跳到正文
穿戴裝置與測量科學證據回顧3 分鐘閱讀

穿戴式裝置與醫護人員職業倦怠:尚無可靠指標,僅有零星線索

MoveVitals 編輯部 · 研究發表 · 解讀更新

原文:Wearable Technologies for Detecting Burnout and Well-Being in Health Care Professionals: Scoping Review. · Journal of medical Internet research · 2024 · 論文原文 ↗

先看重點

一項納入10項研究的範圍綜述發現,沒有哪項生理指標與醫護人員的職業倦怠或焦慮可靠相關,不過步數和臥床時間與憂鬱症狀有關,心率和心率變異性與急性壓力有關。研究數量少、時間短、樣本小,穿戴式裝置預測倦怠仍未得到證實。

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

在美國,多達60%的醫學生、住院醫師、醫師和註冊護士有職業倦怠症狀,穿戴式裝置若能提前預警會很有幫助。作者想找出穿戴式裝置能捕捉到的職業倦怠生理標誌物,並梳理目前用穿戴式裝置預測醫護人員倦怠方面的空白。

研究對象與方法

範圍綜述。作者於2022年6月7日檢索了11個資料庫,包括MEDLINE、Embase、PsycInfo、Cochrane中央對照試驗註冊庫、Web of Science、Scopus和CINAHL,不設日期限制。納入物件為佩戴穿戴式裝置的醫學生、住院醫師、醫師和護士中關於焦慮、職業倦怠、壓力和憂鬱的研究,並用Newcastle Ottawa佇列研究質量評價表評估偏倚。檢索得到505篇論文,納入10項(1.95%)。

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
    納入的10項研究中,多數(n=9)使用腕戴式生物感測器,多數(n=8)為觀察性佇列研究,偏倚風險較低。
  2. 2
    沒有任何生理指標與職業倦怠或焦慮可靠相關。
  3. 3
    步數和臥床時間與憂鬱症狀有關,心率和心率變異性與急性壓力有關。
  4. 4
    研究很少有長期觀察(如12個月或以上)或大樣本,也很少把穿戴式資料與患者病情複雜度等系統層面資訊結合。裝置依從性和取樣頻率的報告往往不夠充分。

限制與不確定性

  1. 1
    僅10項研究符合標準,且多為觀察性、小樣本,這篇綜述無法回答穿戴式裝置能否預測職業倦怠。
  2. 2
    摘要未報告效應量,各研究使用的裝置和指標很可能不同,作者將其視為資料標準化問題。
  3. 3
    裝置依從性和取樣頻率報告不足,難以判斷穿戴式裝置實際採集到多少資料。
  4. 4
    本解讀僅基於摘要。

日常健康啟示

如今的穿戴式裝置可以顯示你的壓力、睡眠和活動在如何變化,但目前還沒有經過驗證、能檢測職業倦怠的評分。如果工作壓力影響了你的情緒、睡眠或工作狀態,與臨床醫師或單位的支援服務溝通,比任何裝置讀數都重要。

如何連結自己的資料

這裡與心理狀態相關的訊號,正是許多穿戴式裝置記錄的:步數、臥床時間、心率和HRV。請在同一裝置上比較數週的資料,留意活動減少或臥床時間變長等持續變化,把它們當作自我檢視的提示,而不是倦怠的診斷。

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

The occupational burnout epidemic is a growing issue, and in the United States, up to 60% of medical students, residents, physicians, and registered nurses experience symptoms. Wearable technologies may provide an opportunity to predict the onset of burnout and other forms of distress using physiological markers.

Objective

This study aims to identify physiological biomarkers of burnout, and establish what gaps are currently present in the use of wearable technologies for burnout prediction among health care professionals (HCPs).

Methods

A comprehensive search of several databases was performed on June 7, 2022. No date limits were set for the search. The databases were Ovid: MEDLINE(R), Embase, Healthstar, APA PsycInfo, Cochrane Central Register of Controlled Trials, Cochrane Database of Systematic Reviews, Web of Science Core Collection via Clarivate Analytics, Scopus via Elsevier, EBSCOhost: Academic Search Premier, CINAHL with Full Text, and Business Source Premier. Studies observing anxiety, burnout, stress, and depression using a wearable device worn by an HCP were included, with HCP defined as medical students, residents, physicians, and nurses. Bias was assessed using the Newcastle Ottawa Quality Assessment Form for Cohort Studies.

Results

The initial search yielded 505 papers, from which 10 (1.95%) studies were included in this review. The majority (n=9) used wrist-worn biosensors and described observational cohort studies (n=8), with a low risk of bias. While no physiological measures were reliably associated with burnout or anxiety, step count and time in bed were associated with depressive symptoms, and heart rate and heart rate variability were associated with acute stress. Studies were limited with long-term observations (eg, ≥12 months) and large sample sizes, with limited integration of wearable data with system-level information (eg, acuity) to predict burnout. Reporting standards were also insufficient, particularly in device adherence and sampling frequency used for physiological measurements.

Conclusions

With wearables offering promise for digital health assessments of human functioning, it is possible to see wearables as a frontier for predicting burnout. Future digital health studies exploring the utility of wearable technologies for burnout prediction should address the limitations of data standardization and strategies to improve adherence and inclusivity in study participation.

來源與署名

Wearable Technologies for Detecting Burnout and Well-Being in Health Care Professionals: Scoping Review.

Barac M, Scaletty S, Hassett LC, Stillwell A, Croarkin PE, Chauhan M, Chesak S, Bobo WV, Athreya AP, Dyrbye LN.

Journal of medical Internet research · 2024-06-25

DOI: 10.2196/50253 ↗PubMed · 38916948 ↗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 →