综述

智能可穿戴设备与心血管疾病相关监测指标的研究进展

王佐广 刘雅 刘洁琳 周家蓬 房芳 温绍君

请尊重版权，未经授权禁止下载

引用格式： 王佐广，刘雅，刘洁琳，等. 智能可穿戴设备与心血管疾病相关监测指标的研究进展［J/OL］.中华心血管病杂志（网络版），2024，7:e1000175(2024‑10‑31). http://www.cvjc.org.cn/index.php/Column/columncon/article_id/355. DOI:10.3760/cma.j.cn116031.2024.1000175.

复制引文
发布日期： 2024/10/31    浏览量： 3375 次

登录后方可查看全文，无账号可以前往注册

版权归中华医学会所有。
未经授权，不得转载、摘编本刊视频资料。
除非特别声明，本刊刊出的所有视频及资料不代表中华医学会和本刊编委会的观点。
目录
视频
智能可穿戴设备与心血管疾病相关监测指标的研究进展
03:57
音频
智能可穿戴设备与心血管疾病相关监测指标的研究进展
03:54

引言


心血管疾病（cardiovascular diseases，CVD）是全球疾病死亡的主要原因，极大地危害着人类的健康。《中国心血管健康与疾病报告2022》指出［1］，我国心血管疾病患者达3.3亿，其中高血压患者2.45亿，冠心病患者1 139万，心力衰竭患者890万，肺源性心脏病患者500万，心房颤动患者487万，外周动脉疾病患者4 530万，CVD的患病率仍然处于持续上升阶段。在所有死因中，每5例死亡者中就有2例死于CVD［1］。根据美国心脏协会（American Heart Association，AHA）的数据，美国有超过2 600万成年人患有CVD，且不包括高血压。自1921年以来，CVD一直是美国人群的主要死亡原因，平均每38 s就有一人因CVD相关疾病死亡［2⁃3］。

CVD不但严重危害着人类的生命健康，同时也对个人、家庭和社会造成巨大的经济负担。据统计，中国2019年心脑血管疾病的住院总费用为3 133.66亿元。其中，CVD的住院总费用为1 773.38亿元，其中缺血性心脏病1 256.25亿元，心律失常180.99亿元，高血压167.21亿元，心力衰竭130.64亿元［1］。美国2016—2017年与心血管疾病相关的直接费用超过2 160亿美元，预计到2035年成本将增加到7 490亿美元以上［4］。除了直接医疗成本外，由于劳动能力和生活质量下降，CVD还会带来重大的间接成本。尽管目前在治疗方面取得的许多进步，显著降低了CVD死亡率，但是由于CVD的全球患病率仍然很高且危害巨大，同时也缺乏有效的技术手段，因此如何预防CVD的出现并在疾病发生前进行预警、疾病时进行监测和疾病后进行监控是一个亟需解决的重大问题［5］。近年来，随着技术的进一步发展和不断更新，可穿戴设备将是解决这一问题的突破口，并可能在CVD管理方面得到广泛应用。因此，本文从利用可穿戴设备进行监测的技术指标入手，首先系统阐述了可穿戴设备的进展情况，并基于其在CVD相关参数检测方面的优势，阐述可穿戴设备在CVD方面的应用价值［6］；其次，以临床常见的和危重的CVD，如心源性猝死等为例，探讨可穿戴设备的临床应用价值；最后，对可穿戴设备的优点和不足进行了分析，展望可穿戴设备未来在CVD的预防、监测和治疗中发挥的作用。

可穿戴设备应用技术简介


可穿戴设备是一种可随身携带的消费级联网电子设备，既可以作为配件佩戴在身上，也可以嵌入衣服中，相关的设备主要包括智能手表、戒指和腕带等，它们都具有多种复杂的传感器和高效的数据处理

能力，可以持续地收集人体相关的健康信息。随着科学技术的日新月异，新的软件和硬件系统不断地出现并应用到日常生活中，人们开始使用可穿戴设备提供的消费级软件和硬件设备来管理健康。据估计，目前有20%的美国居民拥有智能可穿戴设备，且全球市场将以25%的复合年增长率增长，到2025年可达到700亿美元［7⁃8］。尽管可穿戴设备在医疗场所的应用仍然处于起步阶段，但是它已迅速沿着加德纳技术成熟度曲线所描述的轨迹在加速发展［9］。目前，可穿戴设备可检测的项目及参数主要涉及如下几个方面（表1）。

一、心电图（electrocardiogram，ECG）
ECG是一项被广泛推荐和应用的心脏疾病检查项目，它先通过电极记录患者身体表面的心脏电活动，再根据身体2个相距较远的点之间的电势差异，检测心率、心律失常及其他一些常见的心脏疾病。然而，目前的可穿戴设备所提供的ECG技术还存在着一定的缺陷，如由于电极较少，与经典的12导联ECG相比，可获得的心电信息有限，对于复杂CVD如缺血性心脏病的诊断价值有限。


二、光体积变化描记图法（photoplethysmography，PPG）
光体积变化描记图法是监测心血管疾病生物医学变量的一种技术。其工作原理主要是先使用发光二极管将光子注入人体特定组织，再通过光敏传感器将皮肤、肌肉和血管组织等反射回来的光信号转换成电信号，最后将电信号转化为数字信号后分析上传。由于皮肤和肌肉组织等的吸光度变化较小，吸光度的变化主要是血液变化引起的，因此所检测到的光吸收变化主要反映的是心率和血氧饱和度等信息。通过腕带或智能手表在手腕上进行PPG检测，使用者不但可以在日常活动中方便地随身携带，而且也能随时上传相关信息。其主要缺陷是在运动时非常容易受到干扰，这导致相关数据的稳健性和可靠性还不够理想。


三、心冲击描记术
心冲击描记术（ballistocardiography，BCG）是一种用于测量和记录由心脏活动引起的机械振动的无创技术。随着每次心脏跳动，血液受到挤压泵入主动脉时会在人体内产生一种重复性震动。BCG监测通常使用加速度计、压电薄膜、机电或光纤传感器等来测量身体对心脏喷射血液的反应并重建出特定的图形。通过分析这些信号提供的有关心脏收缩和瓣膜运动的信息，可以对CVD进行检测和判定［10］。但是，由于BCG主要检测机械振动，环境和人体的非相关声音和振动等会干扰相关数据的采集并影响检测结果。


四、心震描记法
在可穿戴式地震心动图（seismocardiography，SCG）中，一个加速度计（通常基于微机电系统）被放置在受试者的胸骨上方监测心脏产生的机械波。使用SCG技术的可穿戴设备已被认为是评估和监测心脏病患者的心脏机械功能、冠状动脉完整性和冠状动脉健康的重要工具。一些临床研究报道了应用贴片、腕带、手表和臂环来监测心力衰竭、心肺功能和冠状动脉疾病等［11‑13］。当然，SCG也可以应用于普通人进行生命体征的监测。需要注意的是，SCG也有一定的局限性。比如来自环境噪声的污染，以及由于传感器放置、运动伪影以及心脏状况会影响信号记录功能和降低信号质量。但是由于这些系统成本低、硬件重量轻，易于集成到可穿戴设备中，同时传感器技术和信号分析的不断进步也使得SCG可能会成为远程患者管理越来越重要的工具［14］。


五、加速度计
加速度计（accelerometer）是测量加速度的仪表，可检测重力和线性速度等。当物体具有很大的加速度时，物体及其所载的仪器设备与其他无相对加速度的物体均受到能产生同样大的加速度的力，即受到动载荷。加速度计主要用计算步数、冲击力、速度、久坐时间和运动时间等，可以整合到智能手表、肩带、手臂带、戒指和手套等多种可穿戴设备中，通常与PPG等其他传感器结合使用［15⁃16］。内置加速度计的可穿戴设备可比较准确地评估运动变化并提供不同的参数，如体力活动的持续时间、频率和强度等，通常用来评估睡眠、身体活动状况和总能量消耗等，得到越来越广泛的应用。


六、生物电阻抗分析
生物电阻抗分析仪（bioelectrical impedance analysis，BIA）的原理是将微弱的交流电信号导入人体，电流会随着电阻小、传导性能好的体液流传，然后通过放置在身体上的电流和电压电极片来测量生物阻抗并估计身体成分。由于胸腔内血容量和心输出量变化引起的电压（或射频信号）改变可转化为如心搏量和心输出量等参数，利用胸部阻抗的可穿戴背心已被证明可以追踪心力衰竭患者的肺充血程度，也可用于评估肺水肿的严重程度，因而有利于病情监测和改善临床预后［17⁃19］。一项在急性心力衰竭出院患者中的试验显示，使用生物电阻抗背心在识别心力衰竭复发事件方面具有87%的敏感度［ 95%可信区间（confidence interval，CI）为82%~92%］和70%的特异度（95%CI为68%~72%）［20］。另外，生物电阻抗还可以通过脉冲波形测量脉搏波速度和估计血压。但是由于技术限制和影响因素较多，在实际应用中需要对检测结果的准确性和可靠性进行评估。


七、可穿戴式除颤仪
可穿戴式心脏除颤仪（wearable cardioverter defibrillator，WCD）的功能主要是在危急情况下进行心脏电击除颤以挽救生命。美国卓儿医药公司（ZOLL Medical Corporation）生产的LifeVest WCD系统主要由除颤电极、导线和除颤主机组成。它的除颤背心中包含前胸的1个除颤电极、后背的2个除颤电极及4个心电图感知贴片电极。WCD能够自动检测室性心动过速或心室颤动，并提供多达5次电冲击，最大可提供150 J的双相冲击能量。一旦检测到室性心律失常，振动、视觉照明响应按钮和警报器警报就会被激活，在一系列安全提示和操作后即进行电击。与置入式心脏除颤器不同，患者可以随时通过响应按钮终止WCD的工作程序，这也是对患者进行的一种意识测试和保护。由于WCD确实可以挽救患者的生命，并能为进一步的医疗措施赢得宝贵的时间，因此已经得到了一定程度的应用。但是，需要注意的是目前的WCD没有起搏功能，不能通过起搏来治疗心脏骤停，也不能提供抗心动过速起搏，这在一定程度上降低了WCD的使用价值和范围［21］。

可穿戴设备在心血管疾病监测领域中的应用优势


可穿戴设备检测CVD主要使用如上所述的多种技术手段，通过电极片和传感器采集使用者的心电、震动和冲击力等信号，分析后获得心率、心律、血压、血氧饱和度和血糖等数据，可用于日常监测和评估心脏健康状况。其优势主要有如下几个方面：（1）相比于专业医疗设备，可穿戴心电监测设备价格实惠、使用方便，无须专业人士实施复杂的操作，为大规模人群CVD的筛查和检测提供了一种低成本的有效途径。（2）可穿戴设备能够实时监测心电等信号，且不受时间和地点限制。通过将数据实时传输至云端，便于医生随时获知使用者的相关信息资料并进行分析和跟踪。这种连续监测有助于医生及时评估心血管事件发生的可能性，为医疗决策提供早期的数据支持。（3）可穿戴设备具备良好的便携性和舒适性。可穿戴设备通常采用无创传感技术，可舒适地佩戴在身体表面，这种便携性和舒适性有助于提高患者的依从性，从而获得完整的长时程监测数据，有利于得到更准确的医学评估结论。（4）可穿戴设备具有强大的数据分析和处理能力。由于通常配备了先进的数据处理算法，可穿戴设备能够自动检测心律等的异常和变化，并能进行深度机器学习，实现对大量数据的高效分析和筛选。整体而言，基于可穿戴设备硬件和软件方面的优势，可以为医生提供连续、客观、准确的CVD相关数据，有助于更精准、更个体化地了解患者的心血管健康状况，因而在CVD的监测领域有很大应用价值和优势［22］。

可穿戴设备可监测的心血管疾病相关指标


与传统的相关医疗检测设备相比，可穿戴设备不但能实时监测重要的人体生理指标如心率、心律、血压、血糖、呼吸和氧饱和度等数据，还能测算和评估人体的活动量与睡眠等生活方式方面的一些指标，这对于CVD的预防、诊断、治疗与疾病后期监测具有重要的临床意义。

一、心率和心律
心率是单位时间内心脏的跳动次数，通常使用的是每分钟的心跳次数（bpm）。研究发现，休息和运动期间的心率测量可用于预测CVD的风险。在健康人群中，高静息心率与冠状动脉疾病和全因死亡的风险增加有关。如Lau等［23］发表的一篇meta分析共纳入了62项研究，涉及163 445例患者。结果发现：人群心率中位数为74 bpm（四分位数间距为72~76 bpm），每分钟心跳增加10次与全因死亡风险增加显著相关［风险比（hazard ratio，HR）为1.10，95%CI为1.08~1.13］。在一项回顾性队列研究中，Ma等［24］收集了1 648例冠心病患者的资料，并将纳入的患者按照bmp分为<60 bpm组、60~69 bpm组、70~79 bpm组和≥80 bpm组4组，平均随访时间81.70个月，最长随访时间200个月。通过计算HR、95%CI及相互竞争风险模型来评估心率与CVD死亡之间的关系。结果发现：心率<60 bpm的冠心病患者（HR为1.35，95%CI为1.34~1.36）、60~69 bpm（HR为1.05，95%CI为1.04~1.06）和≥80 bpm（HR为1.39，95%CI为1.38~1.41）患者的心血管死亡风险高于心率为70~79 bpm的患者。该研究的结论是冠心病患者心率<70或≥80 bpm与心血管死亡风险升高相关。实际上，由于缺乏大样本的临床研究，冠心病患者静息心率与心血管死亡风险之间确切的关系还存在着争议。因此，持续监测心率可能有助于筛查健康风险，并为相应患者提供早期干预措施。另外，心率也被认为是心力衰竭患者不良后果的预测因子，运动后心率恢复受损与心血管不良事件增加相关。心率变异性也与健康个体以及射血分数降低心力衰竭患者的不良心血管事件的发病风险密切相关［25⁃26］。

除上述的心率与冠心病相关外，各种类型的心律失常，特别是快速性室性心律失常（如室性心动过速和心室颤动），仍然是心脏骤停并进一步导致心源性猝死（sudden cardiac death，SCD）的主要原因，因此早期检测恶性心律失常并进行早期处理意义重大。Bragg等［27］的研究发现，除了遗传性离子通道病的患者外，35岁以下患者的室性心律失常通常是良性的，结构性心脏病仍然是恶性室性心律失常的最大危险因素，而老年人出现恶性心律失常的主要原因则是因为患慢性CVD如冠状动脉疾病和心力衰竭等。因此，为了最大限度地降低恶性心律失常导致的死亡，对心律失常的监测和早期预警非常必要。

目前为止，商用可穿戴设备主要通过ECG或PPG来测量心率和心律，方法是通过测量心跳间隔时间计算心率，并使用算法对心律进行分类。ECG传感器有多种形式。一些智能手表可以根据需要将对侧手指放在表冠上（手表侧面的负极），手表背面作为正极记录单导联心电图，可用于诊断简单和常见的心律失常，如心房颤动等。然而，这些单导联心电图通常不足以准确诊断更复杂的心律失常和其他疾病，如心肌梗死等［28⁃29］。PPG可以测量微血管血容量的变化，将其转化为脉搏波和速度图，经过数据转化后识别心律失常。为了深入研究PPG技术的应用价值，Qananwah等［30］的一项研究利用各种信号处理技术对PPG信号进行预处理和分析，以消除噪声和伪影，再通过4种机器学习技术即决策树（decision tree，DT）、支持向量机（support vector machine，SVM）、k最近邻（k‑nearest neighbors，KNNs）和集合算法，用41个PPG特征对心律失常进行分类分析。结果显示，KNNs技术的高通量评估准确率为98.4%，对心动过缓、心动过速、心室扑动/颤动和室性心动过速的敏感度分别为98.3%、95%、96.8%和99.7%。这提示PPG有助于心律失常的早期诊断和治疗。然而，PPG技术的主要缺点是影响因素较多，如肤色、水分甚至文身等均会影响PPG的准确性［31］。由于心率和心律是CVD极为重要的指标，因此进一步提高可穿戴设备的心率和心律检测与评估功能具有重要的临床意义。


二、呼吸与血氧饱和度
可穿戴设备是用于跟踪生理数据的便携式技术，不但可以检测如燃烧的卡路里、步数、心率和呼吸，最新的功能还包括了检测动脉血氧饱和度（oxygen saturation in arterial blood，SaO2）。研究发现：低SaO2与多种心血管疾病如冠心病、心力衰竭相关，是CVD全因死亡率增加的独立危险因素［32‑34］。近年来，可穿戴设备对呼吸检测数据的准确性已经得到了充分的报道，但是测量SaO2则是其一个较新的功能，尚未得到全面的研究，相关材料和技术也在不断地改进和提高［35］。由于可穿戴技术的可及性和便利性，这些设备有可能改变对有低氧血症风险的患者（如患有慢性阻塞性肺病或呼吸系统相关疾病的患者）的远程监测现状，因而具有比较广泛的应用市场［36］。Gerboni等［37］招募15位健康成人受试者，采用控制呼吸气体中氧气的含量，重现轻度、中度和重度缺氧条件，SaO2范围为70%~100%。通过放置在参与者手腕上的Embrace Plus（Empatica公司，美国）装置估计呼吸次数与外周血氧饱和度（percutaneous arterial oxygen saturation，SpO2）水平，并通过多波长血氧计从血液样本中获得参考SaO2。结果发现，在所获得的373项有效测量数据中，腕带装置获得的SpO2值与参考SaO2值呈正相关（r=0.96，P<0.001），数据的准确性和一致性也较好。此外，根据皮肤色素沉着和性别对数据进行分层时，也得到了类似的结果。因此，可穿戴设备可以应用于更广泛的人群，如用于心血管相关疾病以及呼吸系统疾病的早期和后期监测等。需要注意的是，可穿戴SaO2监测设备通常使用不太成熟的反射PPG技术［38］，整体技术方面还需要进一步提升。另外，在有限的研究中，所应用的人群样本量还不够大，因此还需要进一步的大样本的人群应用研究进行验证。


三、血压
血压监测设备已在临床常规使用。由于动态的血压检测设备需要间隔15~60 min测量一次血压，这会扰乱被检测者的日常生活和睡眠。最近的无袖带血压监测设备可通过使用ECG或PPG信号来估计血压信号，且不会造成明显不便［39］。这些设备不但能检测血压还可检测血压的变异性，因此可用于高血压的预后预测和管理［40］。此外，超声技术的小皮肤贴片被认为是未来监测血压的可穿戴设备［41］。研究发现，在24 h内，可穿戴设备和动态血压检测设备的收缩压平均偏差为0.5 mmHg（-10.1~11.1 mmHg,1 mmHg=0.133 kPa），舒张压平均偏差为2.24 mmHg（-17.6~13.1 mmHg）［42］。然而，大多数研究的样本量较小且缺乏外部验证。近来，Falter等［43］招募40名正常血压和高血压患者计划进行24 h动态血压监测（ambulatory blood pressure monitoring，ABPM），并使用一只欧洲理事会批准的韩国三星Galaxy Watch Active 2智能手表同时在对侧手臂上测量血压。结果发现，该智能手表检测收缩期和/或舒张期高血压的敏感度和特异度分别为83%和41%，受试者工作特征曲线显示收缩期高血压的曲线下面积（area under the curve，AUC）为0.78，舒张期高血压的AUC为0.93。该研究表明，在对正常血压和高血压患者进行检测时，三星Galaxy Watch Active 2的血压测量有明显的系统性误差，即高估了低血压和低估了高血压。因此，传统的无创血压计标准并不完全适用于可穿戴设备，迫切需要建立相关的新标准。AHA最近也发表了一份声明：“尽管目前无袖带血压监测的无创技术已经取得了长足的进步，但缺乏准确性和校准问题限制了它们的应用”［44］，可穿戴血压监测设备还需要进一步改进［45］。


四、血糖
研究发现，每三个人中就有一人处于糖尿病前期。在没有改变生活方式或医疗干预的情况下，糖尿病前期的人每年有10%的可能性转变为2型糖尿病。因此，控制血糖水平是防止糖尿病前期进展为2型糖尿病的关键。在美国，34.5%的人符合糖尿病前期的标准，13%的人（18岁及以上）患有糖尿病［46］。由于糖尿病最终会导致出现一系列的心血管相关疾病，因此血糖的监测和稳定对于相关心脑血管疾病的预防具有重要的意义。但是经典的抽血检测血糖存在很大的不便，取血自测的简易方式既不方便，其准确性也存在较大的问题。近年来，连续血糖监测（continuous glucose monitoring，CGM）技术的发展，为解决这方面的问题提供了一种新方案。CGM是一种通过腹部或手臂皮肤下的小传感器实时测量体内葡萄糖水平的方法。目前这种检测设备先利用传感器测量间质液中的葡萄糖水平相关信号，再通过可穿戴设备进行数据初步处理后将葡萄糖相关数据发送至监测设备或移动电话。Danne等［47］为了评估非侵入性可穿戴设备监测糖化血红蛋白A1c（glycosylated hemoglobin A1c，HbA1c）和葡萄糖变异性指标等血糖相关指标的可行性，应用德康G6（Dexcom G6）可穿戴设备进行实时动态血糖监测，共记录并收集了26名参与者250 d的数据。结果发现，可穿戴设备可以应用于对血糖变异性指标和HbA1c的监测，且发现影响可穿戴传感器监测HbA1c的因素重要性排名依次为皮肤温度（33%）、皮肤电活动（28%）、加速度测量（25%）和心率（14%）。因此，通过使用有监测血糖的可穿戴设备，用户可以长期跟踪自己的血糖水平，并在血糖水平过高或过低时收到警报，随时采取相应的措施如调节饮食、调整降糖药物以及进行医学处理等，这非常有助于及早地预防低血糖或高血糖等危险并发症的出现，最大限度地维护患者的血糖稳定和健康［6］。


五、睡眠
心血管疾病与睡眠时间和睡眠质量明显相关。睡眠不足可能导致血压升高和早期血管内皮功能障碍，从而导致CVD［48］。Teo等［49］的研究发现总睡眠时间和睡眠效率与身体质量指数和腰围等心血管风险指标存在明显相关性。许多商业可穿戴设备，如Jawbone UP（Jawbone公司，美国）、Fitbit Charge HR（Fitbit公司，美国）、Oura Ring（Oura Hcalth公司，芬兰），以及华为和小米公司生产的相关手表等设备，已经被证实可以自动监测用户的睡眠质量和睡眠状况［50⁃52］。Kroll等［53］报道，包括心血管疾病患者在内的重症监护病房患者中，美国Fitbit公司生产的Fitbit Charge HR手环设备监测所获得的睡眠时间与问卷调查得到的睡眠质量资料存在中度相关（r=0.33，P=0.03）。Zhou等［54］利用腕带式加速度计检测了睡眠时间与心血管疾病之间的相关性，结果发现每天睡眠小于7 h是CVD相关的死亡、冠心病、心肌梗死、心力衰竭和心房颤动等的高危因素。最近，一篇meta分析［55］纳入了60篇研究论文，涵盖34种可监测睡眠的可穿戴设备。结果发现，可穿戴设备监测睡眠的可行性、耐受性和依从性良好，成功率高。在42项纳入的验证研究中，不同人群的监测结果在睡眠阶段显示出良好准确性。因此，基于可穿戴设备的睡眠监测可以作为多导睡眠图（polysomnography, PSG）和家庭睡眠监测的替代品，因而拥有巨大的应用前景。需要注意的是，虽然很多研究表明监测睡眠的敏感度较高，可以达到90%以上，但是对清醒时期的特异度较低［56］。另外，目前为止，已经有一些研究利用英国生物样本库（UK Biobank）评估了睡眠监测与CVD之间的关系，所使用的样本量也比较大［54,57‑58］，这都在一定程度上推动了可穿戴设备在睡眠监测方面的广泛使用。


六、活动及久坐时长
体育锻炼与CVD和全因死亡率呈负相关，并且被AHA推荐为促进心脏健康的“简单生活”生活方式建议之一［59］。传统上对体育锻炼与身体活动状况的判断主要依赖于个人主观判定，诸如“我每天慢跑二次，每次半小时左右”之类的常见陈述，没有包括身体活动强度、距离和久坐时间等重要信息。由于缺乏足够的细节、回忆偏差及无法客观地评估现实环境中的身体活动状况，这使得医生和个人无法精准地确定是否具有充分的活动量和活动强度，从而降低了活动在CVD中的作用。另外，全球CVD风险评估传统上是基于临床风险评分来估计10年风险的，但是由于无法准确地捕捉到与生活方式相关的个体化风险和动态变化，将生活方式行为纳入风险评估一直是一项具有挑战性的工作［60］。近年来，由于可穿戴设备可以客观地获取人体健康的相关数据，这使得CVD的风险评估相较传统手段而言更加准确、全面和动态化。最近，几项基于人群的队列研究［61⁃62］发现，使用可穿戴设备测量的中高强度体育活动、低强度体育活动或久坐行为与全因死亡率明显相关。如每天仅持续5~10 min的中度至剧烈间歇性运动，可急剧降低主要心血管不良事件和全因死亡风险。与每次运动时间少于1 min的人相比，每次持续进行5~10 min中度至剧烈间歇性运动的人，其全因死亡风险降低52%，主要心血管不良事件风险降低41%［63］。另一项针对年龄为（72.0±5.7）岁女性的研究表明，与每天2 700步相比，每天4 400步与死亡率降低41%显著相关，但是与每天7 500步的益处相同［64］。可穿戴设备测量所得的体力活动状况与全因死亡率呈剂量依赖性负相关关系。值得注意的是，调整每日步数后，步行强度与死亡率无显著相关关系。因此，随着数字健康进一步深入发展，人们可以通过各种传感器如可穿戴设备和智能手机等客观、准确地评估体力活动和能量消耗，这对于CVD的预防和治疗等具有重要的意义。

展望


综上所述，基于先进的生物医学技术、强大的算法及数据处理能力的可穿戴设备已成为医学研究和临床实践中不可或缺的工具。这种设备将先进的传感技术、数据处理和通信能力融合于便携式佩戴装置中，具备实时监测和采集数据的功能，这对于CVD这种特殊的疾病而言，具有非常强的适用性。尤其是对心率和心律等的监测，并不劣于传统的设备。整体而言，可穿戴设备的使用不但对于疾病的实时监测和早期处理具有重要的价值，而且在后期通过对相关数据的分析，有助于深入阐明相关疾病的发病机制，因此具有非常广阔的临床应用和基础研究价值。尤其是随着传感器和计算技术的不断发展，如果能进一步结合量子理论和混沌理论，强化应用AI技术与智能算法，综合跨学科领域的最新研究成果，可穿戴设备必将获得更完美、更精准、全时空和个体化的功能，会成为我们心血管监测和治疗设备中不可或缺的一部分。但需要注意的是，目前可穿戴设备所应用的相关理论还不够完善，也存在着传感器不够敏感和精准且容易受到干扰的情况，这导致相关的信息不够准确和可靠；同时，目前所获得的实际应用方面的资料和经验还存在不足，也没有建立可靠、精准的和个体化的数据模型。另外，必须通过全面的评估方案和适当的监管监督政策对可穿戴设备进行监管，并建立临床应用指南以促进和规范这些设备应用于临床工作场所，以确保其在实际应用中的安全性和有效性。总之，可穿戴设备的应用，将我们带入远程和分散CVD患者居家监管和护理的新时代，也满足了普通大众主动健康的新要求。如何更好地使用可穿戴设备，最大限度地维护人类的生命和健康，是我们未来CVD临床工作和基础研究的重点课题。

  • 作者： 王佐广 1    刘雅 1    刘洁琳 1    周家蓬 2    房芳 3    温绍君 1，4   

  • 作者单位： 首都医科大学附属北京安贞医院 北京市心肺血管疾病研究所 1    湖南师范大学生命科学学院 2    中国医学科学院阜外医院结构性心脏病中心 3    北京中康普惠医学研究院 4   

  • 通信作者： 温绍君，Email：wenshaojun@aliyun.com

  • 关键词： 心脏病学；可穿戴电子设备；人群监测

  • DOI： 10.3760/cma.j.cn116031.2024.1000175

  • 基金项目： 无

  • 利益冲突： 无

  • 收稿日期： 2024-04-19

  • 录用日期： 2024-10-14

  • 本文编辑： 史红

    • 摘要中文

    无

    摘要英文

    无
    无

    本研究主要材料与器材

    无

    参考文献

    ［1］ 《中国心血管健康与疾病报告2022》编写组.《中国心血管健康与疾病报告2022》要点解读［J］. 中国心血管杂志，2023，28（4）：297‑312. DOI：10.3969/j.issn.1007‑5410.2023.04.001.
    ［2］ Kaminsky LA, German C, Imboden M, et al. The importance of healthy lifestyle behaviors in the prevention of cardiovascular disease［J］. Prog Cardiovasc Dis,2022,70:8‑15. DOI: 10.1016/j.pcad.2021.12.001.
    ［3］ Virani SS，Alonso A，Benjamin EJ，et al. Heart disease and stroke statistics‑2020 update：a report from the American Heart Association［J］. Circulation，2020，141（9）：e139‑e596. DOI：10.1161/CIR.0000000000000757.
    ［4］ Virani SS，Alonso A，Aparicio HJ，et al. Heart disease and stroke statistics‑2021 update：a report from the American Heart Association［J］. Circulation，2021，143（8）：e254‑e743. DOI：10.1161/CIR.0000000000000950.
    ［5］ Roth GA, Mensah GA, Johnson CO, et al. Global Burden of Cardiovascular Diseases and Risk Factors, 1990‑2019: Update From the GBD 2019 Study［J］. J Am Coll Cardiol, 2020, 76(25):2982‑3021. DOI: 10.1016/j.jacc.2020.11.010.
    ［6］ Bent B, Cho PJ, Wittmann A, et al. Non‑invasive wearables for remote monitoring of HbA1c and glucose variability: proof of concept［J］. BMJ Open Diabetes Res Care, 2021, 9(1):e002027. DOI: 10.1136/bmjdrc‑2020‑002027.
    ［7］ Sana F, Isselbacher EM, Singh JP, et al. Wearable devices for ambulatory cardiac monitoring: JACC state‑of‑the‑art review［J］. J Am Coll Cardiol, 2020, 75(13):1582‑1592. DOI: 10.1016/j.jacc.2020.01.046.
    ［8］ Varma N, Marrouche NF, Aguinaga L, et al. HRS/EHRA/APHRS/LAHRS/ACC/AHA worldwide practice update for telehealth and arrhythmia monitoring during and after a pandemic［J］. Circ Arrhythm Electrophysiol, 2020, 13(7):e009007. DOI: 10.1161/CIRCEP.120.009007.
    ［9］ Jung SY, Lee K, Hwang H. Recent trends of healthcare information and communication technologies in pediatrics: a systematic review［J］. Clin Exp Pediatr, 2022, 65(6):291‑299. DOI: 10.3345/cep.2020.01333.
    ［10］ Prieto‑Avalos G, Cruz‑Ramos NA, Alor‑Hernández G, et al. Wearable devices for physical monitoring of heart: A review［J］. Biosensors (Basel), 2022, 12(5):292. DOI: 10.3390/bios12050292.
    ［11］ Inan OT, Baran Pouyan M, Javaid AQ, et al. Novel wearable seismocardiography and machine learning algorithms can assess clinical status of heart failure patients［J］. Circ Heart Fail, 2018, 11(1):e004313. DOI: 10.1161/CIRCHEARTFAILURE.117.004313.
    ［12］ Sørensen K, Poulsen MK, Karbing DS, et al. A clinical method for estimation of VO2max using seismocardiography［J］. Int J Sports Med, 2020, 41(10):661‑668. DOI: 10.1055/a‑1144‑3369.
    ［13］ Dehkordi P, Bauer EP, Tavakolian K, et al. Detecting coronary artery disease using rest seismocardiography and gyrocardiography［J］. Front Physiol, 2021,12:758727. DOI: 10.3389/fphys.2021.758727.
    ［14］ Herkert C, De Lathauwer I, van Leunen M, et al. The kinocardiograph for assessment of fluid status in patients with acute decompensated heart failure［J］. ESC Heart Fail, 2023, 10(6):3446‑3453. DOI: 10.1002/ehf2.14477.
    ［15］ Rentz LE, Ulman HK, Galster SM. Deconstructing commercial wearable technology: contributions toward accurate and free‑living monitoring of sleep［J］. Sensors (Basel), 2021, 21(15):5071. DOI: 10.3390/s21155071.
    ［16］ Imtiaz SA. A systematic review of sensing technologies for wearable sleep staging［J］. Sensors (Basel), 2021, 21(5):1562. DOI: 10.3390/s21051562.
    ［17］ Krzesinski P, Sobotnicki A, Gacek A, et al. Noninvasive bioimpedance methods from the viewpoint of remote monitoring in heart failure［J］. JMIR Mhealth Uhealth, 2021, 9(5):e25937. DOI: 10.2196/25937.
    ［18］ Jung MH, Namkoong K, Lee Y, et al. Wrist‑wearable bioelectrical impedance analyzer with miniature electrodes for daily obesity management［J］. Sci Rep, 2021, 11(1):1238. DOI: 10.1038/s41598‑020‑79667‑3.
    ［19］ Cuba Gyllensten I, Bonomi AG, Goode KM, et al. Early indication of decompensated heart failure in patients on home‑telemonitoring: a comparison of prediction algorithms based on daily weight and noninvasive transthoracic bio‑impedance［J］. JMIR Med Inform, 2016, 4(1):e3. DOI: 10.2196/medinform.4842.
    ［20］ Darling CE, Dovancescu S, Saczynski JS, et al. Bioimpedance‑based heart failure deterioration prediction using a prototype fluid accumulation vest‑mobile phone dyad: an observational study［J］. JMIR Cardio, 2017, 1(1):e1. DOI: 10.2196/cardio.6057.
    ［21］ Lenormand T, Bodin A, Fauchier L. The role of the wearable defibrillator in heart failure［J］. Curr Heart Fail Rep, 2024, 21(1):33‑42. DOI: 10.1007/s11897‑023‑00641‑x.
    ［22］ 楚俊昆, 赵倩, 杨毅宁. 可穿戴心电设备在心血管疾病中的发展历程及应用进展［J］. 中国医疗设备, 2023, 38(12):158‑164. DOI: 10.3969/j.issn.1674‑1633.2023.12.028.
    ［23］ Lau K, Malik A, Foroutan F, et al. Resting heart rate as an important predictor of mortality and morbidity in ambulatory patients with heart failure: a systematic review and meta‑analysis［J］. J Card Fail, 2021, 27(3):349‑363. DOI: 10.1016/j.cardfail.2020.11.003.
    ［24］ Ma R, Gao J, Mao S, et al. Association between heart rate and cardiovascular death in patients with coronary heart disease: A NHANES‑based cohort study［J］. Clin Cardiol, 2022, 45(5):574‑582. DOI: 10.1002/clc.23818.
    ［25］ Sydó N, Sydó T, Gonzalez Carta KA, et al. Prognostic performance of heart rate recovery on an exercise test in a primary prevention population［J］. J Am Heart Assoc, 2018, 7(7):e008143. DOI: 10.1161/JAHA.117.008143.
    ［26］ Singh N, Moneghetti KJ, Christle JW, et al. Heart rate variability: an old metric with new meaning in the era of using mhealth technologies for health and exercise training guidance. part two: prognosis and training［J］. Arrhythm Electrophysiol Rev, 2018, 7(4):247‑255. DOI: 10.15420/aer.2018.30.2.
    ［27］ Bragg S, Brown B, DeCastro AO. Arrhythmias and sudden cardiac death［J］. Prim Care, 2024, 51(1):143‑154. DOI: 10.1016/j.pop.2023.07.008.
    ［28］ Samol A, Bischof K, Luani B, et al. Single‑lead ecg recordings including einthoven and wilson leads by a smartwatch: a new era of patient directed early ECG differential diagnosis of cardiac diseases?［J］. Sensors (Basel), 2019, 19(20):4377. DOI: 10.3390/s19204377.
    ［29］ Cobos GMÁ. Standard and precordial leads obtained with an apple watch［J］. Ann Intern Med, 2020, 172(6):436‑437. DOI: 10.7326/M19‑2018.
    ［30］ Qananwah Q, Ababneh M, Dagamseh A. Cardiac arrhythmias classification using photoplethysmography database［J］. Sci Rep, 2024, 14(1):3355. DOI: 10.1038/s41598‑024‑53142‑9.
    ［31］ Bent B, Goldstein BA, Kibbe WA, et al. Investigating sources of inaccuracy in wearable optical heart rate sensors［J］. NPJ Digit Med, 2020,3:18. DOI: 10.1038/s41746‑020‑0226‑6.
    ［32］ Huang B, Huang Y, Zhai M, et al. Association of hypoxic burden metrics with cardiovascular outcomes in heart failure and sleep‑disordered breathing［J］. ESC Heart Fail, 2023, 10(6):3504‑3514. DOI: 10.1002/ehf2.14526.
    ［33］ Chen PS, Chiu WT, Hsu PL, et al. Pathophysiological implications of hypoxia in human diseases［J］. J Biomed Sci, 2020, 27(1):63. DOI: 10.1186/s12929‑020‑00658‑7.
    ［34］ Vold ML, Aasebø U, Wilsgaard T, Melbye H. Low oxygen saturation and mortality in an adult cohort: the Tromsø study［J］. BMC Pulm Med, 2015,15:9. DOI: 10.1186/s12890‑015‑0003‑5.
    ［35］ Mathew J, Zheng D, Xu J,et al. Systematic review on fabrication, properties, and applications of advanced materials in wearable photoplethysmography sensors［J/OL］. Adv Electron Mater,2024:2300765. (2024‑03‑11)［2024‑04‑10］. https://doi.org/10.1002/aelm.202300765.
    ［36］ Tamura T. Current progress of photoplethysmography and SPO(2) for health monitoring［J］. Biomed Eng Lett, 2019, 9(1):21‑36. DOI: 10.1007/s13534‑019‑00097‑w.
    ［37］ Gerboni G, Comunale G, Chen W, et al. Prospective clinical validation of the Empatica EmbracePlus wristband as a reflective pulse oximeter［J］. Front Digit Health, 2023,5:1258915. DOI: 10.3389/fdgth.2023.1258915.
    ［38］ Hearn EL, Byford J, Wolfe C, et al. Measuring arterial oxygen saturation using wearable devices under varying conditions［J］. Aerosp Med Hum Perform, 2023, 94(1):42‑47. DOI: 10.3357/AMHP.6078.2023.
    ［39］ Stojanova A, Koceski S, Koceska N. Continuous blood pressure monitoring as a basis for ambient assisted living (AAL) ‑review of methodologies and devices［J］. J Med Syst, 2019, 43(2):24. DOI: 10.1007/s10916‑018‑1138‑8.
    ［40］ Stergiou GS, Parati G, Vlachopoulos C, et al. Methodology and technology for peripheral and central blood pressure and blood pressure variability measurement: current status and future directions ‑Position statement of the European Society of Hypertension Working Group on blood pressure monitoring and cardiovascular variability［J］. J Hypertens, 2016, 34(9):1665‑1677. DOI: 10.1097/HJH.0000000000000969.
    ［41］ Wang C, Li X, Hu H, et al. Monitoring of the central blood pressure waveform via a conformal ultrasonic device［J］. Nat Biomed Eng, 2018, 2(9):687‑695. DOI: 10.1038/s41551‑018‑0287‑x.
    ［42］ McCombie DB, Reisner AT, Asada HH. Adaptive blood pressure estimation from wearable PPG sensors using peripheral artery pulse wave velocity measurements and multi‑channel blind identification of local arterial dynamics［J］. Conf Proc IEEE Eng Med Biol Soc, 2006,2006:3521‑3524. DOI: 10.1109/IEMBS.2006.260590.
    ［43］ Falter M, Scherrenberg M, Driesen K, et al. Smartwatch‑Based Blood Pressure Measurement Demonstrates Insufficient Accuracy［J］. Front Cardiovasc Med, 2022,9:958212. DOI: 10.3389/fcvm.2022.958212.
    ［44］ Muntner P, Shimbo D, Carey RM, et al. Measurement of blood pressure in humans: a scientific statement from the American Heart Association［J］. Hypertension, 2019, 73(5):e35‑e66. DOI: 10.1161/HYP.0000000000000087.
    ［45］ Stergiou GS, Alpert B, Mieke S, et al. A universal standard for the validation of blood pressure measuring devices: association for the advancement of Medical Instrumentation/European Society of Hypertension/International Organization for Standardization (AAMI/ESH/ISO) collaboration statement［J］. Hypertension, 2018, 71(3):368‑374. DOI: 10.1161/HYPERTENSIONAHA.117.10237.
    ［46］ Kashif M, Flesca S, Veltri P. GLSTM: On using LSTM for glucose level prediction［J］. Stud Health Technol Inform, 2024,314:103‑107. DOI: 10.3233/SHTI240067.
    ［47］ Danne T, Nimri R, Battelino T, et al. International consensus on use of continuous glucose monitoring［J］. Diabetes Care, 2017, 40(12):1631‑1640. DOI: 10.2337/dc17‑1600.
    ［48］ Covassin N, Singh P. Sleep duration and cardiovascular disease risk: epidemiologic and experimental evidence［J］. Sleep Med Clin, 2016, 11(1):81‑89. DOI: 10.1016/j.jsmc.2015.10.007.
    ［49］ Teo JX, Davila S, Yang C, et al. Digital phenotyping by consumer wearables identifies sleep‑associated markers of cardiovascular disease risk and biological aging［J］. Commun Biol, 2019,2:361. DOI: 10.1038/s42003‑019‑0605‑1.
    ［50］ de Zambotti M, Claudatos S, Inkelis S, et al. Evaluation of a consumer fitness‑tracking device to assess sleep in adults［J］. Chronobiol Int, 2015, 32(7):1024‑1028. DOI: 10.3109/07420528.2015.1054395.
    ［51］ de Zambotti M, Baker FC, Willoughby AR, et al. Measures of sleep and cardiac functioning during sleep using a multi‑sensory commercially‑available wristband in adolescents［J］. Physiol Behav, 2016,158:143‑149. DOI: 10.1016/j.physbeh.2016.03.006.
    ［52］ de Zambotti M, Rosas L, Colrain IM, et al. The sleep of the ring: comparison of the ŌURA sleep tracker against polysomnography［J］. Behav Sleep Med, 2019, 17(2):124‑136. DOI: 10.1080/15402002.2017.1300587.
    ［53］ Kroll RR, McKenzie ED, Boyd JG, et al. Use of wearable devices for post‑discharge monitoring of ICU patients: a feasibility study［J］. J Intensive Care, 2017,5:64. DOI: 10.1186/s40560‑017‑0261‑9.
    ［54］ Zhou M, Liang YY, Ai S, et al. Associations of accelerometer‑measured sleep duration with incident cardiovascular disease and cardiovascular mortality［J］. Sleep, 2024:zsae157. DOI: 10.1093/sleep/zsae157.
    ［55］ de Gans CJ, Burger P, van den Ende ES, et al. Sleep assessment using EEG‑based wearables ‑A systematic review［J］. Sleep Med Rev, 2024,76:101951. DOI: 10.1016/j.smrv.2024.101951.
    ［56］ Mizuno A, Changolkar S, Patel MS. Wearable devices to monitor and reduce the risk of cardiovascular disease: evidence and opportunities［J］. Annu Rev Med, 2021,72:459‑471. DOI: 10.1146/annurev‑med‑050919‑031534.
    ［57］ Nikbakhtian S, Reed AB, Obika BD, et al. Accelerometer‑derived sleep onset timing and cardiovascular disease incidence: a UK Biobank cohort study［J］. Eur Heart J Digit Health, 2021,2(4):658‑666. DOI: 10.1093/ehjdh/ztab088.
    ［58］ Huang T, Mariani S, Redline S. Sleep irregularity and risk of cardiovascular events: the multi‑ethnic study of atherosclerosis［J］. J Am Coll Cardiol, 2020,75(9):991‑999. DOI: 10.1016/j.jacc.2019.12.054.
    ［59］ Bayoumy K, Gaber M, Elshafeey A, et al. Smart wearable devices in cardiovascular care: where we are and how to move forward［J］. Nat Rev Cardiol, 2021, 18(8):581‑599. DOI: 10.1038/s41569‑021‑00522‑7.
    ［60］ Nduka SO, Emeneka OC, Nduka IJ, et al. Cardiovascular risk screening: a 10‑year prediction cross‑sectional study in a Nigerian agrarian community［J］. Pan Afr Med J, 2024,47:59. DOI: 10.11604/pamj.2024.47.59.38486.
    ［61］ Sagelv EH, Hopstock LA, Morseth B, et al. Device‑measured physical activity, sedentary time, and risk of all‑cause mortality: an individual participant data analysis of four prospective cohort studies［J］. Br J Sports Med, 2023, 57(22):1457‑1463. DOI: 10.1136/bjsports‑2022‑106568.
    ［62］ Paudel S, Ahmadi M, Phongsavan P, et al. Do associations of physical activity and sedentary behaviour with cardiovascular disease and mortality differ across socioeconomic groups? A prospective analysis of device‑measured and self‑reported UK Biobank data［J］. Br J Sports Med, 2023, 57(14):921‑929. DOI: 10.1136/bjsports‑2022‑105435.
    ［63］ Ahmadi MN, Hamer M, Gill J, et al. Brief bouts of device‑measured intermittent lifestyle physical activity and its association with major adverse cardiovascular events and mortality in people who do not exercise: a prospective cohort study［J］. Lancet Public Health, 2023, 8(10):e800‑e810. DOI: 10.1016/S2468‑2667(23)00183‑4.
    ［64］ Ong MK, Romano PS, Edgington S, et al. Effectiveness of remote patient monitoring after discharge of hospitalized patients with heart failure: the better effectiveness after transition ‑‑heart failure (BEAT‑HF) randomized clinical trial［J］. JAMA Intern Med, 2016, 176(3):310‑318. DOI: 10.1001/jamainternmed.2015.7712.
    无
    发表评论文明上网理性发言，请遵守互动礼仪
    您需要先 登录 后方可发表评论。
    • 全部评论
      • /
    • 我的评论
    • 最新
      • /
    • 最热
      主 管

      中国科学技术协会

      主 办

      中华医学会

      地址：北京市东四西大街42号

      邮编：100710

      总 编 辑

      霍勇

      编辑部主任

      徐静

      编 辑

      中华心血管病杂志（网络版）编辑委员会

      地址：北京市西城区东河沿街69号

      邮编：100052

      电话（传真）：(010)51322276

      Email：cvjc@cmaph.org

      http://www.cvjc.org.cn

      出 版

      《中华医学杂志》社有限责任公司

      地址：北京市东四西大街42号

      邮编：100710

      电话(传真)：(010)51322059

      Email：office@cma.org.cn

      中国标准连续出版物号
      ISSN 2096-1588
      CN 11-6031/R

      微信服务号

      微信订阅号

      版权归中华医学会所有

      未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计，除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点

      京ICP备07035254号-58