先看重點
對65篇文獻的綜述發現,Fitbit Charge系列在20項研究中步數的平均絕對百分比誤差(MAPE)低於25%,Apple Watch在2項研究中心率的MAPE低於10%,而所有品牌的能量消耗誤差都超過30%。各研究差異過大無法合併,因此這些只是描述性的規律,而非裝置排名。
證據類型
證據回顧
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
市面上有許多腕戴式追蹤器,但很難判斷它們有多準、人們是否願意持續佩戴。作者回顧了文獻,評估在一般族群中測量身體活動的腕戴式追蹤器的準確性和可接受性(即使用裝置完成其設計任務的意願)。
研究對象與方法
系統綜述。檢索MEDLINE、Embase、Cochrane中央對照試驗註冊庫和SPORTDiscus中,在一般族群中用腕戴式追蹤器測量身體活動的研究。對文章進行篩選,並報告研究場景、族群、測量結局和偏倚風險。因臨床異質性很大,未做統合分析。準確性以平均絕對百分比誤差(MAPE)概括。
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共納入65篇文獻,評估了14項結局的準確性,分為特定活動計數(含步數)、活躍時間、強度(含能量消耗)、心率、距離和速度。最常評估的是步數、心率和能量消耗。
- 2步數:Fitbit Charge(或Charge HR)在20項研究中的MAPE低於25%。心率:Apple Watch在2項研究中的MAPE低於10%。
- 3能量消耗:所有品牌的MAPE都高於30%,各裝置的準確性都較差。
- 4可接受性最常透過資料可用性和佩戴時間來衡量。Fitbit Charge HR、Fitbit Flex 2和Garmin Vivofit的資料可用性不低於75%,GENEActiv和Nike FuelBand的佩戴時間均為89%。
限制與不確定性
- 1臨床異質性很大,無法進行統合分析,所以準確性數字是不同方案、不同族群和不同參照標準的各項研究的彙總。
- 2部分重點結論證據偏薄:Apple Watch心率的結論僅基於2項研究,且許多被測裝置(如Fitbit Charge和Vivofit)比現在在售的型號更舊。
- 3可接受性是透過資料可用性和佩戴時間間接衡量的,而非詢問使用者,摘要也未報告偏倚風險結果。本解讀僅基於摘要。
日常健康啟示
腕戴式追蹤器在計步上相當可靠,Apple Watch在心率上也較可靠,這些數字可以放心參考。所有被測品牌的熱量估算都較差,請當作粗略估計,不要據此設定嚴格的飲食目標。舊型號的結果未必適用於新型號。
如何連結自己的資料
步數和心率適合用來看一週一週的趨勢,能量消耗只作大致參考。請堅持用同一裝置、戴在同一隻手腕上,因為在不同品牌之間或與他人的數字比較時,誤差最大。
如何理解這類證據
先看納入了哪些設計、文獻搜尋與偏誤評估如何完成,以及搜尋截止日期;發表新不代表底層證據都是最新的。
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
Numerous wrist-wearable devices to measure physical activity are currently available, but there is a need to unify the evidence on how they compare in terms of acceptability and accuracy.
Objective
The aim of this study is to perform a systematic review of the literature to assess the accuracy and acceptability (willingness to use the device for the task it is designed to support) of wrist-wearable activity trackers.
Methods
We searched MEDLINE, Embase, the Cochrane Central Register of Controlled Trials, and SPORTDiscus for studies measuring physical activity in the general population using wrist-wearable activity trackers. We screened articles for inclusion and, for the included studies, reported data on the studies' setting and population, outcome measured, and risk of bias.
Results
A total of 65 articles were included in our review. Accuracy was assessed for 14 different outcomes, which can be classified in the following categories: count of specific activities (including step counts), time spent being active, intensity of physical activity (including energy expenditure), heart rate, distance, and speed. Substantial clinical heterogeneity did not allow us to perform a meta-analysis of the results. The outcomes assessed most frequently were step counts, heart rate, and energy expenditure. For step counts, the Fitbit Charge (or the Fitbit Charge HR) had a mean absolute percentage error (MAPE) <25% across 20 studies. For heart rate, the Apple Watch had a MAPE <10% in 2 studies. For energy expenditure, the MAPE was >30% for all the brands, showing poor accuracy across devices. Acceptability was most frequently measured through data availability and wearing time. Data availability was ≥75% for the Fitbit Charge HR, Fitbit Flex 2, and Garmin Vivofit. The wearing time was 89% for both the GENEActiv and Nike FuelBand.
Conclusions
The Fitbit Charge and Fitbit Charge HR were consistently shown to have a good accuracy for step counts and the Apple Watch for measuring heart rate. None of the tested devices proved to be accurate in measuring energy expenditure. Efforts should be made to reduce the heterogeneity among studies.
來源與署名
Accuracy and Acceptability of Wrist-Wearable Activity-Tracking Devices: Systematic Review of the Literature.
Germini F, Noronha N, Borg Debono V, Abraham Philip B, Pete D, Navarro T, Keepanasseril A, Parpia S, de Wit K, Iorio A.
Journal of medical Internet research · 2022-01-21
DOI: 10.2196/30791 ↗PubMed · 35060915 ↗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

