يهدف البحث إلى التحقق من دقة الساعات الذكية منخفضة التكلفة من خلال مقارنة بياناتها بالقياسات القياسية الذهبية المستخدمة في الإعدادات السريرية. يقيم هذا البروتوكول دقة وموثوقية الساعات الذكية للياقة البدنية ، ويعالج الفجوات في فهم أدائها في العالم الحقيقي مع تزايد شعبيتها. ستوفر النتائج التي توصلنا إليها رؤى قيمة حول دقة وموثوقية بيانات الساعات الذكية للياقة البدنية ، وهو أمر بالغ الأهمية للباحثين والمتخصصين في الرعاية الصحية الذين يستخدمون هذه الأجهزة في الدراسات أو الإعدادات السريرية.
للبدء ، اطلب من المشاركين ارتداء ساعة اللياقة البدنية الذكية على معصمهم غير المهيمن. قم بإرفاق المشاركين بجهاز تخطيط النوم أو جهاز PSG. باستخدام ساعة اللياقة البدنية الذكية ، خذ قياسين لمستوى تشبع الأكسجين في الدم بينما يكون المشارك في وضع ضعيف.
تأكد من نوم المشارك لمدة أقصاها ست ساعات. بعد أن يستيقظ المشارك ، استخدم ساعة اللياقة البدنية الذكية لأخذ قياسين إضافيين لمستوى تشبع الأكسجين في الدم بينما يظلون في وضع ضعيف. قم بتصدير اتجاهات النوم من كل من جهاز PSG وساعة اللياقة البدنية الذكية إلى ملف csv.
قم بتضمين بيانات عن مدة النوم العميق ، ومدة النوم الخفيفة ، ووقت حركة العين السريع ، ومدة النوم الإجمالية ، ومعدل ضربات القلب ، ومستويات تشبع الأكسجين في الدم. للتحقق من قياسات خطوة الساعة الذكية للياقة البدنية ، اطلب أولا من المشاركين ارتداء ساعة اللياقة البدنية الذكية على معصمهم غير المهيمن وحمل هاتف ذكي في أيديهم الأخرى لأغراض تسجيل فيديو خطى القدم. اضبط عدد الخطوات على الساعة الذكية للياقة البدنية على الصفر ، ثم ابدأ التسجيل الذكي ، واطلب من المشارك إجراء اختبار الخطوة.
سجل عدد الخطوات التي تم قياسها بواسطة ساعة اللياقة البدنية الذكية. بالنسبة لاختبار المشي لمدة ثلاث دقائق أو 3-M WT ، اطلب من المشارك المشي بوتيرة عادية وثابتة لمدة ثلاث دقائق على سطح مستو. بالنسبة لاختبار تسلق السلالم أو SC ، اطلب من المشارك أن يأخذ درجتين من السلالم بترتيب صعودي وتنازلي بوتيرة عادية وثابتة.
احسب يدويا عدد الخطوات التي لوحظت في تسجيل الفيديو. سجل هذه البيانات في ملف csv ، ثم قم بتصدير عدد الخطوات من الساعة الذكية للياقة البدنية إلى نفس الملف. قم باستيراد الحزم المطلوبة إلى مساحة عمل Python ، ثم قم باستيراد بيانات القياس إلى مساحة عمل Python.
استبدل اسم الملف measurement_data. CSV مع اسم الملف المفضل. استخدم الإقفال في دالة لإزالة أي قيم فارغة لكل بيانات قياس.
قم بإجراء اختبار الوضع الطبيعي Shapiro-Wilk لتحديد ما إذا كانت البيانات لها توزيع طبيعي باستخدام حزمة SciPy stats Shapiro في Python. الآن ، قم بإجراء نموذج اختبار T مقترن باستخدام حزمة SciPy stats T-test TestRail في Python إذا كانت البيانات تحتوي على توزيع طبيعي. إذا لم يكن الأمر كذلك ، فقم بإجراء اختبار Mann-Whitney Wilcoxon باستخدام حزمة SciPy stats Wilcoxon.
يستعاض عن measure1_toolA و measure1_toolB بأسماء الأعمدة ذات الصلة التي تختارها في الكود. ثم استخدم طريقة co-d لقياس حجم الفرق بين الأدوات. استخدم تحليل بلاند ألتمان لتقييم الاتفاق بين أداتين ، بما في ذلك متوسط أو متوسط الاختلاف والانحراف المعياري وفاصل الثقة بنسبة 95٪ من التحيز.
ارسم تحليل Bland-Altman للتصور باستخدام حزمة مخطط فطيرة Matplotlib في Python. أظهر وقت النوم الضحل تحيزا كبيرا يبلغ 27.77 دقيقة مع حدود واسعة من الاتفاق ، مما يشير إلى تباين كبير في قياسات الساعة الذكية مقارنة ب PSG. تم المبالغة في تقدير إجمالي وقت النوم بمقدار 41.5 دقيقة ، مع حدود أوسع من الاتفاق ، مما يشير إلى عدم التطابق العرضي في تتبع مدة النوم.
أظهر وقت حركة العين السريعة الحد الأدنى من التحيز والانحراف المعياري ، مما يشير إلى قابلية جيدة للتبادل بين الساعة الذكية و PSG لهذه المعلمة. تم المبالغة في تقدير وقت الاستيقاظ بواسطة الساعة الذكية ، مع تجميع واضح واتجاه تصاعدي في الاختلافات ، مما يشير إلى تحيز القياس. أظهر متوسط معدل ضربات القلب تحيزا ضئيلا وتجمعا جيدا بالقرب من خط التحيز ، مما يشير إلى اتفاق قوي.
أظهر الحد الأدنى لمعدل ضربات القلب بعض القيم المتطرفة ، مما يشير إلى صعوبة في اكتشاف انخفاض معدل ضربات القلب ، على الرغم من أن الاتفاق العام كان معقولا. أظهر الحد الأقصى لمعدل ضربات القلب تشتتا ملحوظا ، مما يعكس التباين في تتبع قيم الذروة بواسطة الساعة الذكية. أظهر تشبع الأكسجين في الدم تحيزا ضئيلا وحدودا ضيقة للاتفاق ، مما يعكس اتفاقا عاليا بين الأجهزة.
قللت الساعة الذكية بشكل كبير من تقدير الخطوات ل 3-M WT بمتوسط 31.33 خطوة وخطوات SC بمقدار 11.