跳到正文
穿戴裝置與測量科學研究論文3 分鐘閱讀

Fitbit Charge HR用於9-11歲兒童:能識別睡眠,但難識別清醒

MoveVitals 編輯部 · 研究發表 · 解讀更新

原文:Performance of a commercial multi-sensor wearable (Fitbit Charge HR) in measuring physical activity and sleep in healthy children. · PloS one · 2020 · 論文原文 ↗

先看重點

在59名9-11歲健康兒童中,Fitbit Charge HR低估了步數(約每分鐘11.8步)和心率(約3.58 bpm),對睡眠識別較好(敏感度95.8%)、對清醒識別較差(特異度56.3%)。睡眠對照僅有26名兒童,睡眠準確性結果基於較小樣本。

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

兒童佩戴消費級活動追蹤器越來越普遍,但大多數準確性驗證是在成年人中做的。作者檢驗Fitbit Charge HR與研究級裝置的身體活動測量以及多導睡眠監測(PSG,睡眠檢查的金標準)結果有多接近。

研究對象與方法

驗證研究。59名9-11歲健康男孩和女孩在14項標準化的實驗室和現場活動(靜坐、固定腳踏車、跑步機步行或慢跑、爬樓梯、戶外步行、敏捷性練習)中佩戴Fitbit Charge HR,與研究級測量對比;其中26名兒童在家中接受無人值守的整夜PSG作為睡眠對照。用Bland-Altman方法評估一致性,並做逐分鐘的逐時段分析。

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. 1
    與研究級測量相比,裝置低估了步數(約每分鐘11.8步)、心率(約3.58 bpm)和代謝當量(約每分鐘0.55 METs),高估了能量消耗(約每分鐘0.34千卡),均為p< 0.05。
  2. 2
    在區分中高強度活動與久坐及輕度活動時,總體準確率為84.8%(中高強度活動敏感度85.4%,久坐及輕度活動特異度83.1%)。
  3. 3
    睡眠方面,總睡眠時間的平均偏差為14分鐘,入睡後清醒時間為9分鐘,睡眠中心率為1.06 bpm。
  4. 4
    識別睡眠的敏感度高(95.8%),識別清醒的特異度卻只有56.3%,說明裝置會把部分清醒時間判為睡眠。睡眠中的心率比運動中的心率更準確。

限制與不確定性

  1. 1
    59名兒童中只有26名有睡眠記錄,且均為健康兒童,結果未必適用於有睡眠問題或疾病的兒童。
  2. 2
    睡眠只測了在家的一個夜晚,活動也是固定方案下的任務,而非日常自由活動。
  3. 3
    摘要只報告了一種裝置型號(Fitbit Charge HR),該型號已被更新產品取代。以上解讀僅基於摘要。

日常健康啟示

看孩子的追蹤器資料時,步數和卡路里只能當作粗略估計,因為該裝置低估步數、高估能量消耗。總睡眠時間看起來比較接近,但夜間醒來很可能被漏掉。

如何連結自己的資料

如果孩子或青少年佩戴追蹤器,請與他們自己過去幾週的資料比較,並使用同一裝置、同一手腕,不要與其他孩子或其他品牌對比。步數、睡眠時間和心率應當作趨勢參考,而不是精確測量。

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。

Purpose

This study sought to assess the performance of the Fitbit Charge HR, a consumer-level multi-sensor activity tracker, to measure physical activity and sleep in children.

Methods

59 healthy boys and girls aged 9-11 years old wore a Fitbit Charge HR, and accuracy of physical activity measures were evaluated relative to research-grade measures taken during a combination of 14 standardized laboratory- and field-based assessments of sitting, stationary cycling, treadmill walking or jogging, stair walking, outdoor walking, and agility drills. Accuracy of sleep measures were evaluated relative to polysomnography (PSG) in 26 boys and girls during an at-home unattended PSG overnight recording. The primary analyses included assessment of the agreement (biases) between measures using the Bland-Altman method, and epoch-by-epoch (EBE) analyses on a minute-by-minute basis.

Results

Fitbit Charge HR underestimated steps (~11.8 steps per minute), heart rate (~3.58 bpm), and metabolic equivalents (~0.55 METs per minute) and overestimated energy expenditure (~0.34 kcal per minute) relative to research-grade measures (p< 0.05). The device showed an overall accuracy of 84.8% for classifying moderate and vigorous physical activity (MVPA) and sedentary and light physical activity (SLPA) (sensitivity MVPA: 85.4%; specificity SLPA: 83.1%). Mean estimates of bias for measuring total sleep time, wake after sleep onset, and heart rate during sleep were 14 min, 9 min, and 1.06 bpm, respectively, with 95.8% sensitivity in classifying sleep and 56.3% specificity in classifying wake epochs.

Conclusions

Fitbit Charge HR had adequate sensitivity in classifying moderate and vigorous intensity physical activity and sleep, but had limitations in detecting wake, and was more accurate in detecting heart rate during sleep than during exercise, in healthy children. Further research is needed to understand potential challenges and limitations of these consumer devices.

來源與署名

Performance of a commercial multi-sensor wearable (Fitbit Charge HR) in measuring physical activity and sleep in healthy children.

Godino JG, Wing D, de Zambotti M, Baker FC, Bagot K, Inkelis S, Pautz C, Higgins M, Nichols J, Brumback T, Chevance G, Colrain IM, Patrick K, Tapert SF.

PloS one · 2020-09-04

DOI: 10.1371/journal.pone.0237719 ↗PubMed · 32886714 ↗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

·世代研究

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

重點論文精講閱讀論文 →
·測量驗證研究/回顧

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

重點論文精講閱讀論文 →
·回顧的回顧

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

重點論文精講閱讀論文 →
·測量驗證研究/回顧

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

重點論文精講閱讀論文 →
穿戴裝置與測量科學 →