運(yùn)動智能手環(huán)監(jiān)測身體活動量的效度研究進(jìn)展

蒿瑩瑩, 張 琳, 馬曉凱, 曹振波,2

(1.上海體育學(xué)院 運(yùn)動科學(xué)學(xué)院,上海 200438; 2.上海市學(xué)生體質(zhì)健康研究中心,上海 200438)

身體活動是由骨骼肌收縮產(chǎn)生的任何可以使機(jī)體能量消耗高于安靜代謝水平的機(jī)體活動[1]。大量研究表明:身體活動不足是冠心病、2型糖尿病、骨質(zhì)疏松和惡性腫瘤等慢性疾病的重要危險(xiǎn)因子[2],規(guī)律的身體活動有利于減小慢性疾病發(fā)生的風(fēng)險(xiǎn)[2-3]。身體活動不足已成為引起全球范圍死亡的第4危險(xiǎn)因素[4],因此,監(jiān)控身體活動已經(jīng)成為促進(jìn)人們身體健康的重中之重?，F(xiàn)今,測量身體活動方法主要有直接測熱法(direct calorimetry)、間接測熱法(indirect calorimetry)、雙標(biāo)水法(doubly labeled water,DLW)、心率監(jiān)測法和問卷調(diào)查法等[5],但是這幾種測量方法有的設(shè)備昂貴、操作復(fù)雜,有的主觀意識太強(qiáng)而不適用于大樣本連續(xù)性身體活動監(jiān)測。

目前,運(yùn)動健康領(lǐng)域的科研工作者用傳統(tǒng)的佩戴于腰部的加速度運(yùn)動傳感器進(jìn)行身體活動監(jiān)測,獲取有效數(shù)據(jù)進(jìn)行分析處理,為大眾運(yùn)動健身提供科學(xué)依據(jù),增加大眾運(yùn)動健身的科學(xué)性。由于傳統(tǒng)加速度運(yùn)動傳感器小巧便捷、無須受試者進(jìn)行回顧,可有效減少回憶偏差,且經(jīng)過了多種方法的效度檢驗(yàn)其能準(zhǔn)確提供關(guān)于身體活動的能量消耗、頻率、強(qiáng)度和持續(xù)時間等信息[6-7],已被廣泛接受和應(yīng)用于科研工作中。由于傳統(tǒng)加速度運(yùn)動傳感器價(jià)格昂貴,需要專業(yè)科研人員操作電腦軟件處理數(shù)據(jù),不利于大眾即時、直觀地了解自身身體活動情況;傳統(tǒng)加速度運(yùn)動傳感器需要佩戴于腰部,降低了大眾的佩戴依從性,不適用于大眾健身的自我身體活動監(jiān)測。運(yùn)動智能手環(huán)同樣采用加速度計(jì)原理監(jiān)測身體活動,通過與相應(yīng)的手機(jī)應(yīng)用軟件(APP)連接,可使大眾直觀地獲取能量消耗、日常步數(shù)等身體活動指標(biāo)數(shù)據(jù),從而有效監(jiān)控長期或短期的身體活動目標(biāo)的實(shí)現(xiàn)[8]。此外,由于運(yùn)動智能手環(huán)價(jià)格適宜、穿戴方便、符合大眾消費(fèi)心理等,因此應(yīng)用運(yùn)動智能手環(huán)監(jiān)測身體活動水平變得越來越普及。

此外,相關(guān)領(lǐng)域?qū)W者希望運(yùn)動智能手環(huán)不僅僅能用于大眾健身,也能應(yīng)用于科研中,以代替?zhèn)鹘y(tǒng)的身體活動測量方法。無論是用于科研還是大眾健身,評估其效度都是非常重要的。目前,盡管科研人員致力于檢驗(yàn)運(yùn)動智能手環(huán)監(jiān)測身體活動的效度,但還處于起步階段。本文通過梳理運(yùn)動智能手環(huán)評估步數(shù)、能量消耗、距離、身體活動強(qiáng)度效度研究相關(guān)文獻(xiàn),分析總結(jié)現(xiàn)有研究成果和研究進(jìn)展,為進(jìn)一步開展相關(guān)研究提供借鑒。

1 研究方法

文獻(xiàn)檢索通過在中國知網(wǎng)、PubMed、EMBASE、谷歌學(xué)術(shù)等電子學(xué)術(shù)文獻(xiàn)數(shù)據(jù)庫,以中文關(guān)鍵詞“運(yùn)動智能手環(huán)”“可穿戴監(jiān)測設(shè)備”“效度”“比較”“精確性”和英文關(guān)鍵詞“wearable devices”“consumer-level devices”“commercial accelerometer”“commercial activity-tracker”“validity”“validation”“validate”“comparison”“comparisons ”“comparative”“accuracy”,搜索至2018年1月的相關(guān)研究文獻(xiàn)。以上述檢索詞作為關(guān)鍵詞在主題、題目、摘要和全文等進(jìn)行邏輯組合檢索。

納入文獻(xiàn)的篩選:① 初篩,通過閱讀題目和摘要,根據(jù)文獻(xiàn)納入標(biāo)準(zhǔn)進(jìn)行初篩、排重;② 閱讀全文,根據(jù)研究的納入標(biāo)準(zhǔn),確定可以納入的文獻(xiàn);③ 通過參考文獻(xiàn)追溯的方法進(jìn)行篩選,以避免文獻(xiàn)遺漏。

文獻(xiàn)納入標(biāo)準(zhǔn):① 已在學(xué)術(shù)數(shù)據(jù)庫或?qū)W術(shù)期刊上出版的中英文全文文獻(xiàn);② 實(shí)驗(yàn)對象為人的研究;③ 具有客觀參照標(biāo)準(zhǔn)的研究;④ 佩戴于腕部的運(yùn)動智能手環(huán)效度的研究。

每篇文獻(xiàn)提取內(nèi)容包括:第一作者、運(yùn)動智能手環(huán)品牌及佩戴部位、地區(qū)、受試者基本信息(年齡、人數(shù))、實(shí)驗(yàn)方案、監(jiān)測指標(biāo)、參照標(biāo)準(zhǔn)、實(shí)驗(yàn)結(jié)果。

2 研究結(jié)果

共檢索到75篇文獻(xiàn),經(jīng)初篩、排重及全文閱讀后,最終納入26篇文獻(xiàn)。這26篇文獻(xiàn)主要針對6種品牌運(yùn)動智能手環(huán)(Fitbit、Jawbone UP、Withings Pulse、Misfit Shine、Garmin Vivofit、Nike Fuelband)進(jìn)行效度檢驗(yàn)的研究。表1列舉出了這6款運(yùn)動智能手環(huán)的基本特征及主要功能。從表1可知,所有的運(yùn)動智能手環(huán)都能監(jiān)測步數(shù)和距離指標(biāo),不同的智能手環(huán)監(jiān)測的能量消耗指標(biāo)是不同的,且佩戴方式多樣化。此外,每一款運(yùn)動智能手環(huán)都可以與手機(jī)進(jìn)行關(guān)聯(lián),有相應(yīng)的手機(jī)APP無線傳輸數(shù)據(jù)。運(yùn)動智能手環(huán)同時具有智能提醒、手機(jī)來電顯示(振動)、日常防水等功能。有顯示屏的智能手環(huán)可顯示時間、日期及運(yùn)動數(shù)據(jù)等指標(biāo),Garmin vivofit、Withings Pulse和Jawbone UP運(yùn)動智能手環(huán)還具有分類活動、提供飲食監(jiān)控幫助等更復(fù)雜的功能。在充電方面,需充電的運(yùn)動智能手環(huán)一般充電時間短,續(xù)航時間長。

表1 運(yùn)動智能手環(huán)的基本特征及功能Table 1 The characteristic and function of wrist-wearable activity monitors

注:√表示存在這一參數(shù)功能;□表示不存在這一參數(shù)功能;Δ表示只能監(jiān)測總的能量消耗,而無法區(qū)分基礎(chǔ)能量消耗和運(yùn)動能量消耗; H表示身高;W表示體質(zhì)量;Sex表示性別;DOB表示出生年月日

本文梳理了26篇運(yùn)動智能手環(huán)監(jiān)測步數(shù)、能量消耗、距離和定量身體活動強(qiáng)度時間指標(biāo)效度的研究文獻(xiàn)的基本特征和研究結(jié)果。有關(guān)運(yùn)動智能手環(huán)效度研究的文獻(xiàn)全部為英文文獻(xiàn),其中步數(shù)20篇、能量消耗10篇、距離1篇、定量身體活動時間5篇和監(jiān)控不同訓(xùn)練形式指標(biāo)1篇;針對不同品牌運(yùn)動智能手環(huán)的研究分別有Fitbit Flex 15篇、Jawbone UP 13篇、Nike Fuelband 9篇、Garmin Vivofit 6篇、Fitbit Charge HR 6篇、Misfit Shine 5篇和Withings Pulse 2篇。

2.1 運(yùn)動智能手環(huán)監(jiān)測身體活動步數(shù)的效度研究步行是人類最古老、最基本的身體活動方式,生活中大多數(shù)身體活動的進(jìn)行幾乎都離不開步行,步行也是隨時隨地都可以輕松完成的極簡單的身體活動。最早在20世紀(jì)60年代日本提出每日步行10 000 步的推薦量[9],以達(dá)到促進(jìn)健康的需求,步數(shù)成為定量身體活動最常用的指標(biāo)之一[10]。在運(yùn)動智能手環(huán)監(jiān)測步數(shù)相關(guān)研究中,絕大多數(shù)研究以步數(shù)觀察值和手動計(jì)數(shù)值作為參照標(biāo)準(zhǔn),且受試者包括健康成年人和特殊群體。

2.1.1 運(yùn)動智能手環(huán)監(jiān)測不同速度運(yùn)動的步數(shù) 運(yùn)動智能手環(huán)監(jiān)測不同速度運(yùn)動步數(shù)時,預(yù)測步數(shù)的精確度有所不同。Huang等[11]在實(shí)驗(yàn)室條件下,以錄像觀察值為參照標(biāo)準(zhǔn),招募40位平均年齡為23.9歲的健康成年人為受試者,讓受試者分別以3.2、4.8和6.4 km/h的速度在跑臺上步行3 min,檢驗(yàn)運(yùn)動智能手環(huán)Garmin Vivofit、Fitbit Flex、Jawbone UP 24和Nike Fuelband測量步數(shù)的效度。研究發(fā)現(xiàn),所有的運(yùn)動智能手環(huán)僅測量以3.2 km/h的速度步行時所測得的步數(shù)與觀察值相比具有顯著性差異,4種品牌運(yùn)動智能手環(huán)的測量誤差率分別為:

(-2.3±1.4)%, (-6.5±18.4)%

(-15.3±34.8)%, (-52.8±33.7)%

而測量其他速度運(yùn)動下的步數(shù)與觀察值相比無顯著性差異。Alinia等[12]以錄像觀察值為參照標(biāo)準(zhǔn),15位年齡為21～31歲的健康成年人為受試者,讓受試者分別以2.5、5.0和8.0 km/h的速度在跑臺上運(yùn)動5 min,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex測量不同運(yùn)動速度下的步數(shù)效度。結(jié)果顯示,Fitbit Flex所測得2.5、5.0和8.0 km/h速度下的步數(shù)與觀察值相比均無顯著性差異;然而,其他學(xué)者的研究結(jié)果與此不同。

Diaz等[13]以錄像觀察值為參照標(biāo)準(zhǔn),23位年齡為20～54歲的健康成年人為受試者,讓受試者在跑臺上分別以3.2、4.8、6.4和8.3 km/h的速度運(yùn)動6 min,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex測量不同運(yùn)動速度下步數(shù)的效度。結(jié)果顯示,Fitbit Flex所測得步數(shù)與實(shí)際觀察值呈高度相關(guān)(r=0.77～0.85),但測得3.2、4.8和6.4 km/h速度下步行時步數(shù)與觀察值之間具有顯著性差異,分別低估了觀察值的16.3%、10.6%和11.3%,而8.3 km/h速度下步行時的步數(shù)與觀察值無顯著性差異。Chow等[14]以錄像觀察值為參照標(biāo)準(zhǔn),31位平均年齡為24.3歲的健康成年人為受試者,讓受試者分別以5.0、6.5、8.0、10.0和12.0 km/h的速度在跑臺上運(yùn)動3 min,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex、Fitbit Charge HR、Jawbone UP測量步數(shù)的效度。結(jié)果顯示,除了Fitbit Charge HR、Fitbit Flex和Jawbone UP、Fitbit Charge HR分別高估了10.0 km/h和12.0 km/h速度下的步數(shù)之外,Fitbit Flex、Fitbit Charge HR、Jawbone UP全部低估了其他速度運(yùn)動的步數(shù);且隨著運(yùn)動速度的增加,誤差率逐漸降低,范圍分別為:1.5%～11.9%,3.6%～10.1%,0.1%～4.3%。Kooiman等[15]以O(shè)ptogait為參照標(biāo)準(zhǔn),33位平均年齡為39.0歲的健康成年人為受試者,讓受試者在跑臺上以4.8 km/h的速度步行30 min以檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex、Jawbone UP和Nike Fuelband監(jiān)測步數(shù)的效度。結(jié)果顯示,Fitbit Flex、Jawbone UP與Optogait之間具有顯著相關(guān)性,而Nike Fuelband與Optogait之間無顯著相關(guān)性。Fitbit Flex和Nike Fuelband顯著低估了4.8 km/h速度下的步行步數(shù)(P<0.05),誤差率分別為5.7%和18.0%,而Jawbone UP測得步數(shù)值與參照值之間無顯著性差異。

另外,Sushames等[16]以錄像觀察值為參照標(biāo)準(zhǔn),25位平均年齡為23.7歲的健康成年人為受試者,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex監(jiān)測受試者在跑臺上自我選擇運(yùn)動速度在5.0～6.5 km/h和8.0～10.0 km/h的范圍內(nèi)的步行和跑步各6 min的步數(shù)效度。結(jié)果顯示,Fitbit Flex測得步數(shù)值與觀察值之間無顯著相關(guān)性,且Fitbit Flex顯著低估了跑臺步行的步數(shù)值(P<0.05),誤差率為21.2%,而測量跑臺跑步的步數(shù)與觀察值相比無顯著性差異。Nelson等[8]以手動計(jì)數(shù)為參照標(biāo)準(zhǔn),30位平均年齡為48.9歲的健康成年人為受試者,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex和Jawbone UP監(jiān)測受試者步行(地面步行、地面快速走和跑臺步行各5 min)和慢跑(地面慢跑和跑臺慢跑各5 min)步數(shù)的效度,與先前研究結(jié)果一致的是Fitbit Flex顯著低估了步行時的步數(shù)(P<0.05),誤差率為8%,而慢跑步數(shù)與計(jì)數(shù)值之間無顯著性差異。Jawbone UP測量的步行和跑步的步數(shù)與計(jì)數(shù)值之間均無顯著性差異。Stackpool等[17]以手動計(jì)數(shù)為參照標(biāo)準(zhǔn),20位年齡為18～44歲健康成年人為受試者,檢驗(yàn)運(yùn)動智能手環(huán)Nike Fuelband和Jawbone UP監(jiān)測受試者在跑臺以自我選擇的速度分別進(jìn)行20 min步行和跑步的步數(shù)效度。結(jié)果顯示,Nike Fuelband所測得步數(shù)與手動計(jì)數(shù)值呈中度相關(guān)(r=0.55),但顯著低估了跑臺步行計(jì)數(shù)值的6%(P<0.05),而測量跑臺跑步的步數(shù)與計(jì)數(shù)值相比無顯著性差異。Jawbone UP監(jiān)測跑臺步行和跑步的步數(shù)值與計(jì)數(shù)值相比均無顯著性差異。Storm等[18]以O(shè)PAL感應(yīng)器為參照標(biāo)準(zhǔn),16位平均年齡為28.9歲的健康成年人為受試者,檢驗(yàn)Jawbone UP、Nike Fuelband測量慢速、自己選擇的速度以及快速步行下的步數(shù)有效性。結(jié)果顯示,無論在何種速度下,Jawbone UP所測得步數(shù)值都與參照值相比無顯著性差異,而Nike Fuelband低估了3種運(yùn)動狀態(tài)下步數(shù)參照值的12%～35%,其中測量低速狀態(tài)下的步數(shù)誤差率最大,快速步行狀態(tài)下的步數(shù)誤差率最小。

共有9篇文獻(xiàn)對運(yùn)動智能手環(huán)監(jiān)測不同速度走、跑的步數(shù)進(jìn)行了研究,包括運(yùn)動智能手環(huán)Garmin Vivofit、Fitbit Flex、Fitbit Charge HR、Jawbone UP、Nike Fuelband。這5款運(yùn)動智能手環(huán)全部低估了低速步行的步數(shù),誤差率范圍為2%～52%,其中Jawbone UP可以精確監(jiān)測不同速度運(yùn)動的步數(shù),而其余4款運(yùn)動智能手環(huán)可以相對較好地監(jiān)測中速到高速運(yùn)動的步數(shù)。與本研究結(jié)果類似,探討加速度運(yùn)動傳感器效度的研究也發(fā)現(xiàn),運(yùn)動速度越低,持續(xù)時間越短,監(jiān)測步數(shù)的加速度運(yùn)動傳感器的精確度就越低[19-22]。這可能是因?yàn)檫\(yùn)動智能手環(huán)與傳統(tǒng)的加速度運(yùn)動傳感器一樣,都是以加速度計(jì)實(shí)現(xiàn)身體活動監(jiān)測任務(wù),低速步行時下肢運(yùn)動產(chǎn)生的加速位移較小,其不足以使加速度計(jì)產(chǎn)生動作計(jì)數(shù),從而出現(xiàn)步數(shù)被低估的結(jié)果。

2.1.2 運(yùn)動智能手環(huán)監(jiān)測上、下樓運(yùn)動的步數(shù) 運(yùn)動智能手環(huán)測量水平面和傾斜面的身體活動步數(shù)時,具有較大的差異。Huang等[11]以錄像觀察值為參照標(biāo)準(zhǔn),40位平均年齡為23.9歲的健康成年人為受試者,檢驗(yàn)運(yùn)動智能手環(huán) Fitbit Flex、Garmin Vivofit、Nike Fuelband和Jawbone UP 24測量水平面、上樓和下樓時步數(shù)的效度。結(jié)果顯示,Nike Fuelband顯著低估了水平面、上樓和下樓時的步數(shù),誤差率高達(dá)(16.7±16.5)%、(34.3±26.8)%和(26.8±18.7)%。其他幾款手環(huán)在測量水平面步行步數(shù)時與觀察值相比無顯著性差異,Fitbit Flex、Jawbone UP雖然也顯著低估了上樓和下樓時的步數(shù),但是誤差相對較小,其誤差率分別為(7.9±7.4) %和(7.1±10.2)%、(7.7±22.2) %和(14.3±19.8)%。另外,Garmin Vivofit低估了上樓步數(shù)和高估了下樓步數(shù),誤差率分別為(1.4±5.8)%和(1.5±12.3)%。Nelson等[8]以手動計(jì)數(shù)為參照標(biāo)準(zhǔn),30位平均年齡為48.9歲的健康成年人為受試者,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex和Jawbone UP監(jiān)測5 min上樓和下樓步數(shù)的效度。結(jié)果卻顯示,這2款運(yùn)動智能手環(huán)監(jiān)測上下樓步數(shù)與計(jì)數(shù)值之間均無顯著性差異?？梢?不同品牌的運(yùn)動智能手環(huán)監(jiān)測上樓和下樓運(yùn)動的步數(shù)的精確度有很大差異,可能的原因是在水平面上步行是下肢的前后移動,上、下樓的動作既有下肢的前后移動又有上下運(yùn)動,而運(yùn)動智能手環(huán)測量步數(shù)的計(jì)算模型可能是基于水平面的數(shù)據(jù)建立起來的,因此無法精確地監(jiān)測上、下樓的步數(shù)。

2.1.3 運(yùn)動智能手環(huán)監(jiān)測日常身體活動總步數(shù) 在實(shí)驗(yàn)室模擬自由環(huán)境下,Rosenberger等[23]以O(shè)mron計(jì)步器為參照標(biāo)準(zhǔn),40位年齡范圍為21～76歲的健康成年人和老年人為受試者,讓其完成24 h日常生活身體活動內(nèi)容,檢驗(yàn)運(yùn)動智能手環(huán)Jawbone UP和Nike Fuelband監(jiān)測健康成年人和老年人一天除睡眠之外的日常身體活動總的步數(shù)效度。結(jié)果顯示,Jawbone UP和Nike Fuelband與Omron計(jì)步器相比都具有顯著性差異(P<0.05),Jawbone UP高估步數(shù)約18.5%,而Nike Fuelband低估步數(shù)約29.0%。

在自由環(huán)境下,Ferguson等[24]以BodyMedia Sense Wear Model MF或 Actigraph GT3X為參照標(biāo)準(zhǔn),21位平均年齡為32.8歲的健康成年人為受試者,檢驗(yàn)運(yùn)動智能手環(huán)Nike Fuelband、Misfit Shine、Jawbone UP、Withings Pulse監(jiān)測除睡眠之外的日常身體活動總步數(shù)的效度,發(fā)現(xiàn)這4款運(yùn)動智能手環(huán)所測得的步數(shù)與參照步數(shù)之間都具有較高的相關(guān)性(r=0.94～0.99)。所有的運(yùn)動智能手環(huán)都明顯低估了步數(shù),測量誤差率從低到高依次為Jawbone UP 2.5%、Withings Pulse 6.0%、Misfit Shine 10.6%、Nike Fuelband 25.4%。Farina等[25]以Nl200i和Actigraph GT3X為參照標(biāo)準(zhǔn),25位平均年齡為72.5歲的健康老年人為受試者,讓受試者在自由環(huán)境下佩戴運(yùn)動智能手環(huán)Fitbit Charge HR和Misfit Shine共7 d,檢驗(yàn)這2款運(yùn)動智能手環(huán)監(jiān)測除睡眠之外的日常身體活動總步數(shù)的效度,發(fā)現(xiàn)Fitbit Charge HR、Misfit Shine所測的步數(shù)與參照步數(shù)之間都具有顯著的相關(guān)性(r=0.83～0.91)。與Nl220i和Actigraph GT3X相比,Fitbit Charge HR顯著高估了步數(shù)的20.1%和35.9%(P<0.05),Misfit Shine低估了步數(shù)的10.8%和0.1%(P>0.05)。

Dominick等[26]和Reid等[27]以Actigraph GT3X為參照標(biāo)準(zhǔn),分別以19位年齡范圍為19.0～37.0歲和22位平均年齡為21.2歲的健康成年人為受試者,讓受試者在自由環(huán)境下佩戴Actigraph GT3X和運(yùn)動智能手環(huán)Fitbit Flex共7 d。2個研究都發(fā)現(xiàn)Fitbit Flex可精確地監(jiān)測除睡眠之外的日常身體活動總步數(shù)。然而,Chu等[28]以Actigraph GT3X為參照標(biāo)準(zhǔn),104位平均年齡為31.0歲的健康成年人為受試者,讓受試者在自由環(huán)境下佩戴Actigraph GT3X和運(yùn)動智能手環(huán)Fitbit Flex共7 d。結(jié)果顯示,Fitbit Flex所測得步數(shù)與參照值之間雖呈顯著性相關(guān)(r=0.89),但Fitbit Flex顯著高估了參照步數(shù)的15.5%(P<0.05)。Sushames等[16]以Actigraph GT3X為參照標(biāo)準(zhǔn),25位平均年齡為23.7歲的健康成年人為受試者,讓受試者在自由環(huán)境下佩戴Actigraph GT3X和運(yùn)動智能手環(huán)Fitbit Flex 1 d。結(jié)果顯示,Fitbit Flex所測的步數(shù)與參照步數(shù)之間雖具有顯著相關(guān)性(r=0.78),但Fitbit Flex顯著高估了步數(shù),誤差率高達(dá)47.2%(P<0.01)。

從這7篇文獻(xiàn)看,研究監(jiān)測1 d除睡眠之外的日常身體活動總步數(shù)的運(yùn)動智能手環(huán)有Fitbit Flex、Fitbit Charge HR、Nike Fuelband、Misfit Shine、Jawbone UP和Withing Pulse。Rosenberger和Ferguson的研究都發(fā)現(xiàn),運(yùn)動智能手環(huán)Misfit Shine、Nike Fuelband和Withing Pulse全部低估了一天除睡眠之外的日常身體活動總步數(shù),與實(shí)驗(yàn)室研究結(jié)果一致。Farina的研究發(fā)現(xiàn),Fitbit Charge HR高估了日常身體活動總步數(shù),且針對Jawbone UP、Fitbit Flex的研究也沒有取得一致的結(jié)果,可能的原因是這幾項(xiàng)研究的參照標(biāo)準(zhǔn)或?qū)嶒?yàn)人群及樣本量都不同,無法評判哪項(xiàng)研究的結(jié)果更可信,有待于更多的研究進(jìn)一步驗(yàn)證。

2.1.4 運(yùn)動智能手環(huán)監(jiān)測特殊人群身體活動步數(shù) 在目前的文獻(xiàn)研究中,有5篇文獻(xiàn)對運(yùn)動智能手環(huán)監(jiān)測特殊人群步行步數(shù)的效度進(jìn)行了檢驗(yàn)。在實(shí)驗(yàn)室控制條件下,Fulk等[29]以錄像觀察值為參照標(biāo)準(zhǔn),平均年齡為52.9歲的30位中風(fēng)患者和20位腦創(chuàng)傷性損傷患者為受試者,檢驗(yàn)運(yùn)動智能手環(huán)Nike FuelBand監(jiān)測中風(fēng)和創(chuàng)傷性腦外傷患者康復(fù)時期進(jìn)行2 min步行測驗(yàn)時步數(shù)的精確性,與健康人群的研究結(jié)果類似,Nike FuelBand明顯低估了實(shí)際步數(shù)。Schaffer等[30]以錄像觀察值為參照標(biāo)準(zhǔn),24位平均年齡為54.0歲的中風(fēng)患者為受試者,將運(yùn)動智能手環(huán)Garmin Vivofit分別佩戴在患者的健側(cè)和非健側(cè),讓受試者以自我選擇的速度在大約200 m和30 m的道路上進(jìn)行6 min和50步行走測驗(yàn),檢驗(yàn)Garmin Vivofit監(jiān)測其步數(shù)的效度。結(jié)果顯示,佩戴在患者健側(cè)和非健側(cè)的Garmin Vivofit所測的步數(shù)與參照值相比均具有顯著性差異(P<0.05),且佩戴在健側(cè)的Garmin Vivofit低估了6 min和50步行走測驗(yàn)步數(shù)的40.7%和31.0%,佩戴在非健側(cè)的Garmin Vivofit低估了6 min和50步行走測驗(yàn)步數(shù)的33.4%和38.0%。Treacy等[31]以手動計(jì)數(shù)為參照標(biāo)準(zhǔn),166位平均年齡80歲的步行速度緩慢(步速<1.2 m/s)或具有可觀測性步態(tài)異常但至少可獨(dú)自行走10 m的老年人為受試者,受試者佩戴運(yùn)動智能手環(huán)Garmin Vivofit和Fitbit Charge HR完成6 min步行測驗(yàn)。結(jié)果顯示,Fitbit Charge HR(r=0.40)和Garmin Vivofit(r=0.30)所測得步數(shù)與參照值之間無顯著相關(guān)性,且誤差率高達(dá)44.1%和65.1%。

Voss等[32]以Actigraph GT3X為參照標(biāo)準(zhǔn),30位平均年齡13.0歲的患有先天性心臟病的兒童青少年為受試者,讓受試者在自由環(huán)境下連續(xù)佩戴Actigraph GT3X和Fitbit Charge HR共7 d,檢驗(yàn)Fitbit Charge HR測量其步數(shù)的效度。結(jié)果顯示Fitbit Charge HR所測得步數(shù)與參照值之間具有較好的一致性(ICC=0.86),但Fitbit Charge HR顯著高估實(shí)際步數(shù)的28.0%。另外,Floegel等[33]以錄像觀察值為參照標(biāo)準(zhǔn),99位平均年齡為78.9歲的可獨(dú)立行走和用輔助工具行走的老年人為受試者,讓受試者以自我選擇的速度步行100 m,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex和Jawbone UP監(jiān)測步數(shù)的效度。結(jié)果顯示,Fitbit Flex監(jiān)測健康老年人、下肢損傷、使用拐杖行走和助步車行走老年人的步數(shù)與觀察值之間一致性較差(ICC=-0.03～0.15),且分別低估了步數(shù)觀察值的27.7%、16.3%、35.9%和57.4%,而Jawbone UP所測量的這4種身體狀態(tài)下的老年人步數(shù)與觀察值之間呈現(xiàn)較差到一般一致性(ICC=-0.04～0.55),分別低估了步數(shù)觀察值的10.9%、9.5%、46.0%和95.4%。

這5篇文獻(xiàn)對運(yùn)動智能手環(huán)Nike Fuelband、Garmin Vivofit、Fitbit Charge HR、Fitbit Flex和Jawbone UP監(jiān)測特殊人群步數(shù)的效度進(jìn)行了檢驗(yàn)。發(fā)現(xiàn)除了Fitbit Charge HR高估步數(shù)之外,其他運(yùn)動智能手環(huán)Nike Fuelband、Garmin Vivofit、Fitbit Flex和Jawbone UP均低估了步數(shù),且Fitbit Flex、Garmin Vivofit和Jawbone UP誤差率分別高達(dá)57.4%、65.1%和95.4%。因此,應(yīng)慎重利用運(yùn)動智能手環(huán)監(jiān)測特殊人群的步數(shù)。

從整體來看,所有的運(yùn)動智能手環(huán)都傾向于低估健康人群的身體活動步數(shù),運(yùn)動智能手環(huán)Jawbone UP監(jiān)測特殊人群步數(shù)的誤差率較大,Nike Fuelband監(jiān)測健康人群步數(shù)的誤差率較大。值得注意的是,如果運(yùn)動智能手環(huán)低估步數(shù),使用者為達(dá)到運(yùn)動目標(biāo)會增加運(yùn)動,從而可能會間接增加身體活動量,這也勢必增加目標(biāo)達(dá)成的難度,早期容易產(chǎn)生挫折感而放棄努力。如果運(yùn)動智能手環(huán)高估步數(shù),將會阻礙使用者運(yùn)動目標(biāo)的完成,間接減少身體活動量,達(dá)不到健身目的?？紤]到此結(jié)果對大眾健身的影響,此后需要對更多受消費(fèi)者歡迎的運(yùn)動智能手環(huán)進(jìn)行研究,以提醒人們在實(shí)際生活中合理利用運(yùn)動智能手環(huán)。

2.2 運(yùn)動智能手環(huán)監(jiān)測身體活動能量消耗的效度研究能量消耗是反映身體活動的另外一個常用的重要指標(biāo)。在運(yùn)動智能手環(huán)監(jiān)測能量消耗的研究中,實(shí)驗(yàn)人群皆為健康成人,且大多以氣體代謝分析儀為參照標(biāo)準(zhǔn)。

2.2.1 實(shí)驗(yàn)室環(huán)境下運(yùn)動智能手環(huán)監(jiān)測身體活動能量消耗 研究發(fā)現(xiàn),運(yùn)動智能手環(huán)預(yù)測不同速度運(yùn)動能量消耗的精確度有所不同。Diaz等[13]以氣體代謝分析儀Ultima CPX為參照標(biāo)準(zhǔn),23位年齡為20～54歲的健康成年人為受試者,讓受試者在跑臺上分別以3.2、4.8、6.4和8.3 km/h的速度運(yùn)動6 min,研究運(yùn)動智能手環(huán)Fitbit Flex測量不同運(yùn)動速度下能量消耗的效度。結(jié)果發(fā)現(xiàn),能量消耗預(yù)測值與參照值之間呈較強(qiáng)相關(guān)性(r=0.88);平均測量差異在0.84～10.89 kJ(-0.2～2.6 kcal),其中Fitbit Flex在中速和快速步行時能量消耗預(yù)測值與參照值之間差異最大,分別高估了參照值的52.4%和33.3%。Stackpool等[17]以便攜式氣體代謝分析儀Oxycon Mobile為參照標(biāo)準(zhǔn),20位18～44歲健康成年人為研究對象,研究運(yùn)動智能手環(huán)Nike Fuelband和Jawbone UP監(jiān)測受試者在跑臺以自我選擇的速度分別進(jìn)行20 min步行和跑步的能量消耗效度。結(jié)果顯示,Nike Fuelband和Jawbone UP與參照標(biāo)準(zhǔn)之間呈中度相關(guān),相關(guān)系數(shù)分別為0.72和0.63,但顯著高估了受試者跑臺跑步時能量消耗的15%和20%。

Price等[34]以能量代謝測量系統(tǒng)Parvo Medics True One 2400為參照標(biāo)準(zhǔn),14位平均年齡為23.0歲的健康成年人為受試者,讓受試者分別以2.5、4.5和6.5 km/h的速度在跑臺上步行4 min和分別為8.0、10.0和12.0 km/h的速度在跑臺跑步4 min,檢驗(yàn)運(yùn)動智能手環(huán)Garmin Vivofit測量不同速度步行和跑步的能量消耗的效度。結(jié)果顯示,Garmin Vivofit監(jiān)測不同速度運(yùn)動的能量消耗值與參照值之間都無顯著相關(guān)性。Garmin Vivofit顯著低估了跑臺步行能量消耗值的10.0%～30.0%(P<0.01),而所測得跑臺跑步的能量消耗值與參照值之間無顯著性差異。Dooley等[35]以能量代謝測量系統(tǒng)Parvo Medics True One 2400為參照標(biāo)準(zhǔn),62位平均年齡為22.6歲的健康成年人為受試者,讓受試者完成靜坐10 min,再分別以4.0、5.6和8.8 km/h的速度在跑臺上運(yùn)動10 min,然后靜坐10 min的實(shí)驗(yàn)活動方案,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Charge HR監(jiān)測其能量消耗的效度。結(jié)果顯示,Fitbit Charge HR與參照值之間呈中度相關(guān)(r=0.42～0.66),且顯著高估了運(yùn)動前靜坐活動、4.0 km/h、5.6 km/h運(yùn)動的能量消耗的16.9%、85.0%和45.8%(P<0.05),Fitbit Charge HR監(jiān)測8.8 km/h運(yùn)動和恢復(fù)期靜坐活動能量消耗值與參照值之間無顯著性差異。

Bai等[36]以氣體代謝分析儀Oxycon Mobile為參照標(biāo)準(zhǔn),52位年齡為18～65歲的健康成年人為受試者,讓其分別進(jìn)行20 min的靜坐活動、25 min的有氧運(yùn)動和25 min的抗阻運(yùn)動,研究4款運(yùn)動智能手環(huán)(Fitbit Flex、Jawbone UP 24、Misfit Shine、Nike Fueband)監(jiān)測3種不同類型身體活動能量消耗的效度。發(fā)現(xiàn)4款運(yùn)動智能手環(huán)與參照標(biāo)準(zhǔn)Oxycon Mobile之間具有高度相關(guān)性(r=0.71～0.90)。Nike Fuelband低估了3種身體活動的能量消耗,誤差率分別為靜坐20.0%,有氧運(yùn)動18.5%,抗阻運(yùn)動約35.0%。Fitbit Flex、Misfit shine和Jawbone UP 24低估了抗阻運(yùn)動和靜坐活動能量消耗,誤差分別為:31.6%和29.0%,37.0%和18.2%,52.0%和29.0%;而高估有氧運(yùn)動能量消耗,誤差分別為34.0%,30.0%和60.0%。

Nelson等[8]以氣體代謝分析儀Cosmed K4b2為參照標(biāo)準(zhǔn),30位平均年齡為48.9歲的健康成年人為受試者,讓受試者進(jìn)行11種各5 min的身體活動(3種靜坐活動、4種家務(wù)勞動和4種自主有氧運(yùn)動),檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex和Jawbone UP監(jiān)測3種不同類型身體活動能量消耗的效度。結(jié)果顯示,Fitbit Flex監(jiān)測靜坐活動和家務(wù)勞動能量消耗值與Cosmed K4b2測量值相比無顯著性差異,卻顯著高估了自主有氧運(yùn)動能量消耗的24%(P<0.05)。Jawbone UP顯著低估了靜坐活動和家務(wù)勞動能量消耗的17%和35%(P<0.05),顯著高估了自主有氧運(yùn)動能量消耗的16%。Imboden等[37]以氣體代謝分析儀Cosmed K4b2為參照標(biāo)準(zhǔn),30位平均年齡為49.2歲的健康成年人為受試者,讓受試者在80 min內(nèi)分別進(jìn)行2～15 min的至少12種身體活動(≥4種靜坐活動、≥4種家務(wù)勞動、≥4種有氧運(yùn)動),其中靜坐活動總時間不少于40 min,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex和Jawbone UP監(jiān)測總的活動能量消耗的效度。發(fā)現(xiàn)Fitbit Flex(r=0.78)和Jawbone UP(r=0.69)與參照設(shè)備之間具有顯著相關(guān)性,但Fitbit Flex和Jawbone UP顯著低估了總的活動能量消耗(P<0.05),誤差率分別為13.3%和28.6%。

根據(jù)現(xiàn)有研究成果,4款運(yùn)動智能手環(huán)(Fitbit Flex、Jawbone UP、Nike Fuelband、Fitbit Charge HR)明顯高估了走、跑等有氧運(yùn)動的能量消耗,而Garmin Vivofit低估了跑臺走、跑能量消耗。除了Misfit Shine和Fitbit Charge HR的誤差率高達(dá)60.0%和85.0%,其余運(yùn)動智能手環(huán)測量有氧運(yùn)動能量消耗的誤差率范圍為20.0%～35.0%。4款運(yùn)動智能手環(huán)(Fitbit Flex、Jawbone UP、Misift Shine、Nike Fuelband)明顯低估靜坐活動和抗阻運(yùn)動能量消耗,與監(jiān)測靜坐活動的誤差率(18%～30%)相比,監(jiān)測抗阻運(yùn)動的誤差率更高(31.6%～52.6%)。可能的原因是運(yùn)動智能手環(huán)計(jì)算能量消耗的模型是基于有氧運(yùn)動的數(shù)據(jù)建立的,不適合抗阻運(yùn)動模式。

2.2.2 自由環(huán)境下運(yùn)動智能手環(huán)監(jiān)測24 h日常生活的總能量消耗 Ferguson等[24]以BodyMedia Sense Wear Model MF為參照標(biāo)準(zhǔn),21位平均年齡為32.8歲的健康成年人為受試者,讓受試者佩戴運(yùn)動智能手環(huán)Misfit Shine、Jawbone UP、Withings Pulse監(jiān)測自由環(huán)境下48 h身體活動,以預(yù)測完整24 h日常生活的總能量消耗,檢驗(yàn)這3款運(yùn)動智能手環(huán)的效度。發(fā)現(xiàn)這3款運(yùn)動智能手環(huán)測量值與參照值呈中高度相關(guān),相關(guān)系數(shù)r=0.74～0.79。這3款運(yùn)動智能手環(huán)全部低估了24 h日常生活的總能量消耗,其中Jawbone UP的誤差率高達(dá)29.8%,其他2款運(yùn)動智能手環(huán)Misfit Shine和Withings Pulse的誤差率略低,但也分別達(dá)到了15.9%和17.7%。Murakami等[38]利用能量代謝艙間接測熱法和DLW為參照標(biāo)準(zhǔn),19位年齡為21～50歲的健康成年人為受試者,在能量代謝艙完成24 h模擬日常自由環(huán)境及15 d自由環(huán)境的日常活動能量消耗監(jiān)測,檢驗(yàn)運(yùn)動智能手環(huán)Withings Pulse O2、Jawbone UP、Garmin Vivofit、Fitbit Flex和Misfit Shine監(jiān)測24 h日常生活的總能量消耗效度。能量代謝艙模擬日常自由環(huán)境的研究結(jié)果顯示,Withings Pulse O2、Jawbone UP和Garmin Vivofit顯著地低估了24 h日常生活的總能量消耗13%左右,而Fitbit Flex和Misfit Shine與能量代謝艙相比雖有高估趨勢,但統(tǒng)計(jì)學(xué)上不具有顯著性差異。15 d自由環(huán)境的日?；顒幽芰肯谋O(jiān)測結(jié)果發(fā)現(xiàn),所有5款運(yùn)動智能手環(huán)都顯著地低估了24 h日常生活的總能量消耗,其中Withings Pulse O2、Jawbone UP和Garmin Vivofit的誤差率較高,都超過了20%,而Fitbit Flex和Misfit Shine的誤差率相對較低,低于10%。

Brooke等[39]以Sensewear Armband Mini為參照標(biāo)準(zhǔn),95位平均年齡為28.5歲的健康成年人為受試者,讓受試者在自由環(huán)境下佩戴Sensewear Armband Mini和6款運(yùn)動智能手環(huán)(Jawbone UP、Garmin Vivofit、Fitbit Flex、Misfit Shine、Nike Fuelband和Fitbit Charge HR)2 d,檢驗(yàn)這6款運(yùn)動智能手環(huán)監(jiān)測24 h日常生活的總能量消耗的效度。結(jié)果顯示,這6款運(yùn)動智能手環(huán)與參照設(shè)備之間具有顯著相關(guān)性(r=0.66～0.90,P<0.01),但全部傾向于高估24 h日常生活的總能量消耗。Fitbit Flex、Nike Fuelband和Fitbit Charge HR所測得24 h的總能量消耗值與參照值相比無顯著性差異,Misifit Shine、Jawbone UP和Garmin Vivofit分別顯著高估24 h日常生活的總能量消耗的15.2%、22.8%和24.5%。

從現(xiàn)有研究可知,不同品牌運(yùn)動智能手環(huán)監(jiān)測24 h日常生活的總能量消耗的效度差異較大,且研究高估或低估趨勢結(jié)果不一致。但一致的研究結(jié)果是Jawbone UP和Garmin Vivofit監(jiān)測24 h日常生活的總能量消耗的誤差率相對更高。這可能與日常身體活動內(nèi)容本身有關(guān),因?yàn)槿粘Ｉ钌眢w活動是由很多項(xiàng)不同的活動內(nèi)容組成,每項(xiàng)活動內(nèi)容的動作不統(tǒng)一、活動強(qiáng)度不定,增加了能量消耗數(shù)據(jù)監(jiān)測的難度。

與運(yùn)動智能手環(huán)監(jiān)測步數(shù)結(jié)果類似,運(yùn)動智能手環(huán)低估了24 h日常生活的總能量消耗,可能會間接促進(jìn)大眾健身身體活動量的增加,但也表明運(yùn)動智能手環(huán)暫時無法合理地應(yīng)用于科研領(lǐng)域監(jiān)測能量消耗。同時,運(yùn)動智能手環(huán)會高估走或跑等有氧運(yùn)動時的能量消耗,這將阻礙人們實(shí)際身體活動目標(biāo)的實(shí)現(xiàn),給健康帶來危害。

2.3 運(yùn)動智能手環(huán)監(jiān)測身體活動距離的效度研究步行距離也被廣泛用于身體功能健康的評估,例如,6 min的步行距離測驗(yàn)可作為一項(xiàng)評價(jià)心肺耐力的健康指標(biāo)[40]。6 min步行距離可以用來評估一些慢性疾病醫(yī)療效果,例如慢性通氣受阻[41]、外圍動脈膽固醇降低[42]和胃旁路手術(shù)[43]等。部分學(xué)者研究運(yùn)動智能手環(huán)監(jiān)測其他指標(biāo)效度的同時檢測了監(jiān)測距離的效度,且相關(guān)研究都是在實(shí)驗(yàn)室條件下進(jìn)行的,受試者為健康成年人,研究運(yùn)動智能手環(huán)監(jiān)測不同速度運(yùn)動和上、下樓距離的效度。

Huang等[11]以固定的距離值為參照標(biāo)準(zhǔn),40位平均年齡為23.9歲的健康成年人為受試者,讓其分別以3.2、4.8和6.4 km/h的速度在跑臺上步行3 min,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex、Garmin vivofit和Jawbone UP監(jiān)測不同速度運(yùn)動距離的效度。結(jié)果顯示,運(yùn)動智能手環(huán)Fitbit Flex、Garmin vivofit和Jawbone UP全部高估了3.2 km/h步行的距離,其誤差率分別為(26.8±36.6)%、(46.0±43.6)%和(51.7±93.9)%。Fitbit Flex低估了4.8 km/h和6.4 km/h步行的距離,誤差率分別為(2.6±18.7)%和(19.6±21.8)%,Jawbone UP、Garmin Vivofit高估了4.8 km/h和6.4 km/h步行距離,誤差率分別為(9.5±34.7)%和(9.6±44.8)%、(14.6±35.7)%和(38.8±40.1)%。此外,Huang等[11]也檢驗(yàn)了運(yùn)動智能手環(huán)Jawbone UP、Fitbit Flex、Garmin Vivofit測量水平面和上、下樓距離的效度。結(jié)果顯示,Garmin Vivofit和Jawbone UP高估了水平面上的步行距離,誤差率分別為(5.1±11.4)%和(5.2±9.8)%,Fitbit Flex低估了水平面上的步行距離值,誤差率為(12.8±15.4)%。研究也發(fā)現(xiàn),所有的運(yùn)動智能手環(huán)都高估了上、下樓的距離值,與真實(shí)值相比具有顯著性差異(P<0.01),且誤差率都在45%以上。

總之,運(yùn)動智能手環(huán)Fitbit Flex、Garmin Vivofit和Jawbone UP全部高估了3.2 km/h速度運(yùn)動和上、下樓的距離,且誤差率較大分別為26.8%～51.7%和≥45%。Fitbit Flex低估速度為4.8 km/h和6.4 km/h運(yùn)動的距離,Garmin Vivofit和Jawbone UP高估速度為4.8 km/h和6.4 km/h運(yùn)動的距離,雖無監(jiān)測較低速度運(yùn)動時距離的誤差率大,但隨著運(yùn)動速度的增加,誤差率逐漸變大。由此可見,運(yùn)動智能手環(huán)無法精確地監(jiān)測距離指標(biāo)的數(shù)據(jù),這可能是由運(yùn)動智能手環(huán)有關(guān)距離的計(jì)算公式忽略了實(shí)際生活中步幅長度的變化而造成的。

筆者只檢索到1篇研究運(yùn)動智能手環(huán)監(jiān)測距離的效度的文獻(xiàn),這可能是由于在實(shí)際生活中,通過手機(jī)中的GPS功能以及跑臺的記錄距離功能可獲得距離信息,從而將距離記錄不作為運(yùn)動智能手環(huán)的主要功能,因此很少有研究檢驗(yàn)運(yùn)動智能手環(huán)監(jiān)測距離的效度。筆者建議消費(fèi)者不能簡單地依據(jù)運(yùn)動智能手環(huán)監(jiān)測身體活動距離的數(shù)據(jù)判斷身體活動量,并且科研人員應(yīng)謹(jǐn)慎將運(yùn)動智能手環(huán)監(jiān)測距離這一功能應(yīng)用在科研工作中。

2.4 運(yùn)動智能手環(huán)定量不同強(qiáng)度身體活動時間的效度研究現(xiàn)有的對運(yùn)動智能手環(huán)定量不同強(qiáng)度身體活動時間的效度研究大多都是在自由環(huán)境下,受試者為健康成年人,檢驗(yàn)運(yùn)動智能手環(huán)定量日常生活身體活動中不同強(qiáng)度身體活動時間的效度。

Rosenberger等[23]以Actigraph GT3X為參照標(biāo)準(zhǔn),40位年齡為21～76歲的健康成年人和老年人為受試者,在實(shí)驗(yàn)室內(nèi)模擬自由環(huán)境讓其進(jìn)行24 h日?；顒?檢驗(yàn)運(yùn)動智能手環(huán)Jawbone UP和Nike Fuelband定量不同強(qiáng)度身體活動時間的效度。研究發(fā)現(xiàn),運(yùn)動智能手環(huán)Jawbone UP和Nike Fuelband定量中高強(qiáng)度身體活動時間誤差率分別高達(dá)52.0%和92.0%。Ferguson等[24]以Actigraphy GT3X為參照標(biāo)準(zhǔn),21位平均年齡為32.8歲的健康成年人為受試者,檢驗(yàn)運(yùn)動智能手環(huán)Misfit Shine、Jawbone UP、Withings Pulse在自由環(huán)境下定量不同強(qiáng)度身體活動時間的效度。結(jié)果顯示,雖然運(yùn)動智能手環(huán)定量中高強(qiáng)度身體活動時間預(yù)測值與參照值呈中高度相關(guān)(r=0.75～0.85),但預(yù)測值與參照值之間具有較大的顯著性差異,誤差率范圍為25.0%～50.0%。其中Jawbone UP和Withings Pulse顯著高估了中高強(qiáng)度身體活動時間,而Misfit Shine顯著低估了中高強(qiáng)度身體活動時間。

Reid等[27]以Actigraph GT3X為參照標(biāo)準(zhǔn),22位平均年齡為21.2歲的健康成年人為受試者,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex定量在自由環(huán)境下進(jìn)行日常身體活動時不同強(qiáng)度身體活動時間的效度。結(jié)果顯示,Fitbit Flex顯著高估了中高強(qiáng)度身體活動時間(P<0.001),誤差率高達(dá)89.0%。另外,Sushames等[16]以Actigraph GT3X為參照標(biāo)準(zhǔn),25位平均年齡為23.7歲的健康成年人為受試者,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex定量自由環(huán)境下1 d的不同強(qiáng)度身體活動時間的效度。與其他研究結(jié)果不同,此研究發(fā)現(xiàn),Fitbit Flex顯著低估了中高強(qiáng)度身體活動時間(P<0.01),誤差率達(dá)60.4%。

實(shí)驗(yàn)室條件下,Imboden等[37]以Cosmed K4b2為參照標(biāo)準(zhǔn),30位平均年齡為49.2歲的健康成年人為受試者,讓受試者完成80 min由靜坐活動、家務(wù)勞動和自主有氧運(yùn)動組成的身體活動方案,檢驗(yàn)運(yùn)動智能手環(huán)Fitbit Flex和Jawbone UP定量不同強(qiáng)度活動時間的效度。研究發(fā)現(xiàn),Fitbit Flex與參照設(shè)備之間無顯著相關(guān)性(r=0.18),而Jawbone UP與參照設(shè)備之間有顯著相關(guān)性(r=0.54)。Jawbone UP和Fitbit Flex所定量的中高強(qiáng)度身體活動時間與參照值相比具有顯著性差異(P<0.05),分別顯著低估了參照值的35.0%和65.0%。

現(xiàn)有研究結(jié)果顯示,5款運(yùn)動智能手環(huán)Jawbone UP、Nike Fuelband、Misfit Shine、Withings Pulse、Fitbit Flex測量日常生活中高強(qiáng)度身體活動時出現(xiàn)了較大的誤差,誤差率范圍為25.0%～92.0%?？赡茉蚴沁\(yùn)動智能手環(huán)和參照設(shè)備對中高強(qiáng)度身體活動的采樣標(biāo)準(zhǔn)和界定標(biāo)準(zhǔn)不同。盡管中高強(qiáng)度身體活動能量代謝大于3METs,但不同監(jiān)測設(shè)備界定不同強(qiáng)度身體活動參數(shù)不同。并且不同于 Actigraph GT3X,針對不同人群定量不同身體活動的加速度切點(diǎn)值,很多商業(yè)公司并未給出運(yùn)動智能手環(huán)界定不同強(qiáng)度身體活動的參數(shù),這就會對研究者在處理運(yùn)動智能手環(huán)數(shù)據(jù)、提高監(jiān)測精度方面造成困難。因此,界定不明確和具體參數(shù)不公開有可能是運(yùn)動智能手環(huán)無法精確定量不同強(qiáng)度身體活動時間的重要因素,同時是制約運(yùn)動智能手環(huán)應(yīng)用擴(kuò)展的重要因素。

2.5 運(yùn)動智能手環(huán)監(jiān)測特殊運(yùn)動訓(xùn)練模式的效度研究運(yùn)動智能手環(huán)監(jiān)測特殊運(yùn)動訓(xùn)練模式的效度研究并不常見,筆者只檢索到1篇實(shí)驗(yàn)室條件下的文獻(xiàn)。

Stackpool等[17]以手動計(jì)數(shù)和便攜式呼吸代謝分析儀為參照標(biāo)準(zhǔn),安排20位年齡為18～44歲的健康成年人以自我選擇運(yùn)動強(qiáng)度進(jìn)行20 min的橢圓機(jī)訓(xùn)練,休息10 min,再進(jìn)行20 min的由7個動作組成的靈敏性訓(xùn)練。評估運(yùn)動智能手環(huán)Jawbone UP和Nike Fuelband監(jiān)測橢圓機(jī)訓(xùn)練和靈敏性訓(xùn)練的步數(shù)和能量消耗的精確性。步數(shù)效度的研究結(jié)果顯示,對于監(jiān)測橢圓機(jī)訓(xùn)練步數(shù)而言,運(yùn)動智能手環(huán)Jawbone UP和Nike Fuelband與手動計(jì)數(shù)呈高度相關(guān)(r=0.97～0.99),且2款運(yùn)動智能手環(huán)測量值與計(jì)數(shù)值相比都無顯著性差異。相反,2款運(yùn)動智能手環(huán)監(jiān)測靈敏性訓(xùn)練步數(shù)與手動計(jì)數(shù)之間無顯著相關(guān)性(r=0.17和r=0.34)。雖然Jawbone UP測量值與計(jì)數(shù)值之間無顯著性差異,但Nike Fuelband顯著低估了靈敏性訓(xùn)練的步數(shù)(P<0.05),誤差率為34%。能量消耗效度的研究結(jié)果顯示,對于監(jiān)測橢圓機(jī)訓(xùn)練能量消耗而言,運(yùn)動智能手環(huán)Jawbone UP與便攜式呼吸分析儀之間相關(guān)系數(shù)較低(r=0.40),Nike Fuelband與便攜式呼吸分析儀之間無相關(guān)性(r=0.008)。運(yùn)動智能手環(huán)Nike Fuelband顯著地低估了其能量消耗,誤差率為27.0%,Jawbone UP能量消耗預(yù)測值與參照值相比無顯著性差異。對于監(jiān)測靈敏性訓(xùn)練能量消耗而言,Nike Fuelband和Jawbone UP與便攜式呼吸儀之間呈一般到中度相關(guān)(r=0.47～0.67),Nike Fuelband和Jawbone UP顯著低估了靈敏性訓(xùn)練能量消耗,誤差率分別為14%和30%。

總之,運(yùn)動智能手環(huán)Jawbone UP可精確地監(jiān)測橢圓機(jī)訓(xùn)練步數(shù)和能量消耗,而無法精確地監(jiān)測靈敏性訓(xùn)練步數(shù)和能量消耗;Nike Fuelband僅能精確監(jiān)測橢圓機(jī)訓(xùn)練步數(shù)指標(biāo),顯著低估了橢圓機(jī)訓(xùn)練的能量消耗及靈敏性訓(xùn)練的步數(shù)和能量消耗。由此可見,運(yùn)動智能手環(huán)無法精確地監(jiān)測靈敏性訓(xùn)練的步數(shù)和能量消耗。這可能是由于靈敏性訓(xùn)練是速度、柔韌和力量的綜合性訓(xùn)練,它們之間的相互轉(zhuǎn)換較快,運(yùn)動智能手環(huán)內(nèi)部三軸加速度計(jì)所設(shè)置的動作參數(shù)無法準(zhǔn)確捕捉快速變化的加速度,從而造成測量誤差。

3 結(jié)論與展望

3.1 結(jié)論(1) 運(yùn)動智能手環(huán)可較好地監(jiān)測中高速下運(yùn)動和橢圓機(jī)訓(xùn)練的步數(shù),但無法精確地監(jiān)測低速下步行、上下樓和1 d除睡眠之外的日常身體活動的步數(shù),且低估靈敏性訓(xùn)練時的步數(shù)。

(2) 大部分運(yùn)動智能手環(huán)傾向于低估靜坐、家務(wù)勞動及抗阻訓(xùn)練的能量消耗,且監(jiān)測抗阻訓(xùn)練能量消耗與監(jiān)測靜坐、家務(wù)勞動能量消耗相比具有更高的誤差率。監(jiān)測短期不同速度有氧運(yùn)動的能量消耗及24 h日常生活的總能量消耗時的誤差趨勢(高估與低估)并不一致,監(jiān)測24 h日常生活的總能量消耗誤差率小于監(jiān)測有氧運(yùn)動能量消耗的誤差率。

(3) 無論是監(jiān)測不同速度運(yùn)動下的距離還是上、下樓的距離,以及定量不同強(qiáng)度身體活動時間,運(yùn)動智能手環(huán)都有較大的誤差。

從整體情況看,運(yùn)動智能手環(huán)監(jiān)測不同身體活動指標(biāo)的效度較差,特別是在監(jiān)測運(yùn)動距離及抗阻訓(xùn)練能量消耗等身體活動指標(biāo)時效度更差,而在監(jiān)測中、高速度走/跑或橢圓機(jī)運(yùn)動步數(shù)時效度相對較高。因此,在實(shí)際應(yīng)用中,應(yīng)根據(jù)自身需求合理利用運(yùn)動智能手環(huán)監(jiān)測身體活動,謹(jǐn)慎解讀監(jiān)測結(jié)果。同時,這也說明未來運(yùn)動智能手環(huán)的研發(fā)還有較大的提升空間。

3.2 展望(1) 考慮到研究運(yùn)動智能手環(huán)監(jiān)測步數(shù)的效度受到了很多因素的影響,例如參照標(biāo)準(zhǔn)、運(yùn)動速度、水平面和傾斜面、實(shí)驗(yàn)室或自由環(huán)境等。這就需要在未來的研究中進(jìn)一步深化,并基于具體分類的運(yùn)動數(shù)據(jù)建立相對應(yīng)的步數(shù)計(jì)算模型,提高運(yùn)動智能手環(huán)監(jiān)測步數(shù)的精確性。

(2) 未來的研究需要對監(jiān)測老年人、兒童青少年和其他特殊群體能量消耗的效度進(jìn)行探究,需要增加多種品牌運(yùn)動智能手環(huán)的檢驗(yàn),并且需要探索運(yùn)動智能手環(huán)監(jiān)測能量消耗的誤差及其原因,基于日常身體活動數(shù)據(jù)研發(fā)建立運(yùn)動智能手環(huán)能量消耗預(yù)測公式,提高其監(jiān)測能量消耗的精確性。

(3) 進(jìn)一步增加運(yùn)動智能手環(huán)監(jiān)測自由環(huán)境下的多個身體活動指標(biāo)效度的研究,提升運(yùn)動智能手環(huán)效度研究的全面性。

除此之外,Diaz等[13]和Mammen等[44]將夾扣式穿戴設(shè)備Fitbit One和運(yùn)動智能手環(huán)Fitbit Flex分別佩戴在受試者腰部和腕部進(jìn)行研究,發(fā)現(xiàn)佩戴于腰部的Fitbit One精確性高于Fitbit Flex,可能的原因是腕部的計(jì)算模型是基于佩戴于腰部采集的數(shù)據(jù)建立起來的。為了提高佩戴依從性,美國國家營養(yǎng)健康與調(diào)查組織已經(jīng)將傳統(tǒng)佩戴于腰部的加速度計(jì)改為腕部佩戴,目前很多學(xué)者正在研究腕部佩戴加速度計(jì)的計(jì)算模型和切點(diǎn)值[45]。同樣,在未來的運(yùn)動智能手環(huán)研發(fā)中,需要開發(fā)出更加科學(xué)合理的身體活動相關(guān)指標(biāo)評估模型以及復(fù)合型運(yùn)動智能手環(huán)等可穿戴式身體活動監(jiān)測設(shè)備,進(jìn)一步提高大眾健身的科學(xué)性。另外,伴隨著新款運(yùn)動智能手環(huán)的產(chǎn)生、軟件的升級及其他的變化,都需要連續(xù)不斷地更新設(shè)備評估。隨著運(yùn)動智能手環(huán)測量能力的提升,研究領(lǐng)域也應(yīng)緊跟其上,使其更方便地應(yīng)用于科研和實(shí)際生活中。