跳到正文
穿戴裝置與測量科學研究論文4 分鐘閱讀

2020年至2022年44.5%的美國人擁有穿戴式裝置,但老年人、低收入者和農村居民擁有率較低

MoveVitals 編輯部 · 研究發表 · 解讀更新

原文:Patterns of Ownership and Usage of Wearable Devices in the United States, 2020-2022: Survey Study. · Journal of medical Internet research · 2024 · 論文原文 ↗

先看重點

在與美國人口普查相匹配的23,974人調查中,10,679人(44.5%)擁有穿戴式裝置,65歲及以上族群(OR 0.18,95%置信區間0.16~0.21)和無保險者(OR 0.41)的擁有率明顯更低。這是自我報告的消費者調查,反映的是誰擁有裝置,而不是誰從中受益。

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

穿戴式裝置越來越普及,並開始進入臨床和公共衛生領域,但不同社會人口群體的擁有情況如何,瞭解不多。作者想衡量美國消費者按社會人口特徵劃分的裝置擁有率,並瞭解人們如何獲得和使用這些裝置來管理健康。

研究對象與方法

調查研究,使用Rock Health數字健康消費者採納調查2020年至2022年收集的23,974名美國參與者的資料。樣本在年齡、種族和族裔、性別及收入上與美國人口普查相匹配。研究用描述性分析和多變數邏輯迴歸探討社會人口因素與裝置擁有的關係。

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
    23,974名受訪者中,10,679人(44.5%)擁有穿戴式裝置。年輕人、收入和學歷更高者以及城市居民的擁有率更高。
  2. 2
    與18~24歲相比,65歲及以上者擁有裝置的比值明顯更低(OR 0.18,95%置信區間0.16~0.21)。高收入(≥200,000美元;OR 2.27,95%置信區間2.01~2.57)和高學歷(OR 2.23,95%置信區間2.01~2.48)是強預測因素;居住在農村則降低擁有可能性(OR 0.65,95%置信區間0.60~0.72)。
  3. 3
    有私人保險者擁有的比值更高(OR 1.28,95%置信區間1.17~1.40),無保險者(OR 0.41,95%置信區間0.36~0.47)和醫療補助(Medicaid)參保者(OR 0.75,95%置信區間0.68~0.82)則更低。
  4. 4
    女性比男性略高(OR 1.10,95%置信區間1.04~1.17),非西班牙裔黑人(OR 1.14,95%置信區間1.03~1.25)和西班牙裔/拉丁裔(OR 1.20,95%置信區間1.10~1.31)受訪者的比值略高於其他種族和族裔群體。

限制與不確定性

  1. 1
    裝置擁有情況來自網路消費者調查的自我報告,可能漏掉聯網較少或不願參加調查的人。
  2. 2
    資料覆蓋2020年至2022年,這一時期受新冠疫情影響,此後擁有率很可能已發生變化。
  3. 3
    摘要對人們如何將裝置用於健康管理著墨很少,因此研究問題中的使用部分在此基本沒有回答。
  4. 4
    比值比比較的是群體,並不說明差距的原因,以上解讀僅基於摘要。

日常健康啟示

如果你在使用穿戴式裝置,你屬於一個偏年輕、偏富裕、學歷較高且偏城市的群體,因此基於穿戴式裝置的資料和研究可能對其他人代表性不足。作者主張在穿戴式裝置進入醫療領域時要保障公平獲取。這項調查並沒有說明擁有裝置是否能改善健康。

如何連結自己的資料

這項研究關注的是誰擁有穿戴式裝置,而不是資料的含義。如果你有裝置,堅持佩戴並在同一裝置上比較自己的趨勢,比與他人的平均值對照更有意義。

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

Although wearable technology has become increasingly common, comprehensive studies examining its ownership across different sociodemographic groups are limited.

Objective

The aims of this study were to (1) measure wearable device ownership by sociodemographic characteristics in a cohort of US consumers and (2) investigate how these devices are acquired and used for health-related purposes.

Methods

Data from the Rock Health Digital Health Consumer Adoption Survey collected from 2020 to 2022 with 23,974 US participants were analyzed. The sample was US Census-matched for demographics, including age, race/ethnicity, gender, and income. The relationship between sociodemographic factors and wearable ownership was explored using descriptive analysis and multivariate logistic regression.

Results

Of the 23,974 respondents, 10,679 (44.5%) owned wearables. Ownership was higher among younger individuals, those with higher incomes and education levels, and respondents living in urban areas. Compared to those aged 18-24 years, respondents 65 years and older had significantly lower odds of wearable ownership (odds ratio [OR] 0.18, 95% CI 0.16-0.21). Higher annual income (≥US $200,000; OR 2.27, 95% CI 2.01-2.57) and advanced degrees (OR 2.23, 95% CI 2.01-2.48) were strong predictors of ownership. Living in rural areas reduced ownership odds (OR 0.65, 95% CI 0.60-0.72). There was a notable difference in ownership based on gender and health insurance status. Women had slightly higher ownership odds than men (OR 1.10, 95% CI 1.04-1.17). Private insurance increased ownership odds (OR 1.28, 95% CI 1.17-1.40), whereas being uninsured (OR 0.41, 95% CI 0.36-0.47) or on Medicaid (OR 0.75, 95% CI 0.68-0.82) decreased the odds of ownership. Interestingly, minority groups such as non-Hispanic Black (OR 1.14, 95% CI 1.03-1.25) and Hispanic/Latine (OR 1.20, 95% CI 1.10-1.31) respondents showed slightly higher ownership odds than other racial/ethnic groups.

Conclusions

Our findings suggest that despite overall growth in wearable ownership, sociodemographic divides persist. The data indicate a need for equitable access strategies as wearables become integral to clinical and public health domains.

來源與署名

Patterns of Ownership and Usage of Wearable Devices in the United States, 2020-2022: Survey Study.

Nagappan A, Krasniansky A, Knowles M.

Journal of medical Internet research · 2024-07-26

DOI: 10.2196/56504 ↗PubMed · 39058548 ↗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 →