《Frontiers in Digital Health》：Advancement in wrist worn physical activity trackers: technological developments and measurement accuracy: a systematic review
编辑推荐：
背景：腕戴式身体活动追踪器在过去二十年间发展迅猛，已从单一加速度计设备演进为集成光电容积描记法（PPG）、高级动作分类及机器学习算法的多传感器系统。尽管该类设备在科研与临床场景中的应用日益广泛，但其核心指标（如心率、能量消耗、步数及活动强度）的准确性与可靠性仍
背景：腕戴式身体活动追踪器在过去二十年间发展迅猛，已从单一加速度计设备演进为集成光电容积描记法（PPG）、高级动作分类及机器学习算法的多传感器系统。尽管该类设备在科研与临床场景中的应用日益广泛，但其核心指标（如心率、能量消耗、步数及活动强度）的准确性与可靠性仍存争议。方法：本系统评价遵循PRISMA指南（PROSPERO注册号：CRD42024551740），检索MEDLINE、Scopus、PubMed及SPORTDiscus数据库中评估腕戴式活动追踪器在实验室或模拟自由生活条件下准确性与可接受性的研究。纳入研究涵盖健康或普通人群样本，设备类型包括消费级与研究级腕戴设备，参考标准涵盖心电图（ECG）、间接测热法、双标水法、人工步数计数及研究级加速度计。在初检的1659篇文献中，最终47项研究符合纳入标准。结果与讨论：设备准确性随时间推移显著提升，但不同品牌、活动类型及人群间仍存在差异。2010年前的早期心率监测设备在运动状态下皮尔逊相关系数（Pearson r）低至0.50，静息状态下亦未达0.90的有效性标准；现代设备如Apple Watch与Garmin vivosmart的有效性评分显著提高（运动时通常>0.80），反映出光学传感器质量与运动伪影滤波技术的改进。能量消耗测量的准确性提升最为有限，即使近期设备相较于间接测热法仍存在10%–40%的误差，这源于缺乏直接测量O2与CO2的代谢率估算固有挑战。步数准确性在2017年前误差可达25%，目前因加速度计精度提升与步态模式识别算法的优化，稳态步行误差普遍降至5%以下。身体活动强度分类准确性亦有所改善，早期模型误分类率>20%，当前多传感器设备已降至10%–15%。各品牌设备的可接受性普遍较高，佩戴时长较长且受试者满意度良好。
引言
过去二十年，腕戴式身体活动追踪器彻底改变了个体与研究人员监测能量消耗（EE）、心率（HR）、步数及身体活动强度的方式。这类设备依托加速度测量技术、光电容积描记法（PPG）及高级机器学习算法，可实时反馈健康相关指标，已成为临床场景、健身监测与流行病学研究的核心工具。尽管其便捷性与可及性推动了广泛应用，但相较于间接测热法、心电图（ECG）及代谢车等金标准方法，测量准确性与可靠性的争议始终存在。腕戴设备的演进特征体现为传感器技术、算法复杂度及与智能手机应用、云端分析整合能力的显著提升：早期设备（如计步器与基础加速度计）仅能提供步数与活动水平的粗略估算，而现代智能手表已整合多传感器融合技术，可估算摄氧量（VO2）、心率变异性（HRV）及代谢当量（METs）。尽管如此，不同活动、运动强度及用户人口学特征下的测量准确性仍存在差异，凸显了系统验证研究的必要性。现有研究普遍显示消费级腕戴设备与标准测量的偏差，其中能量消耗估算的误差幅度最大；心率追踪虽总体更可靠，但仍受肤色、佩戴位置及运动伪影的影响；步数在稳态步行时准确性较高，但在骑行、抗阻训练等非步行活动中准确性下降。这些不一致性强调了跨人群、跨活动及跨运动强度验证设备的重要性。
系统评价的理论依据
鉴于腕戴式活动追踪器技术的快速迭代及其在科研与医疗场景中应用范围的扩大，亟需开展系统评价以评估该类设备在能量消耗、步数、心率及活动强度测量中的准确性，同时梳理技术发展脉络并分析其对测量精度的影响。本评价旨在对现有文献进行批判性整合，阐明腕戴式身体活动追踪器的优势与局限，为未来研究方向与行业技术升级提供指引。
方法
本系统评价遵循《系统评价与Meta分析优先报告条目》（PRISMA）指南，研究方案已在PROSPERO国际系统评价前瞻性注册平台注册（注册号：CRD42024551740）。
检索策略
检索数据库包括MEDLINE、PubMed、Scopus及SPORTDiscus，检索词涵盖可穿戴设备、腕部佩戴、身体活动追踪及测量准确性相关术语，并根据各数据库语法特点适配布尔逻辑运算符、截词符及规范主题词，未对性别与年龄设限。同时，通过筛查相关文献及已纳入系统评价的参考文献进行滚雪球检索。
研究筛选
纳入研究涵盖研究级设备（仅用于科研的追踪器）与商用设备（面向公众销售的产品），研究场景限定为社区日常生活环境：实验室研究若模拟日常条件则纳入，涉及机构化或住院患者的研究予以排除，未对观察时长设限。纳入标准为：（1）研究对象为普通人群，无性别与年龄限制；（2）使用腕戴式可穿戴活动追踪器；（3）报告至少一项可接受性定量指标（包括佩戴时长、数据可及性或可接受性问卷结果）。排除标准为：（1）设备非腕部佩戴；（2）研究聚焦睡眠测量；（3）研究对象为机构化或住院患者。准确性评价的研究对象为普通人群，索引试验为腕戴式活动追踪器，参考标准包括其他设备或身体活动评估方法（如问卷、直接观察），结局指标涵盖能量消耗、步数、心率、距离、速度、活动计数、活动时间及身体活动强度等。纳入研究类型排除病例报告与病例系列，所有报告原始数据的研究均符合纳入条件。研究人员依据预设标准与预测试筛查表，先对文献标题与摘要进行初筛，再对潜在合格文献进行全文评估以确定最终纳入名单。
数据提取
数据提取至Microsoft Excel 365，提取内容包括：研究基本信息（第一作者、发表年份、研究类型：前瞻/回顾、观察/干预、随访时长、场景：实验室/现场）；人群特征（样本量、健康状况、性别、年龄分布）；准确性指标（步数、距离、速度、心率、活动计数、活动时间、身体活动强度）；设备可接受性（数据可及性、佩戴时长、易用性）。
诊断准确性指标
优先提取平均绝对百分比误差（MAPE）或平均百分比误差，若未报告则按以下优先级提取：均差、Bland-Altman均值偏差、组内相关系数（ICC）、皮尔逊或斯皮尔曼相关系数。若结局指标经二分类处理并计算灵敏度与特异度，则提取对应数值。所有指标均尽可能提取变异性度量或95%置信区间。对于报告格式不一的生物特征指标，统一标准化处理以增强可比性；若同一研究同时报告多种误差指标（如偏差与ICC），则选取系统评价领域最常用的统计量以保持一致性。为避免重复计数，对纳入系统评价中的原始研究进行交叉核对，剔除重复记录，确保每项原始研究仅参与一次合成。
结果合成
由于研究间存在显著异质性（包括参与者特征、场景、设备代际、传感器模态、参考标准及准确性统计指标的差异），未进行定量Meta分析，转而按结局领域与设备类型开展叙述性合成。准确性结果仅纳入至少两项独立研究采用可比参考标准验证的设备，包括Apple、Garmin、Fitbit、Polar、WHOOP、COROS等主流品牌及部分研究级设备。
伦理批准
本系统评价基于已发表数据开展，无需研究伦理委员会审批。
结果
概述
检索共识别1659篇腕戴设备相关文献，经筛选后47项研究符合纳入标准。纳入研究发表于2002至2025年，采用多样化方法学设计，包括与ECG、间接测热法及观察法等金标准的对比验证。样本量从4–20人的小型实验室队列到超过170人的大型观察性研究不等，另含1项样本量为1的横断面研究。评估设备涵盖Fitbit、Apple Watch、Garmin、Polar、小米、WHOOP等主流商用品牌。研究设计、活动方案及参考标准的异质性较高，无法进行定量合并，因此按心率、能量消耗、步数及身体活动强度等核心结局开展叙述性合成。结果显示准确性随时间显著提升：2010年前的早期研究测量误差较高，近期研究则因传感器升级、多传感器融合及机器学习算法的应用取得显著进展。
准确性
心率
2000年代初期的验证研究显示腕式心率监测设备存在显著误差，相关系数低至0.50，如Instapulse心率监测仪100在所有条件（包括静息状态）下均未达0.90的有效性标准。2009–2015年，传感器技术进步推动准确性提升：Polar S810与ECG在短期心率变异性测量中一致性优异，不同体位下的变异性指标无显著差异，可满足临床与科研需求；Apple Watch准确率达99.9%，Motorola Moto 360准确率为92.8%，精度范围为5.9%–20.6%，心率相关系数介于0.67（Mio Alpha）至0.95（Apple Watch）之间，百分比误差为1%–9%。2017年后，新型设备准确性进一步提升：Apple Watch的平均绝对百分比误差（MAPE）为1.14%–6.70%，Garmin与Fitbit误差相对较高；Fitbit Charge HR在久坐时段准确性最高（MAPE 7.2%），Apple Watch在有氧活动中表现更优；Samsung Gear S3在不同活动条件下变异度最高（MAPE 34%），但静息状态下表现良好（MAPE 4%）。2019年后研究聚焦于高端与医疗级设备验证：Polar Vintage信号质量达99.6%，与ECG一致性优异（r=0.997），可作为高强度活动中HRV测量的金标准；Apple Watch在跑步机运动中的误差低于5%，组内相关系数（ICC）接近1.00，有效性极佳；腕部超声物联网设备提取的心率与ECG相关性极高（r=0.99）；KCO8智能手表与袖带式参考设备平均心率无显著差异，相关性强且可靠性优异（ICC≈0.898）。但在高强度与高强度间歇训练方案中，设备准确性下降，部分设备出现数据丢失与偏差增大，心率超过160 bpm时尤为明显。总体而言，从2000年代早期设备到近期高端监测仪，心率测量进步显著：当前研究级设备误差常低于5%，相关性高，ICC超过0.95，但在高强度运动与心率快速变化时准确性仍会下降。
能量消耗
能量消耗（EE）是腕戴设备最难准确测量的生理指标。与心率或步数不同，EE并非直接测量，而是通过整合加速度测量、用户特征及部分光学心率数据的算法估算；而金标准方法（如间接测热法）需精确测量摄氧量（VO2）与二氧化碳产生量（VCO2），双标水法则可捕捉自由生活状态下的全身CO2周转率。由于商用可穿戴设备无法直接测量气体交换或底物氧化，估算误差几乎不可避免。2010年代早期验证研究显示，Polar Activity Watch 200等设备估算EE存在局限，尤其在长时间活动中常低估EE（相较于Oxycon Mobil等金标准），误差范围为9%–40%，Mio ALPHA等设备变异性较高。2017–2019年研究显示消费级设备在有氧跑步中的误差为-25%至+38%，Polar V800相对更准确；Apple Watch高估EE，MAPE最高达210%，Fitbit与Garmin在基线及中等强度下误差较大。后续算法优化提升了估算精度：Apple Watch 1的MAPE为15.2%，在有氧活动中有效性优于Fitbit Charge HR；在160–188 m/min的跑步机步行中，Apple Watch与间接测热法一致性良好，误差约10%–12%，适用于受控场景。2020年后研究显示，Apple Watch Series 7平均低估EE约27 kcal，但与肺量计测热法相关性高（r=0.93）；ActiGraph加速度计准确性最高，平均MAPE为14.51%，多数设备仍倾向于低估EE，高强度下误差可达16.6%–42.8%。总体而言，早期研究存在显著低估问题，近期高端设备（如Apple Watch与ActiGraph）准确性提升，误差常低于15%，但在高强度或长时间活动中仍存在局限。
步数
2000年代早期腕戴设备依赖单轴加速度计与简单阈值步数检测算法，在稳态步行外场景中误差显著。2010年代早期研究显示，Fitbit Zip与Yamax Digi-Walker步数计数相关性与可靠性较高，与参考设备无显著差异，但Fitbit日均步数略高；Fitbit One在步行中准确性高，误差<1.3%，但距离测量准确性较低。2015–2017年研究显示，多数腕戴设备在低速或户外步行时倾向于低估步数，误差范围为<2%至>26%；Movemonitor与ActiGraph误差极小（<2%），但部分消费级设备高估显著，如Nike+Fuelband平均高估超250步。2018年研究显示，Apple Watch 1与Fitbit Charge HR在有氧活动中步数追踪误差<10%；Apple Watch精度极高，总误差仅0.034%（约1步），不同步行速度下仅轻微高估。2019年后研究显示，Apple Watch步数计数精度稳定，平均绝对偏差（MAD）为7.7%，与ActiGraph相当，Yamax Digiwalker变异性较高（MAD 20.3%）；不同设备表现存在差异，Dongdong计步器变异度极低（MAPE 1%），Apple Watch 2变异度较高（MAPE 42%）。总体而言，腕戴设备步数计数准确性持续提升，误差常低于10%，但部分设备与场景仍存在变异性与高估/低估问题。
身体活动
身体活动强度分类是腕戴设备历史最久的挑战之一。2010年前，多数追踪器仅依赖加速度计估算强度，误分类误差常超过25%–35%：轻活动常被标记为 sedentary，中等强度运动常被低估；缺乏心率整合导致早期设备难以准确评估骑行、抗阻训练或生活方式活动（腕部加速度与代谢需求无线性相关）。2012年研究显示，GENEA设备腕部数据活动分类准确率极高：右腕96.97%（κ=0.954），左腕95.93%（κ=0.934），10折交叉验证显示右腕总体准确率97.2%，左腕96.01%。2013年研究显示，12.8秒时间窗下踝部数据分类准确率为95.0%，腕部略低（84.7%）；4秒短窗下腕部准确率微降至84.2%。14项活动的整体分类准确率约53%：篮球、慢跑、跑步机步行准确率>80%；按强度划分， sedentary活动约70%，轻中度活动约45%–46%，高强度活动约78%；骑行活动准确率<25%，受活动类型与设备佩戴位置影响显著。2021–2025年研究显示，WHOOP Strap、Fitbit Charge 4等新型设备在混合活动条件下误分类率普遍降至10%–15%；采用机器学习识别模型的设备表现更优，腕式WHOOP与Polar单元在多项验证中活动时段分类准确率>85%。但准确性仍受活动类型影响，抗阻训练、高强度间歇运动及混合运动仍存在分类挑战：腕式设备常低估高强度间歇，高估持续中等强度伴大幅度手臂活动的运动。尽管物理活动分类仍不完善，但过去二十年进步显著：早期纯加速度计设备误差>30%，当前多传感器系统误差多降至10%–15%。未来通过持续优化传感器融合、情境识别算法及个体化校准模型，准确性有望进一步提升。
讨论
本系统评价梳理了过去二十年腕戴式可穿戴设备的准确性与可接受性证据，总体显示技术显著进步的同时仍存在固有局限。纳入的47项研究提示，心率、能量消耗、步数及身体活动估算的准确性受品牌、设备代际、活动类型及参考方法影响显著。领域已从2000年代的纯加速度计设备演进为当前的多传感器系统，测量精度（尤其是心率与步数）显著提升，但复杂结局（尤其是能量消耗与身体活动强度）仍存挑战。
各结局准确性的演进
2010年前的早期验证研究普遍显示所有指标误差较大，能量消耗尤甚，表明早期设备无法满足精确测量需求。2015年后发布的Polar、Garmin、Fitbit设备准确性显著提升，多项独立研究显示稳态活动下平均绝对百分比误差降低，这反映了多轴加速度测量、光学PPG、陀螺仪与专有算法整合带来的传感器融合技术进步。2020–2025年的研究（包括Garmin vivosmart、Apple Watch、WHOOP系统的验证）一致显示受控实验室步行与跑步任务中精度提升，但自由生活场景下的准确性仍存波动，凸显了情境变异性对可穿戴传感器算法的持续挑战。
能量消耗仍是最具挑战性的指标
在所有结局中，能量消耗估算的准确性在各品牌与设备代际中均最低。尽管传感器技术与算法持续优化，近期验证研究仍显示相较于金标准（尤其是自由生活场景与高强度活动）存在显著误差。这一局限源于热量消耗生理过程的固有复杂性：准确估算需评估VO2与VCO2，仅能通过间接测热法或双标水法实现；而腕戴设备仅能通过运动、腕部加速度、用户特征、腕部温度及心率等替代指标间接推断能量消耗，导致跨活动与强度的准确性受限。尽管算法持续优化，但缺乏直接气体交换测量仍从根本上制约了能量消耗预测的准确性。因此，在临床或科研应用中解读可穿戴设备衍生的EE数据时，需充分考虑与测热法结果的偏差，尤其在需要精确代谢评估的场景中。
心率追踪的显著进步
相比之下，心率测量的时间进步最为显著。早期PPG系统易受运动伪影、肤色干扰及佩戴松动影响，而2021–2024年的验证研究显示，Garmin Fenix、Apple Watch、Polar Vantage等现代设备在稳态条件下平均绝对百分比误差极低，准确性已足以支持运动监测与科研应用，但在高强度或上肢主导活动中准确性仍会下降（变异度<5%）。相较于2000年代早期设备，当代可穿戴设备实现了质的飞跃。
步数与活动分类的改善
步数准确性同样受益于传感器灵敏度提升与机器学习分类算法的优化。2010年前，慢速步行时步数误差显著；2020–2023年的研究（如Fitbit Charge 4、Polar Elixir、Garmin vivosmart的验证）显示标准化条件下误差率降低。活动分类准确性亦有所提升，但变异性仍存：早期设备难以区分中等与高强度活动，且易误分类非移动性上肢运动；近期研究显示出中高强度身体活动（MVPA）检测能力提升，但部分人群中误分类率仍较高。新型可穿戴设备嵌入的机器学习模型稳健性更强，但自由生活环境的变异性仍会影响性能。
证据基础的优势与局限
纳入研究在设计、人群特征、设备类型、参考标准及结局指标上存在广泛异质性：受控实验室方案得出的准确性估计值普遍优于自由生活研究，反映了运动变异性对传感器可靠性的影响。部分研究样本量小、聚焦年轻健康成人或监测周期短，限制了结果在老年人群或临床群体中的外推性。另一局限在于可穿戴技术迭代迅速，2020年验证的设备可能在2025年已技术过时，增加了纵向对比的难度。当前证据基础的核心局限是多数验证研究在健康成人的标准化实验室条件下开展，限制了准确性估计在临床人群中的外推性：临床人群的运动模式、步速、摆臂、震颤、辅助设备使用、疲劳及疾病相关功能受限与健康人群存在显著差异，可能降低腕戴设备的准确性（尤其是步数、活动强度与能量消耗估算），因为多数商用算法主要基于健康用户的运动特征训练与验证。因此，健康成人中的设备性能不能直接外推至临床人群，需开展人群特异性验证。
对科研与实践的启示
本评价证实，腕戴设备已能满足多数科研与健康监测应用的需求，尤其是心率与步数测量。但在需要精确能量消耗测量的场景中需谨慎使用：临床试验或代谢研究仍需依赖间接测热法或双标水法。心率与步数准确性的持续提升令人鼓舞，表明可穿戴设备将在健康评估、远程监测与个性化运动处方中的作用持续扩大。
未来研究方向与生物技术公司建议
未来腕戴活动追踪器研究应优先推动方法学标准化，建立跨实验室与跨人群的统验证协议。当前参考标准与结局指标的不一致是主要局限，阻碍了设备间与跨研究的直接对比；建立类似心脏代谢生物标志物研究的共识指南，可为设备准确性提供更严格的基准测试，尤其是能量消耗等复杂结局。研究还应扩大验证人群范围，纳入老年人、慢性病患者及高BMI人群——这类人群是可穿戴设备的核心用户，但在现有验证研究中代表性不足。
生物技术公司需聚焦多项技术优先级：首先，提升能量消耗估算准确性仍是核心挑战。现有研究显示，即使最先进的设备在自由生活条件下误差仍超10%–20%，源于EE测量需准确量化VO2与VCO2或直接测量产热的生理复杂性。企业应探索超越加速度计与心率的混合传感器系统，整合皮肤温度、呼吸、皮肤电反应等额外生理信号及个体化代谢模型，以更精准地近似潜在代谢通路。其次，需优化PPG技术：尽管2020年后已取得显著进展，但运动伪影仍是高强度或上肢活动准确性的主要障碍。企业应投入改进光学配置、机器学习驱动的噪声抑制及动态响应运动强度变化的自适应采样技术；多波长PPG系统（已在部分新型号中应用）可进一步提升深色肤色或纹身用户的性能，这类条件已知会干扰信号穿透。对于临床试验与医疗应用，核心问题并非算法是否专有，而是是否有充分证据支持设备与算法在预期使用场景中的有效性。准确性评估需结合目标人群、关注结局、活动条件与预期应用开展；更高的数据处理透明度可支持可重复性与结果解读，但在将可穿戴衍生结局用于临床决策或研究终点前，场景特异性验证仍不可或缺。最后，下一代可穿戴技术应整合自适应、个性化算法，随个体生理特征动态调整。基于用户历史心率、运动模式与昼夜节律训练的纵向学习模型，可显著降低误差，提升对临床人群（接受生活方式干预或药物治疗）生理意义变化的敏感性。
总体而言，提升腕戴式活动追踪器的科学与临床效用，需要学术研究者、临床科学家与生物技术开发者的紧密协作。通过攻克现有技术局限、提升算法透明度及扩大跨人群验证范围，该领域有望实现从“活动追踪”到“提供可靠、临床可操作数据以支持精准健康与疾病预防”的跨越。
