先看重點
在佩戴Apple Watch的醫護人員中,心率變異性指標SDNN的晝夜節律振幅在感染與未感染者之間不同(P=.006),在診斷前後各7天與未感染時段相比也不同(P=.01)。摘要沒有給出參與人數和診斷準確性,因此其能否作為個人預警尚未確立。
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
感染會改變自主神經系統功能,表現為心率變異性(HRV)變化,有時早於臨床識別症狀。研究者檢驗商用智慧手錶測得的HRV能否識別新冠感染及相關症狀,以及變化是否出現在確診之前。
研究對象與方法
對西奈山衛生系統醫護人員開展的前瞻性觀察研究,參與者在手機中使用定製的Warrior Watch Study應用。參與者在整個追蹤期間佩戴Apple Watch測量HRV,並每天完成有關感染和症狀的問卷。採用混合效應餘弦模型評估SDNN(正常竇性心搏間期的標準差)的晝夜節律,比較感染者與未感染者,以及感染時段與未感染時段。摘要沒有報告參與者人數。
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。
- 1SDNN每日(晝夜)節律的平均振幅在新冠感染者與未感染者之間不同(P=.006)。
- 2與未感染時段相比,診斷前7天和診斷後7天內平均振幅不同(P=.01)。
- 3與其他無症狀日相比,首次報告新冠相關症狀當天,SDNN節律的均值和振幅有顯著變化(P=.01)。
- 4作者認為,在鼻拭子PCR檢測確診之前即可觀察到HRV變化。
限制與不確定性
- 1摘要沒有報告參與者人數、效應大小或變化方向,差異的幅度和實際意義不清楚。
- 2結果為群體水平的P值,沒有給出在個人層面識別感染的敏感度、特異度或誤報率。
- 3參與者是同一衛生系統的醫護人員,其暴露、壓力和睡眠情況可能不同於普通族群。
- 4除感染外,睡眠不足、飲酒、壓力和訓練等也會改變HRV,因此這些變化並非新冠所特有。
日常健康啟示
智慧手錶的HRV模式在感染前後可能出現變化,這很有意思,但它不能告訴你是否感染了新冠。如果感覺不適或有接觸史,應進行檢測並遵從醫囑,而不是依賴手錶。
如何連結自己的資料
手錶記錄的夜間HRV趨勢可以顯示身體何時承受壓力。請使用同一裝置、同樣的佩戴方式,並對照自己數週的基線來判斷偏離,而不是隻看某一晚;持續下降並伴有症狀時,應休息並檢測,而這並不是診斷。
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
Changes in autonomic nervous system function, characterized by heart rate variability (HRV), have been associated with infection and observed prior to its clinical identification.
Objective
We performed an evaluation of HRV collected by a wearable device to identify and predict COVID-19 and its related symptoms.
Methods
Health care workers in the Mount Sinai Health System were prospectively followed in an ongoing observational study using the custom Warrior Watch Study app, which was downloaded to their smartphones. Participants wore an Apple Watch for the duration of the study, measuring HRV throughout the follow-up period. Surveys assessing infection and symptom-related questions were obtained daily.
Results
Using a mixed-effect cosinor model, the mean amplitude of the circadian pattern of the standard deviation of the interbeat interval of normal sinus beats (SDNN), an HRV metric, differed between subjects with and without COVID-19 (P=.006). The mean amplitude of this circadian pattern differed between individuals during the 7 days before and the 7 days after a COVID-19 diagnosis compared to this metric during uninfected time periods (P=.01). Significant changes in the mean and amplitude of the circadian pattern of the SDNN was observed between the first day of reporting a COVID-19-related symptom compared to all other symptom-free days (P=.01).
Conclusions
Longitudinally collected HRV metrics from a commonly worn commercial wearable device (Apple Watch) can predict the diagnosis of COVID-19 and identify COVID-19-related symptoms. Prior to the diagnosis of COVID-19 by nasal swab polymerase chain reaction testing, significant changes in HRV were observed, demonstrating the predictive ability of this metric to identify COVID-19 infection.
來源與署名
Use of Physiological Data From a Wearable Device to Identify SARS-CoV-2 Infection and Symptoms and Predict COVID-19 Diagnosis: Observational Study.
Hirten RP, Danieletto M, Tomalin L, Choi KH, Zweig M, Golden E, Kaur S, Helmus D, Biello A, Pyzik R, Charney A, Miotto R, Glicksberg BS, Levin M, Nabeel I, Aberg J, Reich D, Charney D, Bottinger EP, Keefer L, Suarez-Farinas M, Nadkarni GN, Fayad ZA.
Journal of medical Internet research · 2021-02-22
DOI: 10.2196/26107 ↗PubMed · 33529156 ↗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

