糖尿病患者認為穿戴式人工智慧裝置有用,但擔心隱私、費用和易用性
在418名糖尿病患者的線上調查中,83.9%認為穿戴式裝置對監測血糖和活動有用,但79.7%擔心資料隱私、77.0%擔心費用、75.1%擔心易用性;81.9%表示如果醫療人員推薦,願意使用整合人工智慧的裝置。這些是自我報告的態度,樣本來自自願參與的網路調查,不能說明這些裝置能改善糖尿病控制。
Frontiers in medicine
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
清除篩選在418名糖尿病患者的線上調查中,83.9%認為穿戴式裝置對監測血糖和活動有用,但79.7%擔心資料隱私、77.0%擔心費用、75.1%擔心易用性;81.9%表示如果醫療人員推薦,願意使用整合人工智慧的裝置。這些是自我報告的態度,樣本來自自願參與的網路調查,不能說明這些裝置能改善糖尿病控制。
Frontiers in medicine
在23項隨機對照試驗、共4566名社群老年人中,基於追蹤器的介入在結束後即刻,使每日步數(標準化均數差0.58,95%置信區間0.33~0.83)和身體活動時間(標準化均數差0.28,95%置信區間0.10~0.47)優於常規照護。BMI、體脂和身體功能未見明顯改善,證據質量為低到中等。
Journal of medical Internet research
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。
Frontiers in medicine
在2022年對5591名美國成年人的調查中,36.36%(2033人)使用穿戴式裝置;78.4%的使用者(2020人中的1584人)願意向醫療人員分享資料,但實際分享者僅26.5%(2020人中的535人)。這是單一時間點的自報全國調查,只能描述現狀,不能說明原因。
Journal of medical Internet research
這項系統評價發現,將人工智慧與穿戴式慣性測量單元(IMU)結合的研究,資料集中位數僅為50名參與者;76%使用傳統機器學習,93%使用監督學習,65%聚焦神經系統問題。摘要未給出納入研究數量和模型表現,因此它反映的是研究現狀,而非這些工具的實際效果。
JMIR mHealth and uHealth
在122名門診患者中,手持心電圖、Apple Watch心電圖和兩款手機應用檢出房顫的靈敏度均為100%,識別竇性心律的特異度為96.4%至98.9%。其中僅30人為房顫,且有7.4%至14.8%的記錄質量不足。
JMIR formative research
這篇系統綜述納入來自12項不同研究的23篇論文,有一些證據表明,活動量低、心率高、入睡晚且不規律,與精神分裂症或雙相障礙患者的精神科診斷或症狀較重相關。裝置、測量和統計方法差異很大,結果難以比較。
JMIR mental health
在23項脈搏血氧飽和度研究(n = 59,684)和4項穿戴式裝置脈率研究(n = 176)中,淺色、中等和深色皮膚的準確度均未達到監管閾值,深色皮膚的SpO2平均偏差最高(1.27%,95%置信區間0.58至1.95)。納入的穿戴式裝置研究很少,且深色皮膚的脈率誤差範圍最寬。
Journal of medical Internet research
在38項研究中,穿戴式AI檢測睡眠呼吸暫停的合併準確度為0.869,敏感度0.938,特異度0.752,但判別嚴重程度等級的準確度只有0.651。作者認為目前的表現尚不理想,不足以用於常規臨床,且結果隨演算法、資料型別、呼吸暫停型別和裝置佩戴位置而不同。
Journal of medical Internet research
在2976名起始時無近視的上海學童中,只有連續至少15分鐘且光照不低於2000勒克斯的戶外時段,與1年內近視漂移較少相關(例如光照2000至3999勒克斯時為-0.007 D,95%置信區間-0.011至-0.002 D)。每單位的效應很小,且這是試驗內的觀察性分析,不能證明這些模式能預防近視。
JAMA network open
24項系統評價共納入249項驗證研究、430,465名參與者,消費級穿戴式裝置的心率平均偏差為±3%,但會高估最大攝氧量(靜息測試高估±15.24%,運動測試高估±9.83%)。目前僅約11%的已上市裝置至少有一項指標經過驗證,且各項研究方法差異很大,還難以對準確性下定論。
Sports medicine (Auckland, N.Z.)
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。
Journal of medical Internet research
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。
Journal of medical Internet research
在30名近期發生心肌梗死的患者中,為期26週、由穿戴式裝置監測的線上康復方案在24週時使每日步數和每日距離的改善優於健身房康復(均p<0.05),兩組所有指標均有改善(p<0.001)。僅30名參與者,「兩者同樣有效」的結論只是初步的。
Frontiers in cardiovascular medicine
利用「我們所有人」(All of Us)研究計劃的Fitbit資料,個體化隨機森林模型能區分孕前、孕期、無憂鬱的產後和產後憂鬱時期(mAUC = 0.85;κ = 0.80)。產後憂鬱(PPD)佇列不足20名女性,結果只是初步的。
JMIR mHealth and uHealth
在1074名有加速度計資料的65歲以上美國成年人中,睡眠效率的逐日波動越大,數字符號替換測試(校正後β = -2.01,每增加10%)和動物流暢性測試(-0.84)的得分越低,但詞語學習測試無此關聯。資料為橫斷面,認知變差也可能反過來擾亂睡眠。
JMIR aging
在8416名50-65歲的瑞典成年人中,久坐時間與中高強度活動時間和同一批腸道菌種相關,但方向相反。這是橫斷面研究,無法判斷是活動改變了菌群,還是菌群不同的人活動方式本來就不同。
EBioMedicine
在一項納入220名業餘跑者的隨機試驗中,意向性治療分析顯示,鞋墊實時回饋並未顯著改變損傷發生率(HR 1.11,P = .70)。由於160名納入分析者中有53人(33%)使用了錯誤設定,按實際接受處理分析中較低的損傷率(HR 0.53,P = .03)可靠性較差。
The American journal of sports medicine