La investigación tiene como objetivo validar la precisión de los relojes inteligentes de fitness de bajo costo comparando sus datos con las mediciones estándar de oro utilizadas en entornos clínicos. Este protocolo evalúa la precisión y fiabilidad de los relojes inteligentes de fitness, abordando las lagunas en la comprensión de su rendimiento en el mundo real a medida que crece su popularidad. Nuestros hallazgos proporcionarán información valiosa sobre la precisión y confiabilidad de los datos de los relojes inteligentes de fitness, lo cual es crucial para los investigadores y profesionales de la salud que utilizan estos dispositivos en estudios o entornos clínicos.
Para comenzar, haga que los participantes usen el reloj inteligente de fitness en su muñeca no dominante. Conecte a los participantes al aparato de la máquina de polisomnografía o PSG. Con el reloj inteligente de fitness, tome dos mediciones del nivel de saturación de oxígeno en sangre mientras el participante está en posición supina.
Asegúrese de que el participante duerma un máximo de seis horas. Después de que el participante se despierte, use el reloj inteligente de fitness para tomar dos mediciones adicionales del nivel de saturación de oxígeno en sangre mientras permanece en posición supina. Exporte las tendencias de sueño tanto de la máquina PSG como del reloj inteligente de fitness a un archivo csv.
Incluya datos sobre la duración del sueño profundo, la duración del sueño ligero, el tiempo de movimiento ocular rápido, la duración total del sueño, la frecuencia cardíaca y los niveles de saturación de oxígeno en sangre. Para la validación de las mediciones de pasos del reloj inteligente de fitness, primero haga que los participantes usen el reloj inteligente de fitness en su muñeca no dominante y sostengan un teléfono inteligente en la otra mano para grabar videos de pasos. Establezca el conteo de pasos en el reloj inteligente de fitness a cero, luego inicie la grabación del teléfono inteligente y haga que el participante realice la prueba de pasos.
Registre el número de pasos medidos por el reloj inteligente de fitness. Para la prueba de caminata de tres minutos o 3-M WT, indique al participante que camine a un ritmo normal y constante durante tres minutos sobre una superficie plana. Para la prueba de subida de escaleras o SC, haga que el participante tome dos tramos de escaleras en orden ascendente y descendente a un ritmo normal y constante.
Calcule manualmente el número de pasos observados en la grabación de vídeo. Registre estos datos en un archivo csv y, a continuación, exporte los recuentos de pasos del reloj inteligente de fitness al mismo archivo. Importe los paquetes necesarios en el espacio de trabajo de Python y, a continuación, importe los datos de medición en el espacio de trabajo de Python.
Reemplace el nombre de archivo measurement_data. CSV con un nombre de archivo de elección. Utilice la caída de una función para eliminar los valores vacíos de cada dato de medición.
Realice la prueba de normalidad de Shapiro-Wilk para determinar si los datos tienen una distribución normal utilizando el paquete Shapiro de estadísticas de SciPy en Python. Ahora, realice una prueba T de muestra emparejada utilizando el paquete TestRail de SciPy stats T-test en Python si los datos tienen una distribución normal. Si no es así, realice la prueba de Mann-Whitney Wilcoxon utilizando el paquete SciPy stats Wilcoxon.
Reemplace measure1_toolA y measure1_toolB por los respectivos nombres de columna de elección en el código. A continuación, utilice el método co y d para medir la magnitud de la diferencia entre los instrumentos. Se empleó el análisis de Bland-Altman para evaluar la concordancia entre dos instrumentos, incluida la diferencia media o mediana, la desviación estándar y el intervalo de confianza del 95% del sesgo.
Trace el análisis de Bland-Altman para su visualización utilizando el paquete de gráficos circulares Matplotlib en Python. El tiempo de sueño superficial mostró un gran sesgo de 27,77 minutos con amplios límites de concordancia, lo que indica una variabilidad significativa en las mediciones del reloj inteligente en comparación con el PSG. El tiempo total de sueño se sobreestimó en 41,5 minutos, con límites más amplios de acuerdo, lo que indica desajustes ocasionales en el seguimiento de la duración del sueño.
El tiempo REM mostró un sesgo y una desviación estándar mínimos, lo que sugiere una buena intercambiabilidad entre el reloj inteligente y el PSG para este parámetro. El tiempo de vigilia fue sobreestimado por el reloj inteligente, con una clara agrupación y una tendencia al alza en las diferencias, lo que indica un sesgo de medición. La frecuencia cardíaca media mostró un sesgo mínimo y un buen agrupamiento cerca de la línea de sesgo, lo que indica una fuerte concordancia.
La frecuencia cardíaca mínima mostró algunos valores atípicos, lo que sugiere dificultad para detectar frecuencias cardíacas bajas, aunque la concordancia general fue razonable. La frecuencia cardíaca máxima mostró una dispersión notable, lo que refleja la variabilidad en el seguimiento de los valores máximos por parte del reloj inteligente. La saturación de oxígeno en sangre mostró un sesgo mínimo y límites estrechos de concordancia, lo que refleja una alta concordancia entre los dispositivos.
El reloj inteligente subestimó significativamente los pasos para 3-M WT en un promedio de 31.33 pasos y los pasos SC en 11.
