La ricerca mira a convalidare l'accuratezza degli smartwatch per il fitness a basso costo confrontando i loro dati con le misurazioni gold standard utilizzate in ambito clinico. Questo protocollo valuta l'accuratezza e l'affidabilità degli smartwatch per il fitness, colmando le lacune nella comprensione delle loro prestazioni nel mondo reale man mano che la loro popolarità cresce. I nostri risultati forniranno preziose informazioni sull'accuratezza e l'affidabilità dei dati degli smartwatch per il fitness, che è fondamentale per i ricercatori e gli operatori sanitari che utilizzano questi dispositivi negli studi o in contesti clinici.
Per iniziare, chiedi ai partecipanti di indossare lo smartwatch fitness al polso non dominante. Collegare i partecipanti all'apparecchio della macchina per polisonnografia o PSG. Con lo smartwatch fitness, effettua due misurazioni del livello di saturazione di ossigeno nel sangue mentre il partecipante è in posizione supina.
Assicurati che il partecipante dorma per un massimo di sei ore. Dopo che il partecipante si è svegliato, usa lo smartwatch fitness per effettuare due ulteriori misurazioni del livello di saturazione di ossigeno nel sangue mentre rimane in posizione supina. Esporta le tendenze del sonno sia dalla macchina PSG che dallo smartwatch per il fitness in un file csv.
Includi dati sulla durata del sonno profondo, sulla durata del sonno leggero, sul tempo di movimento rapido degli occhi, sulla durata totale del sonno, sulla frequenza cardiaca e sui livelli di saturazione di ossigeno nel sangue. Per la convalida delle misurazioni dei passi dello smartwatch fitness, chiedi prima ai partecipanti di indossare lo smartwatch fitness al polso non dominante e di tenere uno smartphone nell'altra mano per la registrazione video dei passi. Imposta il conteggio dei passi sullo smartwatch fitness su zero, quindi avvia la registrazione dello smartphone e chiedi al partecipante di eseguire il test dei passi.
Registra il numero di passi misurati dallo smartwatch fitness. Per il test del cammino di tre minuti o 3-M WT, istruire il partecipante a camminare a un ritmo normale e costante per tre minuti su una superficie piana. Per la salita delle scale o il test SC, chiedi al partecipante di fare due rampe di scale in ordine ascendente e discendente a un ritmo normale e costante.
Calcola manualmente il numero di passaggi osservati nella registrazione video. Registra questi dati in un file csv, quindi esporta i conteggi dei passi dallo smartwatch fitness nello stesso file. Importa i pacchetti richiesti nell'area di lavoro di Python, quindi importa i dati di misurazione nell'area di lavoro di Python.
Sostituire il nome del file measurement_data. CSV con un nome file a scelta. Utilizzare la funzione drop in a per rimuovere eventuali valori vuoti per ciascun dato di misurazione.
Esegui il test di normalità Shapiro-Wilk per determinare se i dati hanno una distribuzione normale utilizzando il pacchetto Shapiro delle statistiche SciPy in Python. Ora, esegui un T-test di esempio accoppiato utilizzando il pacchetto TestRail T-test di SciPy stats in Python se i dati hanno una distribuzione normale. In caso contrario, eseguire il test di Mann-Whitney Wilcoxon utilizzando il pacchetto SciPy stats Wilcoxon.
Sostituire measure1_toolA e measure1_toolB con i rispettivi nomi di colonna preferiti nel codice. Quindi utilizzare il metodo co e d per misurare l'entità della differenza tra gli strumenti. Ha utilizzato l'analisi di Bland-Altman per valutare l'accordo tra due strumenti, inclusa la media, o differenza mediana, la deviazione standard e l'intervallo di confidenza al 95% della distorsione.
Traccia l'analisi di Bland-Altman per la visualizzazione utilizzando il pacchetto di grafici a torta Matplotlib in Python. Il tempo di sonno superficiale ha mostrato una grande distorsione di 27,77 minuti con ampi limiti di accordo, indicando una significativa variabilità nelle misurazioni da parte dello smartwatch rispetto al PSG. Il tempo totale di sonno è stato sovrastimato di 41,5 minuti, con limiti di accordo più ampi, indicando occasionali discrepanze nel monitoraggio della durata del sonno.
Il tempo REM ha mostrato una distorsione minima e una deviazione standard, suggerendo una buona intercambiabilità tra lo smartwatch e il PSG per questo parametro. Il tempo di risveglio è stato sovrastimato dallo smartwatch, con un chiaro raggruppamento e una tendenza al rialzo delle differenze, che indicano una distorsione della misurazione. La frequenza cardiaca media ha mostrato una distorsione minima e un buon raggruppamento vicino alla linea di polarizzazione, indicando un forte accordo.
La frequenza cardiaca minima mostrava alcuni valori anomali, suggerendo difficoltà nel rilevare le basse frequenze cardiache, anche se l'accordo generale era ragionevole. La frequenza cardiaca massima ha mostrato una notevole dispersione, riflettendo la variabilità nel monitoraggio dei valori di picco da parte dello smartwatch. La saturazione di ossigeno nel sangue ha mostrato una distorsione minima e limiti ristretti di accordo, riflettendo un elevato accordo tra i dispositivi.
Lo smartwatch ha sottostimato significativamente i passi per 3-M WT di una media di 31,33 passi e i passi SC di 11.
