Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Gesundheitswissenschaften# Öffentliche und globale Gesundheit

Bewertung von tragbaren Geräten für Aktivitätsverfolgung

Eine Studie beurteilt die Genauigkeit von beliebten Fitness-Trackern bei der Messung von Bewegung.

― 6 min Lesedauer


Genauigkeit von tragbarenGenauigkeit von tragbarenFitness-Trackernzuverlässig Bewegungen messen.Eine Studie zeigt, dass beliebte Geräte
Inhaltsverzeichnis

In den letzten 20 Jahren hat sich die Art und Weise, wie wir messen, wie viel wir uns bewegen, deutlich verbessert. Eine grosse Veränderung ist der Aufstieg von tragbaren Geräten wie Fitness-Trackern und Smartwatches. Diese Geräte nutzen Sensoren namens Beschleunigungsmesser, um Bewegungen zu verfolgen und können genauere Daten liefern als traditionelle Selbstberichte. Selbstberichtete Daten können von Erinnerungen und dem Wunsch beeinflusst werden, wie man wahrgenommen werden möchte, was sie weniger zuverlässig macht.

Tragbare Geräte

Beliebte tragbare Geräte wie die Apple Watch, Fitbit und Garmin-Uhren haben es den Leuten leichter gemacht, ihre körperliche Aktivität zu überwachen. Diese Uhren sind nicht nur mit Beschleunigungsmessern ausgestattet, die Bewegungen überwachen, sondern auch so gestaltet, dass sie bequem und stylish sind, was es einfach macht, sie jeden Tag zu tragen. Sie sind oft erschwinglich, wiederaufladbar und wasserdicht, und einige Modelle sind sogar für Kinder gemacht. Ausserdem haben diese Geräte eine bessere Akkulaufzeit als früher und halten bis zu 54 Tage mit einer einzigen Ladung. Das hat viele Forscher dazu gebracht, zu untersuchen, wie genau diese Geräte körperliche Aktivität messen.

Einschränkungen der aktuellen Studien

Obwohl viele Studien untersucht haben, wie gut diese Verbrauchergeräte Bewegungen messen, gibt es immer noch Einschränkungen. Die meisten dieser Studien beruhen auf speziellen Algorithmen, die von den Firmen erstellt wurden, die diese Geräte herstellen. Das Problem ist, dass Forscher diese Algorithmen nicht einsehen oder testen können, was es schwierig macht, ihre Zuverlässigkeit zu beurteilen. Da Firmen diese Algorithmen jederzeit ändern können, können die Ergebnisse desselben Geräts im Laufe der Zeit unterschiedlich aussehen, selbst wenn sich das Aktivitätsniveau einer Person nicht ändert.

Ein neuer Ansatz

Um diese Probleme anzugehen, ziehen Forscher einen neuen Ansatz in Betracht. Diese Methode nutzt eine gängige Art der Datenverarbeitung von verschiedenen Geräten, was Vergleiche zwischen verschiedenen Marken ermöglicht. Viele Verbrauchergeräte bieten mittlerweile Zugriff auf die Rohdaten ihrer Beschleunigungsmesser. Das erleichtert den Vergleich der Messungen der körperlichen Aktivität von verschiedenen Geräten über die Zeit.

Bevor diese neue Methode angewendet wird, ist es entscheidend, Studien durchzuführen, die die Zuverlässigkeit und Genauigkeit der Rohdaten dieser Geräte überprüfen. Das bedeutet, sie unter kontrollierten Bedingungen zu testen, um zu sehen, wie gut sie bei der Messung von Bewegungen abschneiden.

Die Studie

In dieser Studie haben Forscher Daten von vier verschiedenen Gerätetypen untersucht: dem ActiGraph (ein Forschungs-Beschleunigungsmesser), der Apple Watch Series 7, der Garmin Vivoactive 4S und dem Fitbit Sense. Sie haben die Daten dieser Geräte mit Daten verglichen, die von einem mechanischen Rütteltisch gesammelt wurden, der kontrollierte Bewegungen mit verschiedenen Geschwindigkeiten erzeugt.

Insgesamt wurden 40 Geräte genutzt, jeweils zehn von jedem Typ. Jedes Gerät war sicher am Rütteltisch befestigt, der sich in unterschiedlichen Geschwindigkeiten bewegte. Die Forscher sammelten Daten von den Geräten und stellten sicher, dass sie die Informationen auf standardisierte Weise aufzeichneten.

Testprozess

Für die Zuverlässigkeitstests wurden die Geräte paarweise nebeneinander getestet. Jedes Gerät durchlief mehrere zwei-minütige Versuche bei verschiedenen Geschwindigkeiten, um zu sehen, wie gut sie die Beschleunigung mass. Ein ähnlicher Prozess wurde für die Validierungstests verwendet, bei denen die Geräte eine Reihe von Bewegungen über einen längeren Zeitraum massen.

Datensammlung

Die Geräte sammelten Rohbeschleunigungsdaten, die dann verarbeitet wurden, um die Bewegungsniveaus zu analysieren. Die Forscher verwendeten zwei Methoden, um die Daten zu berechnen - einen Mittelwert und einen quadrierten Mittelwert (RMS). Das ermöglichte ihnen, die Ergebnisse leicht zwischen den Geräten zu vergleichen.

Ergebnisse zur Zuverlässigkeit

Die Studie ergab eine gute bis ausgezeichnete Zuverlässigkeit der Geräte. Die Apple Watch erzielte beispielsweise nahezu perfekte Zuverlässigkeit, während die anderen Geräte ebenfalls gut abschnitten. Das deutet darauf hin, dass diese Verbrauchergeräte Bewegungen genau messen können, wenn sie mit Forschungsgeräten verglichen werden.

Ergebnisse zur Validität

Bei der Untersuchung, wie genau diese Geräte Bewegungen messen, fanden die Forscher starke positive Korrelationen zwischen den Daten aller Geräte und dem Rütteltisch. Der ActiGraph, die Apple Watch und Fitbit lieferten Schätzungen, die einander ähnelten, während Garmin mehr Abweichungen zeigte. Diese Inkonsistenz ist besorgniserregend, da sie zu weniger genauen Schätzungen der körperlichen Aktivität bei der Verwendung von Garmin-Geräten führen könnte.

Trotz der Mängel von Garmin deutete die Studie darauf hin, dass Apple und Fitbit körperliche Aktivität zuverlässig schätzen konnten. Die Unterschiede in der Leistung könnten auf Variationen in der Technologie und dem Design jedes Geräts zurückzuführen sein.

Einschränkungen

Auch mit diesen vielversprechenden Ergebnissen gibt es Einschränkungen zu beachten. Zum Beispiel könnten die Geräte Schwierigkeiten haben, niedrige Aktivitätsniveaus genau zu kategorisieren, was für das Verständnis der gesamten Bewegung wichtig ist. Viele Studien haben gezeigt, dass Messfehler zu Verwirrung über leichte und sitzende Aktivitäten führen können.

Stärken der Studie

Eine der Hauptstärken dieser Studie war die Verwendung eines mechanischen Rütteltisches, um kontrollierte und wiederholbare Tests durchzuführen. Das ermöglichte es den Forschern, alle Geräte direkt basierend auf denselben Kriterien zu vergleichen. Ausserdem bot die Untersuchung der Rohbeschleunigungsdaten Einblicke, wie verschiedene Geräte Bewegungen messen, ohne sich auf komplizierte Softwareverarbeitung zu verlassen.

Zukünftige Implikationen

Die Ergebnisse deuten darauf hin, dass Verbrauchergeräte, insbesondere die Apple Watch und Fitbit, zuverlässige Werkzeuge zur Schätzung körperlicher Aktivität sind. In Zukunft könnte die Kombination von Daten dieser Geräte mit anderen Kennzahlen wie der Herzfrequenz unser Verständnis der körperlichen Aktivitätsniveaus verbessern.

Forscher hoffen, diesen geräteunabhängigen Ansatz weiter zu erkunden und die Geräte in realen Umgebungen statt in kontrollierten Bedingungen zu testen. Das könnte ein klareres Bild davon bieten, wie gut diese Verbrauchergeräte bei alltäglichen Aktivitäten abschneiden.

Fazit

Zusammenfassend haben tragbare Geräte die Art und Weise, wie wir körperliche Aktivität messen, revolutioniert. Während viele Verbrauchergeräte vielversprechende Ergebnisse zeigen, bleiben Herausforderungen, um sicherzustellen, dass ihre Schätzungen genau sind, insbesondere für niedrigere Bewegungsniveaus. Die Studie zeigte, dass die Rohbeschleunigungsdaten von Geräten wie der Apple Watch und Fitbit denen von Forschungsgeräten ähnlich sind, was es Verbrauchern und Forschern ermöglicht, Vertrauen in ihre Messungen zu haben. Fortlaufende Forschung ist nötig, um die Fähigkeiten und Einschränkungen dieser Geräte vollständig zu erkunden und ihr Potenzial zur Verbesserung der Gesundheit und Fitness zu nutzen.

Originalquelle

Titel: Comparison of raw accelerometry data from ActiGraph, Apple Watch, Garmin, and Fitbit using a mechanical shaker table

Zusammenfassung: The purpose of this study was to evaluate the reliability and validity of the raw accelerometry output from research-grade and consumer wearable devices compared to accelerations produced by a mechanical shaker table. Raw accelerometry data from a total of 40 devices (i.e., n=10 ActiGraph wGT3X-BT, n=10 Apple Watch Series 7, n=10 Garmin Vivoactive 4S, and n=10 Fitbit Sense) were compared to the criterion accelerations produced by an orbital shaker table at speeds ranging from 0.6 Hz (4.4 milligravity-mg) to 3.2 Hz (124.7mg). For reliability testing, identical devices were oscillated at 0.6 and 3.2 Hz for 5 trials that lasted 2 minutes each. For validity testing, devices were oscillated for 1 trial across 7 speeds that lasted 2 minutes each. The intraclass correlation coefficient (ICC) was calculated to test inter-device reliability. Pearson product moment, Lins concordance correlation coefficient (CCC), absolute error, and mean bias were calculated to assess the validity between the raw estimates from the devices and the criterion metric. Estimates produced by the raw accelerometry data from Apple and ActiGraph were more reliable ICCs=0.99 and 0.97 than Garmin and Fitbit ICCs=0.88 and 0.88, respectively. Estimates from ActiGraph, Apple, and Fitbit devices exhibited excellent concordance with the criterion CCCs=0.88, 0.83, and 0.85, respectively, while estimates from Garmin exhibited moderate concordance CCC=0.59 based on the mean aggregation method. ActiGraph, Apple, and Fitbit produced similar absolute errors=16.9mg, 21.6mg, and 22.0mg, respectively, while Garmin produced higher absolute error=32.5mg compared to the criterion based on the mean aggregation method. ActiGraph produced the lowest mean bias 0.0mg (95%CI=-40.0, 41.0) based on the mean aggregation method. Raw accelerometry data collected from Apple and Fitbit are comparable to ActiGraph. However, raw accelerometry data from Garmin appears to be different. Future studies may be able to develop algorithms using device-agnostic methods for estimating physical activity from consumer wearables.

Autoren: James W. White III, J. W. White, O. Finnegan, N. Tindall, S. Nelakuditi, D. E. Brown, R. R. Pate, G. J. Welk, M. de Zambotti, R. Ghosal, Y. Wang, S. Burkart, E. L. Adams, M. Chandrashekhar, B. Armstrong, M. W. Beets, R. G. Weaver

Letzte Aktualisierung: 2023-06-04 00:00:00

Sprache: English

Quell-URL: https://www.medrxiv.org/content/10.1101/2023.05.25.23290556

Quell-PDF: https://www.medrxiv.org/content/10.1101/2023.05.25.23290556.full.pdf

Lizenz: https://creativecommons.org/licenses/by/4.0/

Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.

Vielen Dank an medrxiv für die Nutzung seiner Open-Access-Interoperabilität.

Mehr von den Autoren

Ähnliche Artikel