racavedigger.com
Daily insights on Bitcoin and crypto markets
  • Facebook
  • Pinterest
  • Home
  • News

Ispira 2 fasi del sonno

Notizia

Fitbit Inspire 2

La convalida di Fitbit ispira 2 tm contro la polisonnografia negli adulti considerando l’adattamento per l’uso

Riepilogo:

Questo articolo discute la convalida del dispositivo Fitbit Inspire 2 TM contro la polisonnografia (PSG) per il monitoraggio dell’attività del sonno negli adulti. Lo studio mirava a monitorare l’attività del sonno utilizzando Fitbit Inspire 2 e valutarne le prestazioni e l’efficacia rispetto a PSG.

Punti chiave:

  1. Lo studio ha confrontato i dati del sonno ottenuti da Fitbit Inspire 2 e PSG per nove partecipanti senza gravi problemi di sonno.
  2. I valori medi per ogni stadio del sonno hanno mostrato differenze significative nel tempo di sonno totale (TST), nel sonno profondo e nel rapido movimento degli occhi (REM) tra Fitbit Inspire 2 e PSG.
  3. Nell’analisi Bland-Altman, TST, Deep Sleep e REM sono stati significativamente sopravvalutati in Fitbit Inspire 2 rispetto al PSG.
  4. Fitbit Inspire 2 ha mostrato un’alta sensibilità (93.9%) e bassa specificità (13.1%) per il rilevamento del sonno, con una precisione complessiva del 76%.
  5. Sono necessarie ulteriori ricerche per valutare l’applicazione di Fitbit Inspire 2 nei partecipanti con problemi di sonno.

Domande:

  1. Come è stata convalidata l’affidabilità e l’accuratezza del dispositivo Fitbit Inspire 2?
    L’affidabilità e l’accuratezza del dispositivo Fitbit Inspire 2 sono state convalidate confrontando i dati del sonno con la polisonnografia (PSG), che è il metodo standard per monitorare l’attività del sonno.
  2. Quali sono stati i principali risultati dello studio?
    Lo studio ha riscontrato differenze significative nel tempo di sonno totale (TST), nel sonno profondo e nel rapido movimento degli occhi (REM) tra Fitbit Inspire 2 e PSG. Fitbit Inspire 2 ha sopravvalutato queste fasi del sonno rispetto a PSG. Tuttavia, il dispositivo ha mostrato un’alta sensibilità e una bassa specificità per il rilevamento del sonno.
  3. Quali sono i limiti di Fitbit Inspire 2 rispetto a PSG?
    A differenza di PSG, che rileva le fasi del sonno attraverso biosignali, Fitbit Inspire 2 utilizza solo le informazioni raccolte in base al movimento e alla frequenza cardiaca. Ciò può influire sull’affidabilità e l’accuratezza della valutazione della fase del sonno.
  4. Quanti partecipanti sono stati inclusi nello studio?
    Lo studio includeva nove partecipanti senza gravi problemi di sonno.
  5. Qual è il significato dello studio?
    Questo studio fornisce approfondimenti sulla prestazione e l’efficacia di Fitbit Inspire 2 per il monitoraggio dell’attività del sonno negli adulti. Sottolinea la necessità di ulteriori ricerche sulla sua applicazione in persone con problemi di sonno.
  6. Quali sono stati i punti di forza e le debolezze del Fitbit Inspire 2?
    Fitbit Inspire 2 ha dimostrato un’alta sensibilità per il rilevamento del sonno, indicando la sua capacità di identificare accuratamente l’attività del sonno. Tuttavia, ha mostrato una bassa specificità, suggerendo che può anche rilevare attività non sonno come sonno. Questi aspetti devono essere considerati quando si interpretano i dati del sonno del dispositivo.
  7. Quali parametri di sonno sono stati confrontati tra Fitbit Inspire 2 e PSG?
    Lo studio ha confrontato il tempo totale del sonno (TST), il sonno profondo, il movimento rapido degli occhi (REM), il tempo a letto, l’efficienza del sonno, la scia dopo l’insorgenza del sonno e il sonno leggero tra Fitbit Inspire 2 e PSG.
  8. Quali ulteriori ricerche sono necessarie in relazione a Fitbit Inspire 2?
    Ulteriori ricerche sono garantite per valutare l’applicazione di Fitbit Inspire 2 nei partecipanti con problemi di sonno. Ciò fornirebbe maggiori approfondimenti sulla sua efficacia e affidabilità nelle persone con condizioni di sonno specifiche.
  9. Quali sono le possibili implicazioni dell’utilizzo di Fitbit Inspire 2 per il monitoraggio del sonno?
    Fitbit Inspire 2 può essere considerato uno strumento appropriato per misurare il sonno nella vita quotidiana. Consente il monitoraggio conveniente e continuo delle abitudini del sonno. Tuttavia, sono necessarie ulteriori ricerche e un’attenta interpretazione dei dati del sonno, specialmente per le persone con problemi di sonno.
  10. Quali sono i potenziali rischi di fare affidamento esclusivamente su Fitbit Inspire 2 per il monitoraggio del sonno?
    Fare affidamento esclusivamente su Fitbit Inspire 2 per il monitoraggio del sonno può portare a una valutazione imprecisa della fase del sonno. La dipendenza del dispositivo dal movimento e dai dati sulla frequenza cardiaca potrebbe non fornire una valutazione completa dell’attività del sonno rispetto a PSG, che utilizza biosignali.

Risposte dettagliate:

  1. Come è stata convalidata l’affidabilità e l’accuratezza del dispositivo Fitbit Inspire 2?
    L’affidabilità e l’accuratezza del dispositivo Fitbit Inspire 2 sono state convalidate confrontando i dati del sonno con la polisonnografia (PSG), che è il metodo standard per monitorare l’attività del sonno. Questo confronto ha permesso di valutare l’accordo tra i due metodi e identificare eventuali differenze significative nei parametri del sonno.
  2. Quali sono stati i principali risultati dello studio?
    I principali risultati dello studio hanno rivelato differenze significative nel tempo di sonno totale (TST), nel sonno profondo e nel rapido movimento degli occhi (REM) tra Fitbit Inspire 2 e PSG. Il Fitbit ispira 2 tendeva a sopravvalutare queste fasi del sonno rispetto alle misurazioni PSG. Tuttavia, il dispositivo ha mostrato un’elevata sensibilità (capacità di rilevare il sonno) e una bassa specificità (capacità di distinguere le attività non sonno dal sonno) per il rilevamento del sonno.
  3. Quali sono i limiti di Fitbit Inspire 2 rispetto a PSG?
    Fitbit Inspire 2 ha limiti rispetto a PSG. A differenza di PSG, che rileva le fasi del sonno attraverso vari biosignali, Fitbit Inspire 2 si basa principalmente sui dati di movimento e frequenza cardiaca. Ciò può influire sull’accuratezza e l’affidabilità della valutazione dello stadio del sonno, poiché questi fattori potrebbero non fornire una valutazione approfondita dell’attività del sonno. Pertanto, Fitbit Inspire 2 potrebbe non fornire lo stesso livello di dettaglio e precisione di PSG.
  4. Quanti partecipanti sono stati inclusi nello studio?
    Lo studio includeva nove partecipanti senza gravi problemi di sonno. Questa dimensione del campione è stata considerata sufficiente per gli obiettivi e le analisi statistiche dello studio.
  5. Qual è il significato dello studio?
    Il significato dello studio sta nella valutazione della prestazione e dell’efficacia di Fitbit Inspire 2 nel tracciare l’attività del sonno. Confrontando i suoi dati con PSG, lo studio fornisce approfondimenti sull’affidabilità e l’accuratezza del dispositivo, evidenziando il suo potenziale come strumento per misurare il sonno nella vita quotidiana. Tuttavia, sono necessarie ulteriori ricerche per valutare la sua applicazione nelle persone con problemi di sonno.
  6. Quali sono stati i punti di forza e le debolezze del Fitbit Inspire 2?
    Fitbit Inspire 2 ha dimostrato un’alta sensibilità per il rilevamento del sonno, indicando la sua capacità di identificare accuratamente l’attività del sonno. Questa è una grande forza del dispositivo. Tuttavia, ha mostrato una bassa specificità, suggerendo che può anche rilevare attività non sonno come sonno. Questa è una debolezza che deve essere presa in considerazione quando si interpreta i dati del sonno forniti da Fitbit Inspire 2.
  7. Quali parametri di sonno sono stati confrontati tra Fitbit Inspire 2 e PSG?
    Lo studio ha confrontato diversi parametri di sonno tra Fitbit Inspire 2 e PSG, tra cui il tempo totale del sonno (TST), il sonno profondo, il movimento rapido degli occhi (REM), il tempo a letto, l’efficienza del sonno, la scia dopo l’insorgenza del sonno e il sonno leggero. Questi parametri erano essenziali per valutare l’accordo e le discrepanze tra i due metodi di tracciamento del sonno.
  8. Quali ulteriori ricerche sono necessarie in relazione a Fitbit Inspire 2?
    Ulteriori ricerche sono garantite per valutare l’applicazione di Fitbit Inspire 2 in soggetti con problemi di sonno. Ciò fornirebbe maggiori approfondimenti sulla sua efficacia, affidabilità e potenziali benefici per specifiche condizioni di sonno. Inoltre, studi comparativi con campioni più grandi e popolazioni diverse migliorerebbero la comprensione delle prestazioni di Fitbit Inspire 2.
  9. Quali sono le possibili implicazioni dell’utilizzo di Fitbit Inspire 2 per il monitoraggio del sonno?
    L’uso di Fitbit Inspire 2 per il monitoraggio del sonno ha diverse implicazioni. Permette alle persone di monitorare comodamente e continuamente le loro abitudini di sonno nella vita quotidiana. Questo può aiutare a identificare irregolarità o schemi nella durata del sonno e nelle fasi. Tuttavia, è importante interpretare i dati del sonno di Fitbit Inspire 2 con cautela e considerare i limiti di basarsi esclusivamente sui dati di movimento e frequenza cardiaca per la valutazione del sonno.
  10. Quali sono i potenziali rischi di fare affidamento esclusivamente su Fitbit Inspire 2 per il monitoraggio del sonno?
    Fare affidamento esclusivamente su Fitbit Inspire 2 per il monitoraggio del sonno può comportare rischi in termini di valutazione inaccurata della fase del sonno. La dipendenza del dispositivo solo dai dati di movimento e dalla frequenza cardiaca potrebbe non fornire una valutazione completa dell’attività del sonno rispetto a PSG, che utilizza più biosignali per la stadiazione del sonno. Pertanto, i dati Fitbit Inspire 2 dovrebbero essere interpretati con cautela, considerando i suoi limiti.

Fitbit Inspire 2

7. Van de Water at, Holmes A, Hurley DA. Misurazioni oggettive del sonno per le impostazioni non laboratorie come alternative alla polisonnografia-una revisione sistematica . J Sleep Res . 2011; 20 (1 pt 2): 183–200. doi: 10.1111/j.1365-2869.2009.00814.X [PubMed] [CrossRef] [Google Scholar]

La convalida di Fitbit ispira 2 tm contro la polisonnografia negli adulti considerando l’adattamento per l’uso

Questo lavoro è pubblicato e concesso in licenza da Dove Medical Press Limited. I termini completi di questa licenza sono disponibili su https: // www.colomba.com/termini.PHP e incorporare l’attribuzione Creative Commons – Non commerciale (non importata, V3.0) Licenza (http: // creativeCommons.org/licenze/by-nc/3.0/). Accedendo al lavoro, accetti i termini. Gli usi non commerciali del lavoro sono consentiti senza ulteriori autorizzazioni da Dove Medical Press Limited, a condizione che il lavoro sia correttamente attribuito. Per il permesso per l’uso commerciale di questo lavoro, consultare i paragrafi 4.2 e 5 dei nostri termini (https: // www.colomba.com/termini.PHP).

Astratto

Scopo

La commercializzazione dei dispositivi di tracciamento delle attività del sonno ha permesso di gestire la qualità del sonno a casa. Tuttavia, è necessario verificare l’affidabilità e l’accuratezza dei dispositivi indossabili attraverso il confronto con la polisonnografia (PSG), che è lo standard per il monitoraggio dell’attività del sonno. Questo studio mirava a monitorare l’attività complessiva del sonno utilizzando Fitbit Inspire 2 ™ (FBI2) e valutarne le prestazioni e l’efficacia attraverso il PSG nelle stesse condizioni.

Pazienti e metodi

Abbiamo confrontato i dati FBI2 e PSG di nove partecipanti (quattro partecipanti maschi e cinque femmine; età media, 39 anni) senza gravi problemi di sonno. I partecipanti hanno indossato FBI2 continuamente per 14 giorni, considerando il periodo di adattamento al dispositivo. I dati di sospensione FBI2 e PSG sono stati confrontati utilizzando accoppiati T-Test, grafici insipidi-altman e analisi epoch-by-epoch per 18 campioni povalutando i dati da due replicati.

Risultati

I valori medi per ogni stadio di sonno ottenuti da FBI2 e PSG hanno mostrato differenze significative nel tempo totale del sonno (TST), nel sonno profondo e nel movimento rapido degli occhi (REM). Nell’analisi Bland -Altman, TST (P = 0.02), sonno profondo (P = 0.05) e rem (P = 0.03) sono stati significativamente sopravvalutati in FBI2 rispetto a PSG. Inoltre, il tempo a letto, l’efficienza del sonno e la scia dopo l’insorgenza del sonno sono stati sopravvalutati, mentre il sonno leggero è stato sottovalutato. Tuttavia, queste differenze non erano statisticamente significative. FBI2 ha mostrato un’alta sensibilità (93.9%) e bassa specificità (13.1%), con una precisione del 76%. La sensibilità e la specificità di ogni fase del sonno erano 54.3% e 62.3%, rispettivamente, per il sonno leggero, 84.8% e 50.1%, rispettivamente, per il sonno profondo e 86.4% e 59.1%, rispettivamente per il sonno REM.

Conclusione

L’uso di FBI2 come strumento oggettivo per misurare il sonno nella vita quotidiana può essere considerato appropriato. Tuttavia, ulteriori ricerche sono garantite sulla sua domanda nei partecipanti con problemi di sveglia per dormire.

Parole chiave: indossabile, sonno, monitoraggio, polisonnografia, studio di validazione

introduzione

Il sonno è essenziale per mantenere una vita sana. Il sonno inadeguato aumenta il rischio di malattie cardiovascolari, diabete di tipo 2 e ipertensione.1 In uno studio recente, una durata del sonno più breve è stata associata a 1.Rischio 28 volte maggiore di sindrome metabolica.2 Il tempo medio di sonno dei coreani è 6.76 ore, che mostra una tendenza generale per essere più breve nel tempo.3 Il numero di pazienti con disturbi del sonno è aumentato anche dell’8% ogni anno negli ultimi cinque anni e il numero di pazienti con disturbi del sonno era di 650.000 a partire dal 2020.4 Valori di avvertimento per questi stati del sonno portano a un interesse per i prodotti del sonno che aiutano il sonno sano. Pertanto, l’uso di dispositivi indossabili che misurano facilmente lo stato del sonno nella vita quotidiana è aumentato.5 Inoltre, poiché l’interesse per la salute del sonno è aumentato, la ricerca si è concentrata sulla verifica dell’affidabilità e dell’accuratezza dei dispositivi indossabili è stata ampliata.6

La polisonografia (PSG), un metodo standard accurato per misurare il sonno, è stato ampiamente utilizzato nella ricerca sulle valutazioni oggettive del sonno.7 Tuttavia, la misurazione di PSG richiede da otto a dieci ore e c’è un limite per misurare il solito tempo di sonno conducendo il test in un ambiente sconosciuto. Pertanto, il test richiede tempo, sforzo e pagamento.5 Per superare queste limitazioni, viene utilizzato un Fitbit indossata dal polso, che è un metodo non invasivo certificato dalla Food and Drug Administration,.8

L’ultimo Fitbit, prodotto dopo il 2017, utilizza un metodo di valutazione della fase del sonno che monitora i dati a intervalli regolari per i tempi di veglia e sonno attraverso un sensore di movimento e una misurazione della frequenza cardiaca. Rispetto al modello iniziale, è possibile valutare non solo i parametri del sonno ma anche le fasi del sonno.9 Pertanto, è possibile utilizzare efficacemente Fitbit per il monitoraggio del sonno di routine e la valutazione clinica del sonno in pazienti con sonno o disturbi mentali. Inoltre, è possibile la gestione continua delle abitudini del sonno.10,11 Tuttavia, Fitbit ha una limitazione in quanto utilizza solo le informazioni raccolte dopo aver misurato il sonno in base al movimento e alla frequenza cardiaca, a differenza del PSG, che rileva le fasi del sonno attraverso biosignali.

Alcune differenze esistono nell’affidabilità e nell’accuratezza in base al modello Fitbit; Quindi, sono stati segnalati molti studi comparativi che utilizzano PSG valutare l’efficacia di Fitbit.12 Complessivamente, Fitbit ha mostrato un’alta sensibilità (0.95–0.96) e specificità relativamente bassa (0.58–0.69) per il rilevamento del sonno in una meta-analisi dell’accuratezza di Fitbit e PSG, che può valutare le fasi del sonno. Il tempo di scia dopo l’insorgenza del sonno (WASO), il tempo totale del sonno (TST) e l’efficienza del sonno (SE) non differivano da quelli di PSG. Tuttavia, la latenza di insorgenza del sonno è sottovalutata.13 Pertanto, Fitbit è considerato un’alternativa alla raccolta di dati di sonno oggettivi, che in precedenza era disponibile solo tramite PSG in laboratorio.14

Tuttavia, gli studi che confrontano la validità di Fitbit e PSG sono limitati perché la maggior parte degli studi erano esperimenti una tantum.15 Inoltre, l’effetto del primo notte si è verificato nel 50% dei partecipanti, poiché l’esperimento è stato condotto in un laboratorio sconosciuto diverso dall’ambiente familiare di notte. Inoltre, il 66–81% dei partecipanti ha riportato disagio durante il sonno a causa dell’uso simultaneo di diversi dispositivi non familiari.16 Questi problemi hanno ridotto i partecipanti’ Qualità del sonno durante l’esperimento, che ha influenzato l’interpretazione dei risultati dello studio del sonno.

Pertanto, è necessario confrontare i risultati ottenuti dall’usura quotidiana di un dispositivo e misurazioni ripetute con PSG per verificare l’affidabilità del Fitbit. Questo studio mirava a valutare l’accuratezza e l’affidabilità di Fitbit confrontando i risultati ottenuti da Fitbit Inspire 2 ™ (FBI2) e PSG con misurazioni ripetute dopo aver utilizzato il dispositivo per un determinato periodo.

Materiali e metodi

Partecipanti dello studio e progettazione dello studio

Partecipanti allo studio

Questo studio è stato condotto dall’ottobre 2021 al dicembre 2021, mirando a 12 partecipanti di età compresa tra 20 e 55 anni che vivono a Daejeon senza gravi disturbi del sonno. Sulla base della differenza media e della deviazione standard di TST misurata usando Fitbit e PSG in studi precedenti, 9 partecipanti sono stati selezionati con un livello di significatività del 5% e una potenza dell’80% e un totale di 12 partecipanti sono stati calcolati applicando un tasso di abbandono del 20%.17,18 I partecipanti sono stati reclutati attraverso un avviso di reclutamento all’ospedale D di Daejeon. Il consenso informato scritto è stato ottenuto da tutti i partecipanti. I criteri per la selezione dei partecipanti erano adulti di età compresa.19 I seguenti partecipanti sono stati esclusi: quelli con disturbi del sonno, disturbi psichiatrici, disturbi medici interni ed esterni e disturbi muscoloscheletrici; Coloro che assumono farmaci psichiatrici/neurologici, compresi i sonniferi; e quelli con cicli irregolari del sonno, come il lavoro a turni. Il soggetto’La valutazione della conformità è stata eseguita tramite un medico’S esame, questionari e esami del sangue. Lo studio è stato approvato dal comitato di revisione istituzionale del Daejeon Korean Medicine Hospital della Daejeon University (numero di approvazione: DJDSKH-21-BM-15) e condotto in conformità con la Dichiarazione di Helsinki.

Progettazione dello studio

In questo studio sono state eseguite in totale tre visite in ospedale: registrazione in materia (visita una), il primo confronto tra Fitbit (Fitbitⓡ Inc, San Francisco, California, USA) e PSG (una settimana dopo la visita uno) e il secondo confronto tra Fitbit e PSG (due settimane dopo aver visitato uno). Il fitbit è stato indossato continuamente per 14 giorni, che è stato il periodo di studio, considerando il partecipante’periodo di adattamento a Fitbit. Dopo essere stato ammesso in ospedale per due giorni e una notte, il PSG è stato misurato durante il sonno dal personale medico PSG. Al momento, la misurazione è stata condotta mentre indossava il fitbit. Durante la misurazione del PSG, il ricercatore ha registrato i diari del sonno prima e dopo che i partecipanti hanno dormito e ha continuamente monitorato lo stato di sicurezza dei partecipanti. Sono stati iscritti dodici partecipanti e i dati di nove partecipanti che hanno completato le tre visite sono stati inclusi nell’analisi finale (escluse i dati da un dropout e due dati mancanti dal Fitbit) (Figura 1).

Un file esterno che contiene un'immagine, illustrazione, ecc. Il nome dell'oggetto è NSS-15-59-G0001.JPG

Diagramma di flusso per la selezione dei partecipanti allo studio. PSG, polisonnografia.

Strumenti di studio

PSG

I pazienti sono stati sottoposti a PSG due volte. L’attività di routine è stata mantenuta prima dell’inizio di PSG. Tuttavia, il consumo di caffeina, tabacco e alcol è stato scoraggiato. La temperatura, l’umidità e l’illuminanza di tutte le sale PSG sono state mantenute la stessa e tutti i partecipanti indossavano lo stesso cappotto da laboratorio. La misurazione è stata condotta a 8 p.M. Nella sala di prova del sonno PSG prima del test e due tecnici PSG del sonno professionale si sono alternati conducendo il test mentre il soggetto dormiva. Il punteggio della fase del sonno RECHTSChaffen e Kales è stato calcolato in base a un’epoca di 30 secondi in conformità con le linee guida standard.20 Compumedics/Siesta 802A è stato utilizzato come strumento PSG e un tecnico polisomnografico certificato ha eseguito un metodo standardizzato. I sensori erano collegati a posizioni di misurazione, come la testa, il viso, il tronco e le estremità inferiori. Vari biosignali come respirazione, russare, elettroencefalogramma, elettrooculogramma, elettromiogramma, elettrocardiogramma, posizione del corpo e concentrazione di ossigeno nel sangue dei partecipanti sono stati rilevati attraverso sensori. Inoltre, le fasi del sonno sono state identificate registrando tutta la notte’tempo di sonno. Le variabili utilizzate per l’analisi PSG erano le seguenti: tempo nel letto (TIB; min), TST (min), SE (%), WASO (min), stadi 1–3 (min) e tempo di sonno a rapido eye (REM) (MIN).

FBI2

Le attività e i modelli di sonno raccolti erano accessibili tramite un’app mobile con l’argomento’consenso. Il dispositivo è stato indossato prima di coricarsi fino alla mattina seguente in laboratorio, escluso il tempo della doccia. In questo studio è stato utilizzato un dispositivo completamente carico. I dati Fitbit sono stati estratti assegnando fasi di sonno e veglia di 30 secondi per l’analisi Epoch-By-Epoch (EBE). Le informazioni sul sonno ottenute tramite FBI2 sono state abbinate alle variabili PSG come segue facendo riferimento ai parametri del sonno sul sito Web Fitbit: 21 TIB (min), TST (min), SE (%), Waso (min), Tempo di sonno REM (MIN). Per il confronto con le classificazioni di stadiazione di FBI2, è stata calcolata una somma di fasi uno e due per rappresentare il sonno leggero e le fasi tre e quattro sono state considerate sonno profondo.

Analisi dei dati e metodi statistici

I dati di nove partecipanti sono stati inclusi nell’analisi finale. Diciotto casi sono stati analizzati integrando i dati delle due visite con i dati FitBit e PSG. I valori di deviazione media e standard (SD) sono presentati per variabili continue, come le caratteristiche demografiche dei partecipanti allo studio. I valori di frequenza e percentuale sono presentati per dati categorici. Questi sono stati utilizzati per l’analisi facendo riferimento ai metodi standard per valutare le prestazioni del sonno PSG e dei tracker del sonno.22 A Coppited T-Il test è stato utilizzato per confrontare i risultati dei parametri del sonno. L’accordo complessivo dei risultati è stato analizzato utilizzando il diagramma di Bland -Altman e i confronti EBE. L’analisi dei dati statistici è stata eseguita utilizzando SPSS versione 24 (SPSS, IBM Corp.) e R versione 4.1.0 (The R Foundation for Statistical Computing). È stato eseguito un test a due lati e il significato statistico è stato fissato su un P valore di < 0.05.

Metodo Bland -Altman

Il metodo Bland -Altman mostra la differenza tra le due misurazioni e confronta la distribuzione delle differenze. In questo studio, la differenza e la DS tra le due misurazioni, l’intervallo di confidenza del 95% per la differenza e i limiti più bassi e superiori dell’accordo (differenza di media [1.96 SD]) per TIB, SE, TST, WASO, sonno leggero, sonno profondo e REM presentati da PSG e Fitbit sono stati calcolati e visualizzati visivamente su un diagramma.

Confronti EBE

Per confrontare l’epoca tra i due metodi di misurazione, sono stati utilizzati solo i dati misurati contemporaneamente per ciascun metodo. Le fasi di ciascuna misurazione sono state modificate come segue: nel PSG, Awake è stato cambiato in WASO e le fasi 1, 2, 3 e REM sono state cambiate in sonno. Nel Fitbit, Wake è stato mantenuto come Wake, e Light, Deep e REM sono stati cambiati per dormire. Inoltre, poiché l’intervallo di tempo tra le misurazioni dell’epoca non era lo stesso, l’intervallo di tempo di misurazione dell’epoca per ciascun metodo è stato modificato in 30 anni prima della registrazione. Quando sia le fasi di scia e sonno sono state misurate nel blocco di 30 secondi, sono stati codificati come fasi di scia. Accordo, sensibilità, specificità, valore predittivo positivo e valore predittivo negativo sono stati valutati utilizzando i dati classificati.23

Risultati

Caratteristiche generali dei partecipanti

Le caratteristiche generali dei nove partecipanti sono presentate nella Tabella 1 . C’erano quattro maschi (36.4%) e cinque femmine (45.5%) e il punteggio ISI medio era 13.7 (4.4).

Tabella 1

Variabili n = 9 (%)
Genere
Maschio 4 44.4
Femmina 5 55.6
Età (anni) 39.0 ± 8.0
Altezza (cm) 167.5 ± 8.3
Peso (kg) 66.8 ± 15.2
BMI (kg/m²) 23.6 ± 3.3
Potabile
SÌ 3 33.3
NO 6 66.7
Fumo
SÌ 6 66.7
NO 3 33.3
ISI
Significare 13.7 ± 4.4
Lieve (8–14) 5 55.6
Moderato (15–21) 4 44.4

Abbreviazioni: BMI, indice di massa corporea, ISI, indice di gravità dell’insonnia.

Confronto tra FBI2 e PSG

La tabella 2 mostra i risultati del confronto tra FBI2 e PSG utilizzando 18 campioni di dati combinati dalle visite due e tre. Sono state osservate differenze statisticamente significative tra Fitbit e PSG in TST, sonno profondo e sonno REM (P < 0.05). The Fitbit and PSG TST showed a difference of 17.91 minutes. Deep sleep in the Fitbit was 14.67 minutes longer than in the PSG. Other variables showed no differences between the Fitbit and PSG.

Tavolo 2

PSG e Fitbit ispirano 2 risultati del sonno usando il campione completo (n = 18)

Variabili Fitbit PSG T P-valore
Media ± SD ± 95% IC Media ± SD ± 95% IC
Tib (min) 414.94 ± 88.93 370.72 ~ 459.17 413.81 ± 52.25 387.82 ~ 439.79 0.076 0.940
TST (min) 364.33 ± 79.98 324.56 ~ 404.11 346.42 ± 73.89 309.67 ~ 383.16 2.487 0.024
SE (%) 87.83 ± 4.32 85.68 ~ 89.98 83.68 ± 14.03 76.70 ~ 90.66 1.364 0.190
Waso (min) 50.61 ± 21.85 39.74 ~ 61.48 40.25 ± 49.55 15.61 ~ 64.89 0.757 0.459
Sonno leggero (min) 225.39 ± 52.45 199.30 ~ 251.47 231.75 ± 47.37 208.19 ~ 255.31 −0.485 0.634
Sonno profondo (min) 64.28 ± 27.27 50.72 ~ 77.84 49.61 ± 35.10 32.16 ~ 67.07 2.104 0.051
REM (min) 74.67 ± 24.70 62.38 ~ 86.95 65.06 ± 27.70 51.28 ~ 78.83 2.308 0.034

Appunti: Sonno leggero (stadio 1+2); Sonno profondo (Fase 3); P-valore calcolato da accoppiato T-test.

Abbreviazioni: PSG, polisonografia; CI, intervallo di confidenza; SD, deviazione standard; Tib, tempo a letto; TST, tempo di sonno totale; SE, efficienza del sonno; Waso, Wake dopo l’inizio del sonno; REM, rapido movimento degli occhi.

Analisi della differenza media di Bland -Altman

La Figura 2 mostra il confronto tra differenze e distribuzioni tra le misurazioni Fitbit e PSG mediante analisi Bland -Altman. Dai risultati del confronto Bland -Altman, TST (P = 0.02), sonno profondo (P = 0.05) e rem (P = 0.03) misurato da FBI2 sono stati significativamente sopravvalutati. TIB (P = 0.94), SE (P = 0.19) e Waso (P = 0.46) tendeva ad essere sopravvalutato ma non erano statisticamente significativi. Inoltre, il sonno leggero (P = 0.63) era sottovalutato ma non era statisticamente significativo. Nel diagramma di Bland -Altman, tutte le misurazioni tranne un caso erano nell’intervallo di confidenza al 95%, indicando un alto grado di accordo.

Un file esterno che contiene un'immagine, illustrazione, ecc. Il nome dell'oggetto è NSS-15-59-G0002.JPG

Bland -Altman Tela dell’FBI2 contro PSG. Trame bland-altman che presentano i diversi valori di FBI2 e PSG sull’asse Y rispetto ai valori di PSG sull’asse X attraverso TIB, TST, SE, WASO, Sleep leggera (Fase 1+2), Sleep profondo (Fase 3) e REM. La linea blu solida orizzontale indica la differenza media media, mentre le linee tratteggiate rappresentano l’intervallo di confidenza del 95% (o limite di accordo a meno di upper). FBI2, Fitbit Inspire 2 ™.

Abbreviazioni: PSG, polisonografia; Tib, tempo a letto; TST, tempo di sonno totale; SE, efficienza del sonno; Waso, Wake dopo l’inizio del sonno; REM, rapido movimento degli occhi.

Confronti di Fitbit e PSG EBE

La sensibilità e la specificità del sonno totale, del sonno leggero, del sonno profondo e del sonno REM sono stati studiati per ogni fase del sonno nell’FBI2 e PSG mediante analisi EBE. Per il sonno totale, l’FBI2 aveva una bassa specificità (13.1%), alta sensibilità (93.9%) e precisione da moderata a love (76.0%). Per il sonno leggero, l’FBI2 ha mostrato una sensibilità relativamente bassa (54.3%), specificità (62.3%) e precisione (59.1%), mentre la sensibilità al sonno profondo (84.8%) e REM Sleep (86.4%) era moderato. Tuttavia, l’accuratezza era alta per la profondità (98.2%) e Sleep REM (92.3%). Sonno profondo (50.1%) e Sleep REM (59.1%) ha mostrato una specificità da moderata a bassa (Tabella 3).

Tabella 3

Sensibilità, specificità e accuratezza di Fitbit Inspire 2 rispetto a PSG usando il campione completo (n = 18)

Categoria Sensibilità (%) Specificità (%) Accuratezza (%) PPV (%) NPV (%)
Sonno totale 93.9% 13.1% 76.0% 79.2% 38.0%
Sonno leggero 54.3% 62.3% 59.1% 49.2% 67.0%
Sonno profondo 84.8% 50.1% 83.7% 98.2% 9.5%
REM 86.4% 59.1% 82.3% 92.3% 43.2%

Appunti: Sonno leggero (stadio 1+2); Sonno profondo (Fase 3).

Abbreviazioni: PSG, polisonografia; PPV, valore predittivo positivo; NPV, valore predittivo negativo; REM, rapido movimento degli occhi.

Discussione

In questo studio, abbiamo confrontato i risultati di FBI2 con quelli di PSG attraverso due esperimenti ripetuti a intervalli di una settimana nelle stesse condizioni per valutare l’efficacia del sonno e la funzione di misurazione della scia di FBI2 in nove partecipanti senza disturbi del sonno. Questo è uno studio supplementare che verifica Fitbit&rsquo;S Precisione. I due risultati principali di questo studio sono i seguenti: in primo luogo, le variabili FBI2 TST, il sonno profondo e il sonno REM sono stati significativamente sopravvalutati. In secondo luogo, il risultato totale del sonno ha mostrato una sensibilità di 93.9%, specificità di 13.1%e precisione di 76.0%. Pertanto, è stata determinata l’accuratezza di ciascun parametro del sonno.

Bland -Altman&rsquo;Il confronto s ha valutato le prestazioni di FBI2 attraverso le variabili del sonno per PSG, che era coerente con i risultati di Bland -Altman&rsquo;s abbinato T-test. I risultati dello studio hanno mostrato differenze significative nel TST, nel sonno profondo e nel sonno REM tra le variabili del sonno misurate due volte usando PSG e FBI2.

La differenza media tra FBI2 e PSG nel TST era 17.9 minuti e 14.67 minuti di sonno profondo, che è stato significativamente sopravvalutato. Precedenti studi hanno dimostrato che esiste una differenza media significativa tra il PSG e i dispositivi indossabili della misurazione del sonno, in cui i dispositivi indossabili della misurazione del sonno rendono quella sopravvalutazione. In uno studio precedente che ha eseguito PSG utilizzando Fitbit Alta HR su 49 partecipanti, TST e Sleep Deep sono stati significativamente sopravvalutati, simili ai risultati ottenuti in questo studio.18 Inoltre, SE era 4.15%e Waso era 10.36 minuti, che è stato sopravvalutato. WASO si trova principalmente nei pazienti con disturbi del sonno; In studi precedenti nel confrontare la Waso con l’insonnia e gli individui sani, nel gruppo individuale sano, la deviazione standard è risultata maggiore del valore medio.24,25 Inoltre, altri studi precedenti hanno dimostrato che la deviazione standard è grande; Inoltre, non sono stati spiegati risultati significativi come limitazione del piccolo numero di partecipanti.26 Considerando i limiti di questo studio, il numero di partecipanti era piccolo e il valore medio di WASO è stato determinato per essere maggiore della deviazione standard analizzando il pubblico in generale.

Il diagramma di Bland -Altman è stato incluso nell’intervallo di confidenza al 95%, indicando un valore costante. Ciò è contrario ai risultati di uno studio precedente in cui l’accordo tra Fitbit e PSG era più basso con l’aumentare della WASO nel diagramma di Bland -Altman quando il dispositivo Fitbit Alta HR è stato utilizzato per i pazienti con insonnia. Questo risultato in conflitto potrebbe essere dovuto al fatto che i partecipanti a questo studio non avevano disturbi del sonno.27 Pertanto, l’accuratezza è stata confermata elevata quando l’FBI2 è stato utilizzato nei partecipanti con disturbo del sonno. Il sonno leggero è stato sottovalutato da -6.36. In uno studio precedente che rispetto al Pulse O2 con PSG in 40 adulti sani, è stato anche sottovalutato il sonno leggero (distorsione media di 79 minuti), che è simile ai risultati di questo studio.28

La sensibilità dei partecipanti per la fase totale del sonno di FBI2 era 93.9%, indicando che il sonno è stato rilevato accuratamente. Tuttavia, la specificità per il rilevamento della fase totale del sonno era relativamente bassa (13.1%). Ciò è coerente con i risultati della valutazione dell’efficacia del sonno del dispositivo indossabile indossato in base ai risultati di PSG. Pertanto, è stato verificato che questi dispositivi potevano misurare accuratamente il sonno a causa della loro elevata sensibilità complessiva e bassa specificità.29 La bassa specificità del fitbit è correlata alla percezione del sonno quando non c’è movimento. Tuttavia, l’ultimo Fitbit ha rilevato più accuratamente l’epoca di Wake, o WASO, durante il sonno.13 Tuttavia, rispetto ai risultati di altri studi usando Fitbit con un algoritmo simile, la sensibilità in questo studio era simile. Tuttavia, la specificità (0.58 a 0.69) è leggermente inferiore.13 Pertanto, sebbene in questo studio siano state eseguite misurazioni ripetitive, si può dedurre che il soggetto ha dormito con un movimento minimo in uno stato scomodo nei laboratori ospedalieri, a differenza del sonno a casa.

L’effetto della prima notte è principalmente osservato nei pazienti con insonnia e questo studio è stato condotto in grande pubblico; Pertanto, il primo effetto notturno non è stato sostanzialmente applicato.30 Tuttavia, i risultati sono stati confrontati da misurazioni ripetute per raccogliere informazioni accurate del sonno usando la polisonnografia del sonno basata su studi precedenti che hanno dimostrato il test del test del polimorfismo del sonno per essere fondamentali per due giorni consecutivi.31 I risultati del test della prima e della seconda visita erano simili nei partecipanti di questo studio; Pertanto, il primo effetto notturno non è apparso (i risultati non sono presentati).

Per integrare questo, proponiamo di rendere l’ambiente di laboratorio simile a quello di una casa. In questo studio, le accuratezze del sonno leggero, del sonno profondo e del sonno REM erano 59.1%, 83.7%e 82.3%, rispettivamente. In uno studio comparativo di Fitbit Charge 2 e PSG per i lavoratori a turni, l’accuratezza del sonno leggero era 0.49, il sonno profondo era 0.78 e il sonno REM era 0.86, che era simile ai risultati di studi precedenti.32 In una revisione della letteratura sistematica di ciascun modello Fitbit, l’accuratezza dei parametri del sonno attraverso l’analisi EBE era 0.69 ~ 0.81 per il sonno leggero, 0.36 ~ 0.89 per il sonno profondo e 0.62 ~ 0.89 per il sonno REM.13 Rispetto ai risultati di questo studio, l’accuratezza del sonno leggero era bassa, mentre il sonno profondo e REM hanno mostrato un’elevata precisione.

In un recente studio, la raccolta di dati su larga scala è diventata possibile man mano che la domanda di Fitbit aumentava. Pertanto, può verificarsi una rapida tendenza alla crescita.33 dispositivi Fitbit possono misurare non solo il sonno, ma anche la frequenza cardiaca e l’attività fisica. La validità di vari modelli di dispositivi Fitbit è stata valutata attraverso la meta-analisi e scoperta come un fattore importante di eventi di validità nella funzione di frequenza cardiaca e nella funzione di misurazione dell’attività fisica.34 Disturbi del sonno o cambiamenti nello stato del sonno possono essere monitorati per prevedere la salute convalidando i dispositivi Fitbit. Considerando questo, questo studio ha confermato la possibilità di utilizzare FBI2 e FBI2 come strumenti di screening per la misurazione della fase del sonno nella vita quotidiana.

I vantaggi di questo studio sono i seguenti: in primo luogo, confrontando Fitbit e PSG per i coreani, le caratteristiche del sonno dei coreani si riflettono nelle stesse condizioni ambientali. Pertanto, la condizione per aumentare l’affidabilità del Fitbit è stata soddisfatta. In secondo luogo, i criteri recentemente standardizzati per confermare l’accuratezza del dispositivo di tracciamento del sonno attraverso il metodo di analisi EBE sono stati applicati utilizzando i principali parametri di sonno.22 terzo, c’è stato un periodo di adattamento all’ambiente di laboratorio utilizzando i dati misurati due volte con un intervallo di una settimana.

I limiti di questo studio sono i seguenti: in primo luogo, poiché si trattava di uno studio esplorativo con solo nove partecipanti, la dimensione del campione era piccola, il che potrebbe aver influito sul confronto accurato di FBI2 e PSG. Pertanto, abbiamo analizzato il numero totale di partecipanti misurati per visita per compensare questa limitazione. In secondo luogo, l’accuratezza era relativamente bassa a causa delle caratteristiche del dispositivo FBI2, la cui modalità di misurazione del sonno non era classificata in dettaglio. In terzo luogo, i parametri del sonno del Fitbit sono stati definiti arbitrariamente, a differenza dell’interpretazione dei tecnologi polisonnografici di PSG. Pertanto, ci sono state limitazioni a questa interpretazione.

Conclusione

Questo studio ha confrontato il sonno PSG e FBI2 con misurazioni ripetute nello stesso ambiente sperimentale del sonno negli adulti che si sentivano a disagio con il sonno. Questo studio è significativo in quanto è il primo studio esplorativo per verificare l’accuratezza dell’FBI2 e ha trovato la possibilità del suo uso come indicatore di sonno obiettivo. Dimostrando risultati quasi coerenti con studi precedenti al confronto con Fitbit e PSG, l’FBI2 può essere utilizzato per monitorare la salute del sonno a causa del suo aspetto di usabilità, supportando così il suo utilizzo in alternativa a PSG.

Riconoscimenti

Gli autori apprezzano il Centro di sperimentazione medica e clinica del Daejeon University University per il loro contributo alla raccolta dei dati.

Dichiarazione di finanziamento

Questo lavoro è stato supportato dal Corea Institute of Oriental Medicine (Numero di sovvenzione: KSN1731121) e dal Ministero del commercio, dell’industria ed energia (numero di sovvenzione: NIN2013240).

Divulgazione

Gli autori non riportano conflitti di interesse in questo lavoro.

Riferimenti

1. Cappuccio FP, Cooper D, D&rsquo;Elia L, Strazzullo P, Miller MA. La durata del sonno prevede i risultati cardiovascolari: una revisione sistematica e una meta-analisi di studi prospettici . Eur Heart J . 2011; 32 (12): 1484–1492. doi: 10.1093/EURHEARTJ/EHR007 [PubMed] [CrossRef] [Google Scholar]

2. Xie J, Li Y, Zhang Y, et al. Durata del sonno e sindrome metabolica: una revisione sistematica e meta-analisi aggiornate . Sleep Med Rev . 2021; 59: 101451. doi: 10.1016/j.Smrv.2021.101451 [PubMed] [CrossRef] [Google Scholar]

3. Shin D, Hur J, Cho KH, Cho EH. Tendenze della durata del sonno auto-segnalata negli adulti coreani: risultati del National Health and Nutrition Examination Survey 2007-2015 . Sleep Med . 2018; 52: 103–106. doi: 10.1016/j.sonno.2018.08.008 [PubMed] [CrossRef] [Google Scholar]

4. Servizio di assicurazione sanitaria nazionale. Informazioni utili sulla vita della vita sanitaria per conoscere [Internet] . Wonju: National Health Insurance Sevice; 2021. Disponibile da: https: // www.nhis.O.KR/NHIS/Together/WBHAEC06700M01.Fare?modalità = Visualizza e Articleno = 10811517. Accesso al 21 febbraio 2023. [Google Scholar]

5. Lee YJ, Kim DJ, Lee H. Uno studio sulla valutazione del sonno per la sostanza dei prodotti del sonno . Sleep Med Psychophysiol . 2020; 27 (2): 51–55. [Google Scholar]

6. Depner CM, Cheng PC, Devine JK, et al. Tecnologie indossabili per lo sviluppo del sonno e dei biomarcatori circadiani: un riassunto delle discussioni sul seminario . Sonno . 2020; 43 (2): ZSZ254. doi: 10.1093/sleep/zsz254 [articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

7. Van de Water at, Holmes A, Hurley DA. Misurazioni oggettive del sonno per le impostazioni non laboratorie come alternative alla polisonnografia-una revisione sistematica . J Sleep Res . 2011; 20 (1 pt 2): 183–200. doi: 10.1111/j.1365-2869.2009.00814.X [PubMed] [CrossRef] [Google Scholar]

9. Fitbit. Cosa dovrei sapere sulle fasi del sonno? [Homepage su Internet] . Disponibile da: https: // aiuto.Fitbit.com/articoli/en_us/help_article/2163. Accesso al 26 luglio 2022.

10. Cook JD, Prairie ML, Plante DT. Utilità della flessione Fitbit per valutare il sonno nel disturbo depressivo maggiore: un confronto con la polisonnografia e l’actigrafia indossata dal polso . J influenzare disord . 2017; 217: 299–305. doi: 10.1016/j.Giad.2017.04.030 [Articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

11. Moreno-Pino F, Porras-Segovia A, López-Esteban P, Artés A, Baca-García E. Convalida di Fitbit Charge 2 e Fitbit Alta HR contro la polisonnografia per valutare il sonno negli adulti con apnea ostruttiva del sonno . J Clin Sleep Med . 2019; 15 (11): 1645–1653. doi: 10.5664/JCSM.8032 [Articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

12. Scott H, Lack L, Lovato N. Una revisione sistematica dell’accuratezza dei dispositivi indossabili del sonno per stimare l’insorgenza del sonno . Sleep Med Rev . 2020; 49: 101227. doi: 10.1016/j.Smrv.2019.101227 [PubMed] [CrossRef] [Google Scholar]

13. Haghayegh S, Khoshnevis S, Smolensky MH, Diller KR, Castriotta RJ. Accuratezza dei modelli Fitbit del bracciale nella valutazione del sonno: revisione sistematica e meta-analisi . J Med Internet Res . 2019; 21 (11): E16273. doi: 10.2196/16273 [articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

14. Munos B, Baker PC, Bot BM, et al. Salute mobile: il potere di dispositivi indossabili, sensori e app per trasformare gli studi clinici . Ann N Y Acad Sci . 2016; 1375 (1): 3–18. doi: 10.1111/Nyas.13117 [PubMed] [CrossRef] [Google Scholar]

15. Cook JD, Eftekari SC, Dallmann E, Sippy M, Plante DT. Capacità dell’HR Fitbit Alta di quantificare e classificare il sonno in pazienti con sospetti disturbi centrali di ipersomnolenza: un confronto con la polisonnografia . J Sleep Res . 2019; 28 (4): E12789. doi: 10.1111/JSR.12789 [PubMed] [CrossRef] [Google Scholar]

16. Lunsford-Avery JR, Keller C, Kollins SH, Krystal AD, Jackson L, Engelhard MM. Fattibilità e accettabilità dell’elettroencefalogramma del sonno indossabile Uso del dispositivo negli adolescenti: studio osservazionale . Jmir mHealth uHealth . 2020; 8 (10): E20590. doi: 10.2196/20590 [articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

17. Meltzer LJ, Hiruma LS, Avis K, Montgomery-Downs H, Valentin J. Confronto di un accelerometro commerciale con polisonnografia e actigrafia nei bambini e negli adolescenti . Sonno . 2015; 38 (8): 1323–1330. doi: 10.5665/Sleep.4918 [articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

18. De Zambotti M, Baker FC, Willoughby AR, et al. Misure di sonno e funzionamento cardiaco durante il sonno usando un braccialetto multi-sensoriale disponibile negli adolescenti . Physiol Behav . 2016; 158: 143–149. doi: 10.1016/j.Physbeh.2016.03.006 [Articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

19. Bastien CH, Vallières A, Morin CM. Convalida dell’indice di gravità dell’insonnia come misura di risultato per la ricerca sull’insonnia . Sleep Med . 2001; 2 (4): 297–307. doi: 10.1016/S1389-9457 (00) 00065-4 [PubMed] [CrossRef] [Google Scholar]

20. Hori T, Sugita Y, Koga E, Shirakawa S, Inoue K. Integratori e emendamenti proposti a &lsquo;Un manuale di terminologia standardizzata, tecniche e sistema di punteggio per le fasi del sonno dei soggetti umani&rsquo;, Lo standard Rechtschaffen & Kales (1968) . Psychiatry Clin Neurosci . 2001; 55: 305–310. [PubMed] [Google Scholar]

21. Variabile API notturna: Sleep [Homepage su Internet] . Disponibile da: https: // dev.Fitbit.com/. Accesso al 26 luglio 2022.

22. Menghini L, Cellini N, Goldstone A, Baker FC, de Zambotti M. Un framework standardizzato per testare le prestazioni della tecnologia di tracciamento del sonno: linee guida passo-passo e codice open source . Sonno . 2021; 44 (2): ZSAA170. doi: 10.1093/Sleep/ZSAA170 [articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

23. Kosmadopoulos A, Sargent C, Darwent D, Zhou X, Roach GD. Alternative alla polisonografia (PSG): una convalida di actigrafia del polso e un sistema parziale PSG . Metodi di comportamento . 2014; 46 (4): 1032–1041. doi: 10.3758/S13428-013-0438-7 [PubMed] [CrossRef] [Google Scholar]

24. Peters b. Perché Waso ha un effetto negativo sulla qualità del sonno; 2022. Disponibile da: https: // www.moltowellhealth.com/comprensione e trattamento-waso-3015394. Accesso al 21 febbraio 2023.

25. Scott H, Lovato N, mancanza L. Lo sviluppo e l’accuratezza del dispositivo indossabile THIS per stimare il sonno e la veglia . Nat Sci Sleep . 2021; 13: 39. doi: 10.2147/NSS.S287048 [articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

26. Kim E-J, Ahn Y-M, Shin H-B, Kim J-W. Analisi di fluttuazione detretta dell’elettroencefalogramma del sonno tra sindrome da apnea ostruttiva del sonno e bambini normali . Sleep Med Psychophysiol . 2010; 17 (1): 41–49. [Google Scholar]

27. Kahawage P, Jumabhoy R, Hamill K, De Zambotti M, Drummond Spa. Validità, potenziale utilità clinica e confronto tra tracker di attività per consumatori e di ricerca nel disturbo dell’insonnia i: convalida in-lab contro la polisonnografia . J Sleep Res . 2020; 29 (1): E12931. doi: 10.1111/JSR.12931 [PubMed] [CrossRef] [Google Scholar]

28. Mantova J, Gravel N, Spencer RM. Affidabilità delle misure del sonno da quattro dispositivi di monitoraggio della salute personale rispetto all’attigrafia e alla polisonnografia basate sulla ricerca . Sensori . 2016; 16 (5): 646. doi: 10.3390/S16050646 [articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

29. Chinoy Ed, Cuellar JA, Huwa KE, et al. Performance di sette dispositivi di tracciamento del sonno dei consumatori rispetto alla polisonografia . Sonno . 2021; 44 (5): ZSAA291. doi: 10.1093/Sleep/ZSAA291 [articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

30. Le Bon O, Staner L, Hoffmann G, et al. L’effetto della prima notte può durare più di una notte . J Res psichiatrico . 2001; 35 (3): 165–172. doi: 10.1016/S0022-3956 (01) 00019-X [PubMed] [CrossRef] [Google Scholar]

31. Newell J, Mairesse O, Verbanck P, Neu D. È un soggiorno di una notte in laboratorio davvero abbastanza da concludere? Effetto di prima notte e variabilità notturna nelle registrazioni polisonnografiche tra diversi campioni di popolazione clinica . Psychiatr Res . 2012; 200 (2–3): 795–801. doi: 10.1016/j.psicres.2012.07.045 [PubMed] [CrossRef] [Google Scholar]

32. Stucky B, Clark I, Azza Y, et al. Convalida delle stime del sonno e della frequenza cardiaca Fitbit 2 contro le misure polisonnografiche nei lavoratori a turno: studio naturalistico . J Med Internet Res . 2021; 23 (10): E26476. doi: 10.2196/26476 [articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

33. Kawasaki Y, Kasai T, Sakurama Y, et al. Valutazione dei parametri del sonno e della stadiazione del sonno (sonno d’onda lenta) negli atleti di Fitbit Alta HR, un dispositivo di localizzazione del sonno del consumatore . Nat Sci Sleep . 2022; 14: 819–827. doi: 10.2147/NSS.S351274 [articolo gratuito PMC] [PubMed] [CrossRef] [Google Scholar]

34. Leung W, Case L, Sung MC, Jung J. Una meta-analisi dei dispositivi Fitbit: stessa azienda, modelli diversi, diverse prove di validità . J Med Eng Technol . 2022; 46 (2): 102–115. doi: 10.1080/03091902.2021.2006350 [PubMed] [CrossRef] [Google Scholar]

Ispira 2 fasi del sonno

£ 3.99 spedizione a tariffa piatta

Garanzia di 2 anni

Checkout sicuro e sicuro

Rendimenti senza stress di 30 giorni

Immettere il codice di sconto

Applicare il codice promozionale e i prodotti con sconto saranno disponibili in tutto il sito.

Vorrei ottenere il promocodi

  • politica sulla riservatezza
  • Termini e Condizioni
  • Domande frequenti
  • Termini di utilizzo
  • Gestione dei Cookie
  • Politica di utilizzo accettabile

In collaborazione con

Exertis UK Ltd. Registrato in Inghilterra | Numero di registrazione: 1511931 | Numero IVA: GB864438791 Indirizzo della sede legale: Exertis (UK) Ltd. Technology House, Magnesio Way, Hapton, Burnley, Lancashire. BB12 7BF. (01282) 776776

Copyright © 2023 Exertis

La convalida di Fitbit ispira 2 tm contro la polisonnografia negli adulti considerando l’adattamento per l’uso

Scopo: La commercializzazione dei dispositivi di tracciamento delle attività del sonno ha permesso di gestire la qualità del sonno a casa. Tuttavia, è necessario verificare l’affidabilità e l’accuratezza dei dispositivi indossabili attraverso il confronto con la polisonnografia (PSG), che è lo standard per il monitoraggio dell’attività del sonno. Questo studio mirava a monitorare l’attività complessiva del sonno utilizzando Fitbit Inspire 2 ™ (FBI2) e valutarne le prestazioni e l’efficacia attraverso il PSG nelle stesse condizioni.
Pazienti e metodi: Abbiamo confrontato i dati FBI2 e PSG di nove partecipanti (quattro partecipanti maschi e cinque femmine; età media, 39 anni) senza gravi problemi di sonno. I partecipanti hanno indossato FBI2 continuamente per 14 giorni, considerando il periodo di adattamento al dispositivo. I dati di sospensione FBI2 e PSG sono stati confrontati utilizzando accoppiati T-Test, grafici insipidi-altman e analisi epoch-by-epoch per 18 campioni povalutando i dati da due replicati.
Risultati: I valori medi per ogni stadio di sonno ottenuti da FBI2 e PSG hanno mostrato differenze significative nel tempo totale del sonno (TST), nel sonno profondo e nel movimento rapido degli occhi (REM). Nell’analisi Bland -Altman, TST (P = 0.02), sonno profondo (P = 0.05) e rem (P = 0.03) sono stati significativamente sopravvalutati in FBI2 rispetto a PSG. Inoltre, il tempo a letto, l’efficienza del sonno e la scia dopo l’insorgenza del sonno sono stati sopravvalutati, mentre il sonno leggero è stato sottovalutato. Tuttavia, queste differenze non erano statisticamente significative. FBI2 ha mostrato un’alta sensibilità (93.9%) e bassa specificità (13.1%), con una precisione del 76%. La sensibilità e la specificità di ogni fase del sonno erano 54.3% e 62.3%, rispettivamente, per il sonno leggero, 84.8% e 50.1%, rispettivamente, per il sonno profondo e 86.4% e 59.1%, rispettivamente per il sonno REM.
Conclusione: L’uso di FBI2 come strumento oggettivo per misurare il sonno nella vita quotidiana può essere considerato appropriato. Tuttavia, ulteriori ricerche sono garantite sulla sua domanda nei partecipanti con problemi di sveglia per dormire.

Parole chiave: indossabile, sonno, monitoraggio, polisonnografia, studio di validazione

introduzione

Il sonno è essenziale per mantenere una vita sana. Il sonno inadeguato aumenta il rischio di malattie cardiovascolari, diabete di tipo 2 e ipertensione. 1 In uno studio recente, una durata del sonno più breve è stata associata a 1.Rischio 28 volte maggiore di sindrome metabolica. 2 Il tempo medio di sonno dei coreani è 6.76 ore, che mostra una tendenza generale per essere più breve nel tempo. 3 Il numero di pazienti con disturbi del sonno è aumentato anche dell’8% ogni anno negli ultimi cinque anni e il numero di pazienti con disturbi del sonno era di 650.000 a partire dal 2020. 4 Valori di avvertimento per questi stati del sonno portano a un interesse per i prodotti del sonno che aiutano il sonno sano. Pertanto, l’uso di dispositivi indossabili che misurano facilmente lo stato del sonno nella vita quotidiana è aumentato. 5 Inoltre, poiché l’interesse per la salute del sonno è aumentato, la ricerca si è concentrata sulla verifica dell’affidabilità e dell’accuratezza dei dispositivi indossabili è stata ampliata. 6

La polisonografia (PSG), un metodo standard accurato per misurare il sonno, è stato ampiamente utilizzato nella ricerca sulle valutazioni oggettive del sonno. 7 Tuttavia, la misurazione di PSG richiede da otto a dieci ore e c’è un limite per misurare il solito tempo di sonno conducendo il test in un ambiente sconosciuto. Pertanto, il test richiede tempo, sforzo e pagamento. 5 Per superare queste limitazioni, viene utilizzato un Fitbit indossata dal polso, che è un metodo non invasivo certificato dalla Food and Drug Administration,. 8

L’ultimo Fitbit, prodotto dopo il 2017, utilizza un metodo di valutazione della fase del sonno che monitora i dati a intervalli regolari per i tempi di veglia e sonno attraverso un sensore di movimento e una misurazione della frequenza cardiaca. Rispetto al modello iniziale, è possibile valutare non solo i parametri del sonno ma anche le fasi del sonno. 9 Pertanto, è possibile utilizzare efficacemente Fitbit per il monitoraggio del sonno di routine e la valutazione clinica del sonno in pazienti con sonno o disturbi mentali. Inoltre, è possibile la gestione continua delle abitudini del sonno. 10,11 Tuttavia, Fitbit ha una limitazione in quanto utilizza solo le informazioni raccolte dopo aver misurato il sonno in base al movimento e alla frequenza cardiaca, a differenza del PSG, che rileva le fasi del sonno attraverso biosignali.

Alcune differenze esistono nell’affidabilità e nell’accuratezza in base al modello Fitbit; Quindi, sono stati segnalati molti studi comparativi che utilizzano PSG valutare l’efficacia di Fitbit. 12 Complessivamente, Fitbit ha mostrato un’alta sensibilità (0.95–0.96) e specificità relativamente bassa (0.58–0.69) per il rilevamento del sonno in una meta-analisi dell’accuratezza di Fitbit e PSG, che può valutare le fasi del sonno. Il tempo di scia dopo l’insorgenza del sonno (WASO), il tempo totale del sonno (TST) e l’efficienza del sonno (SE) non differivano da quelli di PSG. Tuttavia, la latenza di insorgenza del sonno è sottovalutata. 13 Pertanto, Fitbit è considerato un’alternativa alla raccolta di dati di sonno oggettivi, che in precedenza era disponibile solo tramite PSG in laboratorio. 14

Tuttavia, gli studi che confrontano la validità di Fitbit e PSG sono limitati perché la maggior parte degli studi erano esperimenti una tantum. 15 Inoltre, l’effetto del primo notte si è verificato nel 50% dei partecipanti, poiché l’esperimento è stato condotto in un laboratorio sconosciuto diverso dall’ambiente familiare di notte. Inoltre, il 66–81% dei partecipanti ha riportato disagio durante il sonno a causa dell’uso simultaneo di diversi dispositivi non familiari. 16 Questi problemi hanno ridotto i partecipanti&rsquo; Qualità del sonno durante l’esperimento, che ha influenzato l’interpretazione dei risultati dello studio del sonno.

Pertanto, è necessario confrontare i risultati ottenuti dall’usura quotidiana di un dispositivo e misurazioni ripetute con PSG per verificare l’affidabilità del Fitbit. Questo studio mirava a valutare l’accuratezza e l’affidabilità di Fitbit confrontando i risultati ottenuti da Fitbit Inspire 2 ™ (FBI2) e PSG con misurazioni ripetute dopo aver utilizzato il dispositivo per un determinato periodo.

Materiali e metodi

Partecipanti dello studio e progettazione dello studio

Partecipanti allo studio

Questo studio è stato condotto dall’ottobre 2021 al dicembre 2021, mirando a 12 partecipanti di età compresa tra 20 e 55 anni che vivono a Daejeon senza gravi disturbi del sonno. Sulla base della differenza media e della deviazione standard di TST misurata usando Fitbit e PSG in studi precedenti, 9 partecipanti sono stati selezionati con un livello di significatività del 5% e una potenza dell’80% e un totale di 12 partecipanti sono stati calcolati applicando un tasso di abbandono del 20%. 17,18 I partecipanti sono stati reclutati attraverso un avviso di reclutamento all’ospedale D di Daejeon. Il consenso informato scritto è stato ottenuto da tutti i partecipanti. I criteri per la selezione dei partecipanti erano adulti di età compresa. 19 I seguenti partecipanti sono stati esclusi: quelli con disturbi del sonno, disturbi psichiatrici, disturbi medici interni ed esterni e disturbi muscoloscheletrici; Coloro che assumono farmaci psichiatrici/neurologici, compresi i sonniferi; e quelli con cicli irregolari del sonno, come il lavoro a turni. Il soggetto&rsquo;La valutazione della conformità è stata eseguita tramite un medico&rsquo;S esame, questionari e esami del sangue. Lo studio è stato approvato dal comitato di revisione istituzionale del Daejeon Korean Medicine Hospital della Daejeon University (numero di approvazione: DJDSKH-21-BM-15) e condotto in conformità con la Dichiarazione di Helsinki.

Progettazione dello studio

In questo studio sono state eseguite in totale tre visite in ospedale: registrazione in materia (visita una), il primo confronto tra Fitbit (Fitbitⓡ Inc, San Francisco, California, USA) e PSG (una settimana dopo la visita uno) e il secondo confronto tra Fitbit e PSG (due settimane dopo aver visitato uno). Il fitbit è stato indossato continuamente per 14 giorni, che è stato il periodo di studio, considerando il partecipante&rsquo;periodo di adattamento a Fitbit. Dopo essere stato ammesso in ospedale per due giorni e una notte, il PSG è stato misurato durante il sonno dal personale medico PSG. Al momento, la misurazione è stata condotta mentre indossava il fitbit. Durante la misurazione del PSG, il ricercatore ha registrato i diari del sonno prima e dopo che i partecipanti hanno dormito e ha continuamente monitorato lo stato di sicurezza dei partecipanti. Sono stati iscritti dodici partecipanti e i dati di nove partecipanti che hanno completato le tre visite sono stati inclusi nell’analisi finale (escluse i dati da un dropout e due dati mancanti dal Fitbit) (Figura 1).

Figura 1 Diagramma di flusso per la selezione dei partecipanti allo studio. PSG, polisonnografia.

Strumenti di studio

PSG

I pazienti sono stati sottoposti a PSG due volte. L’attività di routine è stata mantenuta prima dell’inizio di PSG. Tuttavia, il consumo di caffeina, tabacco e alcol è stato scoraggiato. La temperatura, l’umidità e l’illuminanza di tutte le sale PSG sono state mantenute la stessa e tutti i partecipanti indossavano lo stesso cappotto da laboratorio. La misurazione è stata condotta a 8 p.M. Nella sala di prova del sonno PSG prima del test e due tecnici PSG del sonno professionale si sono alternati conducendo il test mentre il soggetto dormiva. Il punteggio della fase del sonno RECHTSChaffen e Kales è stato calcolato in base a un’epoca di 30 secondi in conformità con le linee guida standard. 20 Compumedics/Siesta 802A è stato utilizzato come strumento PSG e un tecnico polisomnografico certificato ha eseguito un metodo standardizzato. I sensori erano collegati a posizioni di misurazione, come la testa, il viso, il tronco e le estremità inferiori. Vari biosignali come respirazione, russare, elettroencefalogramma, elettrooculogramma, elettromiogramma, elettrocardiogramma, posizione del corpo e concentrazione di ossigeno nel sangue dei partecipanti sono stati rilevati attraverso sensori. Inoltre, le fasi del sonno sono state identificate registrando tutta la notte&rsquo;tempo di sonno. Le variabili utilizzate per l’analisi PSG erano le seguenti: tempo nel letto (TIB; min), TST (min), SE (%), WASO (min), stadi 1–3 (min) e tempo di sonno a rapido eye (REM) (MIN).

FBI2

Le attività e i modelli di sonno raccolti erano accessibili tramite un’app mobile con l’argomento&rsquo;consenso. Il dispositivo è stato indossato prima di coricarsi fino alla mattina seguente in laboratorio, escluso il tempo della doccia. In questo studio è stato utilizzato un dispositivo completamente carico. I dati Fitbit sono stati estratti assegnando fasi di sonno e veglia di 30 secondi per l’analisi Epoch-By-Epoch (EBE). Le informazioni sul sonno ottenute tramite FBI2 sono state abbinate alle variabili PSG come segue facendo riferimento ai parametri del sonno sul sito Web Fitbit: 21 TIB (min), TST (min), SE (%), Waso (min), Tempo di sonno REM (MIN). Per il confronto con le classificazioni di stadiazione di FBI2, è stata calcolata una somma di fasi uno e due per rappresentare il sonno leggero e le fasi tre e quattro sono state considerate sonno profondo.

Analisi dei dati e metodi statistici

I dati di nove partecipanti sono stati inclusi nell’analisi finale. Diciotto casi sono stati analizzati integrando i dati delle due visite con i dati FitBit e PSG. I valori di deviazione media e standard (SD) sono presentati per variabili continue, come le caratteristiche demografiche dei partecipanti allo studio. I valori di frequenza e percentuale sono presentati per dati categorici. Questi sono stati utilizzati per l’analisi facendo riferimento ai metodi standard per valutare le prestazioni del sonno PSG e dei tracker del sonno. 22 A Coppited T-Il test è stato utilizzato per confrontare i risultati dei parametri del sonno. L’accordo complessivo dei risultati è stato analizzato utilizzando il diagramma di Bland -Altman e i confronti EBE. L’analisi dei dati statistici è stata eseguita utilizzando SPSS versione 24 (SPSS, IBM Corp.) e R versione 4.1.0 (The R Foundation for Statistical Computing). È stato eseguito un test a due lati e il significato statistico è stato fissato su un P valore di < 0.05.

Metodo Bland -Altman

Il metodo Bland -Altman mostra la differenza tra le due misurazioni e confronta la distribuzione delle differenze. In questo studio, la differenza e la DS tra le due misurazioni, l’intervallo di confidenza del 95% per la differenza e i limiti più bassi e superiori dell’accordo (differenza di media [1.96 SD]) per TIB, SE, TST, WASO, sonno leggero, sonno profondo e REM presentati da PSG e Fitbit sono stati calcolati e visualizzati visivamente su un diagramma.

Confronti EBE

Per confrontare l’epoca tra i due metodi di misurazione, sono stati utilizzati solo i dati misurati contemporaneamente per ciascun metodo. Le fasi di ciascuna misurazione sono state modificate come segue: nel PSG, Awake è stato cambiato in WASO e le fasi 1, 2, 3 e REM sono state cambiate in sonno. Nel Fitbit, Wake è stato mantenuto come Wake, e Light, Deep e REM sono stati cambiati per dormire. Inoltre, poiché l’intervallo di tempo tra le misurazioni dell’epoca non era lo stesso, l’intervallo di tempo di misurazione dell’epoca per ciascun metodo è stato modificato in 30 anni prima della registrazione. Quando sia le fasi di scia e sonno sono state misurate nel blocco di 30 secondi, sono stati codificati come fasi di scia. Accordo, sensibilità, specificità, valore predittivo positivo e valore predittivo negativo sono stati valutati utilizzando i dati classificati. 23

Risultati

Caratteristiche generali dei partecipanti

Le caratteristiche generali dei nove partecipanti sono presentate nella Tabella 1. C’erano quattro maschi (36.4%) e cinque femmine (45.5%) e il punteggio ISI medio era 13.7 (4.4).

Tabella 1 Caratteristiche dei partecipanti

Confronto tra FBI2 e PSG

La tabella 2 mostra i risultati del confronto tra FBI2 e PSG utilizzando 18 campioni di dati combinati dalle visite due e tre. Sono state osservate differenze statisticamente significative tra Fitbit e PSG in TST, sonno profondo e sonno REM (P < 0.05). The Fitbit and PSG TST showed a difference of 17.91 minutes. Deep sleep in the Fitbit was 14.67 minutes longer than in the PSG. Other variables showed no differences between the Fitbit and PSG.

Tavolo 2 PSG e Fitbit ispirano 2 risultati del sonno usando il campione completo (n = 18)

Analisi della differenza media di Bland -Altman

La Figura 2 mostra il confronto tra differenze e distribuzioni tra le misurazioni Fitbit e PSG mediante analisi Bland -Altman. Dai risultati del confronto Bland -Altman, TST (P = 0.02), sonno profondo (P = 0.05) e rem (P = 0.03) misurato da FBI2 sono stati significativamente sopravvalutati. TIB (P = 0.94), SE (P = 0.19) e Waso (P = 0.46) tendeva ad essere sopravvalutato ma non erano statisticamente significativi. Inoltre, il sonno leggero (P = 0.63) era sottovalutato ma non era statisticamente significativo. Nel diagramma di Bland -Altman, tutte le misurazioni tranne un caso erano nell’intervallo di confidenza al 95%, indicando un alto grado di accordo.

figura 2 Bland -Altman Tela dell’FBI2 contro PSG. Trame bland-altman che presentano i diversi valori di FBI2 e PSG sull’asse Y rispetto ai valori di PSG sull’asse X attraverso TIB, TST, SE, WASO, Sleep leggera (Fase 1+2), Sleep profondo (Fase 3) e REM. La linea blu solida orizzontale indica la differenza media media, mentre le linee tratteggiate rappresentano l’intervallo di confidenza del 95% (o limite di accordo a meno di upper). FBI2, Fitbit Inspire 2 ™.

Abbreviazioni: PSG, polisonografia; Tib, tempo a letto; TST, tempo di sonno totale; SE, efficienza del sonno; Waso, Wake dopo l’inizio del sonno; REM, rapido movimento degli occhi.

Confronti di Fitbit e PSG EBE

La sensibilità e la specificità del sonno totale, del sonno leggero, del sonno profondo e del sonno REM sono stati studiati per ogni fase del sonno nell’FBI2 e PSG mediante analisi EBE. Per il sonno totale, l’FBI2 aveva una bassa specificità (13.1%), alta sensibilità (93.9%) e precisione da moderata a love (76.0%). Per il sonno leggero, l’FBI2 ha mostrato una sensibilità relativamente bassa (54.3%), specificità (62.3%) e precisione (59.1%), mentre la sensibilità al sonno profondo (84.8%) e REM Sleep (86.4%) era moderato. Tuttavia, l’accuratezza era alta per la profondità (98.2%) e Sleep REM (92.3%). Sonno profondo (50.1%) e Sleep REM (59.1%) ha mostrato una specificità da moderata a bassa (Tabella 3).

Tabella 3 Sensibilità, specificità e accuratezza di Fitbit Inspire 2 rispetto a PSG usando il campione completo (n = 18)

Discussione

In questo studio, abbiamo confrontato i risultati di FBI2 con quelli di PSG attraverso due esperimenti ripetuti a intervalli di una settimana nelle stesse condizioni per valutare l’efficacia del sonno e la funzione di misurazione della scia di FBI2 in nove partecipanti senza disturbi del sonno. Questo è uno studio supplementare che verifica Fitbit&rsquo;S Precisione. I due risultati principali di questo studio sono i seguenti: in primo luogo, le variabili FBI2 TST, il sonno profondo e il sonno REM sono stati significativamente sopravvalutati. In secondo luogo, il risultato totale del sonno ha mostrato una sensibilità di 93.9%, specificità di 13.1%e precisione di 76.0%. Pertanto, è stata determinata l’accuratezza di ciascun parametro del sonno.

Bland -Altman&rsquo;Il confronto s ha valutato le prestazioni di FBI2 attraverso le variabili del sonno per PSG, che era coerente con i risultati di Bland -Altman&rsquo;s abbinato T-test. I risultati dello studio hanno mostrato differenze significative nel TST, nel sonno profondo e nel sonno REM tra le variabili del sonno misurate due volte usando PSG e FBI2.

La differenza media tra FBI2 e PSG nel TST era 17.9 minuti e 14.67 minuti di sonno profondo, che è stato significativamente sopravvalutato. Precedenti studi hanno dimostrato che esiste una differenza media significativa tra il PSG e i dispositivi indossabili della misurazione del sonno, in cui i dispositivi indossabili della misurazione del sonno rendono quella sopravvalutazione. In uno studio precedente che ha eseguito PSG utilizzando Fitbit Alta HR su 49 partecipanti, TST e Sleep Deep sono stati significativamente sopravvalutati, simili ai risultati ottenuti in questo studio.18 Inoltre, SE era 4.15%e Waso era 10.36 minuti, che è stato sopravvalutato. WASO si trova principalmente nei pazienti con disturbi del sonno; In studi precedenti nel confrontare la Waso con l’insonnia e gli individui sani, nel gruppo individuale sano, la deviazione standard è risultata maggiore del valore medio. 24,25 Inoltre, altri studi precedenti hanno dimostrato che la deviazione standard è grande; Inoltre, non sono stati spiegati risultati significativi come limitazione del piccolo numero di partecipanti. 26 Considerando i limiti di questo studio, il numero di partecipanti era piccolo e il valore medio di WASO è stato determinato per essere maggiore della deviazione standard analizzando il pubblico in generale.

Il diagramma di Bland -Altman è stato incluso nell’intervallo di confidenza al 95%, indicando un valore costante. Ciò è contrario ai risultati di uno studio precedente in cui l’accordo tra Fitbit e PSG era più basso con l’aumentare della WASO nel diagramma di Bland -Altman quando il dispositivo Fitbit Alta HR è stato utilizzato per i pazienti con insonnia. Questo risultato in conflitto potrebbe essere dovuto al fatto che i partecipanti a questo studio non avevano disturbi del sonno. 27 Pertanto, l’accuratezza è stata confermata elevata quando l’FBI2 è stato utilizzato nei partecipanti con disturbo del sonno. Il sonno leggero è stato sottovalutato da -6.36. In uno studio precedente che rispetto al Pulse O2 con PSG in 40 adulti sani, è stato anche sottovalutato il sonno leggero (distorsione media di 79 minuti), che è simile ai risultati di questo studio. 28

La sensibilità dei partecipanti per la fase totale del sonno di FBI2 era 93.9%, indicando che il sonno è stato rilevato accuratamente. Tuttavia, la specificità per il rilevamento della fase totale del sonno era relativamente bassa (13.1%). Ciò è coerente con i risultati della valutazione dell’efficacia del sonno del dispositivo indossabile indossato in base ai risultati di PSG. Pertanto, è stato verificato che questi dispositivi potevano misurare accuratamente il sonno a causa della loro elevata sensibilità complessiva e bassa specificità. 29 La bassa specificità del fitbit è correlata alla percezione del sonno quando non c’è movimento. Tuttavia, l’ultimo Fitbit ha rilevato più accuratamente l’epoca di Wake, o WASO, durante il sonno. 13 Tuttavia, rispetto ai risultati di altri studi usando Fitbit con un algoritmo simile, la sensibilità in questo studio era simile. Tuttavia, la specificità (0.58 a 0.69) è leggermente inferiore. 13 Pertanto, sebbene in questo studio siano state eseguite misurazioni ripetitive, si può dedurre che il soggetto ha dormito con un movimento minimo in uno stato scomodo nei laboratori ospedalieri, a differenza del sonno a casa.

L’effetto della prima notte è principalmente osservato nei pazienti con insonnia e questo studio è stato condotto in grande pubblico; Pertanto, il primo effetto notturno non è stato sostanzialmente applicato. 30 Tuttavia, i risultati sono stati confrontati da misurazioni ripetute per raccogliere informazioni accurate del sonno usando la polisonnografia del sonno basata su studi precedenti che hanno dimostrato il test del test del polimorfismo del sonno per essere fondamentali per due giorni consecutivi. 31 I risultati del test della prima e della seconda visita erano simili nei partecipanti di questo studio; Pertanto, il primo effetto notturno non è apparso (i risultati non sono presentati).

Per integrare questo, proponiamo di rendere l’ambiente di laboratorio simile a quello di una casa. In questo studio, le accuratezze del sonno leggero, del sonno profondo e del sonno REM erano 59.1%, 83.7%e 82.3%, rispettivamente. In uno studio comparativo di Fitbit Charge 2 e PSG per i lavoratori a turni, l’accuratezza del sonno leggero era 0.49, il sonno profondo era 0.78 e il sonno REM era 0.86, che era simile ai risultati di studi precedenti. 32 In una revisione della letteratura sistematica di ciascun modello Fitbit, l’accuratezza dei parametri del sonno attraverso l’analisi EBE era 0.69 ~ 0.81 per il sonno leggero, 0.36 ~ 0.89 per il sonno profondo e 0.62 ~ 0.89 per il sonno REM. 13 Rispetto ai risultati di questo studio, l’accuratezza del sonno leggero era bassa, mentre il sonno profondo e REM hanno mostrato un’elevata precisione.

In un recente studio, la raccolta di dati su larga scala è diventata possibile man mano che la domanda di Fitbit aumentava. Pertanto, può verificarsi una rapida tendenza alla crescita. 33 dispositivi Fitbit possono misurare non solo il sonno, ma anche la frequenza cardiaca e l’attività fisica. La validità di vari modelli di dispositivi Fitbit è stata valutata attraverso la meta-analisi e scoperta come un fattore importante di eventi di validità nella funzione di frequenza cardiaca e nella funzione di misurazione dell’attività fisica. 34 Disturbi del sonno o cambiamenti nello stato del sonno possono essere monitorati per prevedere la salute convalidando i dispositivi Fitbit. Considerando questo, questo studio ha confermato la possibilità di utilizzare FBI2 e FBI2 come strumenti di screening per la misurazione della fase del sonno nella vita quotidiana.

I vantaggi di questo studio sono i seguenti: in primo luogo, confrontando Fitbit e PSG per i coreani, le caratteristiche del sonno dei coreani si riflettono nelle stesse condizioni ambientali. Pertanto, la condizione per aumentare l’affidabilità del Fitbit è stata soddisfatta. In secondo luogo, i criteri recentemente standardizzati per confermare l’accuratezza del dispositivo di tracciamento del sonno attraverso il metodo di analisi EBE sono stati applicati utilizzando i principali parametri di sonno. 22 terzo, c’è stato un periodo di adattamento all’ambiente di laboratorio utilizzando i dati misurati due volte con un intervallo di una settimana.

I limiti di questo studio sono i seguenti: in primo luogo, poiché si trattava di uno studio esplorativo con solo nove partecipanti, la dimensione del campione era piccola, il che potrebbe aver influito sul confronto accurato di FBI2 e PSG. Pertanto, abbiamo analizzato il numero totale di partecipanti misurati per visita per compensare questa limitazione. In secondo luogo, l’accuratezza era relativamente bassa a causa delle caratteristiche del dispositivo FBI2, la cui modalità di misurazione del sonno non era classificata in dettaglio. In terzo luogo, i parametri del sonno del Fitbit sono stati definiti arbitrariamente, a differenza dell’interpretazione dei tecnologi polisonnografici di PSG. Pertanto, ci sono state limitazioni a questa interpretazione.

Conclusione

Questo studio ha confrontato il sonno PSG e FBI2 con misurazioni ripetute nello stesso ambiente sperimentale del sonno negli adulti che si sentivano a disagio con il sonno. Questo studio è significativo in quanto è il primo studio esplorativo per verificare l’accuratezza dell’FBI2 e ha trovato la possibilità del suo uso come indicatore di sonno obiettivo. Dimostrando risultati quasi coerenti con studi precedenti al confronto con Fitbit e PSG, l’FBI2 può essere utilizzato per monitorare la salute del sonno a causa del suo aspetto di usabilità, supportando così il suo utilizzo in alternativa a PSG.

Riconoscimenti

Gli autori apprezzano il Centro di sperimentazione medica e clinica del Daejeon University University per il loro contributo alla raccolta dei dati.

Finanziamento

Questo lavoro è stato supportato dal Corea Institute of Oriental Medicine (Numero di sovvenzione: KSN1731121) e dal Ministero del commercio, dell’industria ed energia (numero di sovvenzione: NIN2013240).

Divulgazione

Gli autori non riportano conflitti di interesse in questo lavoro.

Riferimenti

1. Cappuccio FP, Cooper D, D&rsquo;Elia L, Strazzullo P, Miller MA. La durata del sonno prevede i risultati cardiovascolari: una revisione sistematica e una meta-analisi di studi prospettici. Eur Heart J. 2011; 32 (12): 1484–1492. doi: 10.1093/EURHEARTJ/EHR007

2. Xie J, Li Y, Zhang Y, et al. Durata del sonno e sindrome metabolica: una revisione sistematica e meta-analisi aggiornate. Sleep Med Rev. 2021; 59: 101451. doi: 10.1016/j.Smrv.2021.101451

3. Shin D, Hur J, Cho KH, Cho EH. Tendenze della durata del sonno auto-segnalata negli adulti coreani: risultati del National Health and Nutrition Examination Survey 2007-2015. Sleep Med. 2018; 52: 103–106. doi: 10.1016/j.sonno.2018.08.008

4. Servizio di assicurazione sanitaria nazionale. Informazioni utili sulla vita della vita sanitaria per conoscere [Internet]. Wonju: National Health Insurance Sevice; 2021. Disponibile da: https: // www.nhis.O.KR/NHIS/Together/WBHAEC06700M01.Fare?modalità = Visualizza e Articleno = 10811517. Accesso al 21 febbraio 2023 .

5. Lee YJ, Kim DJ, Lee H. Uno studio sulla valutazione del sonno per la sostanza dei prodotti del sonno. Sleep Med Psychophysiol. 2020; 27 (2): 51–55.

6. Depner CM, Cheng PC, Devine JK, et al. Tecnologie indossabili per lo sviluppo del sonno e dei biomarcatori circadiani: un riassunto delle discussioni sul seminario. Sonno. 2020; 43 (2): ZSZ254. doi: 10.1093/sleep/zsz254

7. Van de Water at, Holmes A, Hurley DA. Misurazioni oggettive del sonno per le impostazioni non laboratorie come alternative alla polisonnografia-una revisione sistematica. J Sleep Res. 2011; 20 (1 pt 2): 183–200. doi: 10.1111/j.1365-2869.2009.00814.X

9. Fitbit. Cosa dovrei sapere sulle fasi del sonno? [Homepage su Internet]. Disponibile da: https: // aiuto.Fitbit.com/articoli/en_us/help_article/2163. Accesso al 26 luglio 2022 .

10. Cook JD, Prairie ML, Plante DT. Utilità della flessione Fitbit per valutare il sonno nel disturbo depressivo maggiore: un confronto con la polisonnografia e l’actigrafia indossata dal polso. J influenzare disord. 2017; 217: 299–305. doi: 10.1016/j.Giad.2017.04.030

11. Moreno-Pino F, Porras-Segovia A, López-Esteban P, Artés A, Baca-García E. Convalida di Fitbit Charge 2 e Fitbit Alta HR contro la polisonnografia per valutare il sonno negli adulti con apnea ostruttiva del sonno. J Clin Sleep Med. 2019; 15 (11): 1645–1653. doi: 10.5664/JCSM.8032

12. Scott H, Lack L, Lovato N. Una revisione sistematica dell’accuratezza dei dispositivi indossabili del sonno per stimare l’insorgenza del sonno. Sleep Med Rev. 2020; 49: 101227. doi: 10.1016/j.Smrv.2019.101227

13. Haghayegh S, Khoshnevis S, Smolensky MH, Diller KR, Castriotta RJ. Accuratezza dei modelli Fitbit del bracciale nella valutazione del sonno: revisione sistematica e meta-analisi. J Med Internet Res. 2019; 21 (11): E16273. doi: 10.2196/16273

14. Munos B, Baker PC, Bot BM, et al. Salute mobile: il potere di dispositivi indossabili, sensori e app per trasformare gli studi clinici. Ann N Y Acad Sci. 2016; 1375 (1): 3–18. doi: 10.1111/Nyas.13117

15. Cook JD, Eftekari SC, Dallmann E, Sippy M, Plante DT. Capacità dell’HR Fitbit Alta di quantificare e classificare il sonno in pazienti con sospetti disturbi centrali di ipersomnolenza: un confronto con la polisonnografia. J Sleep Res. 2019; 28 (4): E12789. doi: 10.1111/JSR.12789

16. Lunsford-Avery JR, Keller C, Kollins SH, Krystal AD, Jackson L, Engelhard MM. Fattibilità e accettabilità dell’elettroencefalogramma del sonno indossabile Uso del dispositivo negli adolescenti: studio osservazionale. Jmir mHealth uHealth. 2020; 8 (10): E20590. doi: 10.2196/20590

17. Meltzer LJ, Hiruma LS, Avis K, Montgomery-Downs H, Valentin J. Confronto di un accelerometro commerciale con polisonnografia e actigrafia nei bambini e negli adolescenti. Sonno. 2015; 38 (8): 1323–1330. doi: 10.5665/Sleep.4918

18. De Zambotti M, Baker FC, Willoughby AR, et al. Misure di sonno e funzionamento cardiaco durante il sonno usando un braccialetto multi-sensoriale disponibile negli adolescenti. Physiol Behav. 2016; 158: 143–149. doi: 10.1016/j.Physbeh.2016.03.006

19. Bastien CH, Vallières A, Morin CM. Convalida dell’indice di gravità dell’insonnia come misura di risultato per la ricerca sull’insonnia. Sleep Med. 2001; 2 (4): 297–307. doi: 10.1016/S1389-9457 (00) 00065-4

20. Hori T, Sugita Y, Koga E, Shirakawa S, Inoue K. Integratori e emendamenti proposti a &lsquo;Un manuale di terminologia standardizzata, tecniche e sistema di punteggio per le fasi del sonno dei soggetti umani&rsquo;, Lo standard Rechtschaffen & Kales (1968). Psychiatry Clin Neurosci. 2001; 55: 305–310.

21. Variabile API notturna: Sleep [Homepage su Internet]. Disponibile da: https: // dev.Fitbit.com/. Accesso al 26 luglio 2022 .

22. Menghini L, Cellini N, Goldstone A, Baker FC, de Zambotti M. Un framework standardizzato per testare le prestazioni della tecnologia di tracciamento del sonno: linee guida passo-passo e codice open source. Sonno. 2021; 44 (2): ZSAA170. doi: 10.1093/sleep/zsaa170

23. Kosmadopoulos A, Sargent C, Darwent D, Zhou X, Roach GD. Alternative alla polisonografia (PSG): una convalida di actigrafia del polso e un sistema parziale PSG. Metodi di comportamento. 2014; 46 (4): 1032–1041. doi: 10.3758/S13428-013-0438-7

24. Peters b. Perché Waso ha un effetto negativo sulla qualità del sonno; 2022. Disponibile da: https: // www.moltowellhealth.com/comprensione e trattamento-waso-3015394. Accesso al 21 febbraio 2023 .

25. Scott H, Lovato N, mancanza L. Lo sviluppo e l’accuratezza del dispositivo indossabile THIS per stimare il sonno e la veglia. Nat Sci Sleep. 2021; 13: 39. doi: 10.2147/NSS.S287048

26. Kim E-J, Ahn Y-M, Shin H-B, Kim J-W. Analisi di fluttuazione detretta dell’elettroencefalogramma del sonno tra sindrome da apnea ostruttiva del sonno e bambini normali. Sleep Med Psychophysiol. 2010; 17 (1): 41–49.

27. Kahawage P, Jumabhoy R, Hamill K, De Zambotti M, Drummond Spa. Validità, potenziale utilità clinica e confronto tra tracker di attività per consumatori e di ricerca nel disturbo dell’insonnia i: convalida in-lab contro la polisonnografia. J Sleep Res. 2020; 29 (1): E12931. doi: 10.1111/JSR.12931

28. Mantova J, Gravel N, Spencer RM. Affidabilità delle misure del sonno da quattro dispositivi di monitoraggio della salute personale rispetto all’attigrafia e alla polisonnografia basate sulla ricerca. Sensori. 2016; 16 (5): 646. doi: 10.3390/S16050646

29. Chinoy Ed, Cuellar JA, Huwa KE, et al. Performance di sette dispositivi di tracciamento del sonno dei consumatori rispetto alla polisonografia. Sonno. 2021; 44 (5): ZSAA291. doi: 10.1093/sleep/zsaa291

30. Le Bon O, Staner L, Hoffmann G, et al. L’effetto della prima notte può durare più di una notte. J Res psichiatrico. 2001; 35 (3): 165–172. doi: 10.1016/S0022-3956 (01) 00019-X

31. Newell J, Mairesse O, Verbanck P, Neu D. È un soggiorno di una notte in laboratorio davvero abbastanza da concludere? Effetto di prima notte e variabilità notturna nelle registrazioni polisonnografiche tra diversi campioni di popolazione clinica. Psychiatr Res. 2012; 200 (2–3): 795–801. doi: 10.1016/j.psicres.2012.07.045

32. Stucky B, Clark I, Azza Y, et al. Convalida delle stime del sonno e della frequenza cardiaca Fitbit 2 contro le misure polisonnografiche nei lavoratori a turno: studio naturalistico. J Med Internet Res. 2021; 23 (10): E26476. doi: 10.2196/26476

33. Kawasaki Y, Kasai T, Sakurama Y, et al. Valutazione dei parametri del sonno e della stadiazione del sonno (sonno d’onda lenta) negli atleti di Fitbit Alta HR, un dispositivo di localizzazione del sonno del consumatore. Nat Sci Sleep. 2022; 14: 819–827. doi: 10.2147/NSS.S351274

34. Leung W, Case L, Sung MC, Jung J. Una meta-analisi dei dispositivi Fitbit: stessa azienda, modelli diversi, diverse prove di validità. J Med Eng Technol. 2022; 46 (2): 102–115. doi: 10.1080/03091902.2021.2006350

Fitbit Inspire 3 Review

Abbiamo relazioni di affiliazione in cui ci vengono pagati una commissione sulle vendite attraverso alcuni dei nostri collegamenti. Vedi le nostre informazioni.

Fitbit è un’azienda che mira ad aiutare &ldquo;Autorizza e ispirati a vivere una vita più sana e attiva.&rdquo; Essi&rsquo;Ve è in circolazione da circa 15 anni e ha sviluppato un’ampia varietà di prodotti in quel momento, tra cui diversi tracker per il sonno, la salute e il fitness. Ricordo di aver avuto uno dei primi Fitbit dieci anni fa, che era un piccolo dispositivo che ti sei tagliato per tenere traccia dei tuoi passi, calorie bruciate e per via di viaggio a distanza. (Fatto divertente, li vendono ancora!) Quindi ero davvero entusiasta di testare uno dei nuovi Fitbits, il Fitbit Inspire 3. Esso&rsquo;S un tracker elegante a prezzi competitivi che analizza il sonno, la salute e la forma fisica.

Consegnerà gli stessi ricordi affettuosi del mio primo tracker Fitbit di un decennio fa? Quanto è approfondito il monitoraggio del sonno? E chi vorrebbe di più questo tracker? Ho intenzione di rispondere a queste domande e altro ancora in questa recensione di Fitbit Inspire 3 Tracker. Continua a leggere per la mia recensione completa o salta il mio riepilogo se tu&rsquo;rendi in fretta.

Nota: sebbene i tracker del sonno possano aiutarti a notare modelli specifici o individuare i comportamenti&rsquo;D ami cambiare, non dovrebbero&rsquo;t prendere il posto di un medico o di un medico per consulenza, guida o aiuto.

Fitbit Inspire 3

Fitbit Inspire 3

Fitbit Inspire 3

Il Fitbit Inspire 3 è un tracker di sonno, salute e fitness indossabile che ti aiuta a migliorare la tua energia, dormire più profondamente e sentirti al meglio.

IMG 0561 in scala

È il fitbit giusto per te?

Prima di immergerci completamente, voglio offrire una rapida panoramica di chi penso che vorrebbe e non vorrebbe il Fitbit Inspire 3.

Chi dovrebbe provare Fitbit

  • Le persone che vogliono migliorare i loro modelli di sonno e salute dovrebbe goderti Fitbit Inspire 3 e i diversi componenti che analizza.
  • Chiunque voglia un tracker che funge anche da orologio comodo dovrebbe goderti questo dispositivo. Ha un design sottile e leggero ed è disponibile in tre colori diversi.
  • Shopper budget dovrebbe apprezzare il prezzo accessibile su questo tracker del sonno.

Chi non dovrebbe provare Fitbit

  • Se pensi di poter essere sopraffatto o stressato monitorando i dati del sonno e iniziano a ossessionarlo (ciò che gli esperti del sonno chiamano ortosomnia), non io&rsquo;T pensa che questo fitbit – o qualsiasi tracker del sonno – sarebbe un’opzione salutare per te.
  • Se tu&rsquo;Stai cercando uno smartwatch più avanzato, Come uno che ricorda un Apple Watch, Fitbit Inspire 3 potrebbe essere troppo limitato per te con ciò che mostra. Ha anche una faccia da orologio più sottile rispetto ad altre opzioni là fuori. Fitbit vende altri smartwatch che potrebbero essere opzioni migliori, come Fitbit Sense, Google Pixel Watch e Fitbit Versa.
  • Anche se questo è uno delle opzioni di tracciamento più convenienti, Se si desidera accedere a monitoraggio del sonno più approfondito e approfondimenti personali, Voi&rsquo;Dovrei pagare una commissione mensile per un abbonamento premium Fitbit dopo l’acquisto del dispositivo. IO&rsquo;Lo coprirò più tardi.

Come usare il fitbit

Il tuo Fitbit Inspire 3 arriverà in una scatola con un cavo di ricarica e un manuale di istruzioni. Ha un touchscreen a colori e bande di silicone. Permettere&rsquo;s vai oltre quello che fai dopo aver ottenuto il tuo tracker.

Impostarlo

Pensavo che questo fitbit fosse facile da configurare. Il dispositivo è arrivato parzialmente carico, ma l’ho caricato di più mentre scaricavo l’app Fitbit sul mio telefono. Per caricarlo, è sufficiente collegare il suo cavo di ricarica in una presa USB e quindi fare clic sul dispositivo sopra di esso. Visualizza la sua percentuale di batteria sullo schermo. Una volta che hai l’app, puoi creare un account con la tua e -mail, il nome utente e le informazioni di base. Il tuo telefono può connettersi al tracker tramite Bluetooth e loro&rsquo;Sincronizzazione insieme. Puoi scegliere tra la varietà di facce di orologio nell’app Fitbit da visualizzare sul tracker indossabile. Allora lei&rsquo;essere pronto per partire!

SCREEN SHOT 2022 11 11 alle 4.07.09 pm

Durata della batteria

Una delle mie cose preferite di questo tracker è la sua durata della batteria impressionante. Fitbit dice che ha fino a un Durata della batteria di 10 giorni, Ma in realtà è durato qualche giorno in più di quello per me senza aver bisogno di una carica. Ci vogliono una o due ore per caricare completamente.

Come usare

Una volta tutto&rsquo;S caricato e scaricato, puoi selezionare ciò che tu&rsquo;mi piace tracciare e quali notifiche tu&rsquo;Dici ricevere. Quindi indossi semplicemente il tracker per tutto il giorno e la notte per ottenere i tuoi dati. Puoi guardare le informazioni sulla salute e il benessere del sonno sull’app e quindi vedere anche un importo decente sul tracker stesso.

Fitbit Inspire 3

Fitbit Inspire 3

Fitbit Inspire 3

Il Fitbit Inspire 3 è un tracker di sonno, salute e fitness indossabile che ti aiuta a migliorare la tua energia, dormire più profondamente e sentirti al meglio.

Cosa tiene traccia di Fitbit

Sul solo tracker indossabile, puoi vedere quanto segue se scorrere la faccia dell’orologio e il display a colori:

IMG 0560 in scala

  • Tempo, data, frequenza cardiaca (corrente e riposo), gradini, distanza percorsa, calorie bruciate, attività oraria, durata del sonno, punteggio del sonno, percentuale del livello di ossigeno nel sangue (SPO2), ciclo mestruale, progresso dell’esercizio
  • Notifiche (sincronizzate dalle tue chiamate, testi e app)
  • Esercizi/allenamenti puoi iniziare e fermarti
  • Rilassamento/respirazione guidata
  • Allarmi e timer

Quando guardi nell’app, puoi vedere più dati approfonditi. Fitbit tiene traccia dei seguenti componenti, ma tu&rsquo;Voglio assicurarsi che alcuni di loro siano attivati ​​per il monitoraggio nell’app.

IMG 0478

  • Ora di andare a letto e di sveglia
  • Fase e durata del sonno in ciascuno (Sleep Light, Deep e Rem)
  • Durata complessiva del sonno
  • Punte di sonno quotidiano su 100
  • Sonno medio di 30 giorni
  • Variazione stimata di saturazione di ossigeno (SPO2) durante il sonno (elevate variazioni possono essere collegate a problemi di respirazione)
  • Frequenza respiratoria
  • Variabilità della frequenza cardiaca (HRV) e frequenza cardiaca a riposo
  • Temperatura della pelle
  • Come i tuoi punteggi si confrontano con gli altri della tua età e sesso

IMG 0485

  • Minuti di zona attiva, gradini, miglia e calorie bruciate
  • Tracciamento settimanale di esercizi
  • Frequenza cardiaca a riposo medio
  • Gestione dello stress (è possibile registrare i punteggi giornalieri dei livelli di stress)
  • Ciclo mestruale
  • Ciodo di cibo e acqua
  • Log di peso
  • Tracciamento del glicemia
  • GPS collegato

  • Programmi guidati per aiutare a incorporare abitudini migliori o fermare quelle povere (questi possono essere per dormire, salute quotidiana e fitness)
    • Esempio: lì&rsquo;S un programma guidato di abitudini per il sonno riposante, che è un programma guidato di 2 settimane in cui puoi concentrarti sulle tue abitudini durante il giorno per aiutarti a riposare di notte
      • Puoi concentrarti sulle abitudini per aiutarti ad addormentarti più velocemente, sentirti più riposato, rimanere addormentato più a lungo, migliorare la qualità del sonno e altro ancora.
      • Fitbit ti consiglierà di lasciare alcune abitudini, come un pisolino troppo tardi durante la giornata, e incorporare nuove abitudini, come ottenere 15 minuti di luce solare

      Come accennato in precedenza, se tu&rsquo;D mi piace vedere informazioni più approfondite sul tuo sonno e i modelli di salute, devi ottenere un abbonamento premium Fitbit. Qui&rsquo;s le informazioni e le risorse aggiuntive tu&rsquo;Ottieni con quell’iscrizione.

      Fitbit Premium – Sleep

      • Un guasto dettagliato del punteggio del sonno
        • Dettagli aggiunti per il tempo addormentato e restauro

        Fitbit Premium – Salute

        • Punteggio di prontezza quotidiano e se il tuo corpo&rsquo;s pronto a allenarsi o ha bisogno di più tempo per riprendersi
        • SCOUNT SCOUNT GESTIONE STRESS
        • Tendenze delle metriche sanitarie di 90 giorni
        • Tendenze a livello di glicemia a 30 giorni

        Fitbit Premium – Altro

        • Accesso a centinaia di video
          • Oltre 200 video di consapevolezza: video di meditazione e rilassamento guidato
          • Video di ricetta
          • Una varietà di oltre 200 lezioni di allenamento video, dagli allenamenti di braccia di 10 minuti a 43 minuti di arti marziali cardio.

          Prezzo

          Il Fitbit ispira 3 costa $ 99.95 a Full Retail dal negozio Fitbit e su Amazon, il che lo fa una delle opzioni di tracker più convenienti sul mercato . L’app Fitbit è gratuita da scaricare. Tuttavia, se si desidera che l’abbonamento premium Fitbit abbia accesso a più dati e risorse, IT&rsquo;S $ 9.99 al mese o $ 79.99 all’anno. Fitbit gestisce spesso le promozioni per ottenere mesi liberi di abbonamento premium per testarlo. Attualmente puoi aggiungere un abbonamento premium per sei mesi gratuitamente durante il check -out online.

          L’Inspire 3 è disponibile in tre diversi colori: Midnight Zen (nero), Lilla Bliss (nero e rosa) e bagliore del mattino (nero e arancione). Ho testato la felicità del lilla. Fitbit vende anche altre fasce in diversi materiali e colori che puoi acquistare.

          Fitbit Inspire 3

          Fitbit Inspire 3

          Fitbit Inspire 3

          Il Fitbit Inspire 3 è un tracker di sonno, salute e fitness indossabile che ti aiuta a migliorare la tua energia, dormire più profondamente e sentirti al meglio.

          IMG 0562 in scala

          La mia esperienza nell’uso del Fitbit

          Mi è piaciuto all’istante il Fitbit Inspire 3&rsquo;S semplice design e band comoda. Ho pensato che fosse facile impostare il tracker, scaricare l’app e ottenere tutto sincronizzato. Benché&rsquo;non uno degli smartwatch più avanzati disponibili, sono rimasto ancora colpito dalle informazioni che ho potuto vedere sul tracker stesso. Per dormire, il dispositivo indossabile mostra quante ore hai avuto la sera prima e il tuo attuale punteggio di sonno. Mi piace come mostra anche molti altri componenti, come la data, il tempo, i tuoi passi e le tue notifiche, perché ciò gli consente di essere più versatile con la sua usura e servire a più scopi.

          Navigare l’app Fitbit è stato piuttosto semplice per me. Mi piace come si rompe il sonno in una sezione e quindi puoi fare clic su quella sezione per ottenere maggiori dettagli e vedere come tu&rsquo;Ve ha dormito per tutta la settimana. Esso&rsquo;non è mai stato un segreto per me che faccio fatica ad andare a letto quando dovrei, ma vedere i miei diversi tempi di letto uno accanto all’altro in una settimana è stato davvero un occhio per quanto io possa essere incoerente.

          IMG 0565

          È stato davvero utile per me vedere un grafico dei miei punteggi del sonno e come sono variati per tutta la settimana. Ha reso le informazioni facili da digerire e mi ha permesso di legare i punteggi del sonno inferiore ai giorni in cui avevo appuntamenti precoci o sono rimasto troppo tardi a guardare la TV. Una mattina ho dovuto svegliarmi intorno alle 4 a.M. Per portare il mio amico all’aeroporto (le cose che facciamo per i nostri amici) e sono tornato a letto quando sono tornato a casa. Ho pensato che fosse interessante il modo in cui Fitbit si è diviso quel giorno in due punteggi del sonno per me e ho riconosciuto il tempo in cui sono andato all’aeroporto e ritorno come completamente sveglio tra di loro.

          Apprezzo anche il monitoraggio della salute e del fitness delle offerte Fitbit. Essere in grado di vedere la frequenza cardiaca, la temperatura corporea e i modelli di respirazione potrebbero essere utili per molte persone e potrebbe persino aiutare a scoprire problemi sottostanti. Credo anche che il fitness possa essere collegato a quanto bene dormi, quindi mi è piaciuto come Fitbit avrebbe mostrato i miei passi e altre progressioni di fitness. Ho impostato il tracker per vibrare per ricordarmi di alzarmi e muovermi durante la giornata, che mi è piaciuto. Apprezzo anche l’accesso ai diversi programmi guidati, come incorporare migliori abitudini giornaliere per il tuo sonno. Questo è un ottimo modo per essere spinto per migliorare e ritenerti responsabile. Fitbit ti invia badge e anche messaggi gratificanti per i risultati, il che è stato davvero divertente. Nel complesso, penso che questo tracker offra molto per il suo prezzo accessibile, inclusa un’impressionante durata della batteria.

          IMG 0325

          Tuttavia, se si desidera accedere a dati di sonno e sanitaria più approfonditi e personalizzati, è necessario pagare un abbonamento mensile. Don&rsquo;T penso che questo sia necessario per molte persone che vogliono tenere traccia delle basi. Tuttavia, penso che l’adesione potrebbe valerne la pena a causa delle altre risorse che include. Insieme a un monitoraggio più profondo e personalizzato, ci sono centinaia di video di allenamento, meditazione e ricette che derivano dall’appartenenza. Dipende davvero da cosa tu&rsquo;mi piace uscirne. Se pensi che monitorare il sonno potrebbe diventare troppo stressante o portare all’ortosomnia, ti consiglio sempre di evitare del tutto i tracker del sonno.

          Politiche e FAQ

          C’è una prova o una garanzia con Fitbit Inspire 3?

          Fitbit offre una garanzia di rimborso di 45 giorni e una garanzia di un anno.

Ispira la frequenza cardiaca a 2 tracce Ispira il sonno delle tracce delle risorse umane

Related Posts

Notizia

Vinyl suona bene su Sonos

Notizia

Fa Epson 4700 Print Cardstock

Notizia

Le cuffie ad alto volume di volume

banner
banner

PROMO

racavedigger.com
© racavedigger.com 2026