抗阻运动中智能手表心率与能量消耗测量的效标效度研究

《Bioengineering》:Criterion Validity of Smartwatches for Measuring Heart Rate and Energy Expenditure During Resistance Exercise

【字体: 大 中 小 】 时间:2026年09月24日 来源:Bioengineering 3.7

编辑推荐:

  中文翻译(摘要部分) 商用智能手表越来越多地被用于监测运动期间的生理反应,但其在抗阻运动中的效度仍不明确。本研究评估了四款商用智能手表(Apple Watch Series 8、Samsung Galaxy Watch 5、Fitbit Charge 5和Ga

  
中文翻译(摘要部分) 商用智能手表越来越多地被用于监测运动期间的生理反应,但其在抗阻运动中的效度仍不明确。本研究评估了四款商用智能手表(Apple Watch Series 8、Samsung Galaxy Watch 5、Fitbit Charge 5和Garmin Vivosmart 5)在抗阻运动中测量心率(heart rate, HR)和能量消耗(energy expenditure, EE)的效标效度。70名年龄在20–39岁的健康男性以个体化10次最大重复负荷分别完成卧推、T杠划船、深蹲和硬拉各两组。智能手表测得的心率以心电图(electrocardiography, ECG)为参照进行评估,而智能手表测得的一次训练课能量消耗则以间接测热法(indirect calorimetry)为参照进行评估。Apple Watch在整个方案中的平均心率测量误差最小(偏倚 = ?0.36 bpm;平均绝对误差 = 1.81 bpm;组内相关系数 = 0.969),在整体动态心率方面同样表现最优(偏倚 = ?0.72 bpm;平均绝对误差 = 4.95 bpm;组内相关系数 = 0.904)。各组训练结束后即刻,心率一致性显著下降,其中Samsung和Fitbit设备尤为明显,分别将ECG测得的心率低估了25.60和19.59 bpm。相比之下,所有设备的能量消耗估计值与间接测热法的一致性均较差(组内相关系数 = 0.021–0.033)。这些研究结果表明,在抗阻运动期间,智能手表测得心率与心电图测量的一致性随测量时间点的不同而变化,并提示在需要准确代谢评估时,应谨慎解读智能手表测得的一次训练课能量消耗。

论文解读

一、研究背景与目的

可穿戴技术已成为运动科学与健身行业发展最为迅速的领域之一,在2025年和2026年均被列为第一大健身趋势。腕戴式设备如智能手表可连续采集心率(heart rate, HR)、体力活动、睡眠和能量消耗(energy expenditure, EE)等生理与行为指标,其应用范围已从个人健康追踪扩展至运动处方、运动监控和临床康复等领域。心率是运动强度、心血管负荷和运动生理反应最广泛使用的指标之一,目标心率、心率储备和运动后心率恢复常用于运动处方和康复中指导运动强度、监测恢复及评估运动安全性。
然而,智能手表心率测量在用于运动处方或临床决策之前,必须确立其与标准测量方法的一致性。大多数商用智能手表采用光电容积脉搏波(photoplethysmography, PPG)技术估算心率,其准确性可能受传感器–皮肤接触、手腕运动、局部血流、皮肤特征、运动强度和活动类型等因素影响。抗阻运动以短暂肌肉收缩、间歇恢复、较大握力和前臂肌肉激活、手腕屈伸、体位变化及局部血流改变为特征,握持和前臂肌肉收缩产生的机械负荷可能改变传感器–皮肤压力并诱发手腕运动,从而在抗阻运动中产生额外的PPG伪影来源。此外,心率和摄氧量在运动与恢复阶段转换期间可能处于非稳定状态并快速变化。这些生理和机械特征可能损害腕部PPG信号采集,并挑战整合心率和加速度计数据以估算代谢需求的算法。
以往研究多集中于静息状态及步行、跑步、骑行等节律性有氧运动中的智能手表效度验证,抗阻运动中的相关研究仍然有限。已有研究表明,智能手表在抗阻运动中测得的心率效度因设备和运动条件而异,能量消耗估计则普遍不准确。本研究作为一项独立的后续研究,专门聚焦抗阻运动,评估四款商用智能手表在健康年轻男性抗阻运动中测量动态心率和能量消耗的效标效度,并特别考察每组抗阻训练结束后即刻的快速生理转换期间,智能手表显示心率与心电图(electrocardiography, ECG)衍生心率是否存在差异。

二、研究设计与方法

本研究采用重复测量实验设计。共招募70名健康非运动员男性,年龄20–39岁,平均年龄26.49 ± 4.02岁。研究方案经韩国国家生物伦理政策研究所机构审查委员会批准。参与者完成标准化抗阻运动方案,包括卧推、T杠划船、深蹲和硬拉四项运动,每项运动以个体化10次最大重复负荷完成两组,采用节拍器控制的2秒向心期和2秒离心期节奏,每组运动约持续40秒,每次运动后提供3分钟坐位恢复。整个方案约持续34分钟。
心率标准测量采用标准心电图运动测试系统(Quinton Q-Stress System),能量消耗标准测量采用间接测热法代谢测量系统(TrueOne 2400; ParvoMedics),以缩写Weir方程计算标准能量消耗。四款商用智能手表包括Apple Watch Series 8、Samsung Galaxy Watch 5、Fitbit Charge 5和Garmin Vivosmart 5,每款设备随机分配到参与者四侧腕部位置之一。心率测量在预先设定的时间点记录,包括方案前实验室基线、方案平均心率、每组运动前即刻、每组运动后即刻(第10次重复完成后2秒内)和每组运动后1分钟。能量消耗评估中,智能手表运动记录与间接测热法同时启动和终止,记录整个运动方案期间的数据。
统计分析采用平均偏倚、平均绝对误差(mean absolute error, MAE)、平均绝对百分比误差和均方根误差量化测量准确性,采用双向混合效应、绝对一致性、单次测量模型计算组内相关系数(intraclass correlation coefficient, ICC),采用Bland–Altman分析评估一致性,并采用重复测量固定效应模型分析心率误差的设备、运动、时间点和组别差异。

三、研究结果

3.1 方案前实验室基线心率、方案平均心率与能量消耗的效度
Apple Watch Series 8在方案前实验室基线心率中显示出最小绝对误差和最高ICC(偏倚 = ?0.90 bpm,MAE = 3.16 bpm,ICC = 0.963)。在方案平均心率方面,Apple Watch Series 8同样表现最优(偏倚 = ?0.36 bpm,MAE = 1.81 bpm,ICC = 0.969),而Galaxy Watch 5、Fitbit Charge 5和Garmin Vivosmart 5的平均偏倚分别为?4.36、?3.40和?2.44 bpm,表明对方案平均心率的低估。相比之下,制造商报告的一次训练课能量消耗与间接测热法相比ICC极低(0.021–0.033),一致性较差。Apple Watch Series 8、Galaxy Watch 5和Garmin Vivosmart 5显著高估了一次训练课能量消耗,Fitbit Charge 5平均偏倚较小但MAE较大且一致性界限较宽。
3.2 抗阻运动中动态心率测量的总体效度
在四项运动、两组和三个时间点的整体动态心率分析中,Apple Watch Series 8误差最小且ICC最高(偏倚 = ?0.72 bpm,MAE = 4.95 bpm,ICC = 0.904),其次为Garmin Vivosmart 5(偏倚 = ?3.95 bpm,MAE = 7.18 bpm,ICC = 0.796)。Galaxy Watch 5和Fitbit Charge 5显示出较大的负向平均偏倚,表明对ECG衍生心率的更大低估。敏感性分析中以参与者为统计目标时,各设备ICC相对排序不变。
3.3 动态心率测量的时间点特异性效度
运动前和运动后1分钟测量在各设备中均显示出相对较小的平均偏倚和较高的一致性。相比之下,每组运动结束后即刻测量误差显著增大且一致性下降。Galaxy Watch 5和Fitbit Charge 5对ECG衍生心率表现出显著低估(偏倚分别为?25.60 bpm和?19.59 bpm),Apple Watch Series 8负向平均偏倚较小但MAE较高(偏倚 = ?4.33 bpm,MAE = 9.59 bpm,ICC = 0.724)。这一结果描述了在预定运动后即刻观察时间点上,用户端ECG与智能手表显示值之间的不一致,但无法区分原始传感器测量误差与制造商特定的信号处理和显示更新延迟。
3.4 动态心率测量的运动特异性效度
Apple Watch Series 8在四项运动中测量误差相对一致,而Galaxy Watch 5和Fitbit Charge 5在深蹲和硬拉中误差较大。深蹲时Galaxy Watch 5和Fitbit Charge 5的MAE分别为13.67和13.13 bpm,硬拉时分别为13.12和10.83 bpm。由于所有参与者均按固定顺序完成运动,观察到的运动特异性差异与方案位置和累积先前负荷完全混淆,不能因果归因于具体运动类型。
3.5 重复测量模型
动态心率误差因设备、运动/方案阶段和时间点而显著不同(均p < 0.001),组别主效应不显著(p = 0.985)。设备×时间点和设备×运动交互作用均显著(均p < 0.001)。跨设备的参与者聚类边际平均心率误差在运动前为0.48 bpm,运动后即刻为?15.33 bpm,运动后1分钟为0.53 bpm。能量消耗误差也因设备而显著不同(p < 0.001)。

四、讨论与结论

本研究核心发现是智能手表与ECG衍生心率的一致性强烈依赖于测量阶段。方案平均心率和运动后1分钟心率显示出相对较小的测量误差,而每组运动后即刻误差显著增大并在1分钟后回落。Galaxy Watch 5和Fitbit Charge 5在运动后即刻表现出特别大的负向平均偏倚。方案平均心率是时间平均量,短暂信号丢失、显示更新延迟或短暂低估在整节平均时影响减小,因此方案平均心率的高ICC或小偏倚并不能证明在快速生理转换期间的等效测量性能。
运动后即刻的显著不一致可能反映PPG测量局限、设备级信号处理、显示更新行为及抗阻运动生理特征的共同作用。抗阻运动涉及较大握力和前臂肌肉激活、传感器–皮肤压力变化、手腕运动及血管张力和局部血流快速变化,这些因素可能损害PPG信号质量。然而,本研究记录的是用户端显示值,未采集原始PPG信号或设备内部时间戳,因此无法将观察到的运动后即刻不一致分解为原始传感器测量误差与系统级信号处理或显示更新延迟。
后期深蹲和硬拉阶段观察到较大测量误差,但运动类型与方案位置完全混淆,不能分离运动类型效应与序列相关因素。未来验证研究应在旨在分离运动特异性效应时随机化或平衡运动顺序。
能量消耗方面,制造商报告的一次训练课热量值与间接测热法衍生能量消耗一致性较差,尽管记录区间完全一致。这与先前验证研究一致,系统综述反复报告可穿戴设备衍生能量消耗的效度低于心率。抗阻运动中HR、加速度计衍生运动信号、摄氧量和代谢成本之间的关系既不稳定也非线性,运动组内大量肌肉张力、短暂血压反应、呼吸模式改变和Valsalva样动作可能限制从HR和加速度计数据估算EE的通用算法准确性。
本研究局限性包括:样本仅包含20–39岁健康男性;既往抗阻训练经验未定量记录;仅测试特定型号和软件/固件配置;设备腕部位置分配记录未保留;皮肤色素沉着或光型未正式评估;运动顺序固定导致运动类型与方案位置混淆;原始PPG信号、设备内部时间戳、显示刷新和平均间隔、腕部加速度、传感器–皮肤接触压力、皮肤血流和血压均未测量;制造商EE算法为专有算法。
研究结论:方案平均心率和运动后1分钟心率通常比运动结束后2秒内观察到的心率具有更小的测量误差和更高的一致性,运动后即刻不一致程度因设备和固定运动/方案阶段而异。由于运动顺序固定,后期深蹲和硬拉阶段较大的测量误差无法与方案位置或累积先前负荷效应分离。制造商报告的一次训练课能量消耗与间接测热法一致性较差,支持在需要精确代谢评估时谨慎解读这些估计值。这些发现适用于所测试的特定型号和软件/固件配置,支持在抗阻运动中对智能手表心率测量进行时间点和型号特异性解读。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号