《Frontiers in Sports and Active Living》:Consumer-oriented (wearable) sleep technology: a systematic SWOT analysis and recommendations for athletes and fitness enthusiasts
编辑推荐:
睡眠是健康、恢复和表现的关键决定因素,然而睡眠障碍在运动员和普通人群中都很普遍。随着面向消费者的(可穿戴)睡眠追踪技术的快速扩展,本研究旨在系统综合当前证据,并为其在体力活动活跃人群中的使用提出最佳实践建议。通过系统文献检索(PubMed、Scopus、EBS
睡眠是健康、恢复和表现的关键决定因素,然而睡眠障碍在运动员和普通人群中都很普遍。随着面向消费者的(可穿戴)睡眠追踪技术的快速扩展,本研究旨在系统综合当前证据,并为其在体力活动活跃人群中的使用提出最佳实践建议。通过系统文献检索(PubMed、Scopus、EBSCO)确定了21项符合条件的研究,并使用优势(S)、劣势(W)、机会(O)和威胁(T)框架(SWOT)进行分析。共提取了9项优势、12项劣势、8项机会和8项威胁。当正确并长期应用时,消费者可穿戴设备可以提供有意义的见解并支持睡眠自我管理,然而,如果应用不当,消费者可穿戴设备存在被误解以及导致不适当的训练或恢复决策的风险。未来的研究应优先进行严格的验证和特定背景的应用,同时开发和评估用户教育策略,以确保面向消费者的(可穿戴)睡眠技术的最佳使用。
1 Introduction
睡眠是运动员恢复、健康和最佳表现的基础。睡眠不足或紊乱会损害情绪、认知功能和身体表现,并增加受伤和疾病风险。许多运动员难以获得充足睡眠,精英运动员常睡眠不足7-9小时且质量差。虽然多导睡眠图(PSG)是金标准,但复杂且不适用于日常生活。移动睡眠追踪成为在自由生活条件下监测睡眠模式的重要工具。消费者技术如可穿戴设备和智能手机应用声称能连续非侵入性测量睡眠参数,但准确性因技术而异,数据解读仍具挑战性。这需要为业余运动员和健身爱好者提供基于证据的指导,以有效利用这些技术。
2 Materials and methods
2.1 Study design
本研究对面向消费者的(可穿戴)睡眠追踪技术进行优势(S)、劣势(W)、机会(O)和威胁(T)分析(SWOT分析),并基于系统文献检索得出最佳实践建议。检索依据PRISMA指南。
2.2 Search strategy and eligibility criteria
系统文献检索于2025年7月14日进行,使用PubMed、Scopus和EBSCO三个数据库。检索词包括人口(运动员)、设备(消费技术、可穿戴、追踪、监测、设备)、方法(评估、追踪、监测、评估)和结局(睡眠)。纳入标准:同行评审英文文献,健康体力活动人群(18-60岁),通过智能手机、应用或可穿戴设备评估睡眠。排除非人类、临床或患病人群。监测、验证研究以及各类综述和荟萃分析均纳入。
2.3 Risk of bias, data extraction and synthesis
偏倚风险评估针对不同研究类型使用相应工具(Cochrane ROB-ME、ROB2、ROBINS-I)。数据提取包括作者、年份、人群、背景/测量指标和主要结果。采用诠释性编码策略分三阶段进行主题分析:初始编码、聚焦编码和理论编码,最终将主题归类为SWOT。
3 Results
3.1 Literature search
共检索到2470条记录,去除1342条重复,最终纳入21项研究。包括1项系统综述与荟萃分析,11项非系统/叙述性综述,9项干预研究(1项随机对照试验(RCT),1项RCT部分,1项调查,6项观察性研究)。偏倚风险评估显示系统综述与荟萃分析、RCT和实验室验证研究偏倚风险低,其他研究存在一定或严重偏倚风险。共提取9项优势、12项劣势、8项机会和8项威胁。
3.2 Strengths
最常提及的优势(n=10)是消费者可穿戴设备可用性增加,设备数量和内置传感器不断增长。n=9项研究指出,当同时整合多个睡眠相关参数(如心率(HR)、心率变异性(HRV)、呼吸模式、运动)时,睡眠测量准确性提高。另一项常见优势(n=9)是实用性和效率:易于应用、非侵入性、成本和时间效益高。8项研究提到提供直接个性化反馈的能力、在个体环境中进行(每日)睡眠监测以及评估定性和定量睡眠参数的潜力。7项研究指出腕戴式设备是最常见的客观测量方法。5项研究描述了可穿戴设备通过同步移动应用或网络平台整合健康生态系统的优势。2项研究提到便携式多导睡眠图(PSG)系统作为替代方案,其优势在于包含脑电图(EEG)以评估睡眠结构。
3.3 Weaknesses
最常提及的劣势(n=10)是大多数设备缺乏验证研究。8项研究报道制造商相关弱点:设备规格和算法不透明,限制测量可靠性和敏感性。同样有8项研究指出,基于运动检测的设备倾向于高估睡眠、低估清醒。7项研究提到睡眠分期追踪的证据最弱(由于睡眠分期的方法学困难)。6项研究指出交互和解读睡眠数据需要专业知识。5项研究提到睡眠参数定义和计算因设备而异,限制标准化和可比性。4项研究指出缺乏用于自由生活环境的医疗设备。3项研究强调了间接测量(仅从间接参数近似)和隐私安全问题(如第三方数据共享、数据收集目的、用户控制权)。2项研究提到兼容性限制(Android/iOS)和缺乏标准化研究框架(无国际共识或最佳实践)。1项研究指出光电容积描记法(PPG)传感器在不同肤色和纹身个体中准确性降低。
3.4 Opportunities
最常提及的机会(n=13)是在不同环境和地点(如在家、训练营或比赛期间)进行规律和纵向监测。12项研究强调睡眠追踪可作为整体性能和健康监测策略的一部分。8项研究提到早期检测健康问题或过度训练症状,以及促进收集客观数据并与主观数据结合。6项研究指出睡眠追踪技术可提高意识并促进健康睡眠习惯。4项研究提到设备可影响个体对自身睡眠健康的知识和态度,以及将追踪和干预结合在一项技术中(如智能闹钟)。1项研究提到支持自我管理/自我控制。
3.5 Threats
最常提及的威胁(n=7)是由于睡眠数据质量差而得出误导性的恢复和训练建议。5项研究提到过度监测可导致orthosomnia(由睡眠追踪数据驱动的追求最佳睡眠)。4项研究描述了可穿戴数据强化的关于“健康睡眠”的错误观念(如立即入睡),以及频繁/每日反馈可能导致对单个数据点的过度解读。同样有4项研究提到长期监测需要高用户依从性,以及需避免“技术压力”(设备可能损害对睡眠的感知)。2项研究指出解读睡眠参数时若无额外背景信息可能不足以改变决策或行为。1项研究指出设备数量增长可能导致选择困难,可能选错设备。
4 Discussion
4.1 Strengths and opportunities
传统实验室评估资源密集且存在首夜效应,而消费者可穿戴技术可实现熟悉环境中的纵向监测,不干扰日常活动。设备易于应用,仅需智能手机同步,支持灵活反复评估。许多设备集成活动和恢复监测于24小时周期,适用于运动员。技术进步提供个性化建议,但需谨慎解读和背景化。睡眠追踪是行为干预的前提,可提高个体对自身睡眠的认知。至少72小时连续监测才能获得可靠结果,且准确性随使用时间提高。设备技术和传感器数量的持续进步有望进一步提升测量准确性。
4.2 Weaknesses and threats
验证研究不足限制了数据可靠性,且方法学差异大(如敏感度、特异度、与PSG的一致性等)。需要更多高质量验证研究。数据解读需结合背景信息(如体力活动、营养、环境因素),否则可能导致误判。睡眠碎片化增加数据缺失率。常用的加速度计和光电容积描记法(PPG)技术检测睡眠分期能力有限,导致高敏感度(检测清醒)但低特异度(检测睡眠),易高估或低估睡眠参数。睡眠分期依赖于脑电图(EEG)信号,因此基于脑电的设备更准确。PPG传感器在不同肤色和纹身个体中准确性降低。未来需进行验证研究及不同目标群体和设置的研究,并开发标准化验证方法和定制化数字睡眠干预。数据隐私和安全是重要限制。应用消费者可穿戴技术可能引发错误信念(如快速入睡即健康),或导致技术压力和orthosomnia。使用前需考虑追踪原因和范围,可通过决策框架评估:信息是否有帮助?能否信任?能否有效整合分析数据?能否实施?只有至少回答“是”才应考虑实施。
4.3 Aspects which could be an opportunity and a threat
四个方面具有双重性:设备/传感器、反馈、环境和知识。设备多样性和传感器增多提供更多参数和设置,但也可能导致选择困难,个体可能被淹没。实时个性化反馈有助于行为调整,但频繁反馈可能导致不确定性和过度解读。家庭或移动监测提供便利,但非实验室测量准确性有限,临床问题需咨询专业设备或医疗设备。知识提升可促进健康生活方式,但数据误解可能导致错误观念和功能障碍性睡眠习惯(如认为立即入睡是健康标志)。
4.4 Recommendations to mitigate weaknesses and threats, and leverage strengths and opportunities
睡眠是基本生物过程,应优先考虑。使用消费者技术前需批判性评估设备质量(可靠性、有效性、舒适性、放置位置、传感器配置、成本等)。选择有效且可解读的参数,如总睡眠时间(TST)、睡眠效率(SE)、睡眠规律性,避免过度解读伪参数。推荐纵向监测,例如分析14、21或28晚的滚动平均值,以考虑自然变异性。关键睡眠参数包括总睡眠时间(TST)、睡眠效率(SE)和规律睡眠时间,如可用还包括入睡潜伏期(SOL)和入睡后觉醒(WASO)。客观数据应结合主观睡眠感知,并与训练负荷、营养、旅行、比赛、心理社会压力等背景因素一起解读。保持设备固件和软件更新以确保最佳性能。不确定时咨询专家。最佳实践建议包括:优先睡眠、评估设备质量、匹配功能需求、选择有效参数、避免过度解读单晚数据、使用滚动平均值、结合主客观数据、背景化解读、维护软件、寻求专家支持、避免过度依赖(可穿戴数据应支持而非替代身体感知)、以数据指导而非命令干预。
4.5 Study strengths and limitations
本研究基于系统文献检索(三个数据库),方法学严谨,提供实用建议。局限性包括:预先定义的检索词和体育特定背景可能导致排除相关研究;从精英人群到普通人群的推广需谨慎;纳入研究偏倚风险可能降低外部效度;未区分佩戴位置和不同技术(而不同技术有不同SWOT);文献综述依赖于现有文献。
5 Conclusions
消费者可穿戴睡眠追踪技术提供可行且可扩展的纵向监测方法,可提高睡眠行为意识并支持整合健康管理。但实用性受限于有限验证、算法不透明和方法学局限性(尤其是睡眠分期)。数据需谨慎解读,并结合主观评估。批判性应用可提供有意义见解并支持自我管理,不加批判使用可能导致误判、适应不良行为和不适当的训练或恢复决策。未来研究应优先高质量验证、标准化评估框架和特定背景应用,同时加强用户教育和透明报告标准,以确保在体力活动活跃人群中的责任实施和最大化收益-风险比。