先看重點
在睡眠實驗室裡,34名健康的年輕成年人連續三晚佩戴七款消費級睡眠追蹤裝置中的若干款。與多導睡眠監測相比,所有裝置識別睡眠都很準(靈敏度均不低於0.93),但識別清醒較差(特異度0.18–0.54),七款中有五款與研究用活動記錄儀(特異度0.39)持平或更好;睡眠分期的估計結果不穩定。受試者是18至35歲的健康成年人,臥床時間固定為8小時,每款裝置只在其中11至20人身上測試,因此對有睡眠問題的人幾乎沒有參考價值。
證據類型
測量驗證研究/回顧
解讀依據
論文全文
閱讀重點
參照與測量誤差
研究在問什麼
如今有數億人使用消費級裝置記錄睡眠,調查顯示約25%的美國成年人至少用穿戴式裝置或應用記錄過睡眠。多導睡眠監測(PSG)會在整晚記錄腦電、眼動、肌肉活動和心律,是金標準,但費用高、需要專業人員,本身還可能干擾睡眠。腕式活動記錄儀是實驗室之外的研究標準,容易高估睡眠、低估清醒,而且只能區分睡著和醒著,無法分期。新一代消費級裝置在睡眠演算法中加入了心率等感測器,可能與之相當甚至更好,但此前研究顯示各裝置表現差異較大。作者因此把多款最新的穿戴式與非穿戴式裝置同活動記錄儀一起,與PSG對照,作為在健康年輕成年人中進行的第一步受控實驗室評估。
研究對象與方法
這是一項在美國加利福尼亞州聖迭戈海軍健康研究中心進行的受控實驗室驗證研究。共納入34名健康年輕成年人(12名男性、22名女性;年齡28.1±3.9歲,平均值±標準差;BMI 24.2±2.1 kg/m2),年齡為18至35歲,平均每晚睡眠6至9小時,沒有確診的睡眠、精神心理或其他重大疾病,不使用助眠藥物和尼古丁,也不倒班。首次到訪前6天起他們停用咖啡因和酒精,之前四晚在家保持固定的8小時臥床,並佩戴飛利浦Respironics的Actiwatch 2研究級活動記錄儀和日後要測試的消費級腕戴裝置。隨後連續三晚在實驗室睡眠,臥床時間固定為8小時、起止時刻每晚相同;最後兩晚中隨機、對照平衡地安排一晚,用聲音提示每小時短暫喚醒受試者,以模擬睡眠中斷。測試的裝置包括四款穿戴裝置(Fatigue Science Readiband、Fitbit Alta HR、Garmin Fenix 5S、Garmin Vivosmart 3)和三款非穿戴裝置(床墊下的EarlySense Live,以及床邊的射頻裝置ResMed S+和SleepScore Max),但並非每人都用上全部:每人佩戴Actiwatch加一部分裝置,各裝置的受試者人數分別為Readiband 15人、Fitbit Alta HR 20人、Fenix 5S 11人、Vivosmart 3 15人、EarlySense Live 19人、ResMed S+ 19人、SleepScore Max 15人。
參照標準是整夜PSG(六個部位的腦電、眼動、下頜肌電和心電),由兩名持證技師按30秒時段手工判讀,對輸出60秒資料的裝置另按60秒時段重新判讀;N1和N2合併為淺睡,N3作為深睡。每款裝置與PSG逐個時段比較睡眠與清醒及各睡眠階段的一致性(靈敏度、特異度、陽性預測值、陰性預測值、準確率,以及校正患病率和偏倚的kappa,即PABAK),並比較整夜指標:總睡眠時間(TST)、睡眠效率、入睡潛伏期、入睡後清醒時間(WASO)和快速眼動(REM)潛伏期。整夜指標採用Bland–Altman偏倚和一致性界限(偏倚上下各兩個標準差)、配對t檢驗、Hedges' g效應量以及檢驗比例偏倚的R2,以P<0.05為顯著。三款非穿戴裝置的逐時段資料來自廠商提供的研究資料埠,Fitbit的資料透過第三方平臺Fitabase匯出,裝置資料按需做了後處理,以覆蓋8小時臥床時段。
主要發現
- 1所有裝置識別睡眠都很好,識別清醒則差得多。與PSG逐時段比較,所有裝置的靈敏度都不低於0.93(Actiwatch為0.97),特異度卻只有0.18至0.54,也就是真正的清醒時間有很大一部分被判成了睡著。各裝置的準確率相近,為0.88至0.90。
- 2七款消費級裝置中有五款在識別清醒上與活動記錄儀持平或更好,兩款Garmin則差得多。特異度方面,Fitbit Alta HR為0.54,ResMed S+為0.51,SleepScore Max為0.50,EarlySense Live為0.47,Fatigue Science Readiband為0.45,Actiwatch為0.39;Garmin Fenix 5S和Vivosmart 3分別只有0.18和0.19。
- 3總睡眠時間和清醒時間的平均誤差,有的裝置很小,有的很大。Fitbit Alta HR高估TST 2.6分鐘(P=0.421),低估WASO 2.1分鐘(P=0.472);ResMed S+低估TST 0.3分鐘(P=0.953)。兩款Garmin分別高估TST 43.7和46.8分鐘(P均<0.001),測得的WASO只有7.7和8.0分鐘,而PSG為57.2和55.6分鐘;Actiwatch高估TST 23.9分鐘,低估WASO 16.6分鐘(P均<0.001)。
- 4平均偏差小並不等於每晚都準,睡得差的夜晚誤差更大。Fitbit Alta HR單晚TST與PSG的差值在比PSG少42.0分鐘到多47.1分鐘之間,ResMed S+在少70.7分鐘到多70.2分鐘之間。睡得更長、睡眠效率更高的夜晚偏差最小,睡眠更少、入睡更慢或清醒更多的夜晚偏差更大;Actiwatch、Fitbit Alta HR、兩款Garmin和SleepScore Max的TST都存在顯著的比例偏倚(例如Vivosmart 3的R2為0.69,P<0.001)。
- 5睡眠分期的結果參差不齊,常常較差。輸出分期的六款裝置中,有五款高估淺睡17.1至34.7分鐘(EarlySense Live低估22.3分鐘,P=0.006);EarlySense Live、ResMed S+和SleepScore Max高估深睡(如EarlySense Live高估35.9分鐘,P<0.001);Fitbit Alta HR、ResMed S+和SleepScore Max低估REM睡眠(分別低估11.4分鐘,P=0.002;31.9和35.8分鐘,P均<0.001)。逐時段靈敏度深睡只有0.53至0.68,REM睡眠只有0.49至0.69,判錯的時段多被歸為淺睡:PSG清醒時段中有0.35至0.54、深睡中有0.27至0.43、REM中有0.24至0.46被判成淺睡。Fitbit Alta HR在多數淺睡和REM指標上數值最高。
- 6入睡時間接近,但REM出現時間不準。每款裝置的入睡潛伏期與PSG相差都不到5分鐘(Fitbit Alta HR少3.1分鐘,P=0.005;ResMed S+多4.0分鐘,P=0.049;SleepScore Max多4.4分鐘,P=0.017),也沒有哪款消費級裝置在兩項潛伏期指標上都有差異。輸出分期的六款裝置中,有五款顯著高估REM潛伏期。
限制與不確定性
- 1作者指出,出於舒適度、裝置數量和裝置間可能相互干擾等原因,七款裝置無法同時測試,也無法在所有受試者身上測試;每款裝置只在34人中的11至20人身上使用,且受試者子集各不相同,還有少量資料缺失或部分丟失。
- 2作者指出,受試者是沒有睡眠問題的健康睡眠者,臥床時間固定為8小時,結果最適用於典型夜晚的健康睡眠者;實驗室環境和PSG電極本身會影響睡眠;研究沒有收集種族或族裔資訊,而這與光電容積(PPG)心率感測器的準確性有關。結果也最貼合所用的裝置版本和Actiwatch的中等靈敏度設定。
- 3我們的觀察:裝置資料按8小時臥床時段做了後處理,因此研究並沒有檢驗裝置自行判斷上床和起床時間的能力,而作者也把這一點列為實際使用中的誤差來源。三款非穿戴裝置的逐時段資料還來自廠商的研究埠,而非普通應用。
- 4我們的觀察:中斷睡眠的夜晚只是作為一種實驗條件描述,結果文字把各晚合併,僅以比例偏倚呈現睡得差的夜晚的影響,沒有單獨給出中斷夜晚的效應大小。裝置、指標和P值很多,也沒有說明多重比較校正。
- 5我們的觀察:在識別清醒上超過活動記錄儀並不是很高的門檻。即使是最高的特異度(Fitbit Alta HR的0.54),也意味著約有一半的真實清醒時段被漏掉;研究也無法說明哪款裝置可靠到足以用於診斷,或適用於失眠族群。
日常健康啟示
如果你戴著睡眠追蹤裝置,最可信的是「有沒有睡著」和總睡眠時間,這幾款較好的裝置平均而言測得相當接近;最不可信的是夜間醒來的次數和時長,以及深睡、REM和淺睡的分鐘數。要預期它會少報躁動不安的清醒時間,尤其在睡得斷斷續續的夜晚;本研究中的兩款Garmin幾乎沒測到入睡後清醒(分別為7.7和8.0分鐘,而PSG為57.2和55.6分鐘)。
不要由此認為分期佔比是準的,也不要認為任何裝置能診斷睡眠障礙,或者這些結果適用於失眠患者、老年人、兒童和更新的裝置版本。裝置顯示睡得好,並不能排除問題;如果長期睡不好或白天嗜睡,應該找醫師。對健康年輕人的睡著與清醒判斷,證據強度中等;對睡眠分期,證據較弱。
如何連結自己的資料
看同一臺裝置數週內的總睡眠時間,以及上床和起床時間是否規律,不要盯著單獨一晚;同時寫一份簡短的睡眠日記,便於發現裝置漏掉清醒時段的夜晚。每晚的深睡、REM和淺睡分鐘數只當粗略參考,本研究裡它們常常不準,也不要拿不同品牌的分期數字互相比較。如果應用允許修改上床或起床時間,請把錯誤的記錄改過來,因為這項研究的分析正是以臥床時段準確為前提的。
如何理解這類證據
一致性取決於裝置、韌體、參照、族群和使用情境。相關性不等於一致性;驗證某個指標不等於已證明診斷或治療獲益。
來源與署名
Performance of seven consumer sleep-tracking devices compared with polysomnography
Sleep · 2021-05-14
DOI: 10.1093/sleep/zsaa291 ↗PubMed · 33378539 ↗MoveVitals 編輯解讀 · 健康教育內容 · 未記錄個人臨床審閱
來源查核日期 2026-11-01
實用健康指南
放在一起讀
加速度計處理方法不同,身體活動與中風、心肌梗死的關聯曲線也不同
在英國生物銀行中,基線無心血管疾病的90237名成年人追蹤至2022年12月,共發生1298例中風和2031例心肌梗死;中高強度身體活動(MVPA)與這兩種結局的關聯曲線形狀,取決於加速度計資料的處理方法。就中風而言,只有機器學習法得到直線下降的風險;就心肌梗死而言,機器學習法和LFENMO法呈曲線下降,活動計數法呈直線下降。摘要沒有給出風險比,只能說明不同方法的結論不一致,不能說明哪種方法更正確,而且這些只是觀察性關聯。
Preventive Medicine
智慧手錶資料能當「證人」嗎:心率驗證得最充分,其餘證據參差
一項圍繞數字取證展開的系統評價和統合分析,梳理了四大主流品牌智慧手錶的驗證研究,發現心率是研究最多、也最準確的指標。步數、距離、能量消耗、活動分類和睡眠的驗證不夠一致,結果因品牌、方案和報告方式而異。摘要沒有給出彙總資料,且多數研究是在健康族群中、於實驗室內完成的,所以無法說明某一塊手錶對某個人在日常生活中的表現。
Forensic Science International
活動追蹤器:每天多走約1800步,對其他健康指標影響較小
這項傘形綜述彙總了39篇系統評價和統合分析,涉及163992名參與者;結果顯示使用活動追蹤器與身體活動增加相關(標準化均數差SMD為0.3–0.6),相當於每天多走約1800步、多步行40分鐘,體重減輕約1公斤。對血壓、膽固醇、糖化血紅蛋白、生活質量和疼痛的影響通常很小,且多數不顯著。摘要沒有說明這些專案裡追蹤器還搭配了什麼,也沒有說明各評價之間重疊多少,因此不能把效果完全歸功於裝置本身。
The Lancet Digital Health
七款腕戴裝置:心率誤差多在5%以內,熱量估算偏差很大
60名成年人在實驗室裡佩戴7款腕戴裝置,依次完成靜坐、步行、跑步和騎車。與心電圖相比,心率的中位數誤差騎車時為1.8%,步行時為5.5%;但沒有任何一款裝置的能量消耗(熱量)誤差低於20%,各裝置的中位數誤差為27.4%至92.6%。測試的是當時在售的消費級型號,且只在實驗室內進行,不能據此給今天的手錶排名,也不能說明日常使用中的表現。
Journal of Personalized Medicine

