原始论文
摘要
背景:近年来,腕式健身追踪器的技术进步预示着持续监测生命体征的新时代的到来。到目前为止,这些设备主要用于体育运动。
摘要目的:然而,为了在医疗保健中使用这些技术,进一步验证住院患者的测量准确性是必要的,但迄今缺乏。
方法:我们对201例中度至大型手术后患者进行了前瞻性验证研究,以4种消费级健身追踪器(Apple Watch 7、Garmin Fenix 6 Pro、Withings ScanWatch和Fitbit Sense)的心率测量精度与临床金标准(心电图)进行基准测试。
结果:所有仪器均表现出高相关性(r≥0.95;P<.001)和一致性(rc≥0.94)系数,基于1630次有效测量,相对误差低至平均绝对百分比误差<5%。我们确定了显著偏差测量精度的混杂因素,尽管不在临床相关水平(平均绝对误差<5次/分钟)。
结论:消费级健身追踪器在住院患者监测心率方面似乎很有前景。
试验注册:ClinicalTrials.gov NCT05418881;https://www.clinicaltrials.gov/ct2/show/NCT05418881
doi: 10.2196/42359
关键字
简介
健身追踪器通常是腕式设备,配备了光电体积描记仪(PPG)传感器和运动传感器,以及互补的传感器单元。这些设备为持续监测各种健康参数(包括各种生命体征)铺平了道路[
].与基于透射式脉搏血氧仪(TPO)的传统PPG测量方法相比,健身追踪器使用的是反射式脉搏血氧仪。因此,佩戴手指夹已经过时了,因为发光二极管和光电二极管(光传感器)可以并排组合在一个测量单元中,例如,可以戴在手腕上,为用户或患者提供更多的移动性。在不损害患者活动能力的情况下进行连续心率监测的选择开辟了一系列新的机会,特别是对于住院患者。例如,早期预警评分可根据心率和其他参数计算,并用于早期发现患者病情恶化[
].然而,仅对需要重症监护的住院患者持续监测生命体征,因为技术、个人和财务要求不允许将当前的方法扩展到外围病房。传统的监测也会增加患者的活动难度,这与《术后增强康复》指导方针下的早期康复理念背道而驰。特别是,接受外科手术的患者是需要密切监测的弱势患者群体。最近,2项系统综述表明,基于对住院患者生命参数的连续测量,住院时间[ ]与自动警报系统相结合,甚至可以降低死亡率[ 可以减少。这样的报告提出了一个明显的问题,健身追踪器可以在住院患者中使用到何种程度,以持续监测生命体征。由于其普遍可用性、成本效益和电池寿命长,健身追踪器可以提供可行的解决方案。迄今为止,健身追踪器主要用于运动和休闲目的[ ],但他们在整个住院期间持续监测各种生命体征的机会已经得到了强调[ ].显然,为了在医疗领域建立健康追踪器,严格验证其测量精度是非常重要的。然而,到目前为止,在这个方向上所做的努力相对较少,目前可用的大多数试验显示出以下一个或多个缺陷:该研究主要是在健康志愿者中进行的[
, ],它比较了不同的设备,但没有与既定的医疗金标准进行比较[ ,该公司调查了非消费级可穿戴设备[ ],而且它只评估了非常有限的样本量[ ].在围手术期或已有多种疾病的患者中使用健身追踪器的研究很少[
]并且,根据系统回顾,也受到高偏倚风险的阻碍[ ],而且品质不佳[ ].特别是,已经表明运动伪影对测量的平均绝对误差(MAE)的影响高达30% [ ].为了排除这些干扰,我们评估了健康追踪器在休息患者中测量生命体征的准确性。因此,我们首次开展了一项研究,旨在对照临床金标准,对中等至大手术术后患者在受控条件下的心率测量进行基准测试。方法
研究设计
我们研究的主要目的是根据临床金标准评估消费者级健身追踪器测量心率的准确性。研究人群包括经历中度至大手术的非镇静术后患者。这项前瞻性验证研究于2021年11月至2022年5月在德国大学医院Würzburg的麻醉科、重症监护、急诊和疼痛医学系进行。研究方案是根据腕戴式消费可穿戴设备的指南设计的[
].本文介绍了在ClinicalTrials.org(注册号:ClinicalTrials.org)上注册的“监测试验”中心率验证的结果。NCT05418881)。患者(年龄≥18岁)计划择期手术需要放置动脉线术前筛查。排除标准包括危重患者(即美国麻醉医师协会V [ASA V]), BMI为>40 kg/m的患者2患者包括:门诊手术患者、传染病患者(根据卫生规定)、先前参与过本研究的患者、无法给予书面知情同意的患者、不会说和读德语的患者、前臂有大面积病理性皮肤病变或已知对乳胶、硅胶或镍过敏的患者。
道德的考虑
本研究方案已由当地伦理委员会Würzburg(文献编号145/21_c)审核通过。我们按照良好临床实践指南和赫尔辛基宣言进行了研究。我们的研究计划、实施、分析和解释独立于任何行业合作伙伴。所有参与者在手术前均提供书面知情同意书。
研究过程
在手术后,研究参与者在麻醉后护理单元(PACU)停留期间,根据医院标准持续监测其重要参数。我们在手指处使用医疗级TPO、无创和有创血压监测和3导联心电图(ECG),均由飞利浦设备(intelliue X3, Philips Healthcare)测量。测量参数被传输到床边病人监视器(MX750,飞利浦医疗保健)。同时,患者配备了4种不同的消费级健身追踪器(
),根据制造商的说明随机安装在手腕上。在此过程中,我们的目标是消除结果中的任何系统性偏差,例如,两只手之间脉搏测量的微小但潜在的差异。在患者在PACU住院期间,2名训练有素的研究人员共收集了3次按需测量。测量值是同时从健身追踪器和床边监视器(ECG和TPO)的屏幕上手动获取的。未放置动脉线或立即入住重症监护室的患者(如镇静、通风或暂时危重患者)被排除在外。动脉导管的放置确保了只包括中度至大手术的患者。为了设置每个健身追踪器,在相应的制造商创建了一个匿名的、与患者无关的用户帐户。在初始设置后,立即更新每个设备的固件(
).随后,通过蓝牙和Wi-Fi的连接被禁用,以确保在研究过程中不会安装进一步的固件更新,防止任何可能的算法更改影响结果[ , ].值得注意的是,尽管一些制造商为研究目的提供定制固件,但我们决定坚持使用消费级固件,以使我们的结果与补充研究具有可比性。制造商 | 模型 | 固件版本 |
苹果 | 表7 | watchOS8.1 |
Fitbit | 感觉 | 5.3 (44.128.6.12) |
Garmin | Fenix 6 Pro | 19.20 (0 fe794a) |
Withings | ScanWatch | 2291 |
数据收集
根据腕戴式设备指南进行测量后记录患者特征[
],包括年龄、性别、腕围、BMI、身高、体重、ASA分级、Fitzpatrick量表和心率。由于前臂毛发密度没有公认的指标,我们将患者的前臂毛发分为4类:0:前臂无毛发;1:最小;2:温和;3:大量毛发。这些设备的测量数据被手动记录下来,随后被传输到Excel(微软公司)的电子表格中。统计分析
如果没有进一步说明,所有的统计分析都使用标准R(4.2.0版本;R Core Team)函数和使用ggplot2包(3.3.6版本;MIT许可证)的可视化。对于患者队列的描述性分析,我们评估了每个属性的中位数和IQR。除了使用健身追踪器测量心率外,还使用TPO作为既定的临床频率测量标准作为对照,并与ECG金标准进行比较。我们通过Bland-Altman图评估每个设备的测量精度[
].目视检查后,我们从进一步分析中排除了5个异常值,定义为金标准与各自基准测量值之间的>30次/分钟(bpm)的偏差。对于所有剩余的配对数据点(p我,r我),确定绝对误差(AE)为abs(p我- - - - - -r我),固有的绝对百分比误差为abs(p我- - - - - -r我) × 100/r我,在那里r我符合心电图的金标准参考测量值。相应地,MAE和平均绝对百分比误差(MAPE)是根据使用Metrics包(版本0.1.4)的标准定义计算的。对于每个基准设备,我们进一步计算线性回归,确定皮尔森相关系数(PCC)为r,并使用DescTools软件包(版本为0.99.45)确定了林氏和谐系数(CCC)为rc.PCC算法还提供了数据与模型预测之间差异的残差平方和(RSS)度量。比较基准值的分布与金标准参考测量值的分布,我们评估了以下假设:(1)根据Pearson模型(标准关联检验,Cor-Test),两个数据序列不相关,(2)数据来自相同的分布(2尾Kolmogorov-Smirnov检验),(3)两个数据向量相互移位(2样本Mann-Whitney-Wilcoxon检验)。由于所有这些检验都是非参数的,因此对比较分布的性质没有进一步的假设,我们普遍接受P<。05为有统计学意义。
结果
队列概述
在研究过程中,288名患者接受了筛查(
A),其中201人给予书面知情同意(最初排除:n=87; B).随后,又有89例患者被排除( B),导致112例患者成功纳入研究( C).对于这112例纳入的患者中的每一位( C),每种测量方法(ECG、TPO、Apple、Fitbit、Garmin、Withings)均测量3次。这导致了2016年的测量,其中336个金标准测量(ECG)作为参考,以评估基准设备的其余1680个测量。其中一些测量失败(n=45),并被归类为“辍学生”。在质量控制之后,我们又删除了5个测量值(2个TPO, 2个Fitbit和1个Withings),得到了一个包含1630个数据点的最终数据集( D)。在我们的队列中,62.5% (n=70)的参与者是男性,37.5% (n=42)的参与者是女性。患者中位年龄68岁,身高172 cm,体重77 kg, BMI 26.4 kg/m2,腕围18厘米。根据ASA评分、皮肤色素沉着(Fitzpatrick量表)和前臂毛发程度的自定义量表(
,图S1 ).大多数患者(n=92;82.1%)在测量过程中出现窦性心律;因此,仅有20例(17.9%)患者出现心律失常。其中10例房颤,5例起搏器触发心电图,1例双肌,1例集束性早搏,1例左室辅助装置,2例未被主治医生进一步分类。在研究过程中未观察到不良或严重不良事件。
![](https://asset.jmir.pub/assets/ddfa48dcbfc002806178d13273601639.png)
值,中位数(IQR) | 范围(最小最大) | |
年龄(年) | 68 (58 - 74) | 24 - 92 |
腕围(cm) | 18 (17 - 19) | 15 - 23 |
BMI(公斤/米2) | 26.4 (24.05 - -30.18) | 17.7 - -39.1 |
身高(厘米) | 172年(165 - 176) | 152 - 192 |
体重(公斤) | 77年(68 - 90) | 45 - 122 |
亚撒一个 | 2 (2 - 3) | 1 - 4 |
Fitzpatrick规模 | 2 (2 - 3) | 1 - 4 |
前臂毛发密度 | 1 (0 - 2) | 0 - 3 |
一个ASA:美国麻醉医师协会。
总体偏差
我们使用1630个有效测量值来确定健身追踪器测量的心脏频率与临床金标准相比的一般偏差。为此,我们首先计算了累积掉线率(CDR),将失败的测量和在质量控制期间删除的数据点考虑在内。在基准设备中,TPO的CDR损失率最低(CDR<1%),而健身追踪器的CDR损失率为> %,范围从1.2% (Garmin)到8.3% (Fitbit) (
).飞利浦 | 苹果 | Fitbit | Garmin | Withings | ||
有效测量点n | 333 | 327 | 308 | 332 | 330 | |
测量失败,n | 3. | 9 | 28 | 4 | 6 | |
CDR一个(%) | 0.89 | 2.67 | 8.33 | 1.19 | 1.79 | |
美b | 0.92 | 1.59 | 2.31 | 2.47 | 1.71 | |
日军c(%) | 1 | 2 | 4 | 3. | 2 | |
偏差(95% CI) | -0.25(-0.42到-0.08) | 0.36 (0.09 ~ 0.63) | 0.77(0.28至1.26) | -1.21(-1.65到-0.77) | 0.05 (-0.28 ~ 0.40) |
一个CDR:累计掉线率。
bMAE:中值绝对误差。
cMAPE:平均绝对百分比误差。
接下来,我们计算了MAE和MAPE在基准设备的所有配对测量和参考值之间的相对化指标。由于可以假定TPO的测量值符合临床标准,因此这些测量值被用作准确执行测量的阳性对照。不出所料,TPO测量结果与ECG的相关性非常高(r= 0.99;P<.001), MAE <1 bpm。TPO比健身追踪器表现得更好,平均绝对偏差为1.5 ~2.5 bpm。然而,健身追踪器测量的偏差总体上与临床无关。对于任何基准测试设备,MAPE值都没有达到5%,这进一步强调了偏差的边际特征。值得注意的是,MAPE指标并不总是与为每个设备确定的CDR指标成比例。尽管Fitbit的CDR和MAPE最高,但Apple的CDR排名第二,MAPE却最低(
).基于ECG参考值的基准跟踪器测量的总体偏倚和SD由Bland-Altman图(
,表S2 ).与TPO测量值相比,Withings跟踪器读数与参考值的偏差更小(-0.25 vs 0.05; ),尽管SD值是前者的两倍。因此,高SD值来自异常值(偏离>10 bpm甚至>20 bpm),尤其阻碍了Fitbit、Garmin和Withings测量( ).然而,这些异常值对高或低测量值的系统偏差无法确定。总的来说,与黄金标准(如苹果、Fitbit和Withings)相比,追踪器的测量更容易产生偏差,从而估算出更高的值。然而,Garmin设备在相反的方向上显示出绝对最高的偏差;也就是说,低估了真实的心率。通过他们的计算,SDs的排名预期与MAPE指标相似( ).![](https://asset.jmir.pub/assets/1e0dea4151c874611c8f7692105f14d3.png)
线性协议
此外,还评估了基准心率测量值与ECG参考值之间的一级相关性。所有基准测试设备都表现出对配对数据向量的良好线性拟合,数据点紧密地分散在一条直线周围(
).这直接反映在PCCs (r),其中,与我们之前的结果一致,TPO产生了最高的相关系数(r=0.99),紧随其后的是苹果(r=0.98), Withings (r=0.97),佳明(r=0.96), Fitbit (r= 0.95)。由于高度压缩的PCC值的数值接近,我们还考虑了RSS测量,构成计算的基础值r.从…可以看出
, RSS值能够更精确地解析在每个散点图中观测到的散布( ),更清楚地将基准设备的测量变化率从低到高进行排序:TPO (RSS=803)、Apple (RSS=1830)、Withings (RSS=3106)、Garmin (RSS=4757)和Fitbit (RSS=5133)。我们观察到的PCCs的高值表明有很强的线性拟合,但没有提供关于线性依赖的斜率和位移的进一步细节。比较相应回归线性模型的这些指标,可以发现每个基准设备的位移<10,斜率约为1 (
).我们还计算了CCC作为偏离正比例(即,y=x),得到接近于1 ( ).基于这些结果,在统计上评估数据相关的假设(C测试)产生一个非常低的P< 10-100年(
).我们使用了双尾Kolmogorov-Smirnov检验,该检验支持P值为0.01,假设TPO测量值与ECG参考值的分布难以区分。这突出了消费者级跟踪设备获得的测量结果的高度一致性;例如,TPO和ECG ( ).![](https://asset.jmir.pub/assets/0d96cae2614d7420122cf77f8a6b360b.png)
指示器 | 房产申诉专员署一个 | 苹果 | Fitbit | Garmin | Withings | |
PCCb,r (95%置信区间) |
0.99 (0.99 - -0.99) |
0.98 (0.98 - -0.99) | 0.95 (0.93 - -0.96) | 0.96 (0.95 - -0.96) | 0.97 (0.97 - -0.98) | |
RSSc | 804 | 1830 | 5133 | 4757 | 3106 | |
P值(C测试) | 5.7 × 10-317年 | 2.15 × 10-247年 | 2.4 × 10-153年 | 1.26 × 10-177年 | 2.78 × 10-212年 | |
坡 | 1.01 | 0.95 | 0.88 | 0.89 | 0.95 | |
转变 | -0.72 | 3.81 | 9.49 | 6.68 | 3.72 | |
CCCd,rc(95%置信区间) | 0.99 (0.99 - -0.99) | 0.98 (0.98 - -0.99) | 0.94 (0.93 - -0.95) | 0.95 (0.94 - -0.96) | 0.97 (0.97 - -0.98) |
一个TPO:透射式脉搏血氧仪。
bPCC: Pearson相关系数。
cRSS:残差平方和。
d林氏和谐系数。
系统的偏见
我们寻找影响不同健身追踪器测量精度的系统性因素。为此,我们将患者记录的每个属性(
)分为两个亚组(表S1 ).理论上,不利因素会以两种方式影响设备的测量:(1)测量值受到负面影响,导致与ECG参考值相比观测误差更高(即影响精度),或(2)设备受到根本不产生测量的因素的干扰(即影响dropout)。为了以可比较的方式调查这两种可能性,我们一方面使用Mann-Whitney-Wilcoxon检验来评估ae在第1组与第2组中的分布,另一方面使用Fisher精确检验来评估两组之间的辍学率变化。A和4B总结了我们的分析结果。各箱形图如图S2所示 .正如预期的那样,在比较男性参与者和女性参与者时,观察到的准确性偏差以及辍学率的变化远远没有统计学意义。更令人惊讶的是,根据菲茨帕特里克量表对患者进行皮肤色调划分,并没有在任何指标上观察到显著差异。使用的显著性阈值P=。05,我们发现ASA评分较高,年龄,心律失常( C)、肥胖( D)和腕围>18 cm作为混杂因素,显著恶化了一些跟踪器测量的准确性( A). ASA得分高、肥胖和前臂毛发密度在辍学率上有显著差异( B)。
确定的混杂因素主要影响Garmin跟踪器。特别是,在年龄较高和ASA较高的队列中,出现了负面影响(
A),在心律失常和BMI较高的队列中( C和4D)。此外,Apple追踪器显示出年龄增大和心律失常的负面影响,尽管统计意义较小。然而,将这些统计数据与总偏差放在一个尺度上,我们发现使用Garmin跟踪器时心律失常引起的最大偏差对应于2.17 bpm ( C).尽管一些混杂因素的存在也会增加Fitbit和Withings测量的MAE ( C和4D),这些差异一般不显著高于背景测量的误差( A和4B)。![](https://asset.jmir.pub/assets/5ff29d6c01781e2f225b8764bc8bd170.png)
讨论
心率测量的准确性
我们研究的主要目的是评估消费级健身追踪器的测量精度。根据Navalta等人[
], MAPE≤5%,CCC≥0.90的阈值可以认为是足够高的测量精度。在我们的研究中,所有基准测试设备都在这些阈值边界内( 而且 ).为了评估我们在基准设备和金标准之间观察到的偏差的临床相关性,我们使用了美国国家标准协会/医疗仪器先进协会的“心脏监测器、心率计和报警器”标准(医疗仪器先进协会2002年),基于该标准,要求AE< 5bpm或相对(即百分比)误差<10% [ ].我们的结果( )表明,对于每个基准设备,>92%的测量值都在这些范围内(TPO的98.5%,Apple的97.6%,Fitbit的92.9%,Garmin的94%,Withings的96.7%)。对于即将进行的试验,为了客观地确定基于ppg的设备的“可接受的测量精度”,这些阈值的标准化是非常可取的。总体而言,消费者级健身追踪器的测量精度略低于术后患者休息时的TPO读数。然而,消费级设备在测量中表现出更大的离散度(
),而辍学率亦高于TPO ( ).由于来自不同制造商的健身追踪器的测量精度取决于各种技术细节,我们对心率测量的潜在混杂因素进行了实证测试。尽管我们发现了一些显著降低测量精度的因素( ),观察到的偏差未达到临床相关水平(MAE< 5bpm)。总而言之,我们的观察结果支持使用健身追踪器来监测术后固定患者的心率。总的来说,我们的研究结果与以往研究的可比性受到方法方法、研究设计、被调查群体差异等方面的限制。一项系统综述估计Apple Watch心率测量的总体MAPE在1%至7%之间[
].在健康的测试参与者中,Lauterbach等[ ]证明了Garmin Fenix 5x plus具有可接受的心率测量精度,偏差< -1 bpm。在已有心血管疾病的患者中,Apple Watch Sport与12导联ECG相比,MAE为6.34 bpm,这导致Falter等[ ,以得出临床可接受的准确性。针对Apple Watch 6在肺部疾病或心血管疾病患者中的使用,心率测量显示偏差为-0.11 bpm, PCC为r与标准手指脉搏血氧计相比=0.98 [ ].一项进一步的研究比较了苹果手表和脉搏血氧计,包括100名坐着的肺部病变前期患者,显示了一致性rc心率测量值=0.995 [ ].此外,当将Apple Watch与房颤和阻塞性睡眠呼吸暂停患者的遥测监控器(CARESCAPE monitor, GE Healthcare)进行比较时,作者得出了可接受的测量精度[ ].另一方面,如果这种设备持续时间少于60秒,则认为腕式设备不适合用于室上性心动过速检测[ ].此外,与需要重症监护的患者的临床金标准相比,Fitbit追踪器的偏差为-4.7 bpm (95% CI为-4.91至-4.44),相关性相对较低r= 0.74 ( ].据我们所知,目前还没有其他研究基于PPG信号的心率测量精度的可比结果,这些研究包括Apple Watch 7、Garmin Fenix 6 Pro、Withings ScanWatch和Fitbit Sense。迄今为止,在临床使用健身追踪器测量的进一步参数(例如心率变异性、血压、氧饱和度和心排血量)方面的证据同样不足。数字医疗保健中的可穿戴设备
作为临床试验的一部分,越来越多能够持续监测患者生命体征的系统正在进入临床环境。特别是在COVID-19大流行期间,可穿戴设备被用于临床研究的早期诊断[
],这表明即使在鼻拭子检测呈阳性之前,可穿戴设备也可以检测到感染[ ].使用消费级设备检测某些心律失常的技术目前正在验证中[ ].一项涉及该应用领域老年患者的随机试验表明,与标准护理组相比,心房颤动的检出率提高了一个数量级[ ].此外,开发人工智能模型的持续努力正在使用从消费级可穿戴设备收集的数据,以检测和预测心血管相关疾病[ ].一项针对脓毒症早期检测的进一步元分析得出结论,将基于人工智能的持续生命体征监测系统与标准护理进行比较时,自动化警报甚至可以降低死亡率(风险比0.56)[ ].然而,可穿戴设备提供了早期诊断的可能性,从而开始及时的治疗,但显然不能单独构成一种治疗工具[ ].此外,患者使用这种可穿戴设备的依从性至关重要。在这方面,据报道,痴呆症患者平均每天佩戴23.1小时,根据一项调查,他们也表现出了很高的满意度[ ].为了大规模实施可穿戴系统,需要解决的其他挑战涉及融资概念。尽管这些设备比目前的标准监测更具成本效益,但具体的概念还需要进一步的发展。限制
我们的研究有几个局限性。首先,尽管我们使用的设备的一些心脏应用得到了美国食品和药物管理局的批准,但制造商通常不鼓励在医疗环境中使用它们进行诊断测试。其次,一些重要的技术细节——特别是消费者级追踪器测量心率的时间间隔,以及测量和显示结果之间的延迟——制造商没有公开披露。这可能会导致隐藏的偏差,当不同健身追踪器的测量值相互匹配时,以及与黄金标准参考值匹配时。关于这一担忧,我们也无法完全解决健身追踪器测量中高达何种程度的下降与技术问题、使用问题或底层算法的内部质量控制机制有关的问题。
我们在相对较短的时间间隔内对每位患者进行了3次连续测量。因此,关于长期使用的结论显然超出了本试验的范围。此外,我们的研究在评估设备在极端心率值下的测量精度方面还不够强大,因为我们的ECG数据中78.2%可以被认为是正常心率(60-90 bpm), 11.9%是心动过缓(<60 bpm), 9.9%是心动过速(>90 bpm)。同样,尽管我们的研究结果支持较高的BMI值会影响测量性能的假设,但我们的数据最终无法阐明肥胖的影响,因为我们的研究设计没有包括BMI为>40 kg/m的患者2.此外,在我们的队列中,皮肤色素沉着的中位数对应于Fitzpatrick量表2,因此,无法得出关于深色皮肤对跟踪器准确性的影响的最终结论。由于我们关注的是仰卧位的静息患者,因此无法得出关于活动患者测量精度的结论[
].因此,未来的研究对于评估可穿戴设备在移动患者中的应用至关重要。结论
我们总结,消费级可穿戴设备在中等至大手术后的术后患者中显示出很有希望的心率监测准确性。在本研究中确定的混杂因素没有影响心率测量到临床相关的程度。
致谢
我们要特别感谢沃格尔基金会Eckernkamp博士对该项目的资助(特别研究奖“100 Jahre Universitätsbund”)。该项目得到Würzburg大学临床研究跨学科中心(IZKF)的支持(IZKF临床科学家项目CSP-19)。这些设备的制造商在任何时候都没有参与资金。本出版物得到维尔茨堡大学开放获取出版基金的支持。
数据可用性
可向合格的学术机构请求非商业性研究的未识别数据。必须向首席研究员(helmer_p@ukw.de)发送正式的数据访问请求,包括标准的数据使用协议,并保证数据仅用于研究目的。
作者的贡献
PH、BEW和MS负责工作的概念化。PH, SH, PR, MH收集数据。MS和RL进行统计学分析。PH, BEW, MS和RP解释数据。初版手稿由PH和MS起草,并由SH、PR、RL、BEW、MH、RP、PK和PM严格审查。图形设计由ms、PK和PM监督完成。PH, PK和PM管理资金获取。所有作者都对工作的概念和数据的解释做出了实质性的贡献。所有作者均已阅读并同意该手稿的出版版本。
利益冲突
SH, PR, RL, BEW, MH, RP和MS声明没有利益冲突。PH获得了沃格尔基金会的研究奖,是维尔茨堡临床科学家计划的成员。PM获得CSL Behring GmbH, Haemonetics, Werfen GmbH和ViforPharma GmbH的科学讲座的酬金。PK获得了TEVA, Sintetica, CSL Behring GmbH, Vifor Pharma GmbH, Pharmacosmos和Grünenthal的讲座费用,并为TEVA和Milestone Scientific Inc.提供咨询。所有提到的资助者在研究设计中都没有发挥作用;数据分析:数据的收集、分析或解释;手稿的撰写;或者决定是否公布结果。
补充数字和表格。
DOCX文件,908 KB参考文献
- 胡恩S, Axt M, Gunga HC, Maggioni MA, Munga S,一带一路D,等。可穿戴技术对健康研究的影响:范围审查。JMIR Mhealth Uhealth 2022年1月25日;10(1):e34384 [免费全文] [CrossRef] [Medline]
- 王晓明,王志强,王志强,等。基于可穿戴技术持续监测住院患者的生命体征预测和预警评分计算。传感器(巴塞尔)2020;20(22):6593 [免费全文] [CrossRef] [Medline]
- 唐尼CL,查普曼S,兰德尔R,布朗J,詹DG。医院中连续与间歇生命体征监测的影响:系统回顾和叙述综合。中华儿科杂志2018;84:19-27 [免费全文] [CrossRef] [Medline]
- 张震,陈琳,徐鹏,王强,张杰,陈凯,等。与常规护理相比,自动警报系统对脓毒症管理的有效性。NPJ数字医学2022;5(1):101 [免费全文] [CrossRef] [Medline]
- 郭坤,韩刚,林杰,郑奎,姜涛,林娥,等。可穿戴设备的发展,为个性化医疗提供实时疾病监测。纳米材料,2019;9(6):813 [免费全文] [CrossRef] [Medline]
- kanna AK, Hoppe P, Saugel B.自动化连续无创病房监测:未来方向和挑战。重症监护2019;23(1):194 [免费全文] [CrossRef] [Medline]
- 王志强,王志强,王志强,等。市售运动员心率监测器的准确性:一项前瞻性研究。中国心血管病杂志2019;9(4):379-385 [免费全文] [CrossRef] [Medline]
- 王丽娟,王丽娟,王丽娟,等。有氧运动时可穿戴式心率监测器的可变精度。中国医学科学,2017;49(8):1697-1703。[CrossRef] [Medline]
- Sañudo B, De Hoyo M, Muñoz-López A, Perry J, Abt G.评估皮肤类型对苹果手表光电容积描记术获得的心率测量的影响的初步研究。中华医学杂志2019;43(7):195。[CrossRef] [Medline]
- 梅斯卓,李志强,李志强,等。从腕部容积描记术中提取围手术期心率的验证:前瞻性观察研究JMIR Cardio 2021;5(2):e27765 [免费全文] [CrossRef] [Medline]
- 尼尔森BW,艾伦NB。生态有效24小时内消费者穿戴式心率测量的准确性:个体内验证研究JMIR Mhealth Uhealth 2019;7(3):e10828。[CrossRef]
- Patel V, Orchanian-Cheff A, Wu R.评估可穿戴技术在医院环境中持续监测患者的有效性和实用性:系统综述。JMIR Mhealth Uhealth 2021;9(8):e17411 [免费全文] [CrossRef] [Medline]
- Knight SR, Ng N, Tsanas A, Mclean K, Pagliari C, Harrison EM.用于测量患者术后预后的移动设备和可穿戴技术:系统综述。NPJ数字医学2021;4(1):157 [免费全文] [CrossRef] [Medline]
- Chan PY, Ryan NP, Chen D, McNeil J, Hopper I.新型可穿戴和非接触式心率、呼吸频率和氧饱和度监测设备:系统综述和荟萃分析。麻醉2022;77(11):1268 - 1280。[CrossRef] [Medline]
- Bent B, Goldstein BA, Kibbe WA, Dunn JP。研究可穿戴光学心率传感器不准确的来源。NPJ数字医学2020;3:18 [免费全文] [CrossRef] [Medline]
- Nelson BW, Low CA, Jacobson N, Areán P, Torous J, Allen NB。生物行为研究中消费者腕戴式心率评估指南。NPJ数字医学2020;3(1):90 [免费全文] [CrossRef] [Medline]
- Collins T, Woolley SI, Oniani S, Pires IM, Garcia NM, Ledger SJ,等。新的和更新的活动和心率监测器的版本报告和评估方法。传感器(巴塞尔)2019;19(7):1705 [免费全文] [CrossRef] [Medline]
- Evenson KR, Goto MM, Furberg RD.对消费者可穿戴活动跟踪器的有效性和可靠性的系统回顾。2015年《中华人民共和国行为物理法》;12(1):159 [免费全文] [CrossRef] [Medline]
- 布兰德JM,阿尔特曼DG。方法比较研究中的测量一致性。中华医学杂志1999;8(2):135-160。[CrossRef] [Medline]
- Navalta JW, Montes J, Bodell NG, Salatto RW, Manning JW, DeBeliso M.可穿戴技术设备在试验跑中的并发心率有效性。PLoS One 2020;15(8):e0238569 [免费全文] [CrossRef] [Medline]
- 医疗器械发展协会。心脏监测器,心率计,还有警报器。在:ANSI/AAMI EC13-2002。纽约州纽约:美国国家标准协会;2002.
- Germini F, Noronha N, Borg Debono V, Abraham Philip B, Pete D, Navarro T,等。腕戴式活动追踪装置的准确性和可接受性:文献系统回顾中国医学杂志,2018;24(1):e30791。[CrossRef]
- Lauterbach CJ, Romano PA, Greisler LA, Brindle RA, Ford KR, Kuennen MR.商用腕式脉搏血氧计在静息条件下常压缺氧暴露时的准确性和可靠性。Res Q exercise Sport 2021;92(3):549-558。[CrossRef] [Medline]
- Falter M, Budts W, Goetschalckx K, Cornelissen V, Buys R. Apple Watch测量心血管疾病患者心率和能量消耗的准确性:横断面研究。2019;7(3):e11889。[CrossRef]
- Spaccarotella C, Polimeni A, Mancuso C, Pelaia G, Esposito G, Indolfi C.使用苹果智能手表进行无创氧饱和度和心率测量的评估:与标准脉搏血氧计的比较。中国临床医学杂志(英文版);[CrossRef]
- 皮佩克,纳西门托,阿森西奥,特谢拉。肺部疾病患者Apple Watch和传统商业血氧计的血氧饱和度和心率值的比较科学通报2021;11(1):18901。[CrossRef]
- 黄恩,芮珊,N Osuji,丁杰,Isakadze N, Marvel FA,等。阻塞性睡眠呼吸暂停和心房颤动患者的心率测量:前瞻性试点研究评估Apple Watch与遥测数据的一致性JMIR Cardio 2021;5(1):e18050 [免费全文] [CrossRef] [Medline]
- Sequeira N, D’souza D, Angaran P, Aves T, Dorian P.常见的可穿戴设备在测量室上性心动过速时显示出不同的准确性。心脏节律2020;17(5 Pt B):854-859。[CrossRef]
- Kroll RR, Boyd JG, Maslove DM.腕式可穿戴设备监测住院患者心率的准确性:一项前瞻性观察性研究。中国医学杂志,2016;18(9):e253 [免费全文] [CrossRef] [Medline]
- Ates HC, Yetisen AK, Güder F, Dincer C.用于检测COVID-19的可穿戴设备。电子学报;2021;4(1):13-14。[CrossRef]
- 李文杰,李志强,李志强,等。利用可穿戴设备的生理数据识别SARS-CoV-2感染和症状并预测COVID-19诊断:观察性研究中国医学杂志,2017;23(2):e26107 [免费全文] [CrossRef]
- Campo D, Elie V, de Gallard T, Bartet P, Morichau-Beauchant T, Genain N,等。使用模拟智能手表检测心房颤动的算法验证:前瞻性介入临床研究。JMIR Form Res 2022;6(11):e37280。[CrossRef]
- Gladstone DJ, Wachter R, Schmalstieg-Bahr K, Quinn FR, Hummers E, Ivers N, SCREEN-AF调查员和协调员。老年人群房颤筛查:一项随机临床试验JAMA Cardiol 2021;6(5):558-567 [免费全文] [CrossRef] [Medline]
- 李松,朱勇,刘军,朴玉军,杨松,高雪生。可穿戴设备对心血管相关疾病的人工智能检测:系统综述和荟萃分析。延世医学J 2022;63(增刊):S93-S107。[CrossRef]
- Posthuma LM, Visscher MJ, Hollmann MW, Preckel B.高、中风险手术患者的监测。麻醉学杂志2019;29(4):1185-1190。[CrossRef]
- Farina N, Sherlock G, Thomas S, Lowry RG, Banerjee S.在社区居住的老年痴呆症患者中佩戴活动监测器的可接受性和可行性。中华老年精神病学杂志2019;34(4):617-624。[CrossRef]
缩写
AE:绝对误差 |
ASA:美国麻醉医师协会 |
bpm:每分钟节拍 |
CCC:林和谐系数 |
CDR:累计辍学率 |
心电图:心电描记法 |
梅:平均绝对误差 |
日军:平均绝对百分比误差 |
PACU的:麻醉后护理室 |
PCC:皮尔逊相关系数 |
分:photoplethysmography |
RSS:残差平方和 |
传真照片:透射式脉搏血氧仪 |
G·艾森巴赫(G Eysenbach)编辑;提交01.09.22;M Kapsetaki, M Gholami同行评审;作者评论07.10.22;修订版本收到日期为25.10.22;接受15.11.22;发表30.12.22
版权©Philipp Helmer, Sebastian Hottenrott, Philipp Rodemers, Robert Leppich, Maja Helwich, Rüdiger Pryss, Peter Kranke, Patrick Meybohm, Bernd E Winkler, Michael Sammeth。最初发表在医疗互联网研究杂志(//www.mybigtv.com), 30.12.2022。
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。