性能评估Fitbit Charge 3和actigraphy与polysomnography:在参与者和夜间的灵敏度,特异性和可靠性

科学领域:

• 睡眠科学 睡眠科学
• 生物医学工程 生物医学工程
• 可穿戴技术是可穿戴的技术.

背景情况:

• 准确的睡眠/清醒分类对于睡眠研究至关重要.
• 像Fitbit Charge 3这样的消费者可穿戴设备越来越多地用于健康监测.
• 验证与多睡眠学相比,对于评估可穿戴设备的准确性至关重要.

研究的目的:

• 为了比较Fitbit Charge 3和Micro Motionlogger之间的睡眠/清醒分类的准确性和可靠性.
• 为了评估Cole-Kripke和Sadeh分数算法的性能,使用这两种设备.
• 为了确定与同时进行的多睡眠记录 (PSG) 记录相对的准确性.

主要方法:

• 在21名大学生家中,在3个晚上使用Fitbit Charge 3,动图和多睡眠仪进行了同时录音.
• 使用灵敏度,特异性,正预测值 (PPV) 和负预测值 (NPV) 来评估睡眠/清醒分类的准确性.
• 分析了不同受试者和夜间的特异性和NPV的变化.

主要成果:

• 无论是Fitbit Charge 3还是actigraphy都显示出类似的高灵敏度,用于睡眠分类 (0.95-0.96).
• 与动图相比,Fitbit Charge 3在唤醒分类方面表现出显著更高的特异性 (0.69) 和PPV (0.99) 相比,动图分别是 (0.33-0.29和0.97).
• 惠比特Charge 3表现出更高的可靠性与较低的标准偏差的特异性和NPV跨主题和夜晚.

结论:

• 在识别唤醒段时,Fitbit Charge 3比FDA批准的Micro Motionlogger行动摄影更加准确和可靠.
• 消费者可穿戴设备在睡眠/清醒跟踪方面表现有前途,但需要进一步开发使用原始多传感器数据创建开源算法.