在快速发展起来的泡菜球运动中,运动员正在转向穿戴技术,以获得对其表现和恢复的宝贵见解. 这些设备跟踪关键数据,如心率、睡眠模式和能量消耗。 优化运动员在球场的准备和表现. 然而,这些装置的有效性取决于一个关键因素。 准确性
不准确的可穿戴数据可能导致错误的训练强度,不当的能源管理,认知锐度的下降,并最终降低性能. 精准度优先时,可穿戴器会提供可靠信息来调整你的锻炼,确保充分的休息,帮助你在法庭内外表现最好.
AIM7将你可穿戴和HRV的数据转化为超个性化的锻炼、康复和心理健康计划。
QQ AIM7通过将你的数据转化为可操作的建议和计划来解锁你的可穿戴设备的力量,以帮助你寻找,感受和发挥你的最佳表现.
表1:心率、卡路里支出、步数和睡眠跟踪
** 注:左侧和右侧可查看表。
– - - - - - - - - - - - - - – -
** 心率** |
准确度随着强度的提高而降低。
| ‚òÖ‚òÖ‚òÖ‚òÖ‚òÜ
** 薪金支出** **
- 有可能过高/低估。
- 在设定目标、提醒移动和社会支助的备选方案下,临床医生可能发现可穿戴的用品有助于病人最初监测所消耗的热量和完成的体育活动,以确定需要改变的行为。
| ‚òÖ‚òÖ‚òÖ‚òÜ‚òÜ
** 步数** _
- 步数测量的准确性有差异,取决于所使用的设备。
跟踪一段时间后改善活动的步骤可能是有益的。 - 如果目标没有实现,跟踪步骤计数可能会削弱人们的动力。
| ‚òÖ‚òÖ‚òÖ‚òÜ‚òÜ
** 睡眠跟踪** _
- 睡眠专家对使用可穿戴设备衡量睡眠表示关切。
- 人们对所谓的矫形症的担忧 -- 即渴望完美的睡眠。 (通常通过使用可穿戴装置进行监测)
- 一些用户认为,他们过于依赖自己的装置来衡量睡眠,并高估了上述装置的有效性。
| ‚òÖ‚òÖ‚òÜ‚òÜ‚òÜ
表1着重列出了专家们就可穿戴技术衡量心率、卡路里支出、步数和睡眠跟踪能力提供的具体建议和评级。
‚Äç
- 显示苹果手表在运动中平均低估心率**1.3节每分钟
- 与其他可穿戴的健身装置相反,在分级锻炼期间,随心率的提高,手表精度有所提高。
- 在分级运动测试期间 苹果手表被显示误算卡路里支出高达**115%
- Apple Watch 6倾向于高估能源支出,平均百分比** 误差范围为 ‚Äì6.61%至 53.24%。 ‚Äç
- 平均而言,苹果手表在测量总步数时误差**0.9-3.4%。 **
- 苹果手表正确识别一个人何时在睡觉 97 = 监测睡眠的时间。
*苹果手表正确识别,当有人在睡眠中醒来时,只有26%**时间. - 平均来说,苹果观察**低估了心率变化9.6毫秒
‚Äç
- Oura环显示测量休息心率的准确度**99.3%。
- 平均而言,Oura环显示测量RMSSD的准确度为**91.5%。
- 平均而言,Oura环往往 低于报告每分钟休息1次心跳。
- 平均而言,该装置在测量热量支出时显示误差13%。
- 平均而言,Oura环低估了能源支出,随着强度的增加,差异增加。
- 欧拉环正确识别一个人何时在睡觉 监测睡眠时间的94。
"我们的戒指" QQs睡眠算法计算总睡眠时间,精度为96%
"我们的戒指" QQs睡眠算法正确识别了在光,深,醒,和雷姆睡眠的时间的79% 深度和REM睡眠阶段是最准确的.
当有人在睡觉时醒来 时间轴: - 平均而言,Oura环的心率变化估计不足10.2毫秒**。
- 平均而言,Oura环显示在真实世界中测量步数时误差为**50.3%。
- 平均而言,Oura环显示在测量步数时误差4.8%。
"我们" 非主控手和主控手戴的戒指 估计睡眠效率不足1.1 + 1.5 + ,** REM睡眠时间不足4.1 + 5.6分钟。 **
‚Äç
- 平均心率测量是99.7%准确。
- 在衡量心率变化时,世卫组织业务方案准确度为99%,平均低估值仅为4.5毫秒。
- 其他研究表明,在衡量心率和心率变化时,WHOOP具有高度一致性**。
- WHOOP正确识别了一个人在监测睡眠时的睡觉时间。
- WHOOP正确识别了在睡眠中醒来的某人56。
- WHOOP声称其产品不计步骤,因为它忽略强度和其他运动而计步. 他们的首选方法为 QQstrain, 考虑同步心率与身体活动或日常生活活动.
- 与黄金标准PSG相比,WHOOP偏离度最小,即总睡眠时间、轻睡眠和深睡眠,但高估REM睡眠平均21分钟**。
‚Äç
平均Garmin在测量心率时有1.16-1.39%的误差。
* 文献显示,Garmin在计量热量支出时误差为6.1-42.9%。
* 在衡量步数时,文献表明,Garmin的平均测量误差为23.7++。
* Garmin正确识别一个人何时在睡觉 监测睡眠时间的98。
* Garmin正确识别出有人在睡眠中醒来时, 时间只有27。
* 平均而言,Garmin 心率变化估计不足22.4毫秒。 Garmin Vivo Smart 4显示总睡眠时间平均估计46.9分钟,轻睡眠平均估计27.9分钟,深度睡眠平均估计23.5分钟,REM睡眠平均**估计12.5分钟
‚Äç
- Fitbit在锻炼期间被显示低估心率平均为9.3节每分钟
平均Fitbit在测量卡路里支出时显示14.8%的误差
*平均,Fitbit ** 计算步骤数为9.1-21.9++。 - Fitbit设备往往 估计总睡眠时间超过7-67分钟。
- 适位电荷 4 ** 高估REM睡眠仅4分钟; 然而,腕骨器 高估轻估睡眠37.6分钟
‚Äç
- 三星装置显示在锻炼期间平均低估心率7.1节每分钟。
- 三星设备在测量步数时显示误差1.08-6.30%。
- 平均而言,三星装置在计量能源支出时有9.1%-20.8%的误差。
- 平均而言,三星装置 低于报告心率变化18.24毫秒。
- Galaxy Watch 3 (wrist-worn equipment)报道了**准确的睡眠阶段65%
- 无肘血压读数显示systolic BP的平均前置校准误差为6.8‚Ä⬱‚Äâ5.6mmmm. 汞,随着血压升高而增加。
‚Äç
- 在测量心率时,放置在上臂的极地可穿戴健身装置平均误差为**2.2%。
- 极地手腕磨损的装置正确识别一个人正在睡觉的时间**92 监测睡眠的时间。
- 极地手腕磨损的装置在睡眠中醒来时正确识别。
- 平均而言,极地手腕磨损装置低估了8.7毫秒的心率变化。
- 事实证明,平均而言,在中等强度运动期间测量热量消耗时,手腕磨损极性装置有16.7%的误差。
- 事实证明,平均而言,在中等强度工作期间测量卡路里支出时,腕质极性装置有10%的误差, 低估了能源支出, 平均误差范围从%-3.51到11.33。
‚Äç
- 扫描观察用3-11%的免费活动误差测量心率。
- Withings Pulse O2设备平均计算能源支出,误差为20-98%。
- 平均来说,Withings Pulse O2设备 以6%的误差测量总睡眠时间,但在某些情况下,误差率被证明高达56。
- 平均而言,手腕磨损的脉冲牛** 估计步数误差为0.7-58.3%。
‚Äç
‚Äç
错误比较:苹果观察、Oura环、WHOOP、Garmin、Fitbit、三星、极地和威丁
—% 10% 错误
错误10.1-25%
QQ 25.1% 错误
QQ 无可用数据
** 注:左侧和右侧可查看表。
|
** 薪金支出*
|
** 心率*
|
** 特遣队**
|
睡觉**
- – - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
** Apple Watch = 115% = .91% = 3.4% = 3%
** 欧拉环 13% + 3% + 4% + 6%
=
** Garmin = 42.9% =1.39% = 23.7% = 2%
** Fitbit = 14.8% = 21.9% = 13%
** Samsung 20.8% | 1.1% | 6.3% |
** 波兰 16.7% | 2.2% | 8%
** 使用** 98% = 11% = 58.3% = 6%
** 薪金支出: 与金本位计量相比,卡罗里克支出的平均误差%.
心率: 与金本位计量相比,心率平均误差%.
步骤: 与金本位计量相比,步骤计数的平均误差%。
睡眠: 与金本位计量相比,确定睡眠与觉醒的平均百分率。
** 所有错误%都基于所引用文献中显示的最差条件
‚Äç
结论:智能观察是如何准确的?
博客内容来自引用的参考文献。 所报告的数值是所审查文献中最糟糕的情况。 每个设备的相对误差可能不同于实际世界应用期间所报告的数值,因为所报告的数值是特定研究中收集的样本的平均值. 总的来说,在测量生物鉴别数据时,每个装置相对不一致。 可穿戴健身装置的测量能力得到了极大的提高,随着技术的进一步改善,预计会变得更好。
‚Äç
智能观察精确性参考文献:
‚Äç
- " 佩带可携带物品:对评估健康计量中消费可携带技术准确性的系统审查进行活式总括审查 "
- 验证Oura环形能源支出以及实验室和自由生活步骤
- 与多夜流动多声学比较,Oura环生成3(Gen3)与Oura睡眠中转算法2.0(OSSA 2.0)的有效性和可靠性: 96名参与者和421 045名学者的鉴定研究
- 检测医疗条件的可穿戴活动追踪器的真实世界准确性:系统审查和元分析
- 光学心率装置在休息和锻炼期间的精确度
- Fitbit设备的准确性:定量数据的系统审查和叙述综合
评估Olympic Water Polo Athletes中WHOP-惯用心率的典型日间变异性 - 为何WHOOP does‚ QQT 计数步骤
- 鉴定用于估计健康成年人睡眠、心率和心率可变性的六个可穿戴设备
- 步行和慢跑时在自由运动设置和踏车机上的五个可穿戴技术设备的步数可靠性和有效性
- 用于确定锻炼强度的手腕磨损装置的准确性
- 验证流动监测装置,以衡量军事环境下的能源支出和心率
- " 睡眠的许诺:利用我们环线准确检测睡眠阶段的多传感器办法 " 。
- 极地风景和Oura体能活动和睡眠跟踪:验证和比较研究
- 开发睡眠和循环生物标志的可使用技术:讲习班讨论摘要
- 估计青少年体育活动的手持式活动装置的有效性:比较研究
- 可用于衡量步骤、能源支出和心率的商用可携带设备的可靠性和有效性:系统审查
- Orthosomnia的故事:我非常善于睡觉,以至于我闭着眼睛,用我的健身追踪器可以做到这一点。
- 可携带的活动跟踪器先进技术还是先进营销?
- 中等强度锻炼期间测量心率和能量支出的健身表的准确性
- 苹果观察心血管疾病患者心率和能量支出的精确度:跨部门 学习
- 三星智能观察心率和心率变化的综合准确性评估
- 评估睡眠中的Wristband Fitbit模型的准确性:系统审查和Meta分析
- 心率表的准确性:对体重管理的影响
- 以不同行走速度跟踪苹果观察台阶
- Fitbit充电4、Garmin Vivosmart 4和WHOOP Versus Polysommography的准确性:系统审查
- Apple Watch 6 和 Polar A370 用于监测能源支出,同时休息或利用光线进行强健的物理活动的有效性
- 验证三星智能监视器用于睡眠的确定和睡眠阶段估计
- 以智能观察为基础的无袖式血压监测的可行性和测量稳定性: 现实世界展望观测研究
- 商业智能手表的性能与多声波测量参考数据相比,用于一夜之间连续的氧化测量和睡眠安眠评估
- 光学心率装置在休息和锻炼期间的精确度 Äç
- Fitbit设备的准确性:对定量数据的系统审查和叙述性综述 Äç
- 估计VO2max和能源支出的Wrist-Worn活动追踪器的有效性 Äç
- 评估Olympic Water Polo Athletes的典型日与日变化率 Äç
- 为什么WHOOP does‚ QQT 数步QQQ
- 鉴定用于估计健康成年人睡眠、心率和心率变化的六个可穿戴设备 Äç
- 步行和慢跑期间在自由运动设置和绊车机上的五个可穿戴技术设备的步数可靠性和有效性 Äç
- 用于确定锻炼强度的手腕磨损装置的准确性 Äç
- 使用元磁室和杜布利标签水法估算体能消耗的12个可穿戴设备的准确性:验证研究
- 验证流动监测装置,以衡量军事环境下的能源支出和心率 Äç
- " 睡眠承诺:利用欧拉环进行精确睡眠阶段检测的多传感器方法 " 。
- 极地风景和Oura体能活动和睡眠跟踪:验证和比较研究** Äç
- 开发睡眠和循环生物标志的可使用技术:讲习班讨论摘要* Äç
- 估计青少年体育活动的手持式活动装置的有效性:比较研究*
- 用于衡量步骤、能源支出和心率的商用可穿戴设备的可靠性和有效性:系统审查 Äç
- Orthosomnia的故事:我非常善于睡觉,以至于我闭着眼睛,在我的身体追踪器上可以做到这一点。
- 四个个人健康监测装置的睡眠措施可靠性,与基于研究的动作学和多声学相比 Äç
- 自由生活期间使用废气扫描设备测量心率 活动:审定研究
- 中等强度锻炼期间测量心率和能量支出的健身表的准确性** Äç
- 苹果观察心血管疾病患者心率和能量支出的精确度:跨部门研究*
- 三星智能观察心率和心率可变性的综合准确性评估 Äç
- 评估睡眠中的Wristband Fitbit模型的准确性:系统审查和Meta-分析
- 运动条件期间估计步数、覆盖的距离和能源支出的标准 -- -- 商业上可用的体育活动跟踪器的可靠性 Äç
- 心率表的准确性:对体重管理的影响** Äç
- 11个可穿戴、可接近和可空气消费睡眠跟踪器的准确性:前景多中心验证研究
- 对Oura环夜心率和心率的精确性评估,时间和频率领域电心学比较:综合分析
