这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。gydF4y2Ba
可穿戴式睡眠监测器是消费者和研究人员非常感兴趣的,因为它们能够以经济高效的方式提供自由生活条件下的睡眠模式估计。gydF4y2Ba
我们对报道腕带性能的出版物进行了系统的审查gydF4y2Ba
遵循系统评价和荟萃分析(PRISMA)首选报告项目声明,我们使用关键字全面搜索了护理和相关健康文献(CINAHL)、Cochrane、Embase、MEDLINE、PubMed、PsycINFO和Web of Science数据库gydF4y2Ba
搜索产生了3085篇候选文章。在剔除重复文献并符合纳入和排除标准后,22篇文献符合系统综述条件,其中8篇文献为meta分析提供了定量数据。参考多导睡眠描记术(PSG),非睡眠分期gydF4y2Ba
睡眠阶段gydF4y2Ba
多导睡眠记录仪(PSG)包括同步脑电图(EEG)、肌电图、眼电图、心电图和其他评估。PSG被认为是诊断睡眠障碍和进行睡眠研究的金标准。然而,常规PSG的环境和仪器可能不舒服,产生焦虑,甚至影响睡眠。此外,PSG需要一个特殊的设施和熟练的技术人员的监督,使其昂贵和排除,在大多数情况下,调查夜间睡眠质量的变化。因此,不足50%的睡眠研究是在正式的睡眠设施中进行的也就不足为奇了。gydF4y2Ba
睡眠日记法是消费者跟踪和评估睡眠的简单而经济的方法,但由于它们涉及主观的自我评价,它们往往是不准确和不完整的;此外,他们没有评估睡眠结构和阶段。脑电图可穿戴设备可以在家评估睡眠结构和阶段,但它们价格昂贵,技术上有些复杂。腕式活动记录仪可以感知加速运动,大约35年前由amory Monitoring公司推出,现在与专有的解释性算法结合使用,通过估计关键的睡眠参数来进行门诊睡眠筛查。尽管如此,这些完全依赖运动算法的设备[gydF4y2Ba
本次前瞻性系统评价未事先注册,是根据系统评价和元分析首选报告项目(PRISMA)声明进行的[gydF4y2Ba
对以下数据库进行了在线综合检索:护理和相关健康文献累积索引(CINAHL)、Cochrane数据库、Embase、MEDLINE、PsycINFO、PubMed和Web of Science。该搜索最初是在2018年7月进行的,并在2019年7月和10月使用关键字进行搜索gydF4y2Ba
检索的出版物符合系统综述的条件:(1)涉及任何已上市Fitbit模型睡眠数据的有效性,(2)将PSG、活动记录仪、家庭EEG、睡眠日记或调查方法作为参考。排除标准包括:(1)样本量小于5人,(2)综述论文,(3)缺少或不恰当的统计分析,(4)重复发表相同的数据和发现。gydF4y2Ba
引文被导入参考文献管理软件Mendeley。在消除重复报告后,一位作者(SH)首先筛选标题和摘要,以删除不相关的出版物;之后,两位作者(SH和SK)根据纳入和排除标准独立筛选剩余的出版物。分歧通过讨论得到解决。gydF4y2Ba
以下项目由一位作者(SH)以系统的方式提取,并由另一位作者(SK)检查准确性:第一作者;出版年份;睡眠追踪器和比较器的类型;受试者人数、性别、类型、年龄;学习网站;睡眠评估夜数;睡觉;Fitbit模式设置;跟踪器的解剖位置;以及相对于所示参考标准的研究结果——测量总睡眠时间(TST)、睡眠开始潜伏期(SOL)、睡眠开始后觉醒(WASO)和睡眠效率(SE)参数的精度,以及检测睡眠周期和睡眠阶段的敏感性、特异性和准确性。gydF4y2Ba
清单,改编自唐斯和布莱克[gydF4y2Ba
对于Fitbit与PSG比较并提供定量数据的研究,计算SOL、WASO、TST和SE的原始Hedges g效应大小为Fitbit与PSG提供的平均值之间的平均差值除以PSG值的标准差乘以Hedges校正因子[gydF4y2Ba
流程图改编自Moher等[gydF4y2Ba
详细总结符合条件的出版物,包括早期、非睡眠阶段和新一代、睡眠阶段Fitbit模型。gydF4y2Ba
作者(年)gydF4y2Ba | 模型gydF4y2Ba | 参考gydF4y2Ba | 参与者gydF4y2Ba | 调查的细节gydF4y2Ba | ||||
总数gydF4y2Ba |
年龄(年),平均值(SD);和/或范围gydF4y2Ba | 类型gydF4y2Ba | 持续时间gydF4y2Ba |
跟踪器位置gydF4y2Ba |
睡觉前gydF4y2Ba | |||
Beattie等人(2017)[gydF4y2Ba |
飙升gydF4y2Ba | 第三类家庭PSGgydF4y2BabgydF4y2Ba | 60 (40.0)gydF4y2Ba | 34 (10)gydF4y2Ba | 正常的睡眠gydF4y2Ba | 1晚(在家或gydF4y2Ba |
左右手腕都有gydF4y2Ba |
22:00hgydF4y2Ba |
Brazendale等人(2019)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 睡眠日志和活动记录仪gydF4y2Ba | 30 (37.0)gydF4y2Ba | 7.2 (2.1)gydF4y2Ba | 健康的gydF4y2Ba | 2夜gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
习惯性的gydF4y2BaegydF4y2Ba |
布鲁克等人(2017)[gydF4y2Ba |
Flex & Charge人力资源gydF4y2Ba | 睡眠日志gydF4y2Ba | 95 (64.2):gydF4y2Ba |
28.5 (9.9);gydF4y2Ba |
健康的gydF4y2Ba | 1晚上gydF4y2Ba |
左腕关节gydF4y2Ba |
习惯性的gydF4y2BaegydF4y2Ba |
Cook等人(2017)[gydF4y2Ba |
FlexgydF4y2Ba | PSG &gydF4y2Ba |
21日(81.0)gydF4y2Ba | 26.5 (4.6)gydF4y2Ba | 重度抑郁症gydF4y2Ba | 1晚上gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
习惯性的gydF4y2Ba |
Cook等人(2019)[gydF4y2Ba |
阿尔塔人力资源gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba | 49 (93.9)gydF4y2Ba | 30.3 (9.8)gydF4y2Ba | 疑似鼎晖gydF4y2BafgydF4y2Ba | 1晚上gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
参与者的偏好gydF4y2Ba |
de Zambotti等人(2016)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba | 32 (46.9)gydF4y2Ba | 17.3 (2.5);gydF4y2Ba |
健康的gydF4y2Ba |
1晚上gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
参与者的偏好gydF4y2Ba |
de Zambotti等人(2018)[gydF4y2Ba |
收取2gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba | 44 (59.1)gydF4y2Ba | 19 - 61gydF4y2Ba | 健康成人,9名PLMS患者gydF4y2BaggydF4y2Ba | 1晚上gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
参与者的偏好gydF4y2Ba |
Dickinson等人(2016)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 活动检测仪gydF4y2Ba | 38 (60.5)gydF4y2Ba | 26.1 (8.0)gydF4y2Ba | 年轻的成年人gydF4y2Ba | 4个晚上gydF4y2Ba |
N / RgydF4y2Ba |
习惯性的gydF4y2BaegydF4y2Ba |
Hakim等人(2018)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba | 22日(59.1)gydF4y2Ba | 9 (3);gydF4y2Ba |
阻塞性睡眠呼吸暂停综合症gydF4y2BahgydF4y2Ba或深发展gydF4y2Ba我gydF4y2Ba | 1晚上gydF4y2Ba |
N / RgydF4y2Ba |
N / RgydF4y2Ba |
Kang等(2017)[gydF4y2Ba |
FlexgydF4y2Ba | 无人值守PSGgydF4y2Ba | 失眠症患者:gydF4y2Ba |
失眠症患者:gydF4y2Ba |
失眠症患者和睡眠良好者gydF4y2Ba | 1晚上gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
N / RgydF4y2Ba |
Kubala等人(2019)[gydF4y2Ba |
阿尔塔gydF4y2Ba | 活动检测仪gydF4y2Ba | 好睡眠:gydF4y2Ba |
24.8 (4.1);gydF4y2Ba |
健康的成年人gydF4y2Ba | 7天:gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
习惯性的gydF4y2BaegydF4y2Ba |
Lee等人(2017)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 活动检测仪gydF4y2Ba | 16 (62.5)gydF4y2Ba | 22.8 (2.8);gydF4y2Ba |
健康的年轻人gydF4y2Ba | 13日晚上gydF4y2Ba |
非惯用手gydF4y2Ba |
习惯性的gydF4y2BaegydF4y2Ba |
Lee等人(2018)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 睡眠日志gydF4y2Ba | 38 (50)gydF4y2Ba | 28.6 (N / R);gydF4y2Ba |
健康的gydF4y2Ba | 三个晚上gydF4y2Ba |
参与者之间的平衡gydF4y2Ba |
习惯性的gydF4y2BaegydF4y2Ba |
梁和马爹利Chapa Martell (2018) [gydF4y2Ba |
收取2gydF4y2Ba | 睡眠镜(EEG)gydF4y2BajgydF4y2Ba基础)gydF4y2Ba | 25 (40.0)gydF4y2Ba | 24.8 (4.4)gydF4y2Ba | 健康的gydF4y2Ba | 3天:gydF4y2Ba |
非惯用手gydF4y2Ba |
习惯性的gydF4y2BaegydF4y2Ba |
刘等(2019)[gydF4y2Ba |
阿尔塔人力资源gydF4y2Ba | 睡眠日志gydF4y2Ba | 10 (50.0)gydF4y2Ba | 21.8 (N / R);gydF4y2Ba |
不失眠的亚洲学生gydF4y2Ba | 7日晚上gydF4y2Ba |
左腕关节gydF4y2Ba |
习惯性的gydF4y2BaegydF4y2Ba |
Mantua等人(2016)[gydF4y2Ba |
FlexgydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba |
40 (47.5)gydF4y2Ba | 22.4 (4.9);gydF4y2Ba |
健康的年轻人gydF4y2Ba | 1晚上gydF4y2Ba |
参与者之间的平衡gydF4y2Ba |
N / RgydF4y2Ba |
Maskevich等人(2017)[gydF4y2Ba |
一个gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba | 7 (85.7)gydF4y2Ba | 54.1 (6.4)gydF4y2Ba | 亨廷顿gydF4y2Ba |
1晚上gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
习惯性的gydF4y2Ba |
Meltzer等人(2015)[gydF4y2Ba |
超gydF4y2Ba | PSG &gydF4y2Ba |
63 (50.8)gydF4y2Ba | 9.7 (4.6);gydF4y2Ba |
儿童及青少年gydF4y2Ba | 1晚上gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
习惯性的gydF4y2Ba |
Montgomery-Downs等(2012)[gydF4y2Ba |
经典gydF4y2Ba | PSG &gydF4y2Ba |
24 (40)gydF4y2Ba | 26.1 (N / R);gydF4y2Ba |
健康的成年人gydF4y2Ba | 1晚上gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
N / RgydF4y2Ba |
Osterbauer等人(2016)[gydF4y2Ba |
FlexgydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba | 14 (64.3)gydF4y2Ba | 6.5 (2.9);gydF4y2Ba |
孩子们gydF4y2Ba | 1晚上gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
N / RgydF4y2Ba |
Sargent等人(2018)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba | 12 (N / R)gydF4y2Ba | 18.3 (1.0)gydF4y2Ba | 没有睡眠的足球运动员gydF4y2Ba |
5睡眠gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
22:00-07:00h);gydF4y2Ba |
Svensson等人(2019)[gydF4y2Ba |
VersagydF4y2Ba | 睡眠范围(基于脑电图)gydF4y2Ba | 20 (50)gydF4y2Ba | 25 - 67gydF4y2Ba | 健康的日本成年人gydF4y2Ba | 14日晚上:gydF4y2Ba |
非惯用的手腕gydF4y2Ba |
习惯性的gydF4y2BaegydF4y2Ba |
一个gydF4y2Ba出版物包括新一代睡眠分期Fitbit模型。gydF4y2Ba
bgydF4y2BaPSG:多导睡眠图。gydF4y2Ba
cgydF4y2BaN/A:不适用。gydF4y2Ba
dgydF4y2BaN/R:未上报。gydF4y2Ba
egydF4y2Ba确切的就寝时间没有报告,但调查程序可以推断出习惯性就寝时间。gydF4y2Ba
fgydF4y2BaCDH:中枢性嗜睡障碍。gydF4y2Ba
ggydF4y2BaPLMS:睡眠中的周期性肢体运动。gydF4y2Ba
hgydF4y2Ba阻塞性睡眠呼吸暂停。gydF4y2Ba
我gydF4y2Ba睡眠呼吸障碍。gydF4y2Ba
jgydF4y2Ba脑电图:脑电图仪的。gydF4y2Ba
来自符合资格的出版物的结果,涉及早期、无睡眠分期和新一代、睡眠分期的Fitbit模型。gydF4y2Ba
作者(年)gydF4y2Ba | 模型gydF4y2Ba | 参考gydF4y2Ba | 结果gydF4y2Ba一个gydF4y2Ba |
Beattie等人(2017)[gydF4y2Ba |
飙升gydF4y2Ba | 第三类家庭PSGgydF4y2BacgydF4y2Ba |
普通模式vs PSG。高估了结核菌素gydF4y2Bad、egydF4y2Ba(46 min)和SEgydF4y2Bae, ggydF4y2Ba(8.1%);低估了沃gydF4y2Bae、hgydF4y2Ba(44分钟)和SOLgydF4y2Ba我gydF4y2Ba(2分钟,NSgydF4y2BajgydF4y2Ba);准确度0.88 (SD 0.05);灵敏度0.98 (SD 0.02);特异性,0.35 (SD 0.13)gydF4y2Ba 正常模式vs活动记录仪。高估了索尔gydF4y2BaegydF4y2Ba(12分钟),东南gydF4y2BafgydF4y2Ba(1.1%), TST (5 min, NS);低估了沃gydF4y2BaegydF4y2Ba(17分钟)gydF4y2Ba 敏感模式vs PSG。低估了结核菌素gydF4y2BaegydF4y2Ba(86 min)和SEgydF4y2BaegydF4y2Ba(16.0%);高估了索尔gydF4y2BafgydF4y2Ba(12分钟)和WASOgydF4y2BaegydF4y2Ba(75分钟);精度0.78 (SD 0.08);sensitivity, 0.78 (SD 0.09);特异性,0.80 (SD 0.17)gydF4y2Ba 灵敏模式vs活动记录仪。低估了结核菌素gydF4y2BaegydF4y2Ba(127分钟)和东南gydF4y2BaegydF4y2Ba(22.9%);高估了索尔gydF4y2BaegydF4y2Ba(25 min)和WASOgydF4y2BaegydF4y2Ba(102分钟)gydF4y2Ba |
Brazendale等人(2019)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 睡眠日志和活动记录仪gydF4y2Ba |
Fitbit与两种活动记录仪均相关(r= 0.48)gydF4y2BafgydF4y2Ba睡眠记录(r=.71)gydF4y2BafgydF4y2Ba用于测量TSTgydF4y2Ba |
布鲁克等人(2017)[gydF4y2Ba |
Flex & Charge人力资源gydF4y2Ba | 睡眠日志gydF4y2Ba |
Fitbit Flex (r=;68年,日军gydF4y2BakgydF4y2Ba=8.80%)和Fitbit Charge HR (r=。58,日军=11.5%) correlated with sleep log in measuring TSTegydF4y2Ba |
Cook等人(2017)[gydF4y2Ba |
FlexgydF4y2Ba | PSG &gydF4y2Ba |
普通模式vs PSG。高估了结核菌素gydF4y2BaegydF4y2Ba(46 min)和SEgydF4y2BaegydF4y2Ba(8.1%);低估了沃gydF4y2BaegydF4y2Ba(44分钟)和SOL(2分钟,NS);准确度0.88 (SD 0.05);灵敏度0.98 (SD 0.02);特异性,0.35 (SD 0.13)gydF4y2Ba 正常模式vs活动记录仪。高估了索尔gydF4y2BaegydF4y2Ba(12分钟),东南gydF4y2BafgydF4y2Ba(1.1%), TST (5 min, NS);低估了沃gydF4y2BaegydF4y2Ba(17分钟)gydF4y2Ba Sensitive模式vs PSG。低估了结核菌素gydF4y2BaegydF4y2Ba(86 min)和SEgydF4y2BaegydF4y2Ba(16.0%);高估了索尔gydF4y2BafgydF4y2Ba(12分钟)和WASOgydF4y2BaegydF4y2Ba(75分钟);精度0.78 (SD 0.08);sensitivity, 0.78 (SD 0.09);特异性,0.80 (SD 0.17)gydF4y2Ba 灵敏模式vs活动记录仪。低估了结核菌素gydF4y2BaegydF4y2Ba(127分钟)和东南gydF4y2BaegydF4y2Ba(22.9%);高估了索尔gydF4y2BaegydF4y2Ba(25 min)和WASOgydF4y2BaegydF4y2Ba(102分钟)gydF4y2Ba |
Cook等人(2019)[gydF4y2Ba |
阿尔塔人力资源gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba |
高估了结核菌素gydF4y2BafgydF4y2Ba(12分钟),东南gydF4y2BafgydF4y2Ba(2.0%)和深度睡眠gydF4y2BaegydF4y2Ba(18分);低估了SOL (4 min, NS)、WASO (8 min, NS)和轻度睡眠(11 min, NS);精度,0.90 (SD 0.04);灵敏度0.96 (SD 0.02);特异性,0.58 (SD 0.16);检测轻度睡眠的准确性,0.73;深度睡眠,0.89;快速眼动gydF4y2BalgydF4y2Ba睡觉,0.89gydF4y2Ba |
de Zambotti等人(2016)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba |
高估了结核菌素gydF4y2BafgydF4y2Ba(8分钟)和SEgydF4y2BaegydF4y2Ba(1.8%);低估了沃gydF4y2BafgydF4y2Ba(6分钟)和SOL(3分钟,NS);准确度0.91 (SD 0.05);灵敏度0.97 (SD 0.02);特异性,0.42 (SD 0.16);睡眠预测值,0.93 (SD 0.05);尾迹预测值,0.65 (SD 0.18)gydF4y2Ba |
de Zambotti等人(2018)[gydF4y2Ba |
收取2gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba |
正常的睡眠队列。高估了结核菌素gydF4y2BafgydF4y2Ba(9分钟)和轻度睡眠gydF4y2BaegydF4y2Ba(34分钟);低估了索尔gydF4y2BafgydF4y2Ba(4分钟),深度睡眠gydF4y2BaegydF4y2Ba(24分钟),WASO(5分钟,NS), REM睡眠(1分钟,NS);敏感性,0.96;特异性,0.61;检测轻度睡眠的准确性,0.81;深度睡眠,0.49;快速眼动睡眠,0.74gydF4y2Ba plmgydF4y2BajgydF4y2Ba队列。低估了深度睡眠gydF4y2BafgydF4y2Ba(28 min), SOL (7 min, NS), WASO (1 min, NS);高估TST (8 min, NS)、浅睡眠(36 min, NS)和REM睡眠(0 min, NS);特异性,0.62;检测轻度睡眠的准确性,0.78;深度睡眠,0.36;快速眼动睡眠,0.62gydF4y2Ba |
Dickinson等人(2016)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 活动检测仪gydF4y2Ba |
在测量TST和SE时,Fitbit和actigraphy之间没有系统差异gydF4y2Ba |
Hakim等人(2018)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba |
高估了结核菌素gydF4y2BafgydF4y2Ba(30分钟);低估总唤醒时间gydF4y2BafgydF4y2Ba(23分)gydF4y2Ba |
Kang等(2017)[gydF4y2Ba |
FlexgydF4y2Ba | 无人值守PSGgydF4y2Ba |
睡眠良好——正常模式。高估了结核菌素gydF4y2BafgydF4y2Ba(7 min)、SE (1.8%, NS)、SOL (1 min, NS);低估WASO (7 min, NS);准确性,0.93;敏感性,0.97;特异性,0.36gydF4y2Ba Insomniacs-normal模式。高估了结核菌素gydF4y2BaegydF4y2Ba(33 min)和SEgydF4y2BaegydF4y2Ba(7.9%);低估了沃gydF4y2BaegydF4y2Ba(31 min)和SOL (2.4%, NS);准确性,0.87;敏感性,0.97;特异性,0.36gydF4y2Ba 良好的睡眠敏感模式。准确性,0.66;敏感性,0.65;特异性,0.82gydF4y2Ba Insomniacs-sensitive模式。准确性,0.68;敏感性,0.64;特异性,0.89gydF4y2Ba |
Kubala等人(2019)[gydF4y2Ba |
阿尔塔gydF4y2Ba | 活动检测仪gydF4y2Ba |
良好的睡眠。高估了结核菌素gydF4y2BaegydF4y2Ba(74分钟);低估了沃gydF4y2BafgydF4y2Ba(16分)gydF4y2Ba 可怜的睡眠。高估TST (20 min, NS);低估WASO (13 min, NS)gydF4y2Ba |
Lee等人(2017)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 活动检测仪gydF4y2Ba |
高估了结核菌素gydF4y2BaegydF4y2Ba(22分钟);Fitbit和活动记录仪之间的相关性:睡眠开始时间gydF4y2BaegydF4y2Ba(r=.87)和TSTgydF4y2BaegydF4y2Ba(r = .92)gydF4y2Ba |
Lee等人(2018)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 睡眠日志gydF4y2Ba |
Fitbit与睡眠日志的相关性:TSTgydF4y2BaegydF4y2Ba(r =。55,日军14.2%) and TIBe, ngydF4y2Ba(r =。48,日军12.7%); SE and WASO not correlated |
梁和马爹利Chapa Martell (2018) [gydF4y2Ba |
收取2gydF4y2Ba | 睡眠镜(EEG)gydF4y2BaogydF4y2Ba基础)gydF4y2Ba |
高估了沃gydF4y2BaegydF4y2Ba(25分钟)和深度睡眠gydF4y2BaegydF4y2Ba(40分钟);低估了结核菌素gydF4y2BafgydF4y2Ba(12分钟),SOLgydF4y2BaegydF4y2Ba(11分钟),快速眼动gydF4y2BaegydF4y2Ba睡眠(12分钟),浅睡gydF4y2BaegydF4y2Ba(42分钟),SE (1.5%, NS)gydF4y2Ba |
刘等(2019)[gydF4y2Ba |
阿尔塔人力资源gydF4y2Ba | 睡眠日志gydF4y2Ba |
高估了沃gydF4y2BafgydF4y2Ba(13分钟);低估了结核菌素gydF4y2BafgydF4y2Ba(6分钟),SOLgydF4y2BafgydF4y2Ba(5 min)gydF4y2BafgydF4y2Ba(1.4%)gydF4y2Ba |
Mantua等人(2016)[gydF4y2Ba |
FlexgydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba |
测量TST和SE无显著性差异;测试相关gydF4y2BaegydF4y2Ba(r = .97点);SE不相关(r=。21日,NS);平均百分比误差:TST, 2.97%;SE, 11.57%gydF4y2Ba |
Maskevich等人(2017)[gydF4y2Ba |
一个gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba |
高估了结核菌素gydF4y2BaegydF4y2Ba(88 min)和SEgydF4y2BaegydF4y2Ba(17.4%);低估了沃gydF4y2BafgydF4y2Ba(39 min)和SOL (17 min, NS);准确度,0.81 (0.68-0.93);灵敏度,0.99 (0.97-1.00);特异性,0.27 (0.12-0.55);睡眠预测值0.99,清醒预测值0.27gydF4y2Ba |
Meltzer等人(2015)[gydF4y2Ba |
超gydF4y2Ba | PSG &gydF4y2Ba |
fitbit正常模式vs PSG。低估了沃gydF4y2BaegydF4y2Ba(32分钟);高估了结核菌素gydF4y2BaegydF4y2Ba(41 min)和SEgydF4y2BaegydF4y2Ba(8%);准确性,0.84;敏感性,0.87;特异性,0.52gydF4y2Ba fitbit敏感模式vs PSG。低估了结核菌素gydF4y2BaegydF4y2Ba(105 min)和SEgydF4y2BaegydF4y2Ba(21%);高估了沃gydF4y2BaegydF4y2Ba(106分钟);准确性,0.71;敏感性,0.70;特异性,0.79gydF4y2Ba |
Montgomery-Downs等(2012)[gydF4y2Ba |
经典gydF4y2Ba | PSG &gydF4y2Ba |
Fitbit vs PSG。高估了SEgydF4y2BaegydF4y2Ba(14.5%)和TSTgydF4y2BaegydF4y2Ba(67分钟);灵敏度,0.98 (0.92-1.00);特异性,0.20 (0.02-0.78)gydF4y2Ba Fitbit vs actigraphy。高估了SEgydF4y2BaegydF4y2Ba(5.2%)和TSTgydF4y2BaegydF4y2Ba(24分)gydF4y2Ba |
Osterbauer等人(2016)[gydF4y2Ba |
FlexgydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba |
Fitbit TST与PSG相关gydF4y2BafgydF4y2Ba(ρgydF4y2BapgydF4y2Ba= 0);WASO、SE与清醒时间不相关;敏感性,0.99;特异性,0.10gydF4y2Ba |
Sargent等人(2018)[gydF4y2Ba |
负责人力资源gydF4y2Ba | 巴黎圣日尔曼gydF4y2Ba |
Fitbit的TST vs PSG: NS;Fitbit自动识别60%的睡眠时间,睡眠时间为9h时的成功率为80%,睡眠时间为8h时的成功率为90%,睡眠时间为7h时的成功率为70%,睡眠时间为2h时的成功率为50%,睡眠时间为1h时的成功率为10%gydF4y2Ba |
Svensson等人(2019)[gydF4y2Ba |
VersagydF4y2Ba | 睡眠范围(基于脑电图)gydF4y2Ba |
高估TIB (9 min, NS), TST (7 min, NS), WASOgydF4y2BaegydF4y2Ba(14分钟),深度睡眠gydF4y2BaegydF4y2Ba(36分钟);低估SE (0.1%, NS), SOLgydF4y2BaegydF4y2Ba(14分钟),REMgydF4y2BaegydF4y2Ba睡眠(6分钟),浅睡眠gydF4y2BaegydF4y2Ba(20分钟);准确度,0.89 (0.88-0.89);灵敏度,0.92 (0.919-0.923);特异性,0.54 (0.53-0.55)gydF4y2Ba |
一个gydF4y2Ba除非另有说明,否则报告检测睡眠周期的准确性、敏感性和特异性。gydF4y2Ba
bgydF4y2Ba出版物包括新一代睡眠分期Fitbit模型。gydF4y2Ba
cgydF4y2BaPSG:多导睡眠图。gydF4y2Ba
dgydF4y2BaTST:总睡眠时间。gydF4y2Ba
egydF4y2Ba
fgydF4y2Ba
ggydF4y2BaSE:睡眠效率。gydF4y2Ba
hgydF4y2BaWASO:入睡后醒来。gydF4y2Ba
我gydF4y2BaSOL:睡眠开始潜伏期。gydF4y2Ba
jgydF4y2BaNS:不显著。gydF4y2Ba
kgydF4y2BaMAPE:平均绝对百分比误差。gydF4y2Ba
lgydF4y2Ba快速眼动:快速眼动。gydF4y2Ba
米gydF4y2BaPLMS:睡眠中的周期性肢体运动。gydF4y2Ba
ngydF4y2BaTIB:睡觉时间。gydF4y2Ba
ogydF4y2Ba脑电图:脑电图仪的。gydF4y2Ba
pgydF4y2Ba斯皮尔曼相关系数。gydF4y2Ba
表S1gydF4y2Ba
在22项研究中,10项(45%)评估了早期非睡眠阶段Fitbit模型与PSG在估计睡眠参数方面的比较[gydF4y2Ba
22篇论文中只有3篇(14%)涉及与PSG相比较的新一代睡眠分期Fitbit模型[gydF4y2Ba
三个潜在比较中有两个(N=84)报告Fitbit与PSG在9-11.6分钟内显着高估TST,而另一个(N=9)报告不显着高估TST。唯一一项评估SE的研究(N=49)报告了Fitbit相对于PSG的1.98%的显著高估。共有3项试验(N=93)报告两种方法的WASO无显著差异;其中1例(N=35)发现Fitbit比PSG显著低估了4分钟的SOL,而另外2例(N=58)发现Fitbit对SOL的低估不显著。gydF4y2Ba
效应量的汇总估计(见gydF4y2Ba
睡眠开始潜伏期(SOL)变量Fitbit和多导睡眠记录仪之间标准化平均差(Hedges g)的森林图。结果以效应量(ES)和95% CI表示。符号大小的差异表明了各自研究的权重差异。菱形符号表示总体效应的95% CI,尾部表示总体效应的95%预测区间。PLMS:睡眠中的周期性肢体运动。gydF4y2Ba
睡眠后觉醒(WASO)变量Fitbit和多导睡眠记录仪之间标准化平均差(Hedges g)的森林图。结果以效应量(ES)和95% CI表示。符号大小的差异表明了各自研究的权重的差异。菱形符号表示总体效应的95% CI,尾部表示总体效应的95%预测区间。PLMS:睡眠中的周期性肢体运动。gydF4y2Ba
对于总睡眠时间(TST)变量,Fitbit和多导睡眠记录仪之间的标准化平均差(Hedges g)的森林图。结果以效应量(ES)和95% CI表示。符号大小的差异表明了各自研究的权重差异。菱形符号表示总体效应的95% CI,尾部表示总体效应的95%预测区间。PLMS:睡眠中的周期性肢体运动。gydF4y2Ba
睡眠效率(SE)变量Fitbit和多导睡眠记录仪之间标准化平均差(Hedges g)的森林图。结果以效应量(ES)和95% CI表示。符号大小的差异表明了各自研究的权重差异。菱形符号表示总体效应的95% CI,尾部表示总体效应的95%预测区间。gydF4y2Ba
亚组分析显示,非睡眠分期模型和睡眠分期模型在估计SOL方面无显著性差异(χgydF4y2Ba2gydF4y2Ba1gydF4y2Ba= 1.0,gydF4y2Ba
共有7项研究(N=197)涉及非睡眠阶段Fitbit模型的逐期(EBE)调查,参考PSG来区分睡眠和清醒状态[gydF4y2Ba
共有3项研究(N=153)评估了睡眠阶段Fitbit模型的性能,并以PSG作为参考,通过EBE分析识别睡眠周期[gydF4y2Ba
共有3项研究(N=153)通过EBE分析评估了睡眠阶段Fitbit模型在识别睡眠阶段方面的表现[gydF4y2Ba
没有发表的研究评估了睡眠阶段Fitbit模型相对于活动记录仪在估计睡眠参数方面的表现。相比之下,7项研究调查了非睡眠阶段Fitbit模型相对于活动记录仪的准确性[gydF4y2Ba
两项研究[gydF4y2Ba
共有3项研究调查了由非睡眠阶段Fitbit模型得出的睡眠参数与自评睡眠日记之间的相关性程度[gydF4y2Ba
只有1项研究(N=60) [gydF4y2Ba
早期的非睡眠阶段,而不是后期的睡眠阶段,Fitbit模型允许用户选择正常或敏感模式来感知身体运动,以获得睡眠参数。共有3项研究相对于PSG评估了这些Fitbit模型设置为敏感模式时的性能[gydF4y2Ba
共有3项研究评估了非睡眠阶段Fitbit模型的设备间可靠性。其中一项研究中,3名参与者在同一手腕上佩戴了两条Fitbit Classic腕带,通过EBE比较发现,设备间的可靠性很高(96.5%-99.1%)[gydF4y2Ba
个人监测技术的质量和使用正在迅速发展,为广泛改善医学素养和健康提供了希望。如今,消费者和健康专业人士高度感兴趣的一个领域是睡眠质量,因为它对白天的认知和身体表现具有公认的重要性。许多腕戴设备可以跟踪睡眠参数和阶段。其中一些最受欢迎的是由Fitbit, Inc .销售的;它的几个非睡眠阶段和睡眠阶段模型的性能已经与实验室PSG、家庭睡眠跟踪器或其他方法进行了评估。这项系统综述的目的是全面评估这些消费腕带设备在评估睡眠方面的价值。gydF4y2Ba
PSG被认为是评估睡眠参数和阶段的金标准;与PSG相比,非睡眠分期Fitbit模型高估了TST和SE,低估了WASO,但同样能很好地确定SOL。此外,这种腕带模型在估计TST、SE和WASO时的偏差量是不可忽略的。EBE分析表明,与实验室PSG相比,这种类型的Fitbit模型在检测睡眠方面具有较高的准确性和灵敏度;然而,分析只显示出适度的特异性。gydF4y2Ba
2007年,美国睡眠医学学会(American Academy of Sleep Medicine)认证腕动仪可用于对健康成年人和某些疑似睡眠障碍患者的睡眠模式进行在家评估[gydF4y2Ba
Fitbit于2017年推出了睡眠分期功能,现在已被纳入Fitbit Charge 2、Fitbit Charge 3、Fitbit Alta HR、Fitbit Versa、Fitbit Versa 2、Fitbit Blaze和Fitbit Ionic型号中。该功能依赖于结合身体运动和HRV算法来识别和估计每个睡眠阶段所花费的时间[gydF4y2Ba
迄今为止,只有3项合格的研究调查了新一代Fitbit硬件和软件耦合技术相对于PSG的性能[gydF4y2Ba
商用个人监控器的一个问题是设备内部和设备间的可靠性。共进行3项调查[gydF4y2Ba
主观的自我报告调查和日记方法,虽然由于易于使用和成本低,是评估睡眠的流行手段,但价值有限。自我报告调查方法依赖于回忆,这可能是有偏见的,特别是当不局限于最近的、单时间点的经历时。睡眠日记方法较少依赖记忆,但报告的信息可能不够准确,因为对某些事件的认识不足,如夜间醒来的次数或频率,以及入睡的精确时间[gydF4y2Ba
这项关于非睡眠阶段和睡眠阶段Fitbit模型的系统综述的发现是基于我们最近对相关发表文章的数据库的全面搜索,这些文章在15个月的时间内重复了三次。所纳入的研究有一定的局限性(例如,超过一半的研究是在实验室而不是在家中进行的,参与者大多是正常睡眠的年轻人或中年人)。此外,小样本量的研究结果不显著可能是统计力不足的结果。此外,在22项合格的已发表研究中,只有5项涉及Fitbit睡眠分期模型。另一个限制是缺乏公开的信息,说明Fitbit硬件和/或软件技术的进步在多大程度上解释了该公司不同代模型在推导睡眠参数和阶段方面的性能差异。根据我们与公司代表的对话,这种差异是由传感器技术的进步共同造成的;提高数据采集的保真度;将心率、HRV和身体运动纳入其睡眠研究验证的专有解释算法。尽管存在这些局限性,但本文的研究结果表明,最新一代Fitbit腕带模型的先进身体运动和HRV方法似乎适用于得出适当的睡眠参数和睡眠时间估计。研究结果进一步表明,这种Fitbit模型可能有助于进行基于人群的睡眠研究,在过去,这些研究通常严重或完全依赖于主观方法。gydF4y2Ba
Fitbit智能手环的销售目标是让用户自行获取有关睡眠质量的知识,而不是作为标准的临床多导睡眠仪的替代品。它们对于研究24小时睡眠-觉醒模式以及在正常生活条件下连续多晚纵向确定睡眠持续时间、模式和质量是有用的。在这方面,个人可以从腕带追踪器获得的信息中受益,以改善睡眠卫生和睡眠本身。在某些情况下,初级保健和睡眠专家至少可以从表面上了解患者的睡眠情况。尽管目前还没有对新一代睡眠阶段Fitbit模型进行足够的评估,但迄今为止发表的少数研究表明,它们在区分清醒和睡眠阶段方面的表现优于文献中报道的活动记录仪。gydF4y2Ba
纳入研究的偏倚评估。gydF4y2Ba
护理及相关健康文献累积索引gydF4y2Ba
epoch-by-epochgydF4y2Ba
脑电图仪的gydF4y2Ba
心率变异性gydF4y2Ba
平均绝对误差百分比gydF4y2Ba
非快速眼动gydF4y2Ba
2 .非快速眼动gydF4y2Ba
3 .非快速眼动gydF4y2Ba
睡眠中周期性的肢体运动gydF4y2Ba
系统评价和元分析的首选报告项目gydF4y2Ba
多导睡眠描记术gydF4y2Ba
快速眼动gydF4y2Ba
睡眠效率gydF4y2Ba
睡眠潜伏期gydF4y2Ba
睡觉时间gydF4y2Ba
总睡眠时间gydF4y2Ba
入睡后醒来gydF4y2Ba
没有宣布。gydF4y2Ba