英國10至11歲兒童在解封後活動量更低,其父母則未見變化
與2017至2018年相比,2021年10至11歲兒童加速度計測得的中高強度活動在工作日少7.7分鐘(95%置信區間3.5~11.9),週末少6.9分鐘(95%置信區間0.9~12.9),久坐時間更長。比較的是兩批不同的兒童(2021年393名,此前1296名),因此差異未必全由封控造成。
The international journal of behavioral nutrition and physical activity
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
清除篩選與2017至2018年相比,2021年10至11歲兒童加速度計測得的中高強度活動在工作日少7.7分鐘(95%置信區間3.5~11.9),週末少6.9分鐘(95%置信區間0.9~12.9),久坐時間更長。比較的是兩批不同的兒童(2021年393名,此前1296名),因此差異未必全由封控造成。
The international journal of behavioral nutrition and physical activity
這項範圍綜述檢索了2011年至2021年6月25日的文獻,共找到344篇,其中19篇(5.5%)符合納入條件,涉及孤獨症、注意缺陷多動障礙(ADHD)和焦慮類障礙,使用胸帶或手腕裝置(如Fitbit手錶)。這些研究差異很大,多為試點或可行性研究,並不能證明穿戴式人工智慧可用於診斷。
Journal of medical Internet research
在100名房顫患者和100名竇性心律患者中,Apple和Samsung手錶的演算法診斷房顫優於Withings(敏感性/特異性為87%/86%、88%/81%,對比78%/80%,p < 0.05),主要因為Withings得出的無結論心電圖更多。專家判讀時的排名則不同,且記錄是在臨床環境中完成的。
Frontiers in cardiovascular medicine
彙總41項研究後,使用消費級活動追蹤器的介入專案可增加學齡兒童的每日步數(d = 0.612,95%置信區間0.477-0.746)和中高強度活動(d = 0.220),但久坐行為沒有改善(d = 0.172,方向不利)。證據確定性為低至中等,且不少納入研究並非隨機設計。
Sports medicine - open
對65篇文獻的綜述發現,Fitbit Charge系列在20項研究中步數的平均絕對百分比誤差(MAPE)低於25%,Apple Watch在2項研究中心率的MAPE低於10%,而所有品牌的能量消耗誤差都超過30%。各研究差異過大無法合併,因此這些只是描述性的規律,而非裝置排名。
Journal of medical Internet research
267名在職成年人連續14天佩戴Fitbit Charge 2,夜間心率波動更大、步數節律更不規律者憂鬱症狀更重,但在全部樣本中檢出能力有限。80%的準確率僅出現在把憂鬱者與無或極輕症狀者作對比的子樣本中,比真實篩查容易得多。
JMIR mHealth and uHealth
在89205名英國生物銀行參與者中,有終身住院精神科診斷者在10項腕戴加速度計睡眠指標中,中位數有8.5項與其他人不同,但效應較小(最大β為-0.11,95%置信區間-0.13至-0.10,見於憂鬱症與睡眠效率)。這是橫斷面分析,診斷往往早於睡眠記錄。
PLoS medicine
在29項針對60歲以上社群老年人的研究中,除1項外,穿戴式裝置測得的身體活動都與衰弱程度相關,所有報告步速的研究都發現步速與衰弱相關。這些研究使用了13種感測器、佩戴在8個身體部位,目前尚無公認的最佳裝置或佩戴位置。
Journal of neuroengineering and rehabilitation
在檢索到的1981篇文章中,26項研究用移動或穿戴式裝置監測糖尿病相關指標,多用加速度計,作者認為該領域仍處早期。針對2型糖尿病的研究很少,無一研究併發症,臨床試驗也少,因此無法說明這些裝置能否改善診療。
JMIR mHealth and uHealth
綜合20篇定性研究、349名年齡51-94歲受試者的看法,評價發現動機、易用性和實用目的決定老年人能否把穿戴式裝置融入日常生活。這些是以活動追蹤器為主的自述體驗,反映的是態度,並未測量誰真正堅持佩戴。
JMIR mHealth and uHealth
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
利用67名慢阻肺患者的Fitbit、室內空氣質量和症狀資料,模型預測未來7天內是否發生急性加重,準確率92.1%,靈敏度94%,特異度90.4%。僅在一家醫院記錄到25次急性加重,模型能否適用於其他族群尚未證實。
JMIR mHealth and uHealth
在10名社群老年人中,疫情宣佈後步數下降55.1%,步行時間下降52.2%,而憂鬱症狀上升150%。僅10人且無對照組,這些只是描述性變化,不能證明活動減少導致了憂鬱。
Sensors (Basel, Switzerland)
利用來自3個歐洲研究點368名參與者的2812份問卷記錄,發現14個由腕帶得出的睡眠特徵與憂鬱症狀評分(PHQ-8)顯著相關,其中平均睡眠結束時間(z=6.19,P<.001)和覺醒次數(z=5.53,P<.001)最突出。這是跨族群和時間的睡眠與症狀的關聯,且各研究點的模式不同,不能說明睡眠變化可以預測或導致憂鬱。
JMIR mHealth and uHealth
這項快速綜述納入19篇論文,歸納出損害個人自有穿戴式裝置資料質量的三類因素:裝置與技術因素、使用者因素和資料治理因素,它們會使資料不完整、不準確且存在異質性。綜述是對少量文獻的敘述性歸納,沒有給出實測誤差率。
JMIR mHealth and uHealth
在佩戴Apple Watch的醫護人員中,心率變異性指標SDNN的晝夜節律振幅在感染與未感染者之間不同(P=.006),在診斷前後各7天與未感染時段相比也不同(P=.01)。摘要沒有給出參與人數和診斷準確性,因此其能否作為個人預警尚未確立。
Journal of medical Internet research
這項敘述性綜述從960篇論文中分析了82篇,發現醫療穿戴式裝置可分為4類應用:健康與安全監測、慢性病管理、疾病診斷與治療、康復。敘述性綜述不合並結果,因此它描述的是現有應用的全貌,而不能說明某種裝置的效果如何。
JMIR mHealth and uHealth
45名健康成年人連續監測7天,Oura戒指測得的總睡眠時間與醫用活動記錄儀高度相關(r=0.86),三星Gear Sport手錶則相關性較低(r=0.59)。受試者均為健康人且在家使用,因此結果不能說明睡眠障礙族群的情況,也不能說明睡眠分期是否準確。
JMIR mHealth and uHealth