Оценка точности данных фитнес-часов для мониторинга сердечно-сосудистой и физической активности: валидационное исследование в цифровом здравоохранении

Исследование направлено на проверку точности недорогих умных часов для фитнеса путем сравнения их данных с золотым стандартом измерений, используемых в клинических условиях. Этот протокол оценивает точность и надежность умных часов для фитнеса, устраняя пробелы в понимании их реальной производительности по мере роста их популярности. Наши результаты предоставят ценную информацию о точности и надежности данных фитнес-часов, что имеет решающее значение для исследователей и медицинских работников, использующих эти устройства в исследованиях или клинических условиях.

Для начала предложите участникам носить фитнес-смарт-часы на недоминирующем запястье. Приложите участников к аппарату полисомнографии или аппарату ПСГ. С помощью умных часов для фитнеса сделайте два измерения уровня насыщения крови кислородом, пока участник находится в положении лежа на спине.

Обеспечьте участнику сон не более шести часов. После того, как участник проснутся, используйте фитнес-часы, чтобы провести два дополнительных измерения уровня насыщения крови кислородом, пока он остается в лежачем положении. Экспортируйте тенденции сна как из автомата PSG, так и из смарт-часов для фитнеса в файл CSV.

Включите данные о продолжительности глубокого сна, продолжительности легкого сна, времени быстрых движений глаз, общей продолжительности сна, частоте сердечных сокращений и уровне насыщения крови кислородом. Для проверки измерений шагов на фитнес-смарт-часах сначала попросите участников надеть фитнес-смарт-часы на недоминантное запястье, а в другой руке держать смартфон для видеозаписи шагов. Установите счетчик шагов на смарт-часах для фитнеса равным нулю, затем начните запись со смартфона и попросите участника выполнить тест шага.

Записывайте количество шагов, измеренных умными часами для фитнеса. Для теста на трехминутную ходьбу или 3-M WT попросите участника идти в нормальном и устойчивом темпе в течение трех минут по ровной поверхности. Для подъема по лестнице или теста SC попросите участника пройти два лестничных пролета в порядке подъема и спуска в нормальном и постоянном темпе.

Вручную подсчитайте количество шагов, наблюдаемых в видеозаписи. Запишите эти данные в файл csv, а затем экспортируйте количество шагов с умных часов для фитнеса в тот же файл. Импортируйте необходимые пакеты в рабочую область Python, а затем импортируйте данные измерений в рабочую область Python.

Замените имя файла measurement_data. CSV с именем файла по выбору. Используйте функцию перетаскивания для удаления всех пустых значений для каждого измерения данных.

Выполните тест нормальности Шапиро-Уилка, чтобы определить, имеют ли данные нормальное распределение, с помощью пакета SciPy stats Shapiro в Python. Теперь выполните парный выборочный T-критерий с помощью пакета SciPy stats T-test TestRail в Python, если данные имеют нормальное распределение. Если нет, выполните тест Манна-Уитни-Вилкоксона с использованием пакета SciPy stats Wilcoxon.

Замените measure1_toolA и measure1_toolB соответствующими именами столбцов в коде. Затем используйте методы co и d для измерения величины разницы между инструментами. Использовал анализ Бланда-Альтмана для оценки соответствия между двумя инструментами, включая среднее или медианную разность, стандартное отклонение и 95% доверительный интервал смещения.

Постройте анализ Блэнда-Альтмана для визуализации с помощью пакета круговых графиков Matplotlib в Python. Неглубокое время сна показало большую погрешность в 27,77 минуты с широкими пределами согласия, что указывает на значительную вариативность измерений умными часами по сравнению с PSG. Общее время сна было завышено на 41,5 минуты, с более широкими пределами согласия, что указывает на случайные несоответствия в отслеживании продолжительности сна.

Время REM показало минимальное смещение и стандартное отклонение, что свидетельствует о хорошей взаимозаменяемости между умными часами и PSG по этому параметру. Время пробуждения было завышено умными часами, с четкой кластеризацией и тенденцией к росту различий, что указывает на погрешность измерения. Средняя частота сердечных сокращений показала минимальное смещение и хорошую кластеризацию вблизи линии смещения, что указывает на сильное согласие.

Минимальная частота сердечных сокращений показала некоторые выбросы, что указывает на трудности в обнаружении низкой частоты сердечных сокращений, хотя в целом согласие было разумным. Максимальная частота сердечных сокращений показала заметную дисперсию, отражающую изменчивость отслеживания пиковых значений умными часами. Сатурация крови кислородом показала минимальное смещение и узкие пределы согласия, что отражает высокую степень согласованности между устройствами.

Умные часы значительно занизили шаги для 3-M WT в среднем на 31,33 шага и SC на 11 шагов.