有心血管危险因素的成年人基于心率和身体加速度的心肺健康评估:验证研究gydF4y2Ba

简介gydF4y2Ba

心血管疾病(cvd)是全球发病率、死亡率和经济负担的主要原因[gydF4y2Ba1gydF4y2Ba］．除了常规的可改变的CVD危险因素，如吸烟、高血压、糖代谢障碍和血脂异常，明确的流行病学证据表明，心肺健康(CRF)也是非致命性CVD事件以及心血管和全因死亡的独立和可改变的危险因素[gydF4y2Ba2gydF4y2Ba-gydF4y2Ba4gydF4y2Ba］．这在生理学上是合理的，因为CRF反映了呼吸、心血管和骨骼肌系统吸收、运输和使用O的综合能力gydF4y2Ba_2gydF4y2Ba［gydF4y2Ba5gydF4y2Ba]，降低CRF反映了其中一个或几个系统的不足。尽管如此，尽管将CRF添加到常规危险因素中可以改善对不良CVD结局风险的预测[gydF4y2Ba4gydF4y2Ba]并因此提供了一个优化患者管理的机会，它仍然是唯一一个在日常临床实践中没有常规确定的主要CVD风险因素[gydF4y2Ba6gydF4y2Ba］．gydF4y2Ba

CRF被量化为个体的最大O值gydF4y2Ba_2gydF4y2Ba峰吸收OgydF4y2Ba_2gydF4y2Ba吸收(签证官gydF4y2Ba_{2峰gydF4y2Ba})，并在临床的心肺运动测试(CPET)中，通常以通气气体分析来测量[gydF4y2Ba7gydF4y2Ba］．CPET需要临床医生的参与;设备;临床人员进行和解释测试的熟练程度;以及确定CRF，即个体进行测试的最大努力[gydF4y2Ba7gydF4y2Ba］．由于这些因素可能会限制CPET在临床实践中用于CRF的测定，特别是在无症状个体的大规模风险预测中，已经开发了评估CRF作为常规临床访问的一部分的替代策略[gydF4y2Ba6gydF4y2Ba］．例如，存在几个非运动CRF预测方程;然而，它们在个体水平上估计CRF的有限准确性限制了其临床应用[gydF4y2Ba8gydF4y2Ba］．次极大运动测试，基于OgydF4y2Ba_2gydF4y2Ba吸收(签证官gydF4y2Ba_2gydF4y2Ba)和心率(HR)或机械负荷，是估算CRF的另一种替代方法[gydF4y2Ba9gydF4y2Ba］．然而，它们的弱点与准确性、混淆因素(如药物)、个体间个性化、预测参数的天花板效应(如HR)和学习效应有关[gydF4y2Ba9gydF4y2Ba］．为了强调与非运动方程和运动方程相关的局限性，最近对15个不同方程的综合分析显示，从个性化临床决策的角度来看，这些方程在估计CRF时的准确性是有限的[gydF4y2Ba10gydF4y2Ba］．因此，进一步以临床可接受的准确性评估CRF的策略是受欢迎的。gydF4y2Ba

容易获得的技术为估计CRF提供了一种策略，因为最近可穿戴设备(如贴片、服装和腕带监视器)的技术进步使在自由生活条件下测量HR和多种其他与健康相关的生理信号成为可能[gydF4y2Ba11gydF4y2Ba］．已经在健康的年轻人中评估了几种可穿戴技术在估算CRF方面的有效性[gydF4y2Ba12gydF4y2Ba-gydF4y2Ba15gydF4y2Ba］．然而，尽管一项这样的研究也包括了一小部分肥胖的中年人[gydF4y2Ba16gydF4y2Ba]，可穿戴技术在具有心血管疾病风险因素、慢性疾病和药物治疗的临床相关人群中评估CRF的有效性尚不清楚[gydF4y2Ba15gydF4y2Ba］．gydF4y2Ba

在这项研究中，我们使用可穿戴式单导联心电图(ECG)设备估计CRF。该装置可准确检测心房颤动[gydF4y2Ba17gydF4y2Ba]，表明它在与HR和HR变异性(HRV)相关的现象中具有临床适用性。对于估计CRF，该设备的技术依赖于HR、HRV和三轴体加速度信号，不需要任何预定协议的数据，但可以在自由生活条件下进行自定步速行走时进行估计[gydF4y2Ba18gydF4y2Ba］．我们的目的是通过与VO比较来检验CRF估计的有效性gydF4y2Ba_{2峰gydF4y2Ba}在具有异质性CVD危险因素特征的临床相关工作年龄成年人队列中直接通过CPET测量。gydF4y2Ba

方法gydF4y2Ba

参与者gydF4y2Ba

这项验证研究是一项名为gydF4y2Ba心率变异性分析支持慢性疾病预防和管理的行为干预gydF4y2Ba(HealthBeat)，由芬兰中部卫生保健区Jyväskylä大学和芬兰Jyväskylä的Firstbeat Technologies Oy进行。HealthBeat研究的参与者主要是通过网络广告招募的，在当地布告栏上发布的公共广告，并要求当地医疗保健提供者的人员告知他们的患者这项研究。本研究纳入标准为(1)年龄在18 ~ 64岁之间，(2)BMI <40 kg/mgydF4y2Ba^2gydF4y2Ba(3)前驱糖尿病(即空腹血糖受损和/或糖耐量受损)或不超过5年前诊断的2型糖尿病和/或诊断的动脉高血压，以及(4)整体身体功能不妨碍受试者安全进行包括CPET在内的实验。本研究的排除标准为贫血、癌症、慢性阻塞性肺疾病、脑血管疾病、慢性房颤、临床显著的高血压介导的器官损害、已诊断的糖尿病相关微血管疾病(如肾病、神经病变和视网膜病变)、心力衰竭、胰岛素使用、缺血性心脏病、左束支阻滞、需要持续气道正压治疗的阻塞性睡眠呼吸暂停、怀孕或哺乳、精神障碍或其他不稳定的精神疾病，继发性高血压，整体身体功能的显著缺陷，显著或非特定的瓣膜疾病，影响心率和心率的特定药物(β受体阻滞剂，血清素和去甲肾上腺素再摄取抑制剂，三环抗抑郁药)，药物滥用，症状性或不稳定的哮喘，症状性或不稳定的甲状腺疾病。gydF4y2Ba

对于那些有兴趣参与研究的人，通过电话进行了初步的健康筛查。然后，有可能符合条件的参与者被邀请参加由医生在护士的协助下进行的参与前健康筛查。参与前健康筛查包括对个人病史、临床状况、静息血压、静息心电图、体重和身高测量的全面解释。在经过认可的实验室(FimLab labororiot Oy Ltd, Jyväskylä，芬兰)禁食一夜后抽取的前椎静脉血液样本作为健康筛查的补充。采血包括评估血计数、血脂、血糖控制、电解质平衡和肾功能。作为筛选的一部分，我们获得了通勤和休闲时间体力活动的频率、强度和持续时间，随后将体力活动总量表示为每天代谢当量(MET)小时的总和[gydF4y2Ba19gydF4y2Ba]使用最新可用的MET值[gydF4y2Ba20.gydF4y2Ba］．总的来说，筛查的重点是评估个体的体征或症状;已知的心血管、代谢或肾脏疾病;目前的体育活动水平;以及建议的运动强度[gydF4y2Ba21gydF4y2Ba］．gydF4y2Ba

根据参与前健康筛查，共有87人有资格参加HealthBeat研究。在这87人中，由于与COVID-19大流行相关的后勤或监管情况，4名(5%)参与者的计划CPET被取消;4名(5%)参与者因个人原因(背痛、缺乏时间、下肢疼痛和足底筋膜炎)在计划的CPET前退出;1名(1%)参与者在CPET后被排除，CPET揭示了阻塞性冠状动脉疾病的临床证据。因此，78名进行CPET测量CRF的参与者也进行了自定步走来估计CRF。在78名参与者中，由于4名(5%)参与者在自定步速行走期间的心率和身体加速度测量在技术上是不成功的，因此74名(95%)参与者最终被纳入本研究的最终分析。gydF4y2Ba

CPET过程gydF4y2Ba

为了完成CPET，参与者到实验室进行了一次访问，包括运动前测量和分级跑步机行走测试。在访问之前，参与者被建议至少36小时内避免剧烈的身体活动和饮酒，至少两小时内避免任何饮食和消费咖啡、茶、可乐或其他刺激性饮料。使用生物阻抗设备(InBody770;InBody有限公司)，参与者光着脚，穿着轻薄的衣服。BMI的计算采用体重和身高。在髂上棘和下肋骨边缘之间的中点用抗拉伸胶带测量腰围。周长测量到最接近0.5 cm，并计算2次测量的平均值。使用自动血压计设备(SunTech Tango M2;SunTech Medical, Inc)和12导联心电图(CardioSoft V5.02;GE医疗系统信息技术公司(GE Medical Systems Information Technologies GmbH)在仰卧休息5分钟后进行记录。 Fingertip capillary blood was drawn to measure blood glucose concentration (evercare genius; TaiDoc Technology Corporation) from participants with diabetes to confirm their pre-exercise glucose level being between 5 and 13.9 mmol/L as recommended [22gydF4y2Ba］．gydF4y2Ba

参与者在跑步机上进行CPET (JUOKSUMATTO OJK-1;Telineyhtymä)在一名医生和一名护士的监督下。USAFSAM协议[gydF4y2Ba23gydF4y2Ba]:测试开始时站立休息5分钟，随后以3.2 km/h(坡度0%)的速度步行3分钟，之后步行速度设置为5.3 km/h，跑步机的坡度每3分钟增加5%，直到受试者意志任务失败。停止运动后恢复5分钟，包括1分钟站立位和随后4分钟仰卧位。在CPET期间，使用低阻容积涡轮(Triple V, Erich Jaeger)测量呼吸吸气和呼气量和流量，并在口腔连续采样呼吸吸气和呼气气体以分析OgydF4y2Ba_2gydF4y2Ba和有限公司gydF4y2Ba_2gydF4y2Ba浓度(Oxycon Pro Version 5.0;VIASYS Healthcare GmbH)。在每次CPET之前，根据制造商的指导方针，对涡轮容积传感器和气体分析仪进行自动校准。12导联心电图和动脉OgydF4y2Ba_2gydF4y2Ba指尖脉搏血氧饱和度(Nellcor PM10N;Covidien Ilc)在CPET全程监测。在每个运动阶段的最后30秒，以及在接近运动高峰时预期任务失败之前，用自动血压计测量全身动脉血压。获得每个运动阶段结束时和运动高峰时的感知运动强度评分(Borg 6-20类别量表)。gydF4y2Ba

签证官gydF4y2Ba_{2峰gydF4y2Ba}，代表每个参与者直接测量的CRF，确定为30秒移动平均VO的最高值gydF4y2Ba_2gydF4y2Ba时间间隔(gydF4y2Ba24gydF4y2Ba］．参与者测量的CRF也被表征为预测VO的百分比gydF4y2Ba_{2峰gydF4y2Ba}有关挪威VO的参考数据gydF4y2Ba_{2峰gydF4y2Ba}(毫升/公斤/分钟)gydF4y2Ba25gydF4y2Ba］．由于跑步机CPET数据不存在芬兰参考值，由于挪威与芬兰在地理上接近，因此使用了特定的数据集;重要的是，不同的参考数据集之间存在相当大的差异，部分原因是地理差异[gydF4y2Ba26gydF4y2Ba］．确定参与者是否达到VOgydF4y2Ba_2gydF4y2Ba平台，一种之前描述的检测每个参与者可能的VO的方法gydF4y2Ba_2gydF4y2Ba使用高原[gydF4y2Ba27gydF4y2Ba: VO的散点图gydF4y2Ba_2gydF4y2Ba首先检查与CPET时间的相关性，以检测线性偏差，如果观察到这种偏差的证据，则将回归线拟合到VO的4分钟gydF4y2Ba_2gydF4y2Ba偏离起始点之前的数据。然后，将回归线外推至最后完成30秒的CPET，如果此外推VO之间的差值gydF4y2Ba_2gydF4y2Ba价值和参与者的VOgydF4y2Ba_{2峰gydF4y2Ba}>为回归线斜率的50%，参与者被推断为演示VOgydF4y2Ba_2gydF4y2Ba高原。gydF4y2Ba

自学走gydF4y2Ba

为了完成自定步速步行以评估CRF，参与者报告在CPET后到室内大厅进行预先安排的步行;CPET与自定步走之间差距的中位数为3天，IQR为2 - 7天。参与者在医生或护士的监督下，在200米的室内跑道上进行30分钟的自定速度步行。记录了30分钟内行走的距离。在行走过程中，参与者佩戴了一种轻便的设备(《保镖2》;Firstbeat Technologies Oy)，胸前装有2个皮肤电极[gydF4y2Ba17gydF4y2Ba]，以获得每位参与者估计的CRF。gydF4y2Ba

可穿戴设备gydF4y2Ba

可穿戴设备(《保镖2》;Firstbeat Technologies Oy)在30分钟的自定步走中佩戴，记录连续的逐拍R-R间隔(ECG采样频率:1000hz;R-R间隔精度:1 ms)和三轴体加速度(运动采样频率:12.5 Hz)，从而提供每个参与者的估计CRF(即估计VO)gydF4y2Ba_{2峰gydF4y2Ba}在mL / kg /分钟)。该设备提供估计CRF的技术由Firstbeat Technologies Oy开发，并依赖于HR、HRV和身体加速度信号;这种方法已在别处描述过[gydF4y2Ba18gydF4y2Ba］．虽然这项技术是建立在已知的运动过程中人力资源与外部工作量之间相对线性的关系之上的，但它不需要任何预定协议的数据，但可以通过在自由生活条件下进行的自定步速步行时间来估算CRF。在记录过程中自动识别为CRF估计提供最可靠的数据点和分段的行走时段，之后自动评估数据的可靠性，然后与个人背景信息一起用于CRF估计，包括至少年龄、性别、体重、身高以及年龄预测或已知的最大心率。在本研究中，使用CPET访问期间获得的背景信息来获得估计的CRF，因此包括年龄、性别、体重、身高和已知的最大HR。CRF估计技术背后的精确算法是专有的;因此，它是不可访问的，在此不作介绍。gydF4y2Ba

统计分析gydF4y2Ba

描述性统计被用来描述参与者的特征。估计的CRF和测量的CRF之间的平均差异被量化(差异=估计的CRF -测量的CRF)，并使用配对样本2尾进行评估gydF4y2BatgydF4y2Ba测试。平均绝对误差(MAE;绝对误差=|估计CRF -测量CRF|)和平均绝对百分比误差(MAPE;计算估计CRF的绝对百分比误差=[|估计CRF -测量CRF|]/测量CRF×100%)，以描述个人水平估计的误差大小[gydF4y2Ba28gydF4y2Ba］．确定类内相关系数(ICCs)以检验估计的CRF与测量的CRF之间的总体一致性[gydF4y2Ba29gydF4y2Ba］．Bland-Altman图补充了效度分析，以直观地展示估计的CRF和测量的CRF之间的一致性水平，在整个CRF水平范围内的一致性限度为95% [gydF4y2Ba30.gydF4y2Ba］．采用Shapiro-Wilk检验(样本量<50人)和Kolmogorov-Smirnov检验(样本量≥50人)检验检验数据的正态性。在绝对和绝对百分比误差的情况下，引导非正态分布的特定于子组的数据(×10,000)，以95% ci表示数据。数据以正态分布连续变量的平均值(SD)或平均值(95% CI)表示，非正态分布连续变量的中位数(IQR)表示，分类变量的n(%)表示。采用IBM SPSS Statistics 26.0 (IBM)进行统计学分析，统计学显著性设为gydF4y2BaPgydF4y2Ba< . 05。gydF4y2Ba

伦理批准gydF4y2Ba

HealthBeat研究是根据《赫尔辛基宣言》的指导方针进行的，并得到芬兰中部医院区伦理委员会的批准，Jyväskylä，芬兰(Dnro 23U/2018)。所有参与者在参与前都提供了口头和书面的知情同意。gydF4y2Ba

结果gydF4y2Ba

参与者gydF4y2Ba

参与者都是芬兰人。gydF4y2Ba表1gydF4y2Ba介绍参与者的描述特征。来补充数据gydF4y2Ba表1gydF4y2Ba5%(4/74)的受试者有一级房室传导阻滞，但静息12导联心电图未发现明显的心律或传导异常。gydF4y2Ba表2gydF4y2Ba介绍了相关的心脏代谢危险因素和参与者使用的药物。总体而言，参与者的心血管疾病危险因素概况是异质的，如图所示gydF4y2Ba表1gydF4y2Ba而且gydF4y2Ba2gydF4y2Ba．gydF4y2Ba

CPET和自步走gydF4y2Ba

表3gydF4y2Ba介绍了CPET和自定步速步行数据。根据呼吸交换率、感知运动强度评分和年龄预测的最大心率百分比，参与者在CPET期间发挥了最大努力，而只有36%(27/74)的参与者达到了VOgydF4y2Ba_2gydF4y2Ba高原与先前的观测结果[gydF4y2Ba25gydF4y2Ba］．测量了签证官gydF4y2Ba_{2峰gydF4y2Ba}范围为20.1至49.6 mL/kg/min，参与者代表不同的CRF类别，如图所示gydF4y2Ba表3gydF4y2Ba．gydF4y2Ba

估计CRF在所有参与者中的有效性gydF4y2Ba

对所有74名参与者的汇总分析显示，估计和测量的CRF之间的平均差异很小(−0.1 mL/kg/min;gydF4y2BaPgydF4y2Ba= .90;gydF4y2Ba图1gydF4y2Ba；gydF4y2Ba表4gydF4y2Ba)．MAE为3.1 mL/kg/min, MAPE为10.4% (gydF4y2Ba表4gydF4y2Ba)．此外，ICC (gydF4y2BargydF4y2Ba= 0.88;95% CI 0.80-0.92)两种方法一致性良好(gydF4y2Ba表4gydF4y2Ba)．根据Bland-Altman图及其互补图(gydF4y2Ba图1gydF4y2Ba)，估计的CRF与测量的CRF在整个CRF水平范围内的一致程度相似;然而，5%(4/74)的参与者的方法之间的差异超过了95%的一致限度。对这5%(4/74)参与者的特征进行详细检查后，并没有发现任何具体解释这种夸大的差异(gydF4y2Ba多媒体附件1gydF4y2Ba［gydF4y2Ba25gydF4y2Ba，gydF4y2Ba31gydF4y2Ba])。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

估计CRF在亚组中的有效性gydF4y2Ba

有关不同亚组中估计CRF有效性的数据载于gydF4y2Ba表4gydF4y2Ba．数据显示，CRF估计方法与所有参与者(gydF4y2Ba表4gydF4y2Ba)．这在高血压、正常糖代谢、前驱糖尿病和代谢综合征的参与者中也很明显(gydF4y2Ba表4gydF4y2Ba)．相比之下，患有2型糖尿病的参与者表现出比其他亚组更低的估计准确性;例如，2型糖尿病患者的MAPE为16.5% (gydF4y2Ba表4gydF4y2Ba)．在达到VO的参与者中，36%(27/74)的CRF估计方法的准确性同样良好gydF4y2Ba_2gydF4y2Ba在CPET结束时，有64%(47/74)的参与者没有达到这一水平(例如，MAE分别为3.3 mL/kg/min, 95% CI 2.3-4.4和3 mL/kg/min, 95% CI 2.4-3.8;MAPE分别为10.4%，95% CI 7.2 ~ 13.9和10.4%，95% CI 8.2 ~ 13)。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

可穿戴技术提供了一种评估CRF的策略，作为常规临床实践的一部分。在这项研究中，我们利用可穿戴设备的HR数据、HRV数据和自配步行走过程中监测的身体加速度数据，估计了具有不同CVD风险因素的工作年龄成年人的CRF。我们通过比较参与者估计的CRF与CPET期间通过通风气体分析直接测量的CRF来测试该技术的有效性。对于所有参与者(74/ 774,100%)，估计和测量的CRF之间的平均差值为−0.1 mL/kg/min, MAE为3.1 mL/kg/min, MAPE为10.4%，平均ICC为0.88，反映了评估CRF的检验方法的高准确性。在亚组分析中，在两性、不同年龄和BMI类别、高血压患者、糖尿病前期患者和代谢综合征患者中，观察到CRF估计方法的准确性相似。然而，该技术在2型糖尿病患者的小亚组(14/ 74,19%)中没有提供同样准确的CRF估计，其中MAE和MAPE分别为4.2 mL/kg/min和16.5%。gydF4y2Ba

与以往研究的比较gydF4y2Ba

CRF，被量化为个体的最大VOgydF4y2Ba_2gydF4y2Ba和签证官gydF4y2Ba_{2峰gydF4y2Ba}，反映了呼吸、心血管和骨骼肌系统吸收、运输和使用O的综合能力gydF4y2Ba_2gydF4y2Ba［gydF4y2Ba5gydF4y2Ba]，因此它具有正常的生理变异。在健康人群中检验CPET参数的测试-再测试可重复性的研究观察到直接测量VO的变异系数gydF4y2Ba_{2峰gydF4y2Ba}约为5% [gydF4y2Ba32gydF4y2Ba，gydF4y2Ba33gydF4y2Ba］．在患者群体中没有达到这样的测试-再测试重复性水平。直接测量VO的变异系数gydF4y2Ba_{2峰gydF4y2Ba}在不同的患者群体中，如慢性阻塞性肺病患者[gydF4y2Ba34gydF4y2Ba]、心力衰竭[gydF4y2Ba34gydF4y2Ba，gydF4y2Ba35gydF4y2Ba]，外周动脉疾病[gydF4y2Ba36gydF4y2Ba]、肺动脉高压[gydF4y2Ba37gydF4y2Ba]，或严重二尖瓣疾病[gydF4y2Ba34gydF4y2Ba］．根据这些发现，可以假设在本研究中，CRF估计方法的MAPE理想情况下可能在5%至9%之间，其中包括有频繁心血管危险因素和药物的患者队列。因此，本研究除2型糖尿病患者外，合并队列和所有亚组估计CRF的MAPE均在8.5% - 10.8%之间变化，从CRF不可避免的生理变化来看，可以认为该方法估计CRF的准确性是可以接受的。gydF4y2Ba

可穿戴技术为日常临床实践中的例行个体化风险预测提供了一种估计CRF的方法。已经研究了几种可穿戴技术提供CRF估计的有效性[gydF4y2Ba12gydF4y2Ba-gydF4y2Ba16gydF4y2Ba］．与本研究中检测的CRF估计方法类似，大多数技术都使用了HR和身体加速度数据[gydF4y2Ba12gydF4y2Ba，gydF4y2Ba14gydF4y2Ba-gydF4y2Ba16gydF4y2Ba]，而有些技术将心率和身体加速度数据与呼吸波段的数据结合起来[gydF4y2Ba13gydF4y2Ba］．这些估计数的MAPE范围为8%至10.2% [gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba］．从临床角度来看，值得注意的是，这些研究中的大多数参与者都是健康的，相对年轻和健康。gydF4y2Ba12gydF4y2Ba-gydF4y2Ba15gydF4y2Ba];然而，一项这样的研究也包括了9名50岁的人和7名肥胖的人[gydF4y2Ba16gydF4y2Ba］．因此，包括临床相关人群(如老年人、肥胖者和慢性病患者)在内的验证研究的必要性得到了强调[gydF4y2Ba12gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba］．在这方面，值得注意的是，与之前报道的其他技术的准确性相比，本研究中检查的CRF估计方法的准确性是相似的，特别是在具有异质性和全面报道的CVD风险特征的临床相关队列中。gydF4y2Ba

2型糖尿病患者的CRF估计方法的准确性(14/ 74,19%)低于合并研究队列或其他亚组。例如，糖尿病患者的MAE为4.2 mL/kg/min, MAPE为16.5%。糖尿病患者易发生心脏自主神经病变，其体征和症状包括心率变异性降低、静息性心动过速、血压调节异常、体位性低血压、体位性心动过速或心动过缓、变时性功能不全、运动不耐受[gydF4y2Ba38gydF4y2Ba］．此外，在患有良好控制的1型糖尿病的工作年龄成年人中，CPET期间HRV的复杂性被夸大[gydF4y2Ba39gydF4y2Ba］．尽管糖尿病相关心脏自主神经病变的患病率随着糖尿病病程的延长而增加，在60%的2型糖尿病患者中，15年后心脏自主神经病变也可能是无症状的，仅表现为HRV降低[gydF4y2Ba38gydF4y2Ba］．因此，虽然2型糖尿病患者糖化血红蛋白A的血糖控制良好，但在2型糖尿病亚组中，CRF估计方法的准确性降低可能是由于早期糖尿病相关的心脏自主神经调节障碍gydF4y2Ba_{1 cgydF4y2Ba}糖尿病病程短(0.5 - 4.4年)，既往无自主神经病变的证据。重要的是，在糖尿病前期或代谢综合征亚组中，CRF估计方法的准确性没有降低。这表明该方法可以准确估计2个临床相关患者组的CRF;然而，对于同时患有代谢综合征和2型糖尿病的患者来说，情况可能并非如此。总体而言，由于2型糖尿病亚组仅占参与者的19%(14/74)，因此有必要对包括大量糖尿病患者的未来验证研究进行研究。gydF4y2Ba

本研究结果具有一定的临床适用性。流行病学证据表明，CRF不仅能独立预测心血管疾病的发病率和死亡率，还能独立预测呼吸道疾病、癌症和全因死亡率[gydF4y2Ba2gydF4y2Ba-gydF4y2Ba4gydF4y2Ba]，如建议将CRF确定为常规临床实践中的生命体征，可能会带来多种健康益处[gydF4y2Ba6gydF4y2Ba］．例如，确定CRF低并因此增加不良健康结果风险的个体，可以指导卫生保健提供者针对此类个体采取更密集的预防干预措施。CRF可以作为促进讨论个人健康问题和生活方式改变的媒介，确定的CRF也可以添加到经典的风险算法中，以提高个人风险预测的准确性[gydF4y2Ba6gydF4y2Ba，gydF4y2Ba40gydF4y2Ba］．对于此类日常临床目的，使用CPET的可行性可能受到与成本、专业知识、资源和努力依赖性相关的要求的限制[gydF4y2Ba7gydF4y2Ba］．此外，使用基于运动的预测方程进行个体化临床决策的可行性受到该方程精度的限制。最近，彼得曼等人证明了这一点[gydF4y2Ba10gydF4y2Ba]，他们报告了2个非运动(估计SE [SEE] 4.9 mL/kg/min)， 3个次最大运动(SEE 7-9.1 mL/kg/min)和10个最大运动方程(SEE 3.6-5.6 mL/kg/min;除1个SEE为2.5 mL/kg/min的方程外)。关于本研究检验的CRF估计方法，除2型糖尿病患者外，合并研究队列的MAE为3.1 mL/kg/min，每个亚组的MAE为2.6 - 3.7 mL/kg/min。因此，总体精度水平高于最近报道的预测方程水平[gydF4y2Ba10gydF4y2Ba］．此外，尽管大约三分之一(27/ 77,36%)的参与者>有1met的绝对误差(即>3.5 mL/kg/min)， 3.1 mL/kg/min的MAE < 1met，这是值得注意的，因为即使+1或-1 MET也会转化为预后显著的CRF偏差[gydF4y2Ba6gydF4y2Ba］．此外，Bland-Altman图及其补充分析(gydF4y2Ba图1gydF4y2Ba)表明，在整个CRF水平范围内，准确性水平是相似的。总之，无论个体的CRF水平如何，CRF估计方法的准确性可能被认为足以进行个体化临床决策。gydF4y2Ba

优势与局限gydF4y2Ba

这项研究的主要优势和主要新颖之处在于参与者的特征:工作年龄的成年人包括临床相关队列，具有常见的心血管危险因素(如高血压和糖代谢障碍)和常用药物(如血管紧张素转换酶抑制剂，血管紧张素受体阻滞剂，他汀类药物和二甲双胍)。在这类个体中，需要制定具有临床可接受准确性的评估CRF的策略[gydF4y2Ba6gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba］．与以往针对健康个体的类似验证研究相比，队列规模也相对较大[gydF4y2Ba12gydF4y2Ba-gydF4y2Ba16gydF4y2Ba];然而，性别分布并不是最佳平衡(女性:56/ 74,76%，男性:18/ 74,24%)。这项研究的一个重要局限性是，CRF的估计是基于标准的30分钟自定步走。因此，在完全自由生活条件下，CRF估计方法的有效性还有待检验。此外，招募偏倚的风险可能无法最佳地避免，因为参与者的总体力活动量中位数为每天2.6 MET小时，这大约相当于每天30分钟的中等强度有氧活动[gydF4y2Ba41gydF4y2Ba］．这可能反映了身体活跃的人自愿参加这类包括锻炼挑衅在内的研究的趋势。然而，参与者的平均CRF为预测的94%，参与者代表了不同CRF类别的广泛范围，重要的是，在测量的VO中，CRF估计方法的准确性水平相似gydF4y2Ba_{2峰gydF4y2Ba}范围为20.1 ~ 49.6 mL/kg/min。因此，本研究的发现和结论可以推广到有常见心血管危险因素和VO的工作年龄成年人gydF4y2Ba_{2峰gydF4y2Ba}>20 mL/kg/min，但无本研究的排除标准。gydF4y2Ba

结论gydF4y2Ba

我们利用可穿戴设备的HR数据、HRV数据和自配步行走时的身体加速度数据，评估了74名具有不同CVD风险因素概况的工作年龄成年人的CRF。在比较了参与者估计的CRF与其直接测量的CRF后，我们得出结论，在与本研究研究的队列可比的人群中，CRF估计的误差可能低于或至少非常接近1 MET。这是相关的，因为即使+1或-1 MET也转化为预后显著的CRF偏差[gydF4y2Ba6gydF4y2Ba］．在合并研究队列和不同亚组(包括两性、不同年龄和BMI类别、高血压患者、糖尿病前期患者和代谢综合征患者)中观察到这种准确性，但在2型糖尿病患者的小亚组中没有观察到这种准确性(14/ 74,19%)。未来的研究需要检验该方法在大型2型糖尿病队列、完全不受控制的自由生活条件下的有效性，以及在测试-再测试和纵向设置中评估该方法是否可用于临床随访目的。gydF4y2Ba

从大规模的临床角度来看，这项研究表明，可穿戴技术可能有潜力在临床相关人群中以可接受的准确性估计个体CRF，从而有助于改善对不良健康结果(如不良CVD事件)的个体风险的预测。gydF4y2Ba