,类别变量用双因素方差分析加Tukey事后检验,连续变量用Pearson相关并做Bonferroni校正,另用主成分分析、线性回归、广义估计方程(GEE,以Apple Watch和静坐为对照)、对均方根误差的伽马回归以及Bland–Altman分析寻找误差的影响因素。
主要发现
- 1实验室里心率大多与心电图接近,骑车时最准。中位数误差骑车为1.8%(95%置信区间0.9%–2.7%),步行最大,为5.5%(3.9%–7.1%);骑车时7款中有6款低于5%,Samsung Gear S2为5.1%(2.3%–7.9%)。步行时只有Apple Watch的2.5%(1.1%–3.9%)和PulseOn的4.9%(1.4%–8.6%)低于5%,Microsoft Band为5.6%(4.9%–6.3%),其余4款在6.5%至8.8%之间。
- 2每一款设备、每一种活动下,热量估算都不理想。各设备能量消耗的中位数误差从Fitbit Surge的27.4%(24.0%–30.8%)到PulseOn的92.6%(87.5%–97.7%),没有任何一款设备的误差低于20%。综合各设备,热量误差在步行时最低,为31.8%(28.6%–35.0%),跑步为31.0%(28.0%–34.0%),静坐时最高,为52.4%(48.9%–57.0%)。
- 3综合各设备和各活动,Apple Watch的心率误差最低,为2.0%(1.2%–2.8%),Samsung Gear S2最高,为6.8%(4.6%–9.0%)。摘要指出,把心率和热量合在一起看,总体排名的两端也是这两款设备。
- 4男性的心率误差高于女性,且各设备普遍如此。广义估计方程给出P=4.56×10−5(效应量0.044,z=3.505),作者称男性的心率误差平均比女性高约4%。同一段还列出Tukey检验的均值差:Basis Peak为43.5%(方差分析P<1×10−5),Fitbit Surge为14.7%(P=0.0165),但原文没有说明具体比较的是什么。
- 5体型与体能因素的方向并不一致。摘要和讨论称,肤色较深、腕围较大、BMI较高与多款设备的心率误差较大有关,但正文没有给出肤色的数值(在补充表格中);而Apple Watch在跑步时,BMI(t=−2.78,P=0.009)、体重(t=−2.53,P=0.016)和腕围(t=−2.71,P=0.01)都与误差呈负相关。较高的VO2max则与Microsoft Band(t=2.25,P=0.03)和Basis Peak(t=2.34,P=0.025)步行时误差较大相关。
- 6活动类型和强度会影响心率误差,但并没有哪个人始终测得很差。误差跑步低于步行,同一种运动中强度越高误差越大;作者没有发现某些个体在不同任务或不同设备上系统性地误差更大。

局限与不确定性
- 1作者指出,只测试了当时已上市的设备和算法,而且是在实验室中;可穿戴设备真正的价值在于诊室之外的连续监测,这留待以后的研究。自这篇2017年的论文发表以来,固件和算法的更新可能改变任何一款设备的数字。
- 2我们的观察:各设备的数据取得方式不同,有的按分钟导出,有的来自手机应用数据包,有两款是用数字化工具从图像中描摹,还有一款由每3秒的样本平均而来。这会带入与传感器无关的误差;设备还分成两批、各40次测试,每人最多同时佩戴4款。
- 3我们的观察:误差以绝对百分比计算,看不出设备是读高了还是读低了,而5%这条线是作者自己定的,并非临床要求。只分析每个阶段的最后1分钟,也很难说明设备在运动强度快速变化时的跟随能力。
- 4我们的观察:正文存在不一致之处。步行结果称有3款设备低于5%,却把Microsoft Band列为5.6%;男女差异的P值在一处是4.56×10−5,另一处是4.56×10−4;摘要称Samsung Gear S2在两项指标上总体最差,但热量误差最高的是PulseOn(92.6%)。更细的亚组结论需要谨慎对待。
- 5我们的观察:60名健康志愿者来自高校和业余运动俱乐部,并经过刻意挑选以保证多样性,不是随机样本。男性29人、女性31人,设备7款,活动多种,协变量众多,性别、BMI和VO2max方面的发现只能视为探索性结果,研究也没有测试有心脏疾病或其他疾病的人群。
对日常健康的启示
对节奏稳定的运动,这几款腕戴设备测得的心率大多与心电图参照接近,骑车时中位数误差只有几个百分点,用来区分一次训练是轻松还是吃力够用了。热量就不同了:各设备能量消耗的中位数误差为27.4%至92.6%,只能当作粗略的相对参考,不宜据此决定吃多少,这也与作者提醒在健康促进项目中谨慎使用热量估算的态度一致。
不要由此认定哪个品牌今天最好或最差:测试的是较早的型号,此后的软件更新都可能改变结果。也不要把心率的结论搬到间歇训练、心率变异性或睡眠监测上,这些都没有测试;一项指标准确,不代表同一块表的其他指标也准确。这是健康成年人在实验室里得到的较扎实证据,并不等于日常佩戴时同样准确。
如何联系自己的数据
想了解自己的设备,可以在单车或跑步机上以恒定强度做一次约5分钟的练习,同时佩戴胸带等心电类参照设备,对比最后1分钟的读数,这也是该研究的取数方式;步行时的差距通常比骑车时大。热量只用于同一设备、同一类运动的数周趋势,不要用来比较不同品牌,也不要把不同设备的热量取平均。佩戴松紧、戴在哪只手腕,以及设备自身按分钟平均的取样方式,都可能让读数出现偏差。
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。
来源与署名
Accuracy in Wrist-Worn, Sensor-Based Measurements of Heart Rate and Energy Expenditure in a Diverse Cohort
Journal of Personalized Medicine · 2017-05-24
DOI: 10.3390/jpm7020003 ↗PubMed · 28538708 ↗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
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
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
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
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

