심혈관 및 신체 활동 모니터링을 위한 피트니스 스마트워치 데이터의 정확성 평가: 디지털 건강의 검증 연구

요약

웨어러블 기술은 비용이 저렴하고 생리학적 데이터를 편리하게 모니터링할 수 있습니다. 그러나 이러한 장치의 정확성과 신뢰성은 사용자에 대한 효율성과 안전성을 보장하기 위해 신중한 평가가 필요합니다. 이 보고서는 생리학적 데이터 및 신체 활동을 모니터링하는 상업용 스마트워치의 검증 프로세스를 설명합니다.

초록

이 연구는 심혈관 및 신체 활동 매개변수에 대한 황금 표준 측정값과 데이터를 비교하여 저비용 피트니스 스마트워치의 정확성을 검증하는 것을 목표로 합니다. 이 연구에는 50명의 피험자가 등록되었으며, 이 중 26명은 심박수, 혈중 산소 포화도(SpO2) 및 수면다원검사(PSG)에 대한 수면 데이터에 대한 검증 테스트를 받았습니다. 또한 24명의 피험자가 3분 걷기 테스트(3MWT)와 계단 오르기(SC)에 참여했으며, 걸음 수는 수동 비디오 계산과 비교하여 검증되었습니다. 그 결과, 얕은 수면, 깊은 수면, REM 시간, 평균 심박수, 최소 심박수 및 SpO2에 대한 장치의 측정값과 황금 표준 값 간에 큰 차이는 없는 것으로 나타났습니다. 그러나 이 장치는 최대 심박수(p = 0.011)를 과대평가하면서 수동으로 계산된 걸음 수(p = 0.009(3MWT), p = 0.012(SC)), 총 수면 시간(p = 0.004) 및 기상 시간(p = 8.94 × ^10-8)을 현저히 과소평가했습니다. 이러한 결과는 임상 상황에서 웨어러블 장치 데이터의 정확한 검증 및 해석의 중요성을 강조합니다. 이러한 제한 사항을 감안할 때 향후 분석에서 장치의 판독값을 제외하는 것이 데이터 신뢰성과 연구 무결성을 유지하는 것이 좋습니다. 이 연구는 의료 분야에서 웨어러블 기술의 신뢰성과 효과를 보장하기 위해 웨어러블 기술의 지속적인 검증과 개선의 필요성을 강조합니다.

서문

웨어러블 기술의 인기가 높아지면서 일상 생활의 다양한 부분에서 보편화되었습니다¹. 센서와 알고리즘을 탑재한 이러한 기술은 생리학적 매개변수를 모니터링하고 해석하는 방식을 변화시켜 사용자에게 건강 정보를 제공하고 운동을 추적하며 사용자가 보다 건강한 라이프스타일을 가질 수 있도록 합니다. 인공 지능 및 패턴 인식의 통합은 가상 현실 및 증강 현실 기능과 같이 점점 더 인기를 얻고 있는 기능과 결합되어 웨어러블 장치의 기능을 향상시킬 뿐만 아니라 고급 개인화 데이터 분석과 보다 매력적인 사용자 경험을 가능하게 합니다 ^2,3. 웨어러블 장치가 일상 생활에 점점 더 통합됨에 따라 특히 스포츠 성능 모니터링 및 의료와 같은 산업에서 정확성과 신뢰성을 이해하는 것이 가장 중요해졌습니다.

웨어러블은 만성 질환에 대한 실시간 환자 데이터 로깅의 이점을 제공하여 환자와 의료 전문가 모두에게 귀중한 통찰력을 제공합니다. 신체 활동, 대화 시간, 수면 시간과 같은 지표는 우울증, 수면 무호흡증, 파킨슨병과 같은 질병의 중증도를 평가하는 데 도움이 될 수 있습니다 ^4,5,6. 포도당, 심박수 및 체온을 모니터링하는 전자 스탬프와 같은 새로운 기술이 임상 테스트를 진행하고 있으며, Healtchcare⁷에서 고급 웨어러블의 가능성을 더욱 확장하고 있습니다. 또한 운동선수와 피트니스 애호가는 웨어러블 기술을 활용하여 훈련 요법을 최적화하고 성과 지표를 추적하며 부상을 예방합니다 ^8,9. 생리학적 매개변수, 활동 데이터 및 심전도 기록과 같은 기능에 대한 정기적인 평가의 통합은 심혈관 질환의 진단 및 추적에 도움이 되는 웨어러블의 잠재력에 대한 관심을 불러일으켰습니다 ^8,10. 웨어러블 기기는 직장 안전을 강화하고 라이프스타일 관리를 개선하며 사용자에게 더 건강한 습관을 주입하는 데 유망한 것으로 나타났습니다¹¹.

잘 알려진 저비용 웨어러블 기술이자 전 세계적으로 가장 널리 사용되는 스마트워치 중 하나인 샤오미 미 밴드(Xiaomi Mi Band)¹²와 같은 피트니스 스마트워치 밴드는 의학, 스포츠, 교육 등 다양한 응용 분야에 적용되고 있다¹³. 예를 들어, 연구에서는 피트니스 스마트워치를 활용하여 노인^14,15의 생리적 매개변수를 모니터링하고, STEM 교육 13 중 학생 행동을 분석하고,^{16,17 개인의 신체} 활동을 평가했습니다. 광범위한 사용에도 불구하고 이러한 장치가 제공하는 측정의 정밀도와 신뢰성에 대한 지속적인 질문이 있습니다. 웨어 러블 기술 12,18,19,20에서 얻은 측정값을 검증하기 위해 수많은 조사가 시도되었습니다. 이전 연구에서는 걸음 수 계산의 정확성과 수면 모니터링의 기능을 조사하여 광범위한 설정 및 사용자 인구 통계에서 장치의 성능에 대한 통찰력을 제공했습니다. 그러나 기존 연구는 연구 전반에 걸쳐 모순된 결과와 수면다원검사(polysomnography) 21,22,23와 같은 황금 표준 방법론에 대한 불충분한 검증과 같은 지식의 상당한 격차를 나타냅니다.

이 연구의 목적은 피트니스 스마트워치에서 얻은 데이터를 검증하고 피트니스 스마트워치의 신뢰성을 다루는 것입니다. 웨어러블 기기의 수면 추적 정확도 및 심박수, 혈중 산소 수치 및 걸음 수와 같은 기타 관련 지표를 평가하는 목표는 높은 수준의 정확성과 정밀도가 필요한 임상 및 연구 애플리케이션에 대한 기기의 적합성에 대한 중요한 통찰력을 제공하는 것입니다. 이는 엄격한 방법론과 견고한 통계 분석을 통해 웨어러블 기술 검증에 대한 연구가 증가하는 데 기여하고, 궁극적으로 더 나은 건강 결과와 웰빙을 위해 이러한 도구를 사용할 수 있는 능력을 향상시키기 위한 것입니다.

프로토콜

연구 프로토콜은 Universiti Malaya Medical Center(UMMC) 윤리 검토 위원회(MREC 번호: 2021325-9983)의 승인을 받았습니다. 피트니스 스마트워치 측정에 대한 검증 연구는 (1) PSG 기계를 사용한 황금 표준에 대한 수면 측정 검증, (2) 비디오 녹화의 수동 계산을 비교하여 걸음 수 측정 검증, (3) 검증 테스트의 데이터 분석의 세 부분으로 나뉩니다.

1. 수면다원검사(PSG)에 대한 수면 측정 검증

참고: 이 연구는 외부 방해를 최소화하기 위해 통제된 수면 실험실에서 수행됩니다. 테스트 전에 모든 참가자는 연구에 대해 자세히 설명하고 서면 동의서를 얻기 전에 연구 정보 시트를 제공받았습니다. 수집된 모든 정보는 익명으로 유지됩니다.

1. 참가자가 필요한 준비를 위해 테스트 시작 1시간 전에 도착하도록 합니다.
2. 참가자는 주로 사용하지 않는 손목에 피트니스 스마트워치를 착용합니다.
3. 제조업체의 설명서에 따라 PSG 기계의 장치에 참가자를 부착하십시오²⁴.
   알림: 수면 중 참가자의 불편함을 최소화하기 위해 제조업체의 설명서에 따라 PSG 전극의 표준화된 배치를 사용하십시오.
4. 누운 자세로 피트니스 스마트워치를 사용하여 혈중 산소 포화도(SpO2)를 두 번 측정합니다.
5. 참가자가 최대 6시간 동안 잠을 잘 수 있도록 합니다.
   참고: 기술 담당자는 수면 시간 동안 PSG 기계를 모니터링합니다.
6. 참가자가 깨어난 후 누운 자세로 피트니스 스마트워치를 사용하여 SpO2를 두 번 측정합니다.
7. PSG 기계와 피트니스 스마트워치의 수면 추세, 즉 깊은 수면 시간, 가벼운 수면 시간, 빠른 안구 운동(REM) 시간 및 수면 시간, 심박수(최소, 평균, 최대 심박수) 및 SpO₂를 .csv 파일로 내보냅니다. 데이터^24,25를 내보내는 방법은 각 장치의 제조업체 설명서를 참조하십시오.
8. 데이터 분석을 위해 섹션 3으로 진행합니다.

2. 비디오 녹화에서 수동 계산을 통한 피트니스 스마트워치 걸음 수 측정 검증

참고: 테스트 전에 모든 참가자는 연구에 대해 자세히 브리핑하고 서면 동의서를 얻기 전에 연구 정보 시트를 제공합니다. 수집된 모든 정보는 익명으로 유지됩니다. 건강 상태가 양호하고 이동성 장애가 없는 참가자만 이 검증 테스트를 위해 선택됩니다.

1. 참가자가 주로 사용하지 않는 손목에 피트니스 스마트워치를 착용하고 다른 한편으로는 발자국 비디오 녹화 목적으로 스마트폰을 들고 있는지 확인합니다.
2. 피트니스 스마트워치의 걸음 수를 0으로 설정합니다. 스마트폰에서 녹음을 시작하고 참가자가 2.3단계에 표시된 대로 단계 테스트를 수행하도록 합니다. 녹음을 중지하고 저장합니다. 피트니스 스마트워치에서 측정된 걸음 수를 기록합니다.
3. 참가자가 두 가지 유형의 단계 테스트(i) 3MWT 및 (ii) SC 테스트를 완료하도록 합니다.
   1. 3MWT: 참가자가 평평한 표면에서 3분 동안 정상적이고 일정한 속도로 걷도록 합니다.
   2. SC 테스트: 참가자가 정상적이고 일정한 속도로 오르막과 내리막길로 두 층의 계단을 오르내리게 합니다.
4. 녹화를 재생하고 비디오 녹화의 단계 수를 계산합니다. 데이터를 .csv 파일에 기록합니다. 피트니스 스마트워치의 걸음 수를 동일한 파일로 내보냅니다. 데이터를 내보내는 방법은 피트니스 스마트워치 제조사의 매뉴얼을 참조하십시오²⁵.
5. 데이터 분석을 위해 섹션 3으로 진행합니다.

3. 검증 테스트의 데이터 분석

참고: 이 프로토콜에서 Python의 scipy.stats 패키지는 pingouin 패키지가 대신 사용된 Cohen d 테스트를 제외한 모든 분석 테스트를 수행하는 데 사용되었습니다. 코드는 보충 파일 1에 있으며, 여기서 각 단계는 주석 줄에 언급되어 있습니다.

1. Python의 작업 공간에 필요한 패키지를 가져옵니다.
2. 측정 데이터를 Python의 작업 공간으로 가져옵니다. 파일 이름 measurement_data.csv 선택한 파일 이름으로 바꿉니다.
3. 각 측정 데이터에 대해 dropna() 함수를 사용하여 빈 값을 제거합니다. 그런 다음 Shapiro-Wilk 정규성 테스트를 수행하여 Python의 scipy.stats shapiro 패키지를 사용하여 데이터에 정규 분포가 있는지 확인합니다.
4. 데이터가 정규 분포를 갖는 경우 Python에서 scipy.stats ttest_rel 패키지를 사용하여 쌍을 이루는 샘플 t-test를 수행하고, 그렇지 않으면 Python에서 scipy.stats wilcoxon 패키지를 사용하여 Mann-Whitney Wilcoxon을 수행합니다. 결과의 p-값이 0.05< 경우 두 기기의 측정 데이터 간에 상당한 차이가 있음을 의미합니다. 코드에서 measure1_toolA 및 measure1_toolB 를 선택한 각 열 이름으로 바꿉니다.
5. Cohen d 방법을 사용하여 효과 크기를 통해 기기 간 차이의 크기를 측정합니다. 출력 0.2는 작은 효과, 0.5는 보통 효과, 0.8은 큰 효과를 나타냅니다.
6. Bland-Altman 분석을 사용하여 평균 또는 중위수 차이, 표준 편차(SD) 및 치우침의 95% CI와 같은 두 도구 간의 합치도를 평가합니다. Python에서 matplotlib.pyplot 패키지를 사용하여 출력을 쉽게 시각화할 수 있도록 Bland-Altman 분석을 플로팅합니다.
7. 두 기기의 측정 데이터의 각 쌍에 대해 3.5단계까지 3.7단계를 반복합니다.

결과

표 1 은 검증 테스트의 첫 번째 부분에서 PSG와 피트니스 스마트워치의 데이터 간에 상당한 차이(p-값 < 0.05)를 보여줍니다. 피트니스 스마트워치는 기상 시간(p < 0.001)을 과대 평가하고, 수면 시간을 과소 평가했으며(p = 0.004), 더 높은 최대 심박수(p = 0.001)를 보고했습니다. 그러나 얕은 수면 시간, 깊은 수면 시간, REM 시간, 평균 심박수, 최소 심박수 및 혈중 산소 ...

토론

피트니스 스마트워치의 몇 가지 한계는 비교 분석의 혼합된 결과를 기반으로 확인되었습니다. 스마트워치 측정의 높은 가변성은 PSG에서 사용되는 뇌파(EEG)와 같은 보다 상세한 측정보다는 움직임 및 심박수 데이터에 의존하기 때문일 수 있습니다. 깊은 수면과 REM 시간이 더 잘 일치하는 것으로 나타났으며, 이는 피트니스 스마트워치가 일반적인 수면 모니터링에 적합할 ...

자료

Name	Company	Catalog Number	Comments
Sleep Diagnostic System	Natus Neurology & Compumedics		Referred in manuscript as PSG machine
Xiaomi Mi Band 6	Xiaomi		Referred in manuscript as fitness smartwatch