Die Forschung zielt darauf ab, ihre Genauigkeit von kostengünstigen Fitness-Smartwatches zu validieren, indem ihre Daten mit Goldstandardmessungen verglichen werden, die in klinischen Umgebungen verwendet werden. Dieses Protokoll bewertet die Genauigkeit und Zuverlässigkeit von Fitness-Smartwatches und schließt Lücken im Verständnis ihrer Leistung in der realen Welt, wenn ihre Popularität wächst. Unsere Ergebnisse werden wertvolle Einblicke in die Genauigkeit und Zuverlässigkeit von Fitness-Smartwatch-Daten liefern, was für Forscher und medizinisches Fachpersonal, die diese Geräte in Studien oder klinischen Umgebungen verwenden, von entscheidender Bedeutung ist.
Lassen Sie die Teilnehmer zunächst die Fitness-Smartwatch an ihrem nicht dominanten Handgelenk tragen. Befestigen Sie die Teilnehmer an der Apparatur des Polysomnographie- oder PSG-Geräts. Führen Sie mit der Fitness-Smartwatch zwei Messungen der Blutsauerstoffsättigung durch, während sich der Teilnehmer in Rückenlage befindet.
Stellen Sie sicher, dass die Teilnehmer maximal sechs Stunden schlafen. Nachdem der Teilnehmer aufgewacht ist, können Sie mit der Fitness-Smartwatch zwei zusätzliche Messungen der Blutsauerstoffsättigung durchführen, während er in Rückenlage verharrt. Exportieren Sie die Schlaftrends sowohl vom PSG-Gerät als auch von der Fitness-Smartwatch in eine CSV-Datei.
Fügen Sie Daten zur Dauer des Tiefschlafs, zur Dauer des leichten Schlafs, zur Zeit für schnelle Augenbewegungen, zur Gesamtschlafdauer, zur Herzfrequenz und zur Sauerstoffsättigung des Blutes hinzu. Für die Validierung der Schrittmessungen der Fitness-Smartwatch lassen Sie die Teilnehmer zunächst die Fitness-Smartwatch an ihrem nicht dominanten Handgelenk tragen und in der anderen Hand ein Smartphone halten, um Schritte aufzuzeichnen. Stellen Sie die Schrittzahl auf der Fitness-Smartwatch auf Null, starten Sie dann die Smartphone-Aufzeichnung und lassen Sie den Teilnehmer den Schritttest durchführen.
Notieren Sie die Anzahl der Schritte, die von der Fitness-Smartwatch gemessen werden. Weisen Sie den Teilnehmer für den Drei-Minuten-Gehtest oder 3-M WT an, drei Minuten lang in normalem und gleichmäßigem Tempo auf einer ebenen Fläche zu gehen. Lassen Sie den Teilnehmer für den Treppensteig- oder SC-Test zwei Treppen in aufsteigender und absteigender Reihenfolge in einem normalen und gleichmäßigen Tempo nehmen.
Berechnen Sie manuell die Anzahl der Schritte, die in der Videoaufzeichnung beobachtet werden. Notieren Sie diese Daten in einer CSV-Datei und exportieren Sie dann die Schrittzahlen von der Fitness-Smartwatch in dieselbe Datei. Importieren Sie die erforderlichen Pakete in den Arbeitsbereich von Python und importieren Sie dann die Messdaten in den Arbeitsbereich von Python.
Ersetzen Sie den Dateinamen durch measurement_data. CSV mit einem Dateinamen Ihrer Wahl. Verwenden Sie das Ablegen in einer Funktion, um alle leeren Werte für die einzelnen Messdaten zu entfernen.
Führen Sie den Shapiro-Wilk-Normalitätstest durch, um zu bestimmen, ob die Daten eine Normalverteilung aufweisen, indem Sie das SciPy stats Shapiro-Paket in Python verwenden. Führen Sie nun einen gepaarten Stichproben-T-Test mit dem SciPy stats T-test TestRail-Paket in Python durch, wenn die Daten eine Normalverteilung aufweisen. Wenn nicht, führen Sie den Mann-Whitney-Wilcoxon-Test mit dem SciPy stats Wilcoxon-Paket durch.
Ersetzen Sie measure1_toolA und measure1_toolB durch die entsprechenden Spaltennamen im Code. Verwenden Sie dann die co- und d-Methode, um die Größe der Differenz zwischen den Instrumenten zu messen. Verwendete die Bland-Altman-Analyse, um die Übereinstimmung zwischen zwei Instrumenten zu bewerten, einschließlich des Mittelwerts oder der Mediandifferenz, der Standardabweichung und des 95%-Konfidenzintervalls der Verzerrung.
Plotten Sie die Bland-Altman-Analyse für die Visualisierung mit dem Matplotlib pie plot-Paket in Python. Die flache Schlafzeit zeigte eine große Verzerrung von 27,77 Minuten mit weiten Übereinstimmungsgrenzen, was auf eine signifikante Variabilität der Messungen der Smartwatch im Vergleich zu PSG hindeutet. Die Gesamtschlafzeit wurde um 41,5 Minuten überschätzt, wobei die Grenzen der Übereinstimmung weiter waren, was auf gelegentliche Diskrepanzen bei der Verfolgung der Schlafdauer hindeutet.
Die REM-Zeit zeigte eine minimale Verzerrung und Standardabweichung, was auf eine gute Austauschbarkeit zwischen der Smartwatch und PSG für diesen Parameter hindeutet. Die Weckzeit wurde von der Smartwatch überschätzt, mit deutlicher Clusterbildung und einem Aufwärtstrend bei den Unterschieden, was auf eine Messverzerrung hindeutet. Die mittlere Herzfrequenz zeigte eine minimale Verzerrung und eine gute Clusterbildung in der Nähe der Bias-Linie, was auf eine starke Übereinstimmung hindeutet.
Die minimale Herzfrequenz wies einige Ausreißer auf, was auf Schwierigkeiten bei der Erkennung niedriger Herzfrequenzen hindeutet, obwohl die allgemeine Übereinstimmung angemessen war. Die maximale Herzfrequenz wies eine bemerkenswerte Streuung auf, was die Variabilität bei der Verfolgung von Spitzenwerten durch die Smartwatch widerspiegelt. Die Blutsauerstoffsättigung zeigte eine minimale Verzerrung und enge Übereinstimmungsgrenzen, was eine hohe Übereinstimmung zwischen den Geräten widerspiegelt.
Die Smartwatch unterschätzte die Schritte für 3-M WT um durchschnittlich 31,33 Schritte und SC Schritte um 11.
