A pesquisa visa validar a precisão de smartwatches de baixo custo, comparando seus dados com medições padrão-ouro usadas em ambientes clínicos. Este protocolo avalia a precisão e a confiabilidade dos smartwatches de fitness, abordando lacunas na compreensão de seu desempenho no mundo real à medida que sua popularidade cresce. Nossas descobertas fornecerão informações valiosas sobre a precisão e confiabilidade dos dados do smartwatch de fitness, o que é crucial para pesquisadores e profissionais de saúde que usam esses dispositivos em estudos ou ambientes clínicos.
Para começar, peça aos participantes que usem o smartwatch de fitness em seu pulso não dominante. Prenda os participantes ao aparelho da máquina de polissonografia ou PSG. Com o smartwatch fitness, faça duas medições do nível de saturação de oxigênio no sangue enquanto o participante está em decúbito dorsal.
Certifique-se de que o participante durma no máximo seis horas. Depois que o participante acordar, use o smartwatch fitness para fazer duas medições adicionais do nível de saturação de oxigênio no sangue enquanto permanece em decúbito dorsal. Exporte as tendências de sono da máquina PSG e do smartwatch fitness para um arquivo csv.
Inclua dados sobre a duração do sono profundo, duração do sono leve, tempo de movimento rápido dos olhos, duração total do sono, frequência cardíaca e níveis de saturação de oxigênio no sangue. Para a validação das medições de passos do smartwatch de fitness, primeiro faça com que os participantes usem o smartwatch de fitness no pulso não dominante e segurem um smartphone na outra mão para fins de gravação de vídeo de passos. Defina a contagem de passos no smartwatch de fitness para zero, inicie a gravação do smartphone e peça ao participante que realize o teste de passos.
Registre o número de passos medidos pelo smartwatch fitness. Para o teste de caminhada de três minutos ou 3-M WT, instrua o participante a caminhar em um ritmo normal e constante por três minutos em uma superfície plana. Para o teste de subir escadas ou SC, peça ao participante que suba dois lances de escada em ordem ascendente e descendente em um ritmo normal e constante.
Calcule manualmente o número de passos observados na gravação de vídeo. Registre esses dados em um arquivo csv e exporte a contagem de passos do smartwatch fitness para o mesmo arquivo. Importe os pacotes necessários para o espaço de trabalho do Python e, em seguida, importe os dados de medição para o espaço de trabalho do Python.
Substitua o nome do arquivo measurement_data. csv com um nome de arquivo de sua escolha. Use a função drop in a para remover quaisquer valores vazios para cada dado de medição.
Execute o teste de normalidade de Shapiro-Wilk para determinar se os dados têm uma distribuição normal usando o pacote Shapiro de estatísticas do SciPy em Python. Agora, execute um teste T de amostra emparelhado usando o pacote TestRail de teste T de estatísticas do SciPy em Python se os dados tiverem uma distribuição normal. Caso contrário, execute o teste de Mann-Whitney Wilcoxon usando o pacote SciPy stats Wilcoxon.
Substitua measure1_toolA e measure1_toolB pelos respectivos nomes de coluna de escolha no código. Em seguida, use o método co e d para medir a magnitude da diferença entre os instrumentos. Utilizou a análise de Bland-Altman para avaliar a concordância entre dois instrumentos, incluindo diferença média ou mediana, desvio padrão e intervalo de confiança de 95% do viés.
Plote a análise de Bland-Altman para visualização usando o pacote de gráfico de pizza Matplotlib em Python. O tempo de sono raso mostrou um grande viés de 27,77 minutos com amplos limites de concordância, indicando variabilidade significativa nas medições do smartwatch em comparação com o PSG. O tempo total de sono foi superestimado em 41,5 minutos, com limites de concordância mais amplos, indicando incompatibilidades ocasionais no rastreamento da duração do sono.
O tempo REM mostrou viés e desvio padrão mínimos, sugerindo boa intercambialidade entre o smartwatch e o PSG para este parâmetro. O tempo de despertar foi superestimado pelo smartwatch, com claro agrupamento e tendência ascendente nas diferenças, indicando viés de medição. A frequência cardíaca média exibiu viés mínimo e bom agrupamento próximo à linha de viés, indicando forte concordância.
A frequência cardíaca mínima apresentou alguns valores discrepantes, sugerindo dificuldade em detectar frequências cardíacas baixas, embora a concordância geral tenha sido razoável. A frequência cardíaca máxima exibiu dispersão notável, refletindo a variabilidade no rastreamento dos valores de pico pelo smartwatch. A saturação de oxigênio no sangue mostrou viés mínimo e limites estreitos de concordância, refletindo alta concordância entre os dispositivos.
O smartwatch subestimou significativamente os passos para 3-M WT em uma média de 31,33 passos e os passos SC em 11.
