심혈관 및 신체 활동 모니터링을 위한 피트니스 스마트워치 데이터의 정확성 평가: 디지털 건강의 검증 연구

이 연구는 임상 환경에서 사용되는 황금 표준 측정과 데이터를 비교하여 저비용 피트니스 스마트워치의 정확성을 검증하는 것을 목표로 합니다. 이 프로토콜은 피트니스 스마트워치의 정확성과 신뢰성을 평가하여 인기가 높아짐에 따라 실제 성능을 이해하는 데 있어 격차를 해소합니다. 우리의 연구 결과는 피트니스 스마트워치 데이터의 정확성과 신뢰성에 대한 귀중한 통찰력을 제공할 것이며, 이는 연구 또는 임상 환경에서 이러한 장치를 사용하는 연구원과 의료 전문가에게 매우 중요합니다.

시작하려면 참가자가 주로 사용하지 않는 손목에 피트니스 스마트워치를 착용하도록 합니다. 참가자를 수면다원검사 또는 PSG 기계의 장치에 부착합니다. 피트니스 스마트워치를 사용하여 참가자가 누운 자세에 있는 동안 혈중 산소 포화도를 두 번 측정합니다.

참가자가 최대 6시간 동안 잠을 자도록 합니다. 참가자가 깨어난 후 피트니스 스마트워치를 사용하여 누운 자세를 유지하는 동안 두 번의 추가 혈중 산소 포화도 측정을 수행합니다. PSG 기계와 피트니스 스마트워치의 수면 추세를 csv 파일로 내보냅니다.

깊은 수면 시간, 가벼운 수면 시간, 빠른 안구 운동 시간, 총 수면 시간, 심박수 및 혈중 산소 포화도 수준에 대한 데이터를 포함합니다. 피트니스 스마트워치 걸음 수 측정의 검증을 위해 먼저 참가자들이 주로 사용하지 않는 손목에 피트니스 스마트워치를 착용하고 다른 손에는 스마트폰을 들고 발자국 비디오 녹화를 목적으로 하도록 합니다. 피트니스 스마트워치의 걸음 수를 0으로 설정한 다음 스마트폰 기록을 시작하고 참가자가 걸음 수 테스트를 수행하도록 합니다.

피트니스 스마트워치로 측정한 걸음 수를 기록합니다. 3분 걷기 테스트 또는 3-M WT의 경우, 참가자에게 평평한 표면에서 3분 동안 정상적이고 일정한 속도로 걸을 것을 지시합니다. 계단 오르기 또는 SC 테스트의 경우, 참가자가 정상적이고 일정한 속도로 오르막과 내리막 순서로 두 층의 계단을 오르내리게 합니다.

비디오 녹화에서 관찰된 단계 수를 수동으로 계산합니다. 이 데이터를 csv 파일에 기록한 다음 피트니스 스마트워치의 걸음 수를 동일한 파일로 내보냅니다. 필요한 패키지를 Python의 작업 공간으로 가져온 다음, 측정 데이터를 Python의 작업 공간으로 가져옵니다.

파일 이름을 measurement_data 바꿉니다. 선택한 파일 이름이 있는 CSV. 함수의 드롭을 사용하여 각 측정 데이터에 대한 빈 값을 제거합니다.

Shapiro-Wilk 정규성 테스트를 수행하여 Python의 SciPy stats Shapiro 패키지를 사용하여 데이터가 정규 분포를 갖는지 확인합니다. 이제 데이터에 정규 분포가 있는 경우 Python에서 SciPy 통계 T-test TestRail 패키지를 사용하여 쌍을 이루는 샘플 T-테스트를 수행합니다. 그렇지 않은 경우 SciPy 통계 Wilcoxon 패키지를 사용하여 Mann-Whitney Wilcoxon 테스트를 수행합니다.

measure1_toolA 및 measure1_toolB를 코드에서 선택한 각 열 이름으로 바꿉니다. 그런 다음 co 및 d 방법을 사용하여 기기 간 차이의 크기를 측정합니다. Bland-Altman 분석을 사용하여 평균 또는 중위수 차이, 표준 편차 및 치우침의 95% 신뢰 구간을 포함한 두 도구 간의 합치도를 평가했습니다.

Python에서 Matplotlib 파이 플롯 패키지를 사용하여 시각화를 위한 Bland-Altman 분석을 플롯합니다. 얕은 수면 시간은 27.77분의 큰 편향을 보였으며 합의 한계가 넓었으며, 이는 PSG와 비교하여 스마트워치의 측정에 상당한 변동이 있음을 나타냅니다. 총 수면 시간은 41.5분 과대 추정되었으며, 일치 한계가 더 넓어 수면 시간 추적에 있어 때때로 불일치가 있음을 나타냅니다.

REM 시간은 최소 바이어스와 표준 편차를 보였으며, 이는 이 매개변수에 대한 스마트워치와 PSG 간의 우수한 호환성을 시사합니다. 웨이크 타임은 스마트워치에 의해 과대 평가되었으며, 명확한 클러스터링과 차이의 상향 추세가 있어 측정 편향을 나타냅니다. 평균 심박수는 최소 바이어스와 바이어스 라인 근처에서 양호한 클러스터링을 보여 강한 일치를 나타냅니다.

최소 심박수는 일부 이상값을 보였는데, 이는 낮은 심박수를 감지하는 데 어려움을 시사하지만 전반적인 일치는 합리적이었습니다. 최대 심박수는 눈에 띄는 분산을 보였으며, 이는 스마트워치가 피크 값을 추적하는 데 있어 변동성을 반영합니다. 혈중 산소 포화도는 최소한의 바이어스와 좁은 일치 한계를 보였으며, 이는 장치 간의 높은 일치를 반영합니다.

스마트워치는 3-M WT의 걸음을 평균 31.33보, SC 걸음을 11보 크게 과소평가했습니다.