先看重點
在100名房顫患者和100名竇性心律患者中,Apple和Samsung手錶的演算法診斷房顫優於Withings(敏感性/特異性為87%/86%、88%/81%,對比78%/80%,p < 0.05),主要因為Withings得出的無結論心電圖更多。專家判讀時的排名則不同,且記錄是在臨床環境中完成的。
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
智慧手錶可以記錄單導聯心電圖,但各型號的內建演算法和心電圖的可讀性可能不同。作者比較了三款商用智慧手錶透過自動演算法和專家判讀識別心房顫動(房顫)的能力。
研究對象與方法
前瞻性、非隨機、判讀者設盲的臨床研究,納入100名房顫患者和100名竇性心律患者,排除心房撲動患者。每名患者按隨機順序做4次心電圖記錄:常規12導聯心電圖、Apple Watch Series 5、Samsung Galaxy Watch Active 3和Withings Move ECG。所有手錶心電圖既由各自的專有軟體自動分析,也由臨床專家判讀,專家同時對記錄質量評級。
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自動演算法診斷房顫的準確性,Apple和Samsung優於Withings(敏感性/特異性:Apple 87%/86%,Samsung 88%/81%,Withings 78%/80%,p < 0.05),原因是Withings得出的無結論心電圖更多。
- 2專家判讀的準確性,Withings和Apple優於Samsung(敏感性/特異性:Withings 96%/86%,Apple 94%/84%,Samsung 86%/76%,p < 0.05)。
- 3Samsung的差距源於無法判讀的記錄更多:15%,對比另兩款的2%和4%(p < 0.05)。
限制與不確定性
- 1僅100名房顫患者和100名竇性心律患者,且均在臨床環境記錄,排除了心房撲動,居家日常使用時的表現可能不同。
- 2只測試了三個型號,軟硬體版本不斷更新,結果未必適用於更新的手錶。
- 3摘要沒有說明無結論心電圖在準確性數字中如何計算,只提到它們拉低了Withings的準確性。
- 4本解讀僅基於摘要。
日常健康啟示
智慧手錶心電圖能發現房顫,但手錶型號會影響它給出結論的頻率和心電圖的可讀性。手錶的提醒或記錄只是就醫的提示,不是診斷;結果正常也不能排除房顫。
如何連結自己的資料
如果你的手錶能記錄心電圖,請儲存記錄並寫下當時的症狀,交給醫師看。記錄時儘量坐著不動,每次保持相同方式,不要在不同品牌型號的手錶之間比較讀數。
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。
Aims
The diagnostic accuracy of proprietary smartwatch algorithms and the interpretability of smartwatch ECG tracings may differ between available models. We compared the diagnostic potential for detecting atrial fibrillation (AF) of three commercially available smartwatches.
Methods
We performed a prospective, non-randomized, and adjudicator-blinded clinical study of 100 patients in AF and 100 patients in sinus rhythm, patients with atrial flutter were excluded. All patients underwent 4 ECG recordings: a conventional 12-lead ECG, Apple Watch Series 5®, Samsung Galaxy Watch Active 3®, and Withings Move ECG® in random order. All smartwatch ECGs were analyzed using their respective automated proprietary software and by clinical experts who also graded the quality of the tracings.
Results
The accuracy of automated AF diagnoses by Apple and Samsung outperformed that of Withings, which was attributable to a higher proportion of inconclusive ECGs with the latter (sensitivity/specificity: 87%/86% and 88%/81% vs. 78%/80%, respectively, p < 0.05). Expert interpretation was more accurate for Withings and Apple than for Samsung (sensitivity/specificity: 96%/86% and 94%/84% vs. 86%/76%, p < 0.05), driven by the high proportion of uninterpretable tracings with the latter (2 and 4% vs. 15%, p < 0.05).
Conclusion
Diagnosing AF is possible using various smartwatch models. However, the diagnostic accuracy of their automated interpretations varies between models as does the quality of ECG tracings recorded for manual interpretation.
來源與署名
Smartwatch Electrocardiograms for Automated and Manual Diagnosis of Atrial Fibrillation: A Comparative Analysis of Three Models.
Abu-Alrub S, Strik M, Ramirez FD, Moussaoui N, Racine HP, Marchand H, Buliard S, Haïssaguerre M, Ploux S, Bordachar P.
Frontiers in cardiovascular medicine · 2022-02-04
DOI: 10.3389/fcvm.2022.836375 ↗PubMed · 35187135 ↗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

