Garmin压力评分与情绪状态的关联：一项基于生态瞬时评估的日常研究揭示可穿戴设备在情绪监测中的潜力与局限

本研究针对智能手表Garmin压力评分与主观情绪状态关联不明确的问题，通过28天连续监测95名健康年轻成年人的生理数据并结合生态瞬时评估（EMA）方法，发现Garmin压力评分与高、中强度积极情绪正相关，而与低强度情绪及消极情绪无显著关联。研究结果表明该评分主要反映副交感神经（PNS）激活状态而非真实压力水平，对可穿戴设备算法的临床适用性提出重要质疑，并呼吁加强企业与科研机构的合作以提升消费者健康数据的准确性。

　　

在当今快节奏的社会中，压力相关疾病已成为全球范围内致残的主要因素之一，给社会带来沉重负担。然而，预测这些疾病的发作仍然是一个巨大挑战，这阻碍了有效预防策略的开发。近20年来，随着技术的进步，智能手表通过光电体积描记法（PPG）能够以低成本和低负担的方式量化自主神经系统（ANS）活动，这为日常生活中的压力监测提供了新的可能性。

智能手表制造商如Garmin、Fitbit、Apple和Whoop等都提供了基于心率（HR）和心率变异性（HRV）的"压力"或"压力管理"评分。这些公司使用各自专有的算法，这些算法彼此差异很大，且对用户和研究人员都不透明。更重要的是，这些算法缺乏独立的验证研究，其准确性和可解释性存在疑问。在这些品牌中，Garmin因其更愿意与科学界合作并分享更细粒度的数据而受到研究人员的青睐。

但是，现有文献表明，HR和HRV反映的是唤醒水平，而不是这种唤醒是积极还是消极的。虽然Garmin和Fitbit等公司在他们的网站上承认这一局限性，澄清压力可能由积极和消极事件引起，但这些信息通常深埋在压力评分计算细节中，消费者不易获取。这导致许多用户可能无法完全理解这些"压力"评分的语义细微差别。

更令人担忧的是，个人对自身情绪的解释显著受到算法解读的影响。研究表明，如果传感器反馈显示更多压力，个体主观上也会报告感到更有压力，形成一种"自我实现的预言"。随着Garmin设备在科学研究中的使用日益增长，了解这些参数的有效性对于消费者使用和研究环境都至关重要。

此前只有一项研究专门检验了Garmin压力评分与主观压力之间的关系。Siepe等人（2024）比较了Garmin Vivosmart 4的传感器压力与781名高等教育学生的自我报告压力（使用生态瞬时评估），发现两者之间存在微弱正相关关系，表明Garmin压力评分不足以捕捉主观压力体验。然而，这项研究的一个主要缺点是仅调查了传感器压力与主观压力测量之间的关系作为痛苦的指标。由于文献清楚地显示不同情绪状态具有相同的生理特征，因此这种传感器压力评分真正与哪种情绪状态相关仍不确定。

为了填补这一研究空白，阿姆斯特丹自由大学的研究团队开展了一项深入研究，探讨Garmin压力评分与各种情绪状态之间的关联。他们的研究成果发表在《Journal of Affective Disorders Reports》上，为可穿戴设备在情绪监测领域的应用提供了重要见解。

研究人员采用了多种关键技术方法开展本研究。他们招募了95名健康年轻成年大学学生（80名女性），进行了为期28天的连续监测。通过Garmin智能手表持续收集生理数据，并使用生态瞬时评估（EMA）方法每天五次收集情绪数据。研究采用分层抽样的EMA提示方案，在个性化的12小时窗口内随机发送提示。Labfront平台用于从Garmin Connect提取更高分辨率的生理数据，包括以10秒为间隔的压力评分，这比标准的3分钟窗口具有更高的时间分辨率。数据分析采用多水平模型（混合效应回归），包括逻辑模型和线性模型，分别测试Garmin压力评分与情绪存在和剂量反应关系。所有分析均使用R软件的lme4和lmerTest包进行，并控制了特质压力水平作为协变量。

3.1. 数据存在和分布

研究发现，平均每位参与者有23377.34分钟（SD=9673.76）的有效Garmin压力评分数据，相当于58%的时间有数据。约83.6%的有效分钟具有非零值，占总数据的48.4%。数据缺失往往集中在整天或多个连续天内，51.3%的缺失分钟发生在持续240分钟或更长的片段中。EMA提示平均回答108.86次（范围46-149），与Garmin压力评分结合后，平均每位参与者有72.10个数据点可用于分析。

3.2. Garmin压力评分与情绪存在的关系

研究结果显示，较高的平均Garmin压力评分与高唤醒积极情绪（活跃、愉快、精力充沛）和中度唤醒积极情绪（快乐）的存在几率增加相关。低唤醒消极情绪"疲劳"的存在几率与平均Garmin压力评分呈负相关。压力评分的方差与高唤醒积极情绪（活跃、愉快）和中度唤醒积极情绪（快乐）的存在几率正相关，而与中低唤醒积极情绪（专注、放松）的存在几率负相关。

3.3. Garmin压力评分与情绪的剂量反应关系

在剂量反应分析中，情绪"平静"和"放松"与平均Garmin压力评分呈负相关关系，而"热情"显示出正相关趋势。压力评分的方差与情绪强度没有显著剂量反应关系，只有"烦躁"的关系随随机斜率的加入而改善。

3.4. 探索性分析

基于"烦躁"和"压力"与Garmin压力评分关系方向和强度的较大变异，研究人员探索了斜率强度方向是否反映了情绪报告的频率。发现报告"烦躁"情绪更频繁的个体也具有较高的平均Garmin压力评分斜率，类似地，报告"压力"更频繁的个体在Garmin压力评分方差与报告压力情绪几率之间显示出更强的负斜率。

研究表明，Garmin压力评分以情境和效价依赖的方式反映情绪。高分表示积极唤醒而非负面压力，低分表示平静状态。这一发现挑战了Garmin的非休息状态等于压力的假设，因为升高的压力评分可能反映兴奋或能量，而不是负面压力。

这种误解可能导致用户不必要的担忧或引发误导性行动。同样，使用Garmin数据研究ANS活动的研究人员应保持谨慎，因为该评分可能不能反映实际压力。幸运的是，在本研究中，只有少数参与者表示压力评分影响了他们的压力意识或引发了生活方式改变。然而，这可能是由于研究样本中高等教育特点的特殊性，可能无法推广到一般人群。

尽管需要谨慎对待，但Garmin压力评分似乎能有效捕捉副交感神经系统（PNS）活动。未来的工作可以探索结合心率和心率变异性是否有助于检测交感神经系统（SNS）活动并更好地识别负面情绪。值得注意的是，纳入Garmin压力评分的方差为识别情绪状态提供了有价值的见解。情绪预测的准确性因个体而异。例如，高分更可能表示经常感到烦躁的人的烦躁情绪，但在其他人可能反映其他情况。这强调需要进行长期的、个性化的研究，以揭示跨个体一致的生理模式。Garmin与研究人员之间更紧密的合作对于提高反馈准确性至关重要。

该研究的优势在于首次在健康年轻成年人中采用为期四周的连续智能手表监测，结合自然主义压力源的设计增强了捕捉更广泛负面情绪体验的可能性。通过拥抱情绪的自然多样性——涵盖强度和效价的广泛谱系——实现了对日常人们经历情绪的更具生态效度的表征。

然而，研究也存在一些局限性。样本主要是女性和学生，限制了普适性。尽管生态瞬时评估（EMA）具有实时、生态效度高的优势，但自我报告引入了偏差，包括情绪术语的文化解释，可能影响可靠性。虽然知道Garmin压力评分基于与静息值比较的心率变异性（HRV），但确切算法仍然是一个黑箱。没有算法透明度，不清楚生理信号如何处理或伪迹如何管理。此外，腕戴设备使用光电体积描记法（PPG）估计脉搏间隔，而不是心电图（ECG）中的真实心跳间隔。由于无法获取原始PPG数据，无法进一步探索差异——这是未来HRV研究的重要考虑因素。近一半的Garmin压力评分数据在研究期间缺失，大多数缺失数据缺乏明确记录的解释。这种高且无法解释的数据丢失对Garmin设备在科学研究中的可用性提出了重大挑战。

总之，这项研究为可穿戴设备在情绪监测领域的应用提供了重要见解，强调了当前算法的局限性，并指出了未来改进的方向。研究结果呼吁智能手表制造商提高算法透明度，加强与科研机构的合作，以开发出更加准确、可靠的健康监测工具，真正为消费者和研究人员提供有价值的信息。