跳到正文
穿戴裝置與測量科學橫斷面研究3 分鐘閱讀

慢性病患者總體歡迎帶AI的穿戴式裝置,但擔心資料準確性

MoveVitals 編輯部 · 研究發表 · 解讀更新

原文:Adoption barriers and facilitators of wearable health devices with AI integration: a patient-centred perspective. · Frontiers in medicine · 2025 · 論文原文 ↗

先看重點

在對455人(多數為慢性病患者)的線上調查中,人們對AI穿戴式健康裝置的看法總體偏正面,但對技術故障、資料準確性和人際接觸減少仍有明顯擔憂。樣本來自便利抽樣和分層抽樣,摘要又沒有給出具體數字,因此每種看法有多普遍並不清楚。

證據類型

橫斷面研究

解讀依據

公開摘要

閱讀重點

關聯與混雜

研究在問什麼

AI穿戴式裝置有望實現持續監測、早期發現和個體化的慢性病管理,但前提是患者信任並願意使用。研究者調查了患者對這類裝置的看法、信任度和認知,以找出促進或阻礙採用的因素。

研究對象與方法

橫斷面線上問卷研究,共455名參與者,包括慢性病患者,透過便利抽樣和分層抽樣招募。問卷包括人口學問題、李克特量表條目,以及評估對特定AI功能和裝置功能瞭解程度的選擇題。摘要沒有說明國家或場所,也沒有報告百分比或統計檢驗。

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
    看法以正面為主:多數參與者認同穿戴式裝置能促進主動式醫療、方便遠端會診並提供精準的健康資訊。
  2. 2
    明顯的擔憂包括技術故障、資料準確性,以及可能減少人際互動。
  3. 3
    未發現顯著的人口學差異,但慢性病患者的看法更積極。
  4. 4
    作者的結論是,要讓AI穿戴式裝置在慢性病管理中成功應用,需要使用者教育、技術可靠性和專業人員監督。

限制與不確定性

  1. 1
    便利抽樣和線上調查更容易納入熟悉技術的人,所以看法可能比更廣泛的患者族群更積極。
  2. 2
    摘要沒有報告百分比、效應量或P值,無法判斷正面看法和擔憂的強弱。
  3. 3
    對益處的看法並不等於證據,說明裝置能改善健康,研究也沒有測量實際使用情況或健康結局。
  4. 4
    摘要沒有說明調查在哪裡進行,結果未必適用於其他醫療體系。

日常健康啟示

結果顯示,慢性病患者願意接受AI輔助的穿戴式裝置,只要它可靠並有臨床醫師配合,這種態度是合理的。依據裝置做健康決策前,請了解它經過了怎樣的驗證,對讓你擔心的讀數,應與臨床醫師討論。

如何連結自己的資料

這項研究講的是對穿戴式裝置的態度,不是可以記錄的指標。調查中提到的擔憂,對你自己的資料同樣實用:留意資料是否有缺失或錯誤,持續使用同一臺裝置,並把提醒當作聯絡專業人員的線索,而不是診斷。

如何理解這類證據

同一時期的測量通常不能確定方向或因果;症狀可能改變行為,不能只按行為導致症狀解釋。

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。

Introduction

Wearable devices that incorporate artificial intelligence (AI) have revolutionised healthcare through continuous monitoring, early detection, and tailored management of chronic diseases.

Methods

This cross-sectional study analysed patients' perceptions, trust, and awareness of AI-driven wearable health technologies, emphasising the identification of primary facilitators and barriers to adoption. A total of 455 participants, comprising individuals with chronic conditions, were recruited through convenience and stratified sampling methods. Data were collected via an online questionnaire that included demographic questions, Likert-scale items, and multiple-choice questions to evaluate awareness of particular AI features and the functionalities of wearable devices.

Results and discussion

The findings indicated predominantly positive perceptions, with most participants concurring that wearable devices improve proactive care, facilitate remote consultations, and deliver precise health insights. Concerns regarding technical failures, data accuracy, and the potential reduction of human interaction were significant. No notable demographic differences were identified; however, participants with chronic conditions expressed more favourable perceptions. The research emphasises the necessity of user education, technical reliability, and professional oversight for the successful integration of AI-powered wearables in the management of chronic diseases.

來源與署名

Adoption barriers and facilitators of wearable health devices with AI integration: a patient-centred perspective.

Alzghaibi H.

Frontiers in medicine · 2025-04-03

DOI: 10.3389/fmed.2025.1557054 ↗PubMed · 40248075 ↗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 →