智能手表光电容积脉搏波缺失数据对心率变异性测量的影响：真实世界探索性研究

本研究针对智能手表光电容积脉搏波(PPG)传感器在真实场景中因数据缺失导致心率变异性(HRV)指标失准的问题，通过半模拟实验设计评估不同缺失比例(10%-60%)对时域(median IBI/STDRR/RMSDRR)和频域(LF/HF/LF/HF)指标的影响，发现时域指标在静息状态下可耐受35%数据缺失，而频域指标在10%缺失时即出现显著偏差，为远程医疗监测中PPG传感器的数据质量控制提供了重要依据。

　　

在数字化医疗快速发展的今天，智能手表搭载的光电容积脉搏波(photoplethysmography, PPG)传感器因其便捷性，正逐渐成为心率变异性(heart rate variability, HRV)监测的新宠。HRV作为评估自主神经系统功能的重要指标，在呼吸系统疾病、帕金森病等多种疾病的早期预警中具有临床价值。然而，现实场景中因佩戴依从性差或运动伪影导致的PPG数据缺失，可能严重影响HRV指标的准确性——这个"数据黑洞"问题长期困扰着研究人员。更棘手的是，当前缺乏对缺失数据容忍阈值的系统评估，且PPG与金标准心电图(electrocardiogram, ECG)传感器在真实环境中的一致性仍存疑。

为破解这些难题，Research Triangle Institute的研究团队开展了一项为期6个月的探索性观察研究。他们招募31名健康受试者，通过Garmin Fenix 6/6s智能手表连续采集高分辨率心跳间隔(interbeat interval, IBI)数据，并创新性地采用半模拟方法构建10%-60%不同缺失比例的数据集。研究同时以Polar H10 ECG胸带为参照，首次在真实生活场景中系统评估了PPG传感器HRV指标的稳定性和准确性。

关键技术方法包括：1) 基于真实缺失模式的半模拟数据生成技术；2) 5分钟时间窗的时域(median IBI、STDRR、RMSDRR)和频域(LF、HF、LF/HF)指标计算；3) 采用线性混合效应模型分析数据缺失影响；4) 通过组内相关系数(intraclass correlation coefficient, ICC)和Bland-Altman分析评估PPG与ECG的一致性。

研究结果揭示：
【HRV指标在静息状态下的稳定性】
静息时(步速=0)，median IBI展现出惊人韧性，即使60%数据缺失仍保持稳定(P=0.24)。STDRR和RMSDRR在35%缺失内保持稳定(P<0.05)，而频域指标LF、HF和LF/HF在仅10%缺失时就出现显著偏差(P<0.001)。值得注意的是，高频功率(HF)在60%缺失时反常地恢复"正常"，研究者推测可能是极端缺失导致统计效力不足所致。

【活动状态下的指标脆弱性】
当受试者进行轻度活动(0<步速<100)时，时域指标稳定性明显下降：median IBI在10%缺失时即出现显著偏移(P=0.01)，RMSDRR同样在10%缺失时失稳(P<0.001)。频域指标则延续静息状态的脆弱性，LF和HF功率在10%缺失时均出现显著差异(P<0.001)。

【PPG与ECG的鸿沟】
令人深思的是，PPG与ECG传感器仅在median IBI上呈现中等一致性(ICC=0.585-0.589)，LF功率仅达中等一致性(ICC=0.545)，其余指标一致性均较差(ICC=0.071-0.472)。Bland-Altman分析更暴露出系统性偏差——PPG传感器倾向于压缩RMSDRR、HF和LF/HF的测量范围，对极端值捕捉能力显著弱于ECG。

这项发表在《JMIR Formative Research》的研究，首次绘制出PPG传感器HRV指标在真实场景中的"数据缺失耐受地图"。其核心价值在于：1) 确立时域指标在静息状态下35%的数据缺失阈值，为远程监测数据质量控制提供量化标准；2) 揭示频域指标对数据缺失的极端敏感性，警示研究者慎用PPG-derived频域指标；3) 通过PPG-ECG直接对比，客观呈现当前消费级可穿戴设备的技术局限。这些发现不仅为临床研究中的HRV数据分析策略提供了重要参考，更指明了下一代PPG传感器需要突破的技术瓶颈——如何在高运动强度下维持信号稳定性，将成为远程医疗监测设备进化的关键战场。