可穿戴设备衍生的心血管健康年龄及其在442名成年人中的生活方式相关性

《Frontiers in Digital Health》:Wearable-derived cardiovascular fitness age and its lifestyle correlates in 442 adults

【字体: 大 中 小 】 时间:2026年07月08日 来源:Frontiers in Digital Health 5.2

编辑推荐:

  摘要 引言:心血管年龄(cardiovascular age)是一种强大的风险沟通工具,将复杂的生理数据转化为直观的数字,然而传统评估需要临床测试。消费级可穿戴设备现在通过光电容积描记法(photoplethysmography, PPG)衍生的心率数据估算心

  
摘要
引言:心血管年龄(cardiovascular age)是一种强大的风险沟通工具,将复杂的生理数据转化为直观的数字,然而传统评估需要临床测试。消费级可穿戴设备现在通过光电容积描记法(photoplethysmography, PPG)衍生的心率数据估算心肺健康年龄(cardiorespiratory fitness age),实现持续、被动的健康监测,但这些估算是否能捕捉实质性的生活方式变异尚未被检验。
方法:研究人员在442名Ultrahuman Ring用户中,跨越截至2026年2月的12个月窗口(回顾性观察队列),对Cardio Age(一种可穿戴设备衍生的心肺健康年龄估算)进行了表征,将独立的生活方式相关因素与直接或间接的算法输入区分开来。分析采用了横断面Spearman秩相关、最年轻与最老年心血管年龄的极端组比较,以及个体内纵向轨迹。
结果:平均Cardio Age差距(Cardio Age gap, CA gap;平均Cardio Age减去实际年龄)为?1.84±2.97年,82.6%的参与者表现出更年轻的心血管年龄估算值。与Cardio Age无算法关联的独立生活方式指标显示出显著关联:睡眠效率(sleep efficiency)(r=?0.194, p<0.001)、快速眼动睡眠(rapid eye movement, REM sleep)(r=?0.203, p<0.001)、睡眠时长(sleep duration)(r=?0.200, p<0.001)和每日步数(daily steps)(r=?0.145, p=0.003)。观察到身体质量指数(body mass index, BMI)的单调剂量-反应关系,体重过轻参与者的平均CA gap为?3.73年,而肥胖参与者为?0.52年。极端组比较显示,与最老年心血管年龄的用户相比,最年轻心血管年龄的用户睡眠时间长37分钟,REM睡眠多22分钟,睡眠效率高1.8%(所有p<0.05)。持续改善者在12个月内平均CA减少3.24年;在更广泛的纵向改善组和恶化组中,改善轨迹伴随着静息心率(resting heart rate)降低(?0.8 bpm, p<0.001)和估算最大摄氧量(estimated VO2 max)增加(+1.3 mL/kg/min, p<0.001)。
讨论:这些独立的生活方式关联表明,Cardio Age反映了其算法输入之外的生理和行为变异。个体内与静息心率降低和估算VO2 max增加(两者均为直接算法输入)的一致性,符合对随时间变化的生理变化的敏感性,支持Cardio Age作为持续、直观的心血管健康指标。
论文解读文章

**研究背景与问题**

心血管年龄(cardiovascular age)作为一种将复杂生理数据转化为直观数字的风险沟通工具,已在临床指南和公共卫生宣传中得到应用(如Framingham风险评分衍生的血管年龄框架)。然而,传统心血管年龄估算需要临床运动测试或实验室级最大摄氧量(maximal oxygen uptake, VO2 max)测量,限制了其在大规模人群中的推广。近年来,消费级可穿戴设备(如智能戒指)通过光电容积描记法(photoplethysmography, PPG)衍生的心率数据,能够被动估算心肺健康年龄(cardiorespiratory fitness age, 即Cardio Age),实现持续健康监测。但这类估算是否真正捕捉到用户生活方式(如睡眠、身体活动、体重管理)的实质性变异,而不仅仅是算法内部循环的产物,尚未得到系统验证。此外,已有研究主要聚焦于可穿戴设备心率测量的准确性,而缺乏对估算指标本身与生活方式关联的纵向分析。因此,本研究旨在填补这一空白,评估Cardio Age这一可穿戴衍生指标是否反映真实的生理和行为变化,为将其作为日常心血管健康监测工具提供科学依据。该论文发表在《Frontiers in Digital Health》。

**主要技术方法**

本研究采用回顾性观察队列设计,样本来源为442名Ultrahuman Ring AIR智能戒指用户(中位年龄31岁,65.4%女性),数据采集窗口为2025年3月1日至2026年2月28日(12个月)。关键技术方法包括:1)可穿戴设备:Ultrahuman Ring AIR配备绿色光PPG传感器(持续心率监测)、三轴加速度计(运动检测)和皮肤温度传感器,实现被动、无扰的生理数据收集;2)Cardio Age算法:基于夜间静息心率(nighttime resting heart rate)等输入,通过现有心肺健康估算方法(Nes et al., 2017; 2020)的加权组合估算VO2 max,再根据性别特异性参考数据转换为健康年龄,并应用时间平滑;3)统计分析:采用横断面Spearman秩相关评估指标关联,通过极端组比较(最年轻与最老年心血管年龄组,基于CA gap分布的第10和第90百分位数)识别差异,并使用个体内纵向轨迹分析(30天窗口比较)评估随时间的变化。所有分析明确区分直接算法输入(如静息心率、心率变异性RMSSD、估算VO2 max)、间接构成指标(如BMI、体重)和独立生活方式相关指标(如睡眠时长、睡眠效率、REM睡眠、每日步数)。

**研究结果**

**2.1 Cardio Age差距分布(Cardio age gap distribution)**
通过描述性统计,研究人员发现平均Cardio Age差距(CA gap,即平均Cardio Age减去实际年龄)为?1.84±2.97年,中位数为?2.01年(IQR ?3.48至?0.80)。82.6%的参与者呈现负差距(即估算心血管年龄更年轻),仅16.7%为正差距。该分布左偏,且女性中位CA gap(?2.55年)显著优于男性(?0.27年,Mann–Whitney p<0.001,Cohen’s d=+1.21),说明性别差异明显,可能反映用户自我选择偏倚(健康意识更强的用户更倾向购买健身戒指)。

**2.2 独立生活方式相关因素(Independent lifestyle correlates)**
为识别与Cardio Age无直接算法关联的独立生活方式指标,研究人员进行了极端组比较(最年轻组:CA gap≤?5.4年,N=45;最老组:CA gap≥+2.3年,N=45)和全队列Spearman秩相关。最年轻组在睡眠效率(90.4% vs. 88.6%,p=0.002)、REM睡眠时长(120.5 vs. 98.3分钟,p=0.007)、睡眠总时长(454.6 vs. 417.4分钟,p=0.032)和每日步数(7221 vs. 5540,p=0.047)上均显著优于最老组。全队列Spearman相关确认了最强独立关联指标:REM睡眠(r=?0.203, 95% CI ?0.290至?0.104, p<0.001)、睡眠时长(r=?0.200, 95% CI ?0.287至?0.097, p<0.001)、睡眠效率(r=?0.194, 95% CI ?0.285至?0.094, p<0.001)和每日步数(r=?0.145, 95% CI ?0.240至?0.048, p=0.003),这些均通过Bonferroni校正(α/14=0.004)。此外,BMI(间接构成指标)显示单调剂量-反应关系:体重过轻者平均CA gap为?3.73年,正常体重?2.57年,超重?1.36年,肥胖?0.52年;自我报告活动水平也呈类似趋势(久坐?1.01年,中等?1.84年,活跃?3.48年)。

**2.3 构成指标概况与算法透明性(Constituent metric profiles and algorithmic transparency)**
研究人员将算法输入分为三类:直接构成指标(夜间静息心率、心率变异性RMSSD、估算VO2 max)、间接构成指标(恢复评分、压力节律评分、BMI、体重)和独立生活方式相关指标。极端组比较显示,最年轻组在直接构成指标上显著更优:夜间静息心率(47.9 vs. 61.7 bpm, p<0.001)、RMSSD(55.9 vs. 37.2 ms, p<0.001)和估算VO2 max(48.7 vs. 36.4 mL/kg/min, p<0.001),这些差异符合算法预期。间接构成指标如恢复评分(74.2 vs. 68.1, p<0.001)和BMI(22.8 vs. 29.6 kg/m2, p<0.001)也显著不同,但部分关联通过算法中介。

**2.4 纵向轨迹(Longitudinal trajectories)**
通过比较12个月期间首尾30天窗口的CA变化,研究人员将用户分为持续改善者(delta+2.0年,N=59,平均增加3.49年)。两组基线年龄(33.1 vs. 35.4年)和BMI(26.4 vs. 26.8 kg/m2)相似。改善轨迹伴随着静息心率降低(?0.8 bpm vs. +1.1 bpm, p<0.001)和估算VO2 max增加(+1.3 vs. ?0.8 mL/kg/min, p<0.001),显示个体内生理变化的双向敏感性。时间发散在3–4个月时开始显现,且个体内CA稳定性高(中位SD 1.21年,37.3%用户SD<1.0年)。

**讨论总结与结论翻译**

讨论部分指出,本研究的核心发现是独立生活方式指标(REM睡眠、睡眠时长、睡眠效率、每日步数)与Cardio Age差距显著相关,且这些关联无直接算法通路,表明Cardio Age捕捉了算法输入之外的生理和行为变异。BMI和体重作为间接构成指标,其关联与已知流行病学证据一致(高BMI与低心肺健康相关)。个体内纵向轨迹分析显示,Cardio Age对生理变化敏感(改善者静息心率降低、VO2 max增加),且稳定性高,支持其作为连续、直观的心血管健康指标。研究也强调了算法循环性的限制:直接构成指标与CA的关联是预期内的,但独立指标的发现提供了额外效度。研究结论部分翻译如下:多指标生理数据转化为单一、可解释的年龄等效指标,是更广泛的参与式健康范式的一部分,在该范式中,个体主动参与自身生理数据的管理。BMI与CA差距的剂量-反应关系、睡眠和步数的显著关联,以及纵向改善数据,均表明Cardio Age可作为人群层面日常心血管健康意识的实用指标。然而,未来需要前瞻性验证(如随机对照试验)来确认其行为改变效应,并与实验室测量的VO2 max进行比较以进行外部验证。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号