慢性腰痛患者自評活動量高於感測器記錄,實時疼痛評分偏低
989名慢性腰痛成人連續7天每天三次記錄疼痛,疼痛強度中位數僅為1(0~10分),自評活動量高於腕部、腰部和背部感測器的記錄。研究物件來自大型研究中心,且只觀察了1週,結果未必代表數月內的疼痛變化。
JOR spine
數量表示本站收錄規模,不代表領域證據的強弱。
驗證結論取決於指標、型號、參照與場景。心率相對可靠,不能自動驗證熱量或睡眠階段;同一批加速度計資料採用不同演算法,也會改變活動與疾病的關聯估計。
找到 131 篇論文
清除篩選989名慢性腰痛成人連續7天每天三次記錄疼痛,疼痛強度中位數僅為1(0~10分),自評活動量高於腕部、腰部和背部感測器的記錄。研究物件來自大型研究中心,且只觀察了1週,結果未必代表數月內的疼痛變化。
JOR spine
在對432名中國慢性病患者的調查中,預期實用性、預期易用性、社會影響和便利條件均正向預測使用穿戴式裝置的意願,意願又預測實際使用。這是自我報告的橫斷面調查,反映的是模型中的關聯,不能說明什麼會改變行為。
Frontiers in public health
在30項於臨床和真實環境中使用穿戴式感測器的研究中,67%(20/30)使用慣性測量單元,4項研究(13%)報告對跌倒風險和活動能力下降有較高預測準確性(AUC最高0.97)。研究多為觀察性,感測器位置和方法不一,最佳準確率未必適用於日常使用。
JMIR mHealth and uHealth
在26項研究中,組合多種訊號的穿戴式方法識別焦慮的合併準確率為81.94%,高於單一訊號的76.85%,其中心電圖是最可靠的單一訊號(12項研究合併準確率80.34%)。單感測器研究少、方法不一,比較較為粗略,研究環境中的準確率也未必適用於日常生活。
Communications medicine
一項納入55項研究(2020年至2025年)的系統綜述發現,穿戴式遠端監測仍主要依賴傳統統計方法,先進人工智慧的應用有限,針對心理和認知健康的研究也落後於身體健康監測。摘要沒有報告對患者結局的合併效應,因此無法說明這類系統究竟能在多大程度上改善醫療。
Digital health
30項研究共納入40,334名5-18歲青少年,中高強度活動越多,憂鬱(偏相關係數r = -0.17)和焦慮(偏相關係數r = -0.21)症狀越少,關聯較小。一半研究為橫斷面研究且加速度計方法差異很大,合併效應不確定,也不能證明因果方向。
BMC pediatrics
在28名健康青年中,光學心率裝置靜息時與胸帶高度一致(CCC > 0.99),但波比跳時一致性明顯下降(CCC < 0.50),3個相同的Whoop 4.0戴在不同部位表現也不同。樣本小且為健康族群、運動方案較短,結果未必適用於日常佩戴。
Sensors (Basel, Switzerland)
在271名接受移動心臟康復的老年人中,8聚類分析裡持續高佩戴組的6分鐘步行距離比低依從組多提高38.5米(95%置信區間2.2至74.7;P=.04)。2聚類分析僅為趨勢(24.6米,P=.06),證據較弱,也不能說明因果。
Journal of medical Internet research
在84095名英國生物銀行參與者中,追蹤中位數7.90年,休息-活動節律振幅處於最低五分位的人,缺血性心臟病風險升高(HR 1.20,95%置信區間1.12至1.30)。腕戴裝置資料與遺傳分析提示可能存在因果關係,但孟德爾隨機化依賴假設,且結果接近臨界(P=.047)。
Journal of medical Internet research
這項納入48項研究的混合方法綜述發現,穿戴式裝置和互動介面可幫助老年人參與自身健康管理,但可用性、數字素養低、隱私和費用等問題限制了應用。綜述未報告效應量,研究質量參差,只有部分研究較為嚴謹。
Frontiers in medicine
104名嬰兒用穿戴式裝置測量了424個夜晚,家長對睡眠質量的評分與家長報告的覺醒(rho = -0.47)和裝置測得的覺醒(rho = -0.40)均呈中等程度相關。家長低估了較短的覺醒,高估了較長的覺醒;但樣本較小,摘要也沒有說明該裝置與金標準睡眠檢測的對照。
Pediatric research
在20名國家隊耐力運動員為期一年的監測中,Readiness Advisor應用中的每個問題都與其對應指標相關(r = 0.39至0.81),但時間序列分析顯示個體差異明顯。僅20名運動員,結果不能直接推廣到其他運動員或普通健身者。
Sports medicine - open
一項範圍綜述檢索到2385條記錄,僅有19項研究用穿戴式裝置結合人工智慧對心血管事件做實時檢測或預測,且多數使用公開資料集,缺乏真實場景驗證。綜述只是梳理現狀,並未衡量這些系統實際效果如何。
JMIR mHealth and uHealth
一項敘述性綜述發現,人工智慧穿戴式裝置在心律失常檢測中診斷準確度高,在心力衰竭監測中結果令人期待,尤其是獲得美國食品藥品監督管理局(FDA)或歐盟CE認證的裝置。多數研究規模小、週期短且在受控環境中進行,綜述也沒有給出合併數值。
Cureus
在72項、共7949名參與者的研究中,用於居家監測運動的穿戴式裝置總體接受度良好,依從性在70%及以上,與臨床評估的一致性也很好。但只有一半研究是對照試驗,隨機試驗僅佔5.6%,因此它們能否改善診療的證據有限。
Sensors (Basel, Switzerland)
這項範圍綜述梳理了109項將穿戴式裝置用於老年人健康促進的研究,最常見的目標是活動能力、心理健康、跌倒、心律失常檢測、活動識別和睡眠監測。多數研究為應用設計或觀察性研究,因此它說明的是研究了什麼,而不是什麼有效。
Journal of medical Internet research
在這項納入50名患者的遠端心臟康復預試驗中,使用Fitbit後,有線上指導組(+1.6 mL/kg/min,P<.001)和僅用穿戴式裝置組(+0.6 mL/kg/min,P=.008)的峰值攝氧量較基線均有升高,兩組間無差異(P=.65)。試驗規模小、單中心且為開放標籤,不能說明線上指導會提高體能。
JMIR mHealth and uHealth
一項範圍綜述納入46項研究,發現穿戴式裝置上的人工智慧主要用於睡眠呼吸暫停的篩查和診斷,沒有研究將其用於治療;46項中有30項(65%)使用了商用裝置。該綜述只描繪現狀,沒有合併準確性資料,因此無法說明這些系統的實際效果。
Journal of medical Internet research