先看重點
一款結合心電(ECG)和脈搏(PPG)感測器的臂帶原型,在未見過的資料上估算收縮壓的平均誤差為1.63 ± 4.44 mmHg,心率平均絕對誤差為0.21次/分鐘。資料僅來自十名志願者,這只是概念驗證,不足以說明它在真實使用中足夠準確。
證據類型
研究論文
解讀依據
公開摘要
閱讀重點
方法與適用範圍
研究在問什麼
不用袖帶的連續血壓監測對心臟健康、壓力和健身監測很有價值,但現有方法佩戴不便、缺乏穩健的模型,也很少用新資料檢驗。作者製作了一個單臂心電和脈搏波裝置,檢驗它能否估算收縮壓(SBP)和心率。
研究對象與方法
工程學概念驗證研究。心電和脈搏波感測器整合在同一個上臂臂帶中,採用單導聯手臂心電,而不是把電極放在胸部或雙腕。研究用機器學習框架從易受運動干擾的微弱手臂心電中識別心跳並估算心率,再由心電與脈搏波心跳配對得到脈搏波傳導時間(PTT)。將同時使用PTT和心率的模型(PTT&HR-SBP)與只用PTT的模型比較,並在未見過的資料上評估擬合後的模型。研究使用了定製原型和十名志願者的資料。摘要未描述志願者的特徵和參考血壓測量方法。
主要發現
以下為作者報告的結果。數值須連同族群和不確定性一起閱讀。
- 1原型可在左上臂採集到脈搏波和微弱的心電訊號,其心電幅度僅約為胸部心電的10%。
- 2心率估算的平均絕對誤差為0.21次/分鐘,均方根誤差為1.20次/分鐘。
- 3對於收縮壓,同時使用PTT和心率的模型明顯優於只用PTT的模型。
- 4在未見過的資料上,收縮壓誤差為1.63 ± 4.44 mmHg(平均誤差±標準差),平均絕對誤差3.68 mmHg,均方根誤差4.71 mmHg。
限制與不確定性
- 1僅研究了十名志願者,摘要也沒有說明其中是否包括高血壓患者。
- 2裝置是半定製的原型,只在概念驗證環境下測試,不是消費級產品。
- 3摘要只報告了收縮壓,沒有報告舒張壓,也沒有說明長時間使用、活動狀態或用藥變化時的表現。
- 4本解讀僅依據摘要。
日常健康啟示
結果表明,在小規模測試中,無袖帶的臂戴式設計可以接近參考讀數,對未來的穿戴式裝置是令人鼓舞的。但這並不意味著可以用這類裝置取代經過驗證的血壓計,涉及高血壓的決定應由你的醫師作出。
如何連結自己的資料
如果你使用無袖帶穿戴式裝置,請把它的血壓數值當作粗略的趨勢,並用經過驗證的上臂式血壓計在同一時間、坐姿安靜休息後核對。數週的趨勢比單次讀數更重要。
如何理解這類證據
索引未明確指出具體研究設計,應先讀方法;核對族群、對照、結果和不確定性,再判斷能否作因果解釋。
作者的結構化摘要 English
以下英文摘要依所記錄的開放授權轉載,屬於作者原始材料,並非 MoveVitals 解讀。上方已提供研究解讀,分別說明作者結果與本站解釋;重要結論可直接查核原文。
Background
Long-term continuous systolic blood pressure (SBP) and heart rate (HR) monitors are of tremendous value to medical (cardiovascular, circulatory and cerebrovascular management), wellness (emotional and stress tracking) and fitness (performance monitoring) applications, but face several major impediments, such as poor wearability, lack of widely accepted robust SBP models and insufficient proofing of the generalization ability of calibrated models.
Methods
This paper proposes a wearable cuff-less electrocardiography (ECG) and photoplethysmogram (PPG)-based SBP and HR monitoring system and many efforts are made focusing on above challenges. Firstly, both ECG/PPG sensors are integrated into a single-arm band to provide a super wearability. A highly convenient but challenging single-lead configuration is proposed for weak single-arm-ECG acquisition, instead of placing the electrodes on the chest, or two wrists. Secondly, to identify heartbeats and estimate HR from the motion artifacts-sensitive weak arm-ECG, a machine learning-enabled framework is applied. Then ECG-PPG heartbeat pairs are determined for pulse transit time (PTT) measurement. Thirdly, a PTT&HR-SBP model is applied for SBP estimation, which is also compared with many PTT-SBP models to demonstrate the necessity to introduce HR information in model establishment. Fourthly, the fitted SBP models are further evaluated on the unseen data to illustrate the generalization ability. A customized hardware prototype was established and a dataset collected from ten volunteers was acquired to evaluate the proof-of-concept system.
Results
The semi-customized prototype successfully acquired from the left upper arm the PPG signal, and the weak ECG signal, the amplitude of which is only around 10% of that of the chest-ECG. The HR estimation has a mean absolute error (MAE) and a root mean square error (RMSE) of only 0.21 and 1.20 beats per min, respectively. Through the comparative analysis, the PTT&HR-SBP models significantly outperform the PTT-SBP models. The testing performance is 1.63 ± 4.44, 3.68, 4.71 mmHg in terms of mean error ± standard deviation, MAE and RMSE, respectively, indicating a good generalization ability on the unseen fresh data.
Conclusions
The proposed proof-of-concept system is highly wearable, and its robustness is thoroughly evaluated on different modeling strategies and also the unseen data, which are expected to contribute to long-term pervasive hypertension, heart health and fitness management.
來源與署名
Highly wearable cuff-less blood pressure and heart rate monitoring with single-arm electrocardiogram and photoplethysmogram signals.
Zhang Q, Zhou D, Zeng X.
Biomedical engineering online · 2017-02-06
DOI: 10.1186/s12938-017-0317-z ↗PubMed · 28166774 ↗Europe PMC · 所記錄的開放授權: cc by ↗摘要著作權歸原作者,依來源紀錄的開放授權轉載。中文譯文協助閱讀,英文摘要供查核術語及具體數值;本站的方法學解釋與作者結論分別呈現。
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
七款睡眠追蹤裝置:識別睡著很準,識別醒著和睡眠分期較差
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。
Sleep

