Tidak menginspirasi 2 tahap tidur trek

Fitbit Inspire 2

Validasi Fitbit menginspirasi 2 TM terhadap polisomnografi pada orang dewasa yang mempertimbangkan adaptasi untuk digunakan

Ringkasan:

Artikel ini membahas validasi perangkat TM Fitbit Inspire 2 terhadap Polysomnography (PSG) untuk melacak aktivitas tidur pada orang dewasa. Penelitian ini bertujuan untuk memantau aktivitas tidur menggunakan Fitbit Inspire 2 dan mengevaluasi kinerja dan efektivitasnya dibandingkan dengan PSG.

Poin -Poin Kunci:

Studi ini membandingkan data tidur yang diperoleh dari Fitbit Inspire 2 dan PSG untuk sembilan peserta tanpa masalah tidur yang parah.
Nilai rata -rata untuk setiap tahap tidur menunjukkan perbedaan yang signifikan dalam total waktu tidur (TST), tidur nyenyak, dan gerakan mata cepat (REM) antara Fitbit Inspire 2 dan PSG.
Dalam analisis Bland-Altman, TST, Sleep Dept, dan REM secara signifikan dilebih-lebihkan di Fitbit Inspire 2 dibandingkan dengan PSG.
Fitbit Inspire 2 menunjukkan sensitivitas tinggi (93.9%) dan spesifisitas rendah (13.1%) untuk deteksi tidur, dengan akurasi keseluruhan 76%.
Penelitian lebih lanjut diperlukan untuk mengevaluasi penerapan Fitbit Inspire 2 pada peserta dengan masalah tidur-bangun.

Pertanyaan:

Bagaimana keandalan dan keakuratan perangkat Fitbit Inspire 2 divalidasi?
Keandalan dan akurasi perangkat Fitbit Inspire 2 divalidasi dengan membandingkan data tidurnya dengan Polysomnography (PSG), yang merupakan metode standar untuk melacak aktivitas tidur.
Apa temuan utama dari penelitian ini?
Studi ini menemukan perbedaan yang signifikan dalam total waktu tidur (TST), tidur nyenyak, dan gerakan mata cepat (REM) antara Fitbit Inspire 2 dan PSG. Fitbit Inspire 2 melebih -lebihkan tahap tidur ini dibandingkan dengan PSG. Namun, perangkat menunjukkan sensitivitas tinggi dan spesifisitas rendah untuk deteksi tidur.
Apa keterbatasan Fitbit Inspire 2 dibandingkan dengan PSG?
Tidak seperti PSG, yang mendeteksi tahapan tidur melalui biosgnal, Fitbit Inspire 2 hanya menggunakan informasi yang dikumpulkan berdasarkan gerakan dan detak jantung. Ini dapat mempengaruhi keandalan dan akurasi evaluasi tahap tidur.
Berapa banyak peserta yang dimasukkan dalam penelitian ini?
Studi ini termasuk sembilan peserta tanpa masalah tidur yang parah.
Apa pentingnya penelitian ini?
Studi ini memberikan wawasan tentang kinerja dan efektivitas Fitbit Inspire 2 untuk melacak aktivitas tidur pada orang dewasa. Ini menyoroti perlunya penelitian lebih lanjut tentang penerapannya pada individu dengan masalah tidur-bangun.
Apa kekuatan dan kelemahan Fitbit Inspire 2?
Fitbit Inspire 2 menunjukkan sensitivitas tinggi untuk deteksi tidur, menunjukkan kemampuannya untuk mengidentifikasi aktivitas tidur secara akurat. Namun, itu menunjukkan spesifisitas rendah, menunjukkan bahwa itu juga dapat mendeteksi aktivitas non-tidur sebagai tidur. Aspek -aspek ini perlu dipertimbangkan saat menafsirkan data tidur perangkat.
Parameter tidur apa yang dibandingkan antara Fitbit Inspire 2 dan PSG?
Studi ini membandingkan total waktu tidur (TST), tidur nyenyak, gerakan mata cepat (REM), waktu di tempat tidur, efisiensi tidur, bangun setelah onset tidur, dan tidur ringan antara Fitbit Inspire 2 dan PSG.
Penelitian lebih lanjut apa yang dibutuhkan dalam kaitannya dengan Fitbit Inspire 2?
Penelitian lebih lanjut diperlukan untuk mengevaluasi penerapan Fitbit Inspire 2 pada peserta dengan masalah tidur. Ini akan memberikan lebih banyak wawasan tentang efektivitas dan keandalannya pada individu dengan kondisi tidur tertentu.
Apa saja implikasi yang mungkin dari penggunaan Fitbit Inspire 2 untuk pemantauan tidur?
Fitbit Inspire 2 dapat dianggap sebagai alat yang tepat untuk mengukur tidur dalam kehidupan sehari -hari. Ini memungkinkan pemantauan kebiasaan tidur yang nyaman dan terus menerus. Namun, penelitian lebih lanjut dan interpretasi yang cermat terhadap data tidurnya diperlukan, terutama untuk individu dengan masalah tidur-bangun.
Apa risiko potensial mengandalkan semata -mata pada Fitbit Inspire 2 untuk pelacakan tidur?
Hanya mengandalkan Fitbit Inspire 2 untuk pelacakan tidur dapat menyebabkan evaluasi tahap tidur yang tidak akurat. Ketergantungan perangkat pada pergerakan dan data detak jantung mungkin tidak memberikan penilaian komprehensif aktivitas tidur dibandingkan dengan PSG, yang menggunakan biosignal.

Jawaban terperinci:

Bagaimana keandalan dan keakuratan perangkat Fitbit Inspire 2 divalidasi?
Keandalan dan akurasi perangkat Fitbit Inspire 2 divalidasi dengan membandingkan data tidurnya dengan Polysomnography (PSG), yang merupakan metode standar untuk melacak aktivitas tidur. Perbandingan ini memungkinkan untuk menilai perjanjian antara kedua metode dan mengidentifikasi perbedaan yang signifikan dalam parameter tidur.
Apa temuan utama dari penelitian ini?
Temuan utama dari penelitian ini mengungkapkan perbedaan yang signifikan dalam total waktu tidur (TST), tidur nyenyak, dan gerakan mata cepat (REM) antara Fitbit Inspire 2 dan PSG. Fitbit menginspirasi 2 cenderung melebih -lebihkan tahapan tidur ini dibandingkan dengan pengukuran PSG. Namun, perangkat menunjukkan sensitivitas tinggi (kemampuan untuk mendeteksi tidur) dan spesifisitas rendah (kemampuan untuk membedakan aktivitas non-tidur dari tidur) untuk deteksi tidur.
Apa keterbatasan Fitbit Inspire 2 dibandingkan dengan PSG?
Fitbit Inspire 2 memiliki keterbatasan dibandingkan dengan PSG. Tidak seperti PSG, yang mendeteksi tahap tidur melalui berbagai biosgnal, Fitbit Inspire 2 terutama bergantung pada pergerakan dan data detak jantung. Ini dapat mempengaruhi keakuratan dan keandalan evaluasi tahap tidur, karena faktor -faktor ini mungkin tidak memberikan penilaian menyeluruh tentang aktivitas tidur. Oleh karena itu, Fitbit Inspire 2 mungkin tidak memberikan tingkat detail dan presisi yang sama seperti PSG.
Berapa banyak peserta yang dimasukkan dalam penelitian ini?
Studi ini termasuk sembilan peserta tanpa masalah tidur yang parah. Ukuran sampel ini dianggap cukup untuk tujuan penelitian dan analisis statistik.
Apa pentingnya penelitian ini?
Signifikansi penelitian terletak pada evaluasi kinerja dan keefektifan Fitbit Inspire 2 dalam melacak aktivitas tidur. Dengan membandingkan datanya dengan PSG, penelitian ini memberikan wawasan tentang keandalan dan akurasi perangkat, menyoroti potensinya sebagai alat untuk mengukur tidur dalam kehidupan sehari -hari. Namun, penelitian lebih lanjut diperlukan untuk menilai penerapannya pada individu dengan masalah tidur-bangun.
Apa kekuatan dan kelemahan Fitbit Inspire 2?
Fitbit Inspire 2 menunjukkan sensitivitas tinggi untuk deteksi tidur, menunjukkan kemampuannya untuk mengidentifikasi aktivitas tidur secara akurat. Ini adalah kekuatan utama perangkat ini. Namun, itu menunjukkan spesifisitas rendah, menunjukkan bahwa itu juga dapat mendeteksi aktivitas non-tidur sebagai tidur. Ini adalah kelemahan yang perlu dipertimbangkan saat menafsirkan data tidur yang disediakan oleh Fitbit Inspire 2.
Parameter tidur apa yang dibandingkan antara Fitbit Inspire 2 dan PSG?
Studi ini membandingkan beberapa parameter tidur antara Fitbit Inspire 2 dan PSG, termasuk total waktu tidur (TST), tidur nyenyak, gerakan mata cepat (REM), waktu di tempat tidur, efisiensi tidur, bangun setelah onset tidur, dan tidur ringan. Parameter ini sangat penting untuk menilai perjanjian dan perbedaan antara dua metode pelacakan tidur.
Penelitian lebih lanjut apa yang dibutuhkan dalam kaitannya dengan Fitbit Inspire 2?
Penelitian lebih lanjut diperlukan untuk mengevaluasi penerapan Fitbit Inspire 2 pada individu dengan masalah tidur-bangun. Ini akan memberikan lebih banyak wawasan tentang efektivitas, keandalan, dan manfaat potensial untuk kondisi tidur tertentu. Selain itu, studi perbandingan dengan ukuran sampel yang lebih besar dan populasi yang beragam akan meningkatkan pemahaman kinerja Fitbit Inspire 2.
Apa saja implikasi yang mungkin dari penggunaan Fitbit Inspire 2 untuk pemantauan tidur?
Penggunaan Fitbit Inspire 2 untuk pemantauan tidur memiliki beberapa implikasi. Ini memungkinkan individu untuk dengan mudah dan terus menerus melacak kebiasaan tidur mereka dalam kehidupan sehari -hari. Ini dapat membantu dalam mengidentifikasi penyimpangan atau pola dalam durasi dan tahapan tidur. Namun, penting untuk menafsirkan data tidur Fitbit Inspire 2 dengan hati -hati dan mempertimbangkan keterbatasan mengandalkan hanya pada data gerakan dan detak jantung untuk evaluasi tidur.
Apa risiko potensial mengandalkan semata -mata pada Fitbit Inspire 2 untuk pelacakan tidur?
Mengandalkan semata -mata pada Fitbit Inspire 2 untuk pelacakan tidur dapat menimbulkan risiko dalam hal evaluasi tahap tidur yang tidak akurat. Ketergantungan perangkat pada pergerakan dan data detak jantung saja mungkin tidak memberikan penilaian komprehensif tentang aktivitas tidur dibandingkan dengan PSG, yang menggunakan banyak biosignal untuk pementasan tidur. Oleh karena itu, data Fitbit menginspirasi 2 harus ditafsirkan dengan hati -hati, mengingat keterbatasannya.

Fitbit Inspire 2

7. Van de Water at, Holmes A, Hurley Da. Pengukuran objektif tidur untuk pengaturan non-laboratorium sebagai alternatif untuk polisomnografi-tinjauan sistematis . J Sleep Res . 2011; 20 (1 pt 2): 183–200. doi: 10.1111/j.1365-2869.2009.00814.X [PubMed] [CrossRef] [Google Cendekia]

Validasi Fitbit menginspirasi 2 TM terhadap polisomnografi pada orang dewasa yang mempertimbangkan adaptasi untuk digunakan

Karya ini diterbitkan dan dilisensikan oleh Dove Medical Press Limited. Ketentuan lengkap lisensi ini tersedia di https: // www.DovePress.com/istilah.PHP dan masukkan atribusi Creative Commons – non komersial (tidak ada, v3.0) lisensi (http: // createveCommons.org/lisensi/by-nc/3.0/). Dengan mengakses pekerjaan yang Anda terima dengan persyaratan. Penggunaan pekerjaan non-komersial diizinkan tanpa izin lebih lanjut dari Dove Medical Press Limited, asalkan pekerjaan tersebut dikaitkan dengan benar. Untuk izin untuk penggunaan komersial pekerjaan ini, silakan lihat paragraf 4.2 dan 5 dari istilah kami (https: // www.DovePress.com/istilah.PHP).

Abstrak

Tujuan

Komersialisasi perangkat pelacakan aktivitas tidur telah memungkinkan untuk mengelola kualitas tidur di rumah. Namun, perlu untuk memverifikasi keandalan dan keakuratan perangkat yang dapat dipakai melalui perbandingan dengan polisomnografi (PSG), yang merupakan standar untuk melacak aktivitas tidur. Penelitian ini bertujuan untuk memantau aktivitas tidur secara keseluruhan menggunakan Fitbit Inspire 2 ™ (FBI2) dan untuk mengevaluasi kinerja dan efektivitasnya melalui PSG dalam kondisi yang sama.

Pasien dan metode

Kami membandingkan data FBI2 dan PSG dari sembilan peserta (empat peserta pria dan lima wanita; usia rata -rata, 39 tahun) tanpa masalah tidur yang parah. Para peserta mengenakan FBI2 terus menerus selama 14 hari, mengingat periode adaptasi dengan perangkat. Data tidur FBI2 dan PSG dibandingkan dengan menggunakan berpasangan T-Tes, plot Bland-Altman, dan analisis zaman-demi-epok untuk 18 sampel dengan mengumpulkan data dari dua ulangan.

Hasil

Nilai rata -rata untuk setiap tahap tidur yang diperoleh dari FBI2 dan PSG menunjukkan perbedaan yang signifikan dalam total waktu tidur (TST), tidur nyenyak, dan gerakan mata cepat (REM). Dalam analisis hambar -Altman, TST (P = 0.02), tidur nyenyak (P = 0.05), dan REM (P = 0.03) secara signifikan dilebih -lebihkan di FBI2 dibandingkan dengan PSG. Selain itu, waktu di tempat tidur, efisiensi tidur, dan bangun setelah onset tidur terlalu tinggi, sementara tidur ringan diremehkan. Namun, perbedaan -perbedaan ini tidak signifikan secara statistik. FBI2 menunjukkan sensitivitas tinggi (93.9%) dan spesifisitas rendah (13.1%), dengan akurasi 76%. Sensitivitas dan spesifisitas setiap tahap tidur adalah 54.3% dan 62.3%, masing -masing, untuk tidur ringan, 84.8% dan 50.1%, masing -masing, untuk tidur nyenyak, dan 86.4% dan 59.1%, masing -masing untuk tidur REM.

Kesimpulan

Penggunaan FBI2 sebagai alat objektif untuk mengukur tidur dalam kehidupan sehari -hari dapat dianggap tepat. Namun, penelitian lebih lanjut diperlukan pada penerapannya pada peserta dengan masalah tidur-bangun.

Kata kunci: Dapat dipakai, tidur, pelacakan, polisomnografi, studi validasi

Perkenalan

Tidur sangat penting untuk mempertahankan hidup yang sehat. Tidur yang tidak memadai meningkatkan risiko penyakit kardiovaskular, diabetes tipe 2, dan hipertensi.1 Dalam penelitian terbaru, durasi tidur yang lebih pendek dikaitkan dengan 1.28 kali risiko sindrom metabolik 28 kali lebih tinggi.2 Waktu tidur rata -rata orang Korea adalah 6.76 jam, yang menunjukkan tren umum menjadi lebih pendek dari waktu ke waktu.3 Jumlah pasien dengan gangguan tidur juga meningkat 8% setiap tahun selama lima tahun terakhir, dan jumlah pasien dengan gangguan tidur adalah 650.000 pada tahun 2020.4 nilai peringatan untuk keadaan tidur ini mengarah pada minat pada produk tidur yang membantu tidur yang sehat. Oleh karena itu, penggunaan perangkat yang dapat dipakai yang dengan mudah mengukur status tidur dalam kehidupan sehari -hari telah meningkat.5 Selain itu, karena minat pada kesehatan tidur telah meningkat, penelitian yang berfokus pada memverifikasi keandalan dan akurasi perangkat yang dapat dipakai telah berkembang.6

Polysomnography (PSG), metode standar yang akurat untuk mengukur tidur, telah banyak digunakan dalam penelitian tentang penilaian tidur objektif.7 Namun, pengukuran PSG membutuhkan waktu delapan hingga sepuluh jam, dan ada batasan untuk mengukur waktu tidur yang biasa dengan melakukan tes di lingkungan yang tidak dikenal. Oleh karena itu, tes membutuhkan waktu, upaya, dan pembayaran.5 Untuk mengatasi keterbatasan ini, Fitbit yang usang, yang merupakan metode non-invasif yang disertifikasi oleh Food and Drug Administration, digunakan.8

Fitbit terbaru, diproduksi setelah 2017, menggunakan metode evaluasi tahap tidur yang memantau data secara berkala untuk waktu bangun dan tidur melalui sensor gerak dan pengukuran detak jantung dan pengukuran jantung. Dibandingkan dengan model awal, dimungkinkan untuk mengevaluasi tidak hanya parameter tidur tetapi juga tahap tidur.9 Oleh karena itu, dimungkinkan untuk menggunakan Fitbit secara efektif untuk pemantauan tidur rutin dan evaluasi tidur klinis pada pasien dengan gangguan tidur atau mental. Selain itu, manajemen kebiasaan tidur yang berkelanjutan dimungkinkan.10,11 Namun, Fitbit memiliki batasan karena hanya menggunakan informasi yang dikumpulkan setelah mengukur tidur berdasarkan gerakan dan detak jantung, tidak seperti PSG, yang mendeteksi tahap tidur melalui biosignal.

Perbedaan tertentu ada dalam keandalan dan akurasi berdasarkan model Fitbit; Oleh karena itu, banyak studi perbandingan yang menggunakan PSG telah dilaporkan untuk mengevaluasi efektivitas Fitbit.12 Secara keseluruhan, Fitbit menunjukkan sensitivitas tinggi (0.95–0.96) dan spesifisitas yang relatif rendah (0.58–0.69) Untuk deteksi tidur dalam meta-analisis akurasi Fitbit dan PSG, yang dapat mengevaluasi tahap tidur. Waktu bangun setelah onset tidur (WASO), total waktu tidur (TST), dan efisiensi tidur (SE) tidak berbeda dari psg. Namun, latensi onset tidur diremehkan.13 Dengan demikian, Fitbit dianggap sebagai alternatif untuk mengumpulkan data tidur objektif, yang sebelumnya hanya tersedia melalui PSG di laboratorium.14

Namun demikian, penelitian yang membandingkan validitas Fitbit dan PSG terbatas karena sebagian besar studi adalah percobaan satu kali.15 Selain itu, efek malam pertama terjadi pada 50% dari peserta, karena percobaan dilakukan di laboratorium yang tidak dikenal yang berbeda dari lingkungan yang akrab di malam hari. Selain itu, 66-81% peserta melaporkan ketidaknyamanan selama tidur karena penggunaan beberapa perangkat yang tidak dikenal secara simultan.16 Masalah ini menurunkan peserta’ Kualitas tidur selama percobaan, yang mempengaruhi interpretasi hasil studi tidur.

Oleh karena itu, perlu membandingkan hasil yang diperoleh dari keausan sehari -hari suatu perangkat dan pengukuran berulang dengan PSG untuk memverifikasi keandalan Fitbit. Penelitian ini bertujuan untuk mengevaluasi keakuratan dan keandalan Fitbit dengan membandingkan hasil yang diperoleh dari Fitbit Inspire 2 ™ (FBI2) dan PSG dengan pengukuran berulang setelah menggunakan perangkat untuk periode tertentu.

Bahan dan metode

Peserta Studi dan Desain Studi

Peserta belajar

Studi ini dilakukan dari Oktober 2021 hingga Desember 2021, menargetkan 12 peserta berusia antara 20 dan 55 tahun yang tinggal di Daejeon tanpa gangguan tidur yang parah. Berdasarkan perbedaan rata -rata dan standar deviasi TST yang diukur menggunakan Fitbit dan PSG dalam penelitian sebelumnya, 9 peserta dipilih dengan tingkat signifikansi 5% dan daya 80% dan total 12 peserta dihitung dengan menerapkan tingkat putus sekolah 20%.17.18 Peserta direkrut melalui pemberitahuan perekrutan di rumah sakit D di Daejeon. Informed consent tertulis diperoleh dari semua peserta. Kriteria untuk memilih peserta adalah orang dewasa antara usia 20 dan 55 tahun dan mereka yang memiliki insomnia ringan hingga sedang, seperti yang ditunjukkan oleh skor 8-21 pada Indeks Keparahan Insomnia (ISI).19 Peserta berikut dikeluarkan: mereka yang memiliki gangguan tidur, gangguan kejiwaan, gangguan medis internal dan eksternal, dan gangguan muskuloskeletal; mereka yang menggunakan obat psikiatris/neurologis, termasuk pil tidur; Dan mereka yang memiliki siklus tidur-bangun yang tidak teratur, seperti pekerjaan shift. Subjek’Penilaian kesesuaian dilakukan melalui dokter’pemeriksaan s, kuesioner, dan tes darah. Studi ini disetujui oleh Dewan Peninjau Institusional dari Rumah Sakit Kedokteran Korea Daejeon dari Universitas Daejeon (nomor persetujuan: DJDSKH-21-BM-15), dan dilakukan sesuai dengan Deklarasi Helsinki.

Desain studi

Dalam penelitian ini, total tiga kunjungan ke rumah sakit dilakukan: pendaftaran subjek (kunjungi satu), perbandingan pertama dari Fitbit (Fitbitⓡ Inc, San Francisco, California, USA) dan PSG (satu minggu setelah kunjungan satu), dan perbandingan kedua Fitbit dan PSG (dua minggu setelah kunjungan satu). Fitbit dipakai terus menerus selama 14 hari, yang merupakan masa studi, mengingat peserta’S Periode adaptasi ke fitbit. Setelah dirawat di rumah sakit selama dua hari dan satu malam, PSG diukur saat tidur oleh staf medis profesional PSG. Pada saat ini, pengukuran dilakukan saat mengenakan Fitbit. Selama pengukuran PSG, peneliti merekam buku harian tidur sebelum dan sesudah para peserta tidur, dan terus memantau status keselamatan para peserta. Dua belas peserta terdaftar, dan data dari sembilan peserta yang menyelesaikan tiga kunjungan dimasukkan dalam analisis akhir (tidak termasuk data dari satu putus sekolah dan dua data yang hilang dari Fitbit) (Gambar 1).

Diagram alir untuk pemilihan peserta studi. PSG, Polysomnography.

Alat belajar

Psg

Pasien menjalani PSG dua kali. Aktivitas rutin dipertahankan sebelum dimulainya PSG. Namun, konsumsi kafein, tembakau, dan alkohol berkecil hati. Suhu, kelembaban, dan iluminasi semua kamar PSG tetap sama, dan semua peserta mengenakan mantel lab yang sama. Pengukuran dilakukan pada 8 p.M. Di ruang tes PSG tidur sebelum tes, dan dua teknisi PSG tidur profesional bergiliran melakukan tes sementara subjek tidur. Penilaian fase tidur Rechtchaffen dan Kales dihitung berdasarkan zaman 30 detik sesuai dengan pedoman standar.20 Compumedics/Siesta 802A digunakan sebagai instrumen PSG, dan teknisi polisomnografi bersertifikat melakukan metode standar. Sensor terhubung ke lokasi pengukuran, seperti kepala, wajah, batang, dan ekstremitas bawah. Berbagai biosignal seperti respirasi, mendengkur, elektroensefalogram, elektrookulogram, elektromiogram, elektrokardiogram, posisi tubuh, dan konsentrasi oksigen darah dari peserta terdeteksi melalui sensor. Selain itu, tahap tidur diidentifikasi dengan merekam sepanjang malam’waktu tidur. Variabel yang digunakan untuk analisis PSG adalah sebagai berikut: waktu di tempat tidur (tib; min), tst (min), se (%), waso (min), tahap 1-3 (min), dan total waktu tidur gerak mata cepat (REM) (min).

Fbi2

Aktivitas dan pola tidur yang dikumpulkan dapat diakses melalui aplikasi seluler dengan subjek’S. Perangkat dikenakan sebelum tidur ke keesokan paginya di laboratorium, tidak termasuk waktu mandi. Perangkat yang terisi penuh digunakan dalam penelitian ini. Data Fitbit diekstraksi dengan menetapkan tahap tidur dan bangun 30 detik untuk analisis Epoch-by-Epoch (EBE). Informasi tidur yang diperoleh melalui FBI2 dicocokkan dengan variabel PSG sebagai berikut dengan merujuk pada parameter tidur di situs web Fitbit: 21 tib (min), TST (min), SE (%), waso (min), total waktu tidur REM (min). Untuk perbandingan dengan klasifikasi pementasan FBI2, penjumlahan tahapan satu dan dua dihitung untuk mewakili tidur ringan dan tahap tiga dan empat dianggap tidur nyenyak.

Analisis Data dan Metode Statistik

Data dari sembilan peserta dimasukkan dalam analisis akhir. Delapan belas kasus dianalisis dengan mengintegrasikan data dari dua kunjungan dengan data Fitbit dan PSG. Nilai rata -rata dan standar deviasi (SD) disajikan untuk variabel kontinu, seperti karakteristik demografis dari peserta penelitian. Nilai frekuensi dan persentase disajikan untuk data kategorikal. Ini digunakan untuk analisis dengan merujuk pada metode standar untuk mengevaluasi kinerja PSG tidur dan pelacak tidur.22 A berpasangan T-Tes digunakan untuk membandingkan hasil parameter tidur. Kesepakatan keseluruhan hasil dianalisis menggunakan plot Bland -Altman dan perbandingan EBE. Analisis data statistik dilakukan dengan menggunakan SPSS versi 24 (SPSS, IBM Corp.) dan R versi 4.1.0 (Yayasan R untuk Komputasi Statistik). Tes dua sisi dilakukan, dan signifikansi statistik ditetapkan pada a P Nilai dari < 0.05.

Metode Bland -Altman

Metode Bland -Altman menampilkan perbedaan antara dua pengukuran dan membandingkan distribusi perbedaan. Dalam penelitian ini, perbedaan dan SD antara dua pengukuran, interval kepercayaan 95% untuk perbedaan, dan batas kesepakatan bawah dan atas (perbedaan rata -rata [1.96 SD]) untuk Tib, SE, TST, WASO, tidur ringan, tidur nyenyak, dan REM yang disajikan oleh PSG dan Fitbit dihitung dan ditampilkan secara visual pada plot.

Perbandingan EBE

Untuk membandingkan zaman antara dua metode pengukuran, hanya data yang diukur secara bersamaan untuk setiap metode yang digunakan untuk analisis. Tahap dari setiap pengukuran diubah sebagai berikut: di PSG, terjaga diubah menjadi WASO, dan tahap 1, 2, 3, dan REM diubah menjadi tidur. Di fitbit, bangun dipertahankan sebagai bangun, dan ringan, dalam, dan REM diubah menjadi tidur. Selain itu, karena interval waktu antara pengukuran zaman tidak sama, interval waktu pengukuran zaman untuk setiap metode diubah menjadi 30 -an sebelum merekam. Ketika tahap bangun dan tidur diukur di blok 30 detik, mereka diberi kode sebagai tahap bangun. Perjanjian, sensitivitas, spesifisitas, nilai prediktif positif, dan nilai prediktif negatif dievaluasi menggunakan data rahasia.23

Hasil

Karakteristik Umum Peserta

Karakteristik umum dari sembilan peserta disajikan pada Tabel 1 . Ada empat pria (36.4%) dan lima wanita (45.5%), dan skor ISI rata -rata adalah 13.7 (4.4).

Tabel 1

Variabel	n = 9	(%)
Jenis kelamin
Pria	4	44.4
Perempuan	5	55.6
Usia (tahun)	39.0 ± 8.0
tinggi (cm)	167.5 ± 8.3
Berat (kg)	66.8 ± 15.2
BMI (kg/m²)	23.6 ± 3.3
Minum
Ya	3	33.3
TIDAK	6	66.7
Merokok
Ya	6	66.7
TIDAK	3	33.3
ISI
Berarti	13.7 ± 4.4
Ringan (8–14)	5	55.6
Sedang (15–21)	4	44.4

Singkatan: BMI, indeks massa tubuh, ISI, indeks keparahan insomnia.

Perbandingan antara FBI2 dan PSG

Tabel 2 menunjukkan hasil perbandingan antara FBI2 dan PSG menggunakan 18 sampel data yang dikombinasikan dari kunjungan dua dan tiga. Perbedaan yang signifikan secara statistik diamati antara Fitbit dan PSG dalam TST, tidur nyenyak, dan tidur 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.

Meja 2

PSG dan Fitbit menginspirasi 2 hasil tidur menggunakan sampel lengkap (n = 18)

Variabel	Fitbit		Psg		T	P-nilai
Variabel	Rata -rata ± SD	± 95% CI	Rata -rata ± SD	± 95% CI	T	P-nilai
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
Tidur ringan (min)	225.39 ± 52.45	199.30 ~ 251.47	231.75 ± 47.37	208.19 ~ 255.31	−0.485	0.634
Tidur nyenyak (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

Catatan: Tidur ringan (tahap 1+2); tidur nyenyak (tahap 3); P-nilai yang dihitung dengan berpasangan T-tes.

Singkatan: PSG, polisomnografi; CI, interval kepercayaan; SD, standar deviasi; Tib, waktu di tempat tidur; TST, total waktu tidur; SE, efisiensi tidur; Waso, bangun setelah tidur onset; REM, Gerakan Mata Cepat.

Analisis Perbedaan Berarti Bland -Altman

Gambar 2 menunjukkan perbandingan perbedaan dan distribusi antara pengukuran Fitbit dan PSG dengan analisis Bland -Altman. Dari hasil perbandingan hambar -Altman, TST (P = 0.02), tidur nyenyak (P = 0.05), dan REM (P = 0.03) Diukur dengan FBI2 secara signifikan terlalu tinggi. Tib (P = 0.94), SE (P = 0.19), dan WASO (P = 0.46) cenderung terlalu tinggi tetapi tidak signifikan secara statistik. Selain itu, tidur ringan (P = 0.63) diremehkan tetapi tidak signifikan secara statistik. Dalam plot Bland -Altman, semua pengukuran kecuali satu kasus berada dalam interval kepercayaan 95%, menunjukkan tingkat kesepakatan yang tinggi.

Plot Bland -Altman dari FBI2 versus PSG. Plot Bland-Altman yang menyajikan nilai-nilai yang berbeda dari FBI2 dan PSG pada sumbu y terhadap nilai-nilai PSG pada sumbu x di seluruh Tib, TST, SE, WASO, tidur ringan (Tahap 1+2), Tidur Depi (Tahap 3) dan REM. Garis biru solid horizontal menunjukkan perbedaan rata-rata rata-rata, sedangkan garis putus-putus mewakili interval kepercayaan 95% (atau batas perjanjian atasan rendah). FBI2, Fitbit Inspire 2 ™.

Singkatan: PSG, polisomnografi; Tib, waktu di tempat tidur; TST, total waktu tidur; SE, efisiensi tidur; Waso, bangun setelah tidur onset; REM, Gerakan Mata Cepat.

Perbandingan Fitbit dan PSG EBE

Sensitivitas dan spesifisitas tidur total, tidur ringan, tidur nyenyak, dan tidur REM diselidiki untuk setiap tahap tidur di FBI2 dan PSG dengan analisis EBE. Untuk total tidur, FBI2 memiliki spesifisitas rendah (13.1%), sensitivitas tinggi (93.9%), dan akurasi sedang hingga rendah (76.0%). Untuk tidur ringan, FBI2 menunjukkan sensitivitas yang relatif rendah (54.3%), spesifisitas (62.3%), dan akurasi (59.1%), sementara sensitivitas terhadap tidur nyenyak (84.8%) dan REM tidur (86.4%) sedang. Namun, akurasinya tinggi untuk dalam (98.2%) dan REM tidur (92.3%). Tidur nyenyak (50.1%) dan REM tidur (59.1%) menunjukkan spesifisitas sedang hingga rendah (Tabel 3).

Tabel 3

Sensitivitas, spesifisitas, dan akurasi Fitbit Inspire 2 dibandingkan dengan PSG menggunakan sampel penuh (n = 18)

Kategori	Sensitivitas (%)	Spesifisitas (%)	Akurasi (%)	PPV (%)	NPV (%)
Total tidur	93.9%	13.1%	76.0%	79.2%	38.0%
Tidur ringan	54.3%	62.3%	59.1%	49.2%	67.0%
Tidur nyenyak	84.8%	50.1%	83.7%	98.2%	9.5%
Rem	86.4%	59.1%	82.3%	92.3%	43.2%

Catatan: Tidur ringan (tahap 1+2); Tidur nyenyak (Tahap 3).

Singkatan: PSG, polisomnografi; PPV, nilai prediktif positif; NPV, nilai prediktif negatif; REM, Gerakan Mata Cepat.

Diskusi

Dalam penelitian ini, kami membandingkan hasil FBI2 dengan PSG melalui dua percobaan berulang pada interval satu minggu di bawah kondisi yang sama untuk mengevaluasi efektivitas fungsi pengukuran tidur dan bangun FBI2 pada sembilan peserta tanpa gangguan tidur. Ini adalah studi tambahan yang memverifikasi fitbit’akurasi s. Dua hasil utama dari penelitian ini adalah sebagai berikut: Pertama, variabel FBI2 TST, tidur nyenyak, dan tidur REM secara signifikan terlalu tinggi. Kedua, hasil tidur total menunjukkan sensitivitas 93.9%, spesifisitas 13.1%, dan akurasi 76.0%. Oleh karena itu, keakuratan setiap parameter tidur ditentukan.

Bland -Altman’Perbandingan S mengevaluasi kinerja FBI2 melalui variabel tidur untuk PSG, yang konsisten dengan hasil Bland -Altman’s berpasangan T-tes. Hasil penelitian menunjukkan perbedaan yang signifikan dalam TST, tidur nyenyak, dan tidur REM di antara variabel tidur yang diukur dua kali menggunakan PSG dan FBI2.

Perbedaan rata -rata antara FBI2 dan PSG di TST adalah 17.9 menit dan 14.67 menit dalam tidur nyenyak, yang secara signifikan terlalu tinggi. Studi sebelumnya telah menunjukkan bahwa ada perbedaan rata -rata yang signifikan antara PSG dan perangkat yang dapat dipakai pengukuran tidur, di mana perangkat yang dapat dipakai pengukuran tidur membuat perkiraan yang berlebihan itu. Dalam penelitian sebelumnya yang melakukan PSG menggunakan Fitbit Alta HR pada 49 peserta, TST dan tidur nyenyak secara signifikan terlalu tinggi, mirip dengan hasil yang diperoleh dalam penelitian ini.18 Selain itu, SE adalah 4.15%, dan WASO berusia 10 tahun.36 menit, yang terlalu tinggi. WASO terutama ditemukan pada pasien dengan gangguan tidur; Dalam penelitian sebelumnya ketika membandingkan WASO dengan insomnia dan individu yang sehat, pada kelompok individu yang sehat, standar deviasi ditemukan lebih besar dari nilai rata -rata.24,25 Selain itu, penelitian lain sebelumnya telah menunjukkan standar deviasi besar; Selain itu, tidak ada hasil signifikan yang dijelaskan sebagai batasan sejumlah kecil peserta.26 Mempertimbangkan keterbatasan penelitian ini, jumlah peserta kecil, dan nilai rata -rata WASO ditentukan lebih besar dari standar deviasi dengan menganalisis masyarakat umum.

Plot Bland -Altman dimasukkan dalam interval kepercayaan 95%, menunjukkan nilai konstan. Ini bertentangan dengan hasil penelitian sebelumnya di mana perjanjian antara Fitbit dan PSG lebih rendah karena WASO meningkat di plot Bland -Altman ketika perangkat HR Fitbit Alta digunakan untuk pasien dengan insomnia. Hasil yang bertentangan ini mungkin karena para peserta dalam penelitian ini tidak memiliki gangguan tidur.27 Oleh karena itu, keakuratannya dikonfirmasi tinggi ketika FBI2 digunakan pada peserta dengan gangguan tidur. Tidur ringan diremehkan oleh −6.36. Dalam penelitian sebelumnya yang dibandingkan dengan pulsa O2 dengan PSG pada 40 orang dewasa yang sehat, tidur ringan (bias rata -rata 79 menit) juga diremehkan, yang mirip dengan hasil penelitian ini.28

Sensitivitas peserta untuk tahap tidur total FBI2 adalah 93.9%, menunjukkan bahwa tidur terdeteksi secara akurat. Namun, spesifisitas untuk mendeteksi tahap tidur total relatif rendah (13.1%). Ini konsisten dengan hasil evaluasi efektivitas tidur dari perangkat yang dapat dipakai yang dikenakan pergelangan tangan berdasarkan hasil PSG. Oleh karena itu, diverifikasi bahwa perangkat ini dapat secara akurat mengukur tidur karena sensitivitas keseluruhan yang tinggi dan spesifisitas yang rendah.29 Spesifisitas rendah Fitbit terkait dengan persepsi tidur saat tidak ada gerakan. Namun, Fitbit terbaru mendeteksi lebih akurat zaman bangun, atau waso, saat tidur.13 Namun demikian, dibandingkan dengan hasil penelitian lain menggunakan Fitbit dengan algoritma yang sama, sensitivitas dalam penelitian ini serupa. Namun, spesifisitas (0.58 hingga 0.69) sedikit lebih rendah.13 Oleh karena itu, meskipun pengukuran berulang dilakukan dalam penelitian ini, dapat disimpulkan bahwa subjek tidur dengan gerakan minimal dalam keadaan tidak nyaman di laboratorium berbasis rumah sakit, tidak seperti tidur di rumah.

Efek malam pertama terutama diamati pada pasien dengan insomnia, dan penelitian ini dilakukan di masyarakat umum; Dengan demikian, efek malam pertama tidak diterapkan secara substansial.30 Namun, hasilnya dibandingkan dengan pengukuran berulang untuk mengumpulkan informasi tidur yang akurat menggunakan polisomnografi tidur berdasarkan penelitian sebelumnya yang menunjukkan catatan uji polimorfisme tidur menjadi penting selama dua hari berturut -turut.31 Hasil tes dari kunjungan pertama dan kedua serupa pada peserta penelitian ini; Dengan demikian, efek malam pertama tidak muncul (hasilnya tidak disajikan).

Untuk melengkapi ini, kami mengusulkan membuat lingkungan laboratorium yang mirip dengan rumah. Dalam penelitian ini, akurasi tidur ringan, tidur nyenyak, dan tidur REM adalah 59.1%, 83.7%, dan 82.3%masing -masing. Dalam studi perbandingan Fitbit Charge 2 dan PSG untuk pekerja shift, keakuratan tidur ringan adalah 0.49, tidur nyenyak adalah 0.78, dan REM tidur adalah 0.86, yang mirip dengan hasil penelitian sebelumnya.32 Dalam tinjauan literatur sistematis dari setiap model Fitbit, keakuratan parameter tidur melalui analisis EBE adalah 0.69 ~ 0.81 untuk tidur ringan, 0.36 ~ 0.89 untuk tidur nyenyak, dan 0.62 ~ 0.89 untuk tidur REM.13 Dibandingkan dengan hasil penelitian ini, akurasi tidur ringan rendah, sedangkan tidur nyenyak dan REM menunjukkan akurasi tinggi.

Dalam sebuah studi baru-baru ini, pengumpulan data skala besar menjadi mungkin karena permintaan untuk Fitbit meningkat. Oleh karena itu, tren pertumbuhan yang cepat dapat terjadi.33 Perangkat Fitbit dapat mengukur tidak hanya tidur, tetapi juga detak jantung dan aktivitas fisik. Validitas berbagai model perangkat Fitbit dievaluasi melalui meta-analisis dan ditemukan sebagai faktor penting dari peristiwa validitas dalam fungsi detak jantung dan fungsi pengukuran aktivitas fisik.34 Gangguan Tidur atau Perubahan Status Tidur Dapat Dimonitor untuk Memprediksi Kesehatan Dengan Memvalidasi Perangkat Fitbit. Mempertimbangkan hal ini, penelitian ini mengkonfirmasi kemungkinan menggunakan FBI2 dan FBI2 sebagai alat skrining untuk pengukuran tahap tidur dalam kehidupan sehari -hari.

Keuntungan dari penelitian ini adalah sebagai berikut: Pertama, dengan membandingkan Fitbit dan PSG untuk orang Korea, karakteristik tidur orang Korea tercermin dalam kondisi lingkungan yang sama. Oleh karena itu, kondisi untuk meningkatkan keandalan Fitbit terpenuhi. Kedua, kriteria yang baru -baru ini distandarisasi untuk mengkonfirmasi keakuratan perangkat pelacakan tidur melalui metode analisis EBE diterapkan menggunakan parameter tidur utama.22 Ketiga, ada periode adaptasi dengan lingkungan laboratorium menggunakan data yang diukur dua kali dengan interval satu minggu.

Keterbatasan penelitian ini adalah sebagai berikut: Pertama, karena ini adalah studi eksplorasi dengan hanya sembilan peserta, ukuran sampel kecil, yang mungkin telah mempengaruhi perbandingan akurat FBI2 dan PSG. Oleh karena itu, kami menganalisis jumlah total peserta yang diukur per kunjungan untuk mengkompensasi batasan ini. Kedua, akurasinya relatif rendah karena karakteristik perangkat FBI2, mode pengukuran tidur yang tidak diklasifikasikan secara rinci. Ketiga, parameter tidur Fitbit didefinisikan secara sewenang -wenang, tidak seperti interpretasi teknologi polisomnografi PSG. Oleh karena itu, ada batasan interpretasi ini.

Kesimpulan

Studi ini membandingkan tidur PSG dan FBI2 dengan pengukuran berulang di lingkungan eksperimental tidur yang sama pada orang dewasa yang merasa tidak nyaman dengan tidur. Studi ini bermakna karena merupakan studi eksplorasi pertama yang memverifikasi keakuratan FBI2 dan menemukan kemungkinan penggunaannya sebagai indikator tidur yang objektif. Dengan menunjukkan hasil yang hampir konsisten dengan penelitian sebelumnya setelah perbandingan dengan Fitbit dan PSG, FBI2 dapat digunakan untuk memantau kesehatan tidur karena aspek kegunaannya, sehingga mendukung penggunaannya sebagai alternatif untuk PSG.

Ucapan Terima Kasih

Para penulis menghargai Universitas Daejeon Daejeon Rumah Sakit Medis Korea dan Pusat Percobaan Klinis atas kontribusi mereka terhadap pengumpulan data.

Pernyataan pendanaan

Pekerjaan ini didukung oleh Institut Kedokteran Oriental Korea (Nomor Hibah: KSN1731121) dan Kementerian Perdagangan, Industri dan Energi (Nomor Hibah: NIN2013240).

Penyingkapan

Penulis melaporkan tidak ada konflik kepentingan dalam pekerjaan ini.

Referensi

1. Cappuccio FP, Cooper D, D’ELIA L, Strazzullo P, Miller MA. Durasi tidur memprediksi hasil kardiovaskular: tinjauan sistematis dan meta-analisis studi prospektif . Eur hati j . 2011; 32 (12): 1484–1492. doi: 10.1093/Eurheartj/EHR007 [PubMed] [CrossRef] [Google Cendekia]

2. Xie J, Li Y, Zhang Y, dkk. Durasi Tidur dan Sindrom Metabolik: Tinjauan Sistematik yang Diperbarui dan Meta-Analisis . Sleep Med Rev . 2021; 59: 101451. doi: 10.1016/j.smrv.2021.101451 [PubMed] [CrossRef] [Google Cendekia]

3. Shin D, Hur J, Cho Kh, Cho Eh. Tren durasi tidur yang dilaporkan sendiri pada orang dewasa Korea: Hasil dari Survei Pemeriksaan Kesehatan dan Nutrisi Nasional Korea 2007-2015 . Sleep Med . 2018; 52: 103–106. doi: 10.1016/j.tidur.2018.08.008 [PubMed] [CrossRef] [Google Cendekia]

4. Layanan Asuransi Kesehatan Nasional. Informasi Statistik Kehidupan Kesehatan yang Berguna untuk Diketahui [Internet] . Winju: Sevice Asuransi Kesehatan Nasional; 2021. Tersedia dari: https: // www.nhis.atau.KR/NHIS/TOLED/WBHAEC06700M01.Mengerjakan?Mode = View & Articleno = 10811517. Diakses 21 Februari 2023. [Beasiswa Google]

5. Lee YJ, Kim DJ, Lee H. Sebuah studi tentang penilaian tidur-bangun untuk pembuktian produk tidur . Sleep Med Psychophysiol . 2020; 27 (2): 51–55. [Beasiswa Google]

6. Depner CM, Cheng PC, Devine JK, dkk. Teknologi yang Dapat Dipakai untuk Mengembangkan Tidur dan Biomarker Sirkadian: Ringkasan Diskusi Lokakarya . Tidur . 2020; 43 (2): zsz254. doi: 10.1093/tidur/zsz254 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

7. Van de Water at, Holmes A, Hurley Da. Pengukuran objektif tidur untuk pengaturan non-laboratorium sebagai alternatif untuk polisomnografi-tinjauan sistematis . J Sleep Res . 2011; 20 (1 pt 2): 183–200. doi: 10.1111/j.1365-2869.2009.00814.X [PubMed] [CrossRef] [Google Cendekia]

9. Fitbit. Apa yang harus saya ketahui tentang tahapan tidur? [beranda di internet] . Tersedia dari: https: // bantuan.Fitbit.com/artikel/en_us/help_article/2163. Diakses 26 Juli 2022.

10. Masak JD, Prairie ML, Plante DT. Utilitas Fitbit Flex untuk mengevaluasi tidur pada gangguan depresi mayor: Perbandingan terhadap polisomnografi dan aktigrafi yang dikenakan pergelangan tangan . J mempengaruhi gangguan . 2017; 217: 299–305. doi: 10.1016/j.Jad.2017.04.030 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

11. Moreno-Pino F, Porras-Segovia A, López-Esteban P, Artés A, Baca-García E. Validasi Fitbit Charge 2 dan Fitbit Alta HR terhadap polisomnografi untuk menilai tidur pada orang dewasa dengan apnea tidur obstruktif . J Clin Sleep Med . 2019; 15 (11): 1645–1653. doi: 10.5664/JCSM.8032 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

12. Scott H, Lack L, Lovato N. Tinjauan sistematis tentang keakuratan perangkat yang dapat dikenakan tidur untuk memperkirakan onset tidur . Sleep Med Rev . 2020; 49: 101227. doi: 10.1016/j.smrv.2019.101227 [PubMed] [CrossRef] [Google Cendekia]

13. Haghayegh S, Khoshnevis S, Smolensky MH, Diller KR, Castriotta RJ. Akurasi model Fitbit gelang dalam menilai tidur: tinjauan sistematis dan meta-analisis . J Med Internet Res . 2019; 21 (11): E16273. doi: 10.2196/16273 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

14. Munos B, Baker PC, Bot BM, dkk. Kesehatan seluler: Kekuatan yang dapat dikenakan, sensor, dan aplikasi untuk mengubah uji klinis . Ann N Y Acad Sci . 2016; 1375 (1): 3–18. doi: 10.1111/NYAS.13117 [PubMed] [CrossRef] [Google Cendekia]

15. Cook JD, Eftekari SC, Dallmann E, Sippy M, Plante DT. Kemampuan Fitbit Alta HR untuk mengukur dan mengklasifikasikan tidur pada pasien dengan gangguan sentral hypersomnolence: perbandingan terhadap polisomnografi . J Sleep Res . 2019; 28 (4): E12789. doi: 10.1111/jsr.12789 [PubMed] [CrossRef] [Google Cendekia]

16. JR Lunsford-Avery, Keller C, Kollins SH, AD Krystal, Jackson L, Engelhard MM. Kelayakan dan penerimaan perangkat elektroensefalogram tidur yang dapat dipakai digunakan pada remaja: studi observasional . Jmir mHealth uHealth . 2020; 8 (10): E20590. doi: 10.2196/20590 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

17. Meltzer LJ, Hiruma LS, Avis K, Montgomery-Downs H, Valentin J. Perbandingan akselerometer komersial dengan polisomnografi dan aktigrafi pada anak -anak dan remaja . Tidur . 2015; 38 (8): 1323–1330. doi: 10.5665/tidur.4918 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

18. De Zambotti M, Baker FC, Willoughby AR, dkk. Ukuran tidur dan fungsi jantung selama tidur menggunakan gelang multi-sensorik yang tersedia secara komersial pada remaja . Perilaku fisiol . 2016; 158: 143–149. doi: 10.1016/j.physbeh.2016.03.006 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

19. Bastien CH, Vallières A, Morin CM. Validasi indeks keparahan insomnia sebagai ukuran hasil untuk penelitian insomnia . Sleep Med . 2001; 2 (4): 297–307. doi: 10.1016/S1389-9457 (00) 00065-4 [PubMed] [CrossRef] [Google Cendekia]

20. Hori T, Sugita Y, Koga E, Shirakawa S, Inoue K. Suplemen dan amandemen yang diusulkan ‘Manual terminologi standar, teknik dan sistem penilaian untuk tahap tidur subjek manusia’, Standar Rechtschaffen & Kales (1968) . Psikiatri Clin Neurosci . 2001; 55: 305–310. [PubMed] [Google Cendekia]

21. Variabel API Tidur: Tidur [beranda di internet] . Tersedia dari: https: // dev.Fitbit.com/. Diakses 26 Juli 2022.

22. Menghini L, Cellini N, Goldstone A, Baker FC, De Zambotti M. Kerangka kerja standar untuk menguji kinerja teknologi pelacakan tidur: pedoman langkah demi langkah dan kode sumber terbuka . Tidur . 2021; 44 (2): ZSAA170. doi: 10.1093/Sleep/ZSAA170 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

23. Kosmadopoulos A, Sargent C, Darwent D, Zhou X, Roach GD. Alternatif untuk Polysomnography (PSG): Validasi aktigrafi pergelangan tangan dan sistem parsial-PSG . Metode Perilaku Res . 2014; 46 (4): 1032–1041. doi: 10.3758/S13428-013-0438-7 [PubMed] [CrossRef] [Google Cendekia]

24. Peters b. Mengapa WASO memiliki efek negatif pada kualitas tidur; 2022. Tersedia dari: https: // www.verwellhealth.com/pemahaman-dan-perawatan-waso-3015394. Diakses 21 Februari 2023.

25. Scott H, Lovato N, Lack L. Pengembangan dan keakuratan perangkat yang dapat dipakai untuk memperkirakan tidur dan terjaga . Nat sci tidur . 2021; 13: 39. doi: 10.2147/NSS.S287048 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

26. Kim E-J, Ahn Y-M, Shin H-B, Kim J-W. Analisis fluktuasi yang detrended dari elektroensefalogram tidur antara sindrom apnea tidur obstruktif dan anak -anak normal . Sleep Med Psychophysiol . 2010; 17 (1): 41–49. [Beasiswa Google]

27. Kahawage P, Jumabhoy R, Hamill K, De Zambotti M, Drummond Spa. Validitas, utilitas klinis potensial, dan perbandingan pelacak aktivitas konsumen dan tingkat penelitian di Insomnia Disorder I: Validasi di Lab Terhadap Polysomnography . J Sleep Res . 2020; 29 (1): E12931. doi: 10.1111/jsr.12931 [PubMed] [CrossRef] [Google Cendekia]

28. Mantua J, Gravel N, Spencer RM. Keandalan Langkah-langkah tidur dari empat perangkat pemantauan kesehatan pribadi dibandingkan dengan actigraphy dan polysomnography berbasis penelitian . Sensor . 2016; 16 (5): 646. doi: 10.3390/S16050646 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

29. Chinoy Ed, Cuellar JA, Huwa KE, dkk. Kinerja tujuh perangkat pelacakan tidur konsumen dibandingkan dengan polisomnografi . Tidur . 2021; 44 (5): ZSAA291. doi: 10.1093/Sleep/ZSAA291 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

30. Le Bon O, Staner L, Hoffmann G, dkk. Efek malam pertama mungkin bertahan lebih dari satu malam . J Psychiatric Res . 2001; 35 (3): 165–172. doi: 10.1016/S0022-3956 (01) 00019-X [PubMed] [CrossRef] [Google Cendekia]

31. Newell J, Mairesse O, Verbancck P, Neu D. Adalah menginap satu malam di lab benar-benar cukup untuk menyimpulkan? Efek malam pertama dan variabilitas malam-malam dalam rekaman polisomnografi di antara sampel populasi klinis yang berbeda . Psychiatr Res . 2012; 200 (2–3): 795–801. doi: 10.1016/j.psikes.2012.07.045 [PubMed] [CrossRef] [Google Cendekia]

32. Stucky B, Clark I, Azza Y, dkk. Validasi Fitbit Charge 2 Estimasi Tidur dan Denyut Jantung Terhadap Tindakan Polisomnografi pada Pekerja Shift: Studi Naturalistik . J Med Internet Res . 2021; 23 (10): E26476. doi: 10.2196/26476 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

33. Kawasaki Y, Kasai T, Sakurama Y, dkk. Evaluasi Parameter Tidur dan Pementasan Tidur (Tidur Gelombang Lambat) Pada Atlet oleh Fitbit Alta HR, Perangkat Pelacakan Tidur Konsumen . Nat sci tidur . 2022; 14: 819–827. doi: 10.2147/NSS.S351274 [artikel gratis PMC] [PubMed] [CrossRef] [Google Cendekia]

34. Leung W, Case L, Sung MC, Jung J. Sebuah meta-analisis perangkat Fitbit: perusahaan yang sama, model yang berbeda, bukti validitas yang berbeda . J Med Eng Technol . 2022; 46 (2): 102–115. doi: 10.1080/03091902.2021.2006350 [PubMed] [CrossRef] [Google Cendekia]

Tidak menginspirasi 2 tahap tidur trek

£ 3.99 pengiriman tarif tetap

Garansi 2 tahun

Safe & Secure Checkout

Pengembalian bebas stres 30 hari

Masukkan kode diskon

Terapkan kode promo dan produk dengan diskon akan tersedia untuk Anda di seluruh situs.

Saya ingin mendapatkan promocode

Kebijakan pribadi
Syarat dan Ketentuan
Pertanyaan yang sering diajukan

Syarat Penggunaan
Kebijakan Cookie
Kebijakan penggunaan yang dapat diterima

Dalam kemitraan dengan

Exertis UK Ltd. Terdaftar di Inggris | Nomor Pendaftaran: 1511931 | Nomor PPN: GB864438791 Alamat Kantor Terdaftar: Exertis (UK) Ltd. Rumah Teknologi, Magnesium Way, Hapton, Burnley, Lancashire. BB12 7BF. (01282) 776776

Validasi Fitbit menginspirasi 2 TM terhadap polisomnografi pada orang dewasa yang mempertimbangkan adaptasi untuk digunakan

Tujuan: Komersialisasi perangkat pelacakan aktivitas tidur telah memungkinkan untuk mengelola kualitas tidur di rumah. Namun, perlu untuk memverifikasi keandalan dan keakuratan perangkat yang dapat dipakai melalui perbandingan dengan polisomnografi (PSG), yang merupakan standar untuk melacak aktivitas tidur. Penelitian ini bertujuan untuk memantau aktivitas tidur secara keseluruhan menggunakan Fitbit Inspire 2 ™ (FBI2) dan untuk mengevaluasi kinerja dan efektivitasnya melalui PSG dalam kondisi yang sama.
Pasien dan metode: Kami membandingkan data FBI2 dan PSG dari sembilan peserta (empat peserta pria dan lima wanita; usia rata -rata, 39 tahun) tanpa masalah tidur yang parah. Para peserta mengenakan FBI2 terus menerus selama 14 hari, mengingat periode adaptasi dengan perangkat. Data tidur FBI2 dan PSG dibandingkan dengan menggunakan berpasangan T-Tes, plot Bland-Altman, dan analisis zaman-demi-epok untuk 18 sampel dengan mengumpulkan data dari dua ulangan.
Hasil: Nilai rata -rata untuk setiap tahap tidur yang diperoleh dari FBI2 dan PSG menunjukkan perbedaan yang signifikan dalam total waktu tidur (TST), tidur nyenyak, dan gerakan mata cepat (REM). Dalam analisis hambar -Altman, TST (P = 0.02), tidur nyenyak (P = 0.05), dan REM (P = 0.03) secara signifikan dilebih -lebihkan di FBI2 dibandingkan dengan PSG. Selain itu, waktu di tempat tidur, efisiensi tidur, dan bangun setelah onset tidur terlalu tinggi, sementara tidur ringan diremehkan. Namun, perbedaan -perbedaan ini tidak signifikan secara statistik. FBI2 menunjukkan sensitivitas tinggi (93.9%) dan spesifisitas rendah (13.1%), dengan akurasi 76%. Sensitivitas dan spesifisitas setiap tahap tidur adalah 54.3% dan 62.3%, masing -masing, untuk tidur ringan, 84.8% dan 50.1%, masing -masing, untuk tidur nyenyak, dan 86.4% dan 59.1%, masing -masing untuk tidur REM.
Kesimpulan: Penggunaan FBI2 sebagai alat objektif untuk mengukur tidur dalam kehidupan sehari -hari dapat dianggap tepat. Namun, penelitian lebih lanjut diperlukan pada penerapannya pada peserta dengan masalah tidur-bangun.

Kata kunci: Dapat dipakai, tidur, pelacakan, polisomnografi, studi validasi

Perkenalan

Tidur sangat penting untuk mempertahankan hidup yang sehat. Tidur yang tidak memadai meningkatkan risiko penyakit kardiovaskular, diabetes tipe 2, dan hipertensi. 1 Dalam penelitian terbaru, durasi tidur yang lebih pendek dikaitkan dengan 1.28 kali risiko sindrom metabolik 28 kali lebih tinggi. 2 Waktu tidur rata -rata orang Korea adalah 6.76 jam, yang menunjukkan tren umum menjadi lebih pendek dari waktu ke waktu. 3 Jumlah pasien dengan gangguan tidur juga meningkat 8% setiap tahun selama lima tahun terakhir, dan jumlah pasien dengan gangguan tidur adalah 650.000 pada tahun 2020. 4 nilai peringatan untuk keadaan tidur ini mengarah pada minat pada produk tidur yang membantu tidur yang sehat. Oleh karena itu, penggunaan perangkat yang dapat dipakai yang dengan mudah mengukur status tidur dalam kehidupan sehari -hari telah meningkat. 5 Selain itu, karena minat pada kesehatan tidur telah meningkat, penelitian yang berfokus pada memverifikasi keandalan dan akurasi perangkat yang dapat dipakai telah berkembang. 6

Polysomnography (PSG), metode standar yang akurat untuk mengukur tidur, telah banyak digunakan dalam penelitian tentang penilaian tidur objektif. 7 Namun, pengukuran PSG membutuhkan waktu delapan hingga sepuluh jam, dan ada batasan untuk mengukur waktu tidur yang biasa dengan melakukan tes di lingkungan yang tidak dikenal. Oleh karena itu, tes membutuhkan waktu, upaya, dan pembayaran. 5 Untuk mengatasi keterbatasan ini, Fitbit yang usang, yang merupakan metode non-invasif yang disertifikasi oleh Food and Drug Administration, digunakan. 8

Fitbit terbaru, diproduksi setelah 2017, menggunakan metode evaluasi tahap tidur yang memantau data secara berkala untuk waktu bangun dan tidur melalui sensor gerak dan pengukuran detak jantung dan pengukuran jantung. Dibandingkan dengan model awal, dimungkinkan untuk mengevaluasi tidak hanya parameter tidur tetapi juga tahap tidur. 9 Oleh karena itu, dimungkinkan untuk menggunakan Fitbit secara efektif untuk pemantauan tidur rutin dan evaluasi tidur klinis pada pasien dengan gangguan tidur atau mental. Selain itu, manajemen kebiasaan tidur yang berkelanjutan dimungkinkan. 10,11 Namun, Fitbit memiliki batasan karena hanya menggunakan informasi yang dikumpulkan setelah mengukur tidur berdasarkan gerakan dan detak jantung, tidak seperti PSG, yang mendeteksi tahap tidur melalui biosignal.

Perbedaan tertentu ada dalam keandalan dan akurasi berdasarkan model Fitbit; Oleh karena itu, banyak studi perbandingan yang menggunakan PSG telah dilaporkan untuk mengevaluasi efektivitas Fitbit. 12 Secara keseluruhan, Fitbit menunjukkan sensitivitas tinggi (0.95–0.96) dan spesifisitas yang relatif rendah (0.58–0.69) Untuk deteksi tidur dalam meta-analisis akurasi Fitbit dan PSG, yang dapat mengevaluasi tahap tidur. Waktu bangun setelah onset tidur (WASO), total waktu tidur (TST), dan efisiensi tidur (SE) tidak berbeda dari psg. Namun, latensi onset tidur diremehkan. 13 Dengan demikian, Fitbit dianggap sebagai alternatif untuk mengumpulkan data tidur objektif, yang sebelumnya hanya tersedia melalui PSG di laboratorium. 14

Namun demikian, penelitian yang membandingkan validitas Fitbit dan PSG terbatas karena sebagian besar studi adalah percobaan satu kali. 15 Selain itu, efek malam pertama terjadi pada 50% dari peserta, karena percobaan dilakukan di laboratorium yang tidak dikenal yang berbeda dari lingkungan yang akrab di malam hari. Selain itu, 66-81% peserta melaporkan ketidaknyamanan selama tidur karena penggunaan beberapa perangkat yang tidak dikenal secara simultan. 16 Masalah ini menurunkan peserta’ Kualitas tidur selama percobaan, yang mempengaruhi interpretasi hasil studi tidur.

Bahan dan metode

Peserta Studi dan Desain Studi

Peserta belajar

Studi ini dilakukan dari Oktober 2021 hingga Desember 2021, menargetkan 12 peserta berusia antara 20 dan 55 tahun yang tinggal di Daejeon tanpa gangguan tidur yang parah. Berdasarkan perbedaan rata -rata dan standar deviasi TST yang diukur menggunakan Fitbit dan PSG dalam penelitian sebelumnya, 9 peserta dipilih dengan tingkat signifikansi 5% dan daya 80% dan total 12 peserta dihitung dengan menerapkan tingkat putus sekolah 20%. 17.18 Peserta direkrut melalui pemberitahuan perekrutan di rumah sakit D di Daejeon. Informed consent tertulis diperoleh dari semua peserta. Kriteria untuk memilih peserta adalah orang dewasa antara usia 20 dan 55 tahun dan mereka yang memiliki insomnia ringan hingga sedang, seperti yang ditunjukkan oleh skor 8-21 pada Indeks Keparahan Insomnia (ISI). 19 Peserta berikut dikeluarkan: mereka yang memiliki gangguan tidur, gangguan kejiwaan, gangguan medis internal dan eksternal, dan gangguan muskuloskeletal; mereka yang menggunakan obat psikiatris/neurologis, termasuk pil tidur; Dan mereka yang memiliki siklus tidur-bangun yang tidak teratur, seperti pekerjaan shift. Subjek’Penilaian kesesuaian dilakukan melalui dokter’pemeriksaan s, kuesioner, dan tes darah. Studi ini disetujui oleh Dewan Peninjau Institusional dari Rumah Sakit Kedokteran Korea Daejeon dari Universitas Daejeon (nomor persetujuan: DJDSKH-21-BM-15), dan dilakukan sesuai dengan Deklarasi Helsinki.

Desain studi

Gambar 1 Diagram alir untuk pemilihan peserta studi. PSG, Polysomnography.

Alat belajar

Psg

Pasien menjalani PSG dua kali. Aktivitas rutin dipertahankan sebelum dimulainya PSG. Namun, konsumsi kafein, tembakau, dan alkohol berkecil hati. Suhu, kelembaban, dan iluminasi semua kamar PSG tetap sama, dan semua peserta mengenakan mantel lab yang sama. Pengukuran dilakukan pada 8 p.M. Di ruang tes PSG tidur sebelum tes, dan dua teknisi PSG tidur profesional bergiliran melakukan tes sementara subjek tidur. Penilaian fase tidur Rechtchaffen dan Kales dihitung berdasarkan zaman 30 detik sesuai dengan pedoman standar. 20 Compumedics/Siesta 802A digunakan sebagai instrumen PSG, dan teknisi polisomnografi bersertifikat melakukan metode standar. Sensor terhubung ke lokasi pengukuran, seperti kepala, wajah, batang, dan ekstremitas bawah. Berbagai biosignal seperti respirasi, mendengkur, elektroensefalogram, elektrookulogram, elektromiogram, elektrokardiogram, posisi tubuh, dan konsentrasi oksigen darah dari peserta terdeteksi melalui sensor. Selain itu, tahap tidur diidentifikasi dengan merekam sepanjang malam’waktu tidur. Variabel yang digunakan untuk analisis PSG adalah sebagai berikut: waktu di tempat tidur (tib; min), tst (min), se (%), waso (min), tahap 1-3 (min), dan total waktu tidur gerak mata cepat (REM) (min).

Fbi2

Analisis Data dan Metode Statistik

Data dari sembilan peserta dimasukkan dalam analisis akhir. Delapan belas kasus dianalisis dengan mengintegrasikan data dari dua kunjungan dengan data Fitbit dan PSG. Nilai rata -rata dan standar deviasi (SD) disajikan untuk variabel kontinu, seperti karakteristik demografis dari peserta penelitian. Nilai frekuensi dan persentase disajikan untuk data kategorikal. Ini digunakan untuk analisis dengan merujuk pada metode standar untuk mengevaluasi kinerja PSG tidur dan pelacak tidur. 22 A berpasangan T-Tes digunakan untuk membandingkan hasil parameter tidur. Kesepakatan keseluruhan hasil dianalisis menggunakan plot Bland -Altman dan perbandingan EBE. Analisis data statistik dilakukan dengan menggunakan SPSS versi 24 (SPSS, IBM Corp.) dan R versi 4.1.0 (Yayasan R untuk Komputasi Statistik). Tes dua sisi dilakukan, dan signifikansi statistik ditetapkan pada a P Nilai dari < 0.05.

Metode Bland -Altman

Perbandingan EBE

Hasil

Karakteristik Umum Peserta

Karakteristik umum dari sembilan peserta disajikan pada Tabel 1. Ada empat pria (36.4%) dan lima wanita (45.5%), dan skor ISI rata -rata adalah 13.7 (4.4).

Tabel 1 Karakteristik peserta

Perbandingan antara FBI2 dan PSG

Meja 2 PSG dan Fitbit menginspirasi 2 hasil tidur menggunakan sampel lengkap (n = 18)

Analisis Perbedaan Berarti Bland -Altman

Gambar 2 Plot Bland -Altman dari FBI2 versus PSG. Plot Bland-Altman yang menyajikan nilai-nilai yang berbeda dari FBI2 dan PSG pada sumbu y terhadap nilai-nilai PSG pada sumbu x di seluruh Tib, TST, SE, WASO, tidur ringan (Tahap 1+2), Tidur Depi (Tahap 3) dan REM. Garis biru solid horizontal menunjukkan perbedaan rata-rata rata-rata, sedangkan garis putus-putus mewakili interval kepercayaan 95% (atau batas perjanjian atasan rendah). FBI2, Fitbit Inspire 2 ™.

Singkatan: PSG, polisomnografi; Tib, waktu di tempat tidur; TST, total waktu tidur; SE, efisiensi tidur; Waso, bangun setelah tidur onset; REM, Gerakan Mata Cepat.

Perbandingan Fitbit dan PSG EBE

Tabel 3 Sensitivitas, spesifisitas, dan akurasi Fitbit Inspire 2 dibandingkan dengan PSG menggunakan sampel penuh (n = 18)

Diskusi

Perbedaan rata -rata antara FBI2 dan PSG di TST adalah 17.9 menit dan 14.67 menit dalam tidur nyenyak, yang secara signifikan terlalu tinggi. Studi sebelumnya telah menunjukkan bahwa ada perbedaan rata -rata yang signifikan antara PSG dan perangkat yang dapat dipakai pengukuran tidur, di mana perangkat yang dapat dipakai pengukuran tidur membuat perkiraan yang berlebihan itu. Dalam penelitian sebelumnya yang melakukan PSG menggunakan Fitbit Alta HR pada 49 peserta, TST dan tidur nyenyak secara signifikan terlalu tinggi, mirip dengan hasil yang diperoleh dalam penelitian ini.18 Selain itu, SE adalah 4.15%, dan WASO berusia 10 tahun.36 menit, yang terlalu tinggi. WASO terutama ditemukan pada pasien dengan gangguan tidur; Dalam penelitian sebelumnya ketika membandingkan WASO dengan insomnia dan individu yang sehat, pada kelompok individu yang sehat, standar deviasi ditemukan lebih besar dari nilai rata -rata. 24,25 Selain itu, penelitian lain sebelumnya telah menunjukkan standar deviasi besar; Selain itu, tidak ada hasil signifikan yang dijelaskan sebagai batasan sejumlah kecil peserta. 26 Mempertimbangkan keterbatasan penelitian ini, jumlah peserta kecil, dan nilai rata -rata WASO ditentukan lebih besar dari standar deviasi dengan menganalisis masyarakat umum.

Plot Bland -Altman dimasukkan dalam interval kepercayaan 95%, menunjukkan nilai konstan. Ini bertentangan dengan hasil penelitian sebelumnya di mana perjanjian antara Fitbit dan PSG lebih rendah karena WASO meningkat di plot Bland -Altman ketika perangkat HR Fitbit Alta digunakan untuk pasien dengan insomnia. Hasil yang bertentangan ini mungkin karena para peserta dalam penelitian ini tidak memiliki gangguan tidur. 27 Oleh karena itu, keakuratannya dikonfirmasi tinggi ketika FBI2 digunakan pada peserta dengan gangguan tidur. Tidur ringan diremehkan oleh −6.36. Dalam penelitian sebelumnya yang dibandingkan dengan pulsa O2 dengan PSG pada 40 orang dewasa yang sehat, tidur ringan (bias rata -rata 79 menit) juga diremehkan, yang mirip dengan hasil penelitian ini. 28

Sensitivitas peserta untuk tahap tidur total FBI2 adalah 93.9%, menunjukkan bahwa tidur terdeteksi secara akurat. Namun, spesifisitas untuk mendeteksi tahap tidur total relatif rendah (13.1%). Ini konsisten dengan hasil evaluasi efektivitas tidur dari perangkat yang dapat dipakai yang dikenakan pergelangan tangan berdasarkan hasil PSG. Oleh karena itu, diverifikasi bahwa perangkat ini dapat secara akurat mengukur tidur karena sensitivitas keseluruhan yang tinggi dan spesifisitas yang rendah. 29 Spesifisitas rendah Fitbit terkait dengan persepsi tidur saat tidak ada gerakan. Namun, Fitbit terbaru mendeteksi lebih akurat zaman bangun, atau waso, saat tidur. 13 Namun demikian, dibandingkan dengan hasil penelitian lain menggunakan Fitbit dengan algoritma yang sama, sensitivitas dalam penelitian ini serupa. Namun, spesifisitas (0.58 hingga 0.69) sedikit lebih rendah. 13 Oleh karena itu, meskipun pengukuran berulang dilakukan dalam penelitian ini, dapat disimpulkan bahwa subjek tidur dengan gerakan minimal dalam keadaan tidak nyaman di laboratorium berbasis rumah sakit, tidak seperti tidur di rumah.

Efek malam pertama terutama diamati pada pasien dengan insomnia, dan penelitian ini dilakukan di masyarakat umum; Dengan demikian, efek malam pertama tidak diterapkan secara substansial. 30 Namun, hasilnya dibandingkan dengan pengukuran berulang untuk mengumpulkan informasi tidur yang akurat menggunakan polisomnografi tidur berdasarkan penelitian sebelumnya yang menunjukkan catatan uji polimorfisme tidur menjadi penting selama dua hari berturut -turut. 31 Hasil tes dari kunjungan pertama dan kedua serupa pada peserta penelitian ini; Dengan demikian, efek malam pertama tidak muncul (hasilnya tidak disajikan).

Untuk melengkapi ini, kami mengusulkan membuat lingkungan laboratorium yang mirip dengan rumah. Dalam penelitian ini, akurasi tidur ringan, tidur nyenyak, dan tidur REM adalah 59.1%, 83.7%, dan 82.3%masing -masing. Dalam studi perbandingan Fitbit Charge 2 dan PSG untuk pekerja shift, keakuratan tidur ringan adalah 0.49, tidur nyenyak adalah 0.78, dan REM tidur adalah 0.86, yang mirip dengan hasil penelitian sebelumnya. 32 Dalam tinjauan literatur sistematis dari setiap model Fitbit, keakuratan parameter tidur melalui analisis EBE adalah 0.69 ~ 0.81 untuk tidur ringan, 0.36 ~ 0.89 untuk tidur nyenyak, dan 0.62 ~ 0.89 untuk tidur REM. 13 Dibandingkan dengan hasil penelitian ini, akurasi tidur ringan rendah, sedangkan tidur nyenyak dan REM menunjukkan akurasi tinggi.

Dalam sebuah studi baru-baru ini, pengumpulan data skala besar menjadi mungkin karena permintaan untuk Fitbit meningkat. Oleh karena itu, tren pertumbuhan yang cepat dapat terjadi. 33 Perangkat Fitbit dapat mengukur tidak hanya tidur, tetapi juga detak jantung dan aktivitas fisik. Validitas berbagai model perangkat Fitbit dievaluasi melalui meta-analisis dan ditemukan sebagai faktor penting dari peristiwa validitas dalam fungsi detak jantung dan fungsi pengukuran aktivitas fisik. 34 Gangguan Tidur atau Perubahan Status Tidur Dapat Dimonitor untuk Memprediksi Kesehatan Dengan Memvalidasi Perangkat Fitbit. Mempertimbangkan hal ini, penelitian ini mengkonfirmasi kemungkinan menggunakan FBI2 dan FBI2 sebagai alat skrining untuk pengukuran tahap tidur dalam kehidupan sehari -hari.

Keuntungan dari penelitian ini adalah sebagai berikut: Pertama, dengan membandingkan Fitbit dan PSG untuk orang Korea, karakteristik tidur orang Korea tercermin dalam kondisi lingkungan yang sama. Oleh karena itu, kondisi untuk meningkatkan keandalan Fitbit terpenuhi. Kedua, kriteria yang baru -baru ini distandarisasi untuk mengkonfirmasi keakuratan perangkat pelacakan tidur melalui metode analisis EBE diterapkan menggunakan parameter tidur utama. 22 Ketiga, ada periode adaptasi dengan lingkungan laboratorium menggunakan data yang diukur dua kali dengan interval satu minggu.

Kesimpulan

Ucapan Terima Kasih

Para penulis menghargai Universitas Daejeon Daejeon Rumah Sakit Medis Korea dan Pusat Percobaan Klinis atas kontribusi mereka terhadap pengumpulan data.

Pendanaan

Pekerjaan ini didukung oleh Institut Kedokteran Oriental Korea (Nomor Hibah: KSN1731121) dan Kementerian Perdagangan, Industri dan Energi (Nomor Hibah: NIN2013240).

Penyingkapan

Penulis melaporkan tidak ada konflik kepentingan dalam pekerjaan ini.

Referensi

1. Cappuccio FP, Cooper D, D’ELIA L, Strazzullo P, Miller MA. Durasi tidur memprediksi hasil kardiovaskular: tinjauan sistematis dan meta-analisis studi prospektif. Eur hati j. 2011; 32 (12): 1484–1492. doi: 10.1093/eurheartj/ehr007

2. Xie J, Li Y, Zhang Y, dkk. Durasi Tidur dan Sindrom Metabolik: Tinjauan Sistematik yang Diperbarui dan Meta-Analisis. Sleep Med Rev. 2021; 59: 101451. doi: 10.1016/j.smrv.2021.101451

3. Shin D, Hur J, Cho Kh, Cho Eh. Tren durasi tidur yang dilaporkan sendiri pada orang dewasa Korea: Hasil dari Survei Pemeriksaan Kesehatan dan Nutrisi Nasional Korea 2007-2015. Sleep Med. 2018; 52: 103–106. doi: 10.1016/j.tidur.2018.08.008

4. Layanan Asuransi Kesehatan Nasional. Informasi Statistik Kehidupan Kesehatan yang Berguna untuk Diketahui [Internet]. Winju: Sevice Asuransi Kesehatan Nasional; 2021. Tersedia dari: https: // www.nhis.atau.KR/NHIS/TOLED/WBHAEC06700M01.Mengerjakan?Mode = View & Articleno = 10811517. Diakses 21 Februari 2023 .

5. Lee YJ, Kim DJ, Lee H. Sebuah studi tentang penilaian tidur-bangun untuk pembuktian produk tidur. Sleep Med Psychophysiol. 2020; 27 (2): 51–55.

6. Depner CM, Cheng PC, Devine JK, dkk. Teknologi yang Dapat Dipakai untuk Mengembangkan Tidur dan Biomarker Sirkadian: Ringkasan Diskusi Lokakarya. Tidur. 2020; 43 (2): ZSZ254. doi: 10.1093/tidur/zsz254

7. Van de Water at, Holmes A, Hurley Da. Pengukuran objektif tidur untuk pengaturan non-laboratorium sebagai alternatif untuk polisomnografi-tinjauan sistematis. J Sleep Res. 2011; 20 (1 pt 2): 183–200. doi: 10.1111/j.1365-2869.2009.00814.X

9. Fitbit. Apa yang harus saya ketahui tentang tahapan tidur? [beranda di internet]. Tersedia dari: https: // bantuan.Fitbit.com/artikel/en_us/help_article/2163. Diakses 26 Juli 2022 .

10. Masak JD, Prairie ML, Plante DT. Utilitas Fitbit Flex untuk mengevaluasi tidur pada gangguan depresi mayor: Perbandingan terhadap polisomnografi dan aktigrafi yang dikenakan pergelangan tangan. J mempengaruhi gangguan. 2017; 217: 299–305. doi: 10.1016/j.Jad.2017.04.030

11. Moreno-Pino F, Porras-Segovia A, López-Esteban P, Artés A, Baca-García E. Validasi Fitbit Charge 2 dan Fitbit Alta HR terhadap polisomnografi untuk menilai tidur pada orang dewasa dengan apnea tidur obstruktif. J Clin Sleep Med. 2019; 15 (11): 1645–1653. doi: 10.5664/JCSM.8032

12. Scott H, Lack L, Lovato N. Tinjauan sistematis tentang keakuratan perangkat yang dapat dikenakan tidur untuk memperkirakan onset tidur. Sleep Med Rev. 2020; 49: 101227. doi: 10.1016/j.smrv.2019.101227

13. Haghayegh S, Khoshnevis S, Smolensky MH, Diller KR, Castriotta RJ. Akurasi model Fitbit gelang dalam menilai tidur: tinjauan sistematis dan meta-analisis. J Med Internet Res. 2019; 21 (11): E16273. doi: 10.2196/16273

14. Munos B, Baker PC, Bot BM, dkk. Kesehatan seluler: Kekuatan yang dapat dikenakan, sensor, dan aplikasi untuk mengubah uji klinis. 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. Kemampuan Fitbit Alta HR untuk mengukur dan mengklasifikasikan tidur pada pasien dengan gangguan sentral hypersomnolence: perbandingan terhadap polisomnografi. J Sleep Res. 2019; 28 (4): E12789. doi: 10.1111/jsr.12789

16. JR Lunsford-Avery, Keller C, Kollins SH, AD Krystal, Jackson L, Engelhard MM. Kelayakan dan penerimaan perangkat elektroensefalogram tidur yang dapat dipakai digunakan pada remaja: studi observasional. Jmir mHealth uHealth. 2020; 8 (10): E20590. doi: 10.2196/20590

17. Meltzer LJ, Hiruma LS, Avis K, Montgomery-Downs H, Valentin J. Perbandingan akselerometer komersial dengan polisomnografi dan aktigrafi pada anak -anak dan remaja. Tidur. 2015; 38 (8): 1323–1330. doi: 10.5665/tidur.4918

18. De Zambotti M, Baker FC, Willoughby AR, dkk. Ukuran tidur dan fungsi jantung selama tidur menggunakan gelang multi-sensorik yang tersedia secara komersial pada remaja. Perilaku fisiol. 2016; 158: 143–149. doi: 10.1016/j.physbeh.2016.03.006

19. Bastien CH, Vallières A, Morin CM. Validasi indeks keparahan insomnia sebagai ukuran hasil untuk penelitian insomnia. Sleep Med. 2001; 2 (4): 297–307. doi: 10.1016/S1389-9457 (00) 00065-4

21. Variabel API Tidur: Tidur [beranda di internet]. Tersedia dari: https: // dev.Fitbit.com/. Diakses 26 Juli 2022 .

22. Menghini L, Cellini N, Goldstone A, Baker FC, De Zambotti M. Kerangka kerja standar untuk menguji kinerja teknologi pelacakan tidur: pedoman langkah demi langkah dan kode sumber terbuka. Tidur. 2021; 44 (2): ZSAA170. doi: 10.1093/tidur/zsaa170

23. Kosmadopoulos A, Sargent C, Darwent D, Zhou X, Roach GD. Alternatif untuk Polysomnography (PSG): Validasi aktigrafi pergelangan tangan dan sistem parsial-PSG. Metode Perilaku Res. 2014; 46 (4): 1032–1041. doi: 10.3758/S13428-013-0438-7

24. Peters b. Mengapa WASO memiliki efek negatif pada kualitas tidur; 2022. Tersedia dari: https: // www.verwellhealth.com/pemahaman-dan-perawatan-waso-3015394. Diakses 21 Februari 2023 .

25. Scott H, Lovato N, Lack L. Pengembangan dan keakuratan perangkat yang dapat dipakai untuk memperkirakan tidur dan terjaga. Nat sci tidur. 2021; 13: 39. doi: 10.2147/NSS.S287048

26. Kim E-J, Ahn Y-M, Shin H-B, Kim J-W. Analisis fluktuasi yang detrended dari elektroensefalogram tidur antara sindrom apnea tidur obstruktif dan anak -anak normal. Sleep Med Psychophysiol. 2010; 17 (1): 41–49.

27. Kahawage P, Jumabhoy R, Hamill K, De Zambotti M, Drummond Spa. Validitas, utilitas klinis potensial, dan perbandingan pelacak aktivitas konsumen dan tingkat penelitian di Insomnia Disorder I: Validasi di Lab Terhadap Polysomnography. J Sleep Res. 2020; 29 (1): E12931. doi: 10.1111/jsr.12931

28. Mantua J, Gravel N, Spencer RM. Keandalan Langkah-langkah tidur dari empat perangkat pemantauan kesehatan pribadi dibandingkan dengan actigraphy dan polysomnography berbasis penelitian. Sensor. 2016; 16 (5): 646. doi: 10.3390/S16050646

29. Chinoy Ed, Cuellar JA, Huwa KE, dkk. Kinerja tujuh perangkat pelacakan tidur konsumen dibandingkan dengan polisomnografi. Tidur. 2021; 44 (5): ZSAA291. doi: 10.1093/tidur/zsaa291

30. Le Bon O, Staner L, Hoffmann G, dkk. Efek malam pertama mungkin bertahan lebih dari satu malam. J Psychiatric Res. 2001; 35 (3): 165–172. doi: 10.1016/S0022-3956 (01) 00019-x

31. Newell J, Mairesse O, Verbancck P, Neu D. Adalah menginap satu malam di lab benar-benar cukup untuk menyimpulkan? Efek malam pertama dan variabilitas malam-malam dalam rekaman polisomnografi di antara sampel populasi klinis yang berbeda. Psychiatr Res. 2012; 200 (2–3): 795–801. doi: 10.1016/j.psikes.2012.07.045

32. Stucky B, Clark I, Azza Y, dkk. Validasi Fitbit Charge 2 Estimasi Tidur dan Denyut Jantung Terhadap Tindakan Polisomnografi pada Pekerja Shift: Studi Naturalistik. J Med Internet Res. 2021; 23 (10): E26476. doi: 10.2196/26476

33. Kawasaki Y, Kasai T, Sakurama Y, dkk. Evaluasi Parameter Tidur dan Pementasan Tidur (Tidur Gelombang Lambat) Pada Atlet oleh Fitbit Alta HR, Perangkat Pelacakan Tidur Konsumen. Nat sci tidur. 2022; 14: 819–827. doi: 10.2147/NSS.S351274

34. Leung W, Case L, Sung MC, Jung J. Sebuah meta-analisis perangkat Fitbit: perusahaan yang sama, model yang berbeda, bukti validitas yang berbeda. J Med Eng Technol. 2022; 46 (2): 102–115. doi: 10.1080/03091902.2021.2006350

Ulasan Fitbit Inspire 3

Kami memiliki hubungan afiliasi di mana kami dibayar komisi penjualan melalui beberapa tautan kami. Lihat pengungkapan kami.

Fitbit adalah perusahaan yang bertujuan untuk membantu “memberdayakan dan menginspirasi Anda untuk menjalani kehidupan yang lebih sehat dan lebih aktif.” Mereka’Ve telah ada selama sekitar 15 tahun dan telah mengembangkan berbagai macam produk pada waktu itu, termasuk beberapa pelacak tidur, kesehatan, dan kebugaran. Saya ingat memiliki salah satu fitbits pertama sepuluh tahun yang lalu, yang merupakan perangkat kecil yang Anda potong pada diri sendiri untuk melacak langkah Anda, kalori yang terbakar, dan jarak yang ditempuh jarak. (Fakta menyenangkan, mereka masih menjualnya!) Jadi saya sangat bersemangat untuk menguji salah satu fitbits yang lebih baru, Fitbit Inspire 3. Dia’S pelacak ramping dengan harga kompetitif yang menganalisis tidur, kesehatan, dan kebugaran Anda.

Apakah itu akan memberikan kenangan indah yang sama dengan pelacak Fitbit pertama saya dari satu dekade yang lalu? Seberapa mendalam pelacakan tidurnya? Dan siapa yang paling menyukai pelacak ini? Saya berencana untuk menjawab pertanyaan -pertanyaan ini dan lebih banyak lagi di ulasan Fitbit Inspire 3 Tracker ini. Terus baca untuk ulasan lengkap saya atau lewati ke ringkasan saya jika Anda’Re sedang terburu -buru.

Catatan: Meskipun pelacak tidur dapat membantu Anda melihat pola tertentu atau menentukan perilaku Anda’D suka berubah, mereka seharusnya tidak’T menggantikan dokter atau profesional medis untuk nasihat, bimbingan, atau bantuan.

Fitbit Inspire 3

Fitbit Inspire 3 adalah pelacak tidur, kesehatan, dan kebugaran yang dapat dipakai yang membantu Anda meningkatkan energi Anda, mendapatkan tidur yang lebih dalam, dan merasakan yang terbaik.

Apakah Fitbit tepat untuk Anda?

Sebelum kami menyelam sepenuhnya, saya ingin menawarkan gambaran cepat tentang siapa yang saya pikir akan dan tidak akan menyukai Fitbit Inspire 3.

Siapa yang harus mencoba Fitbit

Orang yang ingin meningkatkan pola tidur dan kesehatan mereka harus menikmati Fitbit Inspire 3 dan komponen yang berbeda yang dianalisisnya.
Siapa pun yang menginginkan pelacak yang berfungsi ganda sebagai jam tangan yang nyaman harus menikmati perangkat ini. Ini memiliki desain yang ramping dan ringan dan hadir dalam tiga warna berbeda.
Pembeli Anggaran harus menghargai label harga terjangkau pada pelacak tidur ini.

Siapa yang tidak harus mencoba Fitbit

Jika Anda pikir Anda bisa menjadi kewalahan atau stres dengan melacak data tidur Anda dan mulailah terobsesi dengan itu (apa yang menurut para ahli tidur ortosomnia), saya tidak’Saya pikir fitbit ini – atau pelacak tidur – akan menjadi pilihan yang sehat untuk Anda.
Jika kamu’mencari jam tangan pintar yang lebih canggih, Seperti yang menyerupai Apple Watch, Fitbit Inspire 3 mungkin terlalu terbatas untuk Anda dengan apa yang ditampilkannya. Ini juga memiliki wajah arloji yang lebih ramping daripada opsi lain di luar sana. Fitbit menjual jam tangan pintar lain yang mungkin merupakan pilihan yang lebih baik, seperti Fitbit Sense, Google Pixel Watch, dan Fitbit Versa.
Meskipun ini adalah salah satu opsi pelacakan yang lebih terjangkau, Jika Anda ingin akses ke pelacakan tidur yang lebih mendalam dan wawasan pribadi, Anda’ll harus membayar biaya bulanan untuk keanggotaan premium fitbit setelah membeli perangkat. SAYA’LL LOVER LEBIH BANYAK nanti.

Cara menggunakan fitbit

Fitbit Inspire 3 Anda akan tiba di dalam kotak dengan kabel pengisian daya dan manual instruksi. Ini memiliki layar sentuh warna dan pita silikon. Membiarkan’S Lewati apa yang Anda lakukan setelah Anda mendapatkan pelacak Anda.

Mengaturnya

Saya pikir Fitbit ini mudah diatur. Perangkat tiba sebagian dikenakan biaya, tetapi saya menagih lebih banyak saat mengunduh aplikasi Fitbit di ponsel saya. Untuk mengisi daya, Anda cukup pasang kabel pengisian daya ke outlet USB dan kemudian klik perangkat di atasnya. Ini menampilkan persentase baterainya di layarnya. Setelah Anda memiliki aplikasi, Anda dapat membuat akun dengan email, nama pengguna, dan informasi dasar Anda. Ponsel Anda dapat terhubung ke pelacak melalui Bluetooth dan mereka’LL Sinkronkan bersama. Anda dapat memilih dari variasi wajah jam di aplikasi Fitbit untuk ditampilkan di pelacak yang dapat dipakai Anda. Terus Anda’siap untuk pergi!

Daya tahan baterai

Salah satu hal favorit saya tentang pelacak ini adalah miliknya masa pakai baterai yang mengesankan. Fitbit mengatakan memiliki hingga a Masa pakai baterai 10 hari, Tapi itu sebenarnya berlangsung beberapa hari lebih lama dari itu untuk saya tanpa membutuhkan biaya. Dibutuhkan satu hingga dua jam untuk mengisi penuh.

Cara Penggunaan

Setelah semuanya’S Dibebankan dan diunduh, Anda dapat memilih apa yang Anda’D ingin melacak dan pemberitahuan apa yang Anda’D suka menerima. Maka Anda cukup memakai pelacak sepanjang siang dan malam untuk mendapatkan data Anda. Anda dapat melihat informasi kesehatan dan kesejahteraan tidur Anda di aplikasi dan kemudian juga melihat jumlah yang layak pada pelacak itu sendiri.

Fitbit Inspire 3

Fitbit Inspire 3 adalah pelacak tidur, kesehatan, dan kebugaran yang dapat dipakai yang membantu Anda meningkatkan energi Anda, mendapatkan tidur yang lebih dalam, dan merasakan yang terbaik.

Apa yang dilacak Fitbit

Pada pelacak yang dapat dikenakan, Anda dapat melihat yang berikut jika Anda menggulir wajah arloji dan tampilan warna:

Waktu, tanggal, detak jantung (arus dan istirahat), langkah -langkah, jarak yang ditempuh, kalori dibakar, aktivitas per jam, durasi tidur, skor tidur, persentase kadar oksigen darah (SPO2), siklus menstruasi, kemajuan olahraga
Pemberitahuan (disinkronkan dari panggilan, teks, dan aplikasi Anda)
Latihan/Latihan Anda bisa mulai dan berhenti
Pernapasan relaksasi/dipandu
Alarm dan timer

Saat Anda melihat di aplikasi, Anda dapat melihat lebih banyak data mendalam. Fitbit melacak komponen berikut, tetapi Anda’LL ingin memastikan beberapa dari mereka dihidupkan untuk dilacak di aplikasi.

Waktu tidur dan bangun waktu
Tahap tidur dan durasi di masing -masing (ringan, dalam, dan tidur REM)
Durasi tidur secara keseluruhan
Skor tidur harian dari 100
Tidur rata-rata 30 hari
Perkiraan variasi saturasi oksigen (SPO2) saat tidur (variasi tinggi dapat dikaitkan dengan masalah pernapasan)
Laju pernapasan
Variabilitas detak jantung (HRV) dan detak jantung istirahat
Suhu kulit
Bagaimana skor Anda dibandingkan dengan orang lain usia dan jenis kelamin Anda

Menit zona aktif, langkah, mil, dan kalori terbakar
Pelacakan Latihan Mingguan
Detak jantung istirahat rata -rata
Manajemen Stres (Anda dapat mencatat skor harian dari tingkat stres Anda)
Siklus menstruasi
Log Makanan dan Air
Log berat
Pelacakan glukosa darah
GPS terhubung

Program yang dipandu untuk membantu menggabungkan kebiasaan yang lebih baik atau menghentikan yang miskin (ini bisa untuk tidur, kesehatan sehari -hari, dan kebugaran)
- Contoh: di sana’S program kebiasaan yang dipandu untuk tidur nyenyak, yang merupakan program 2 minggu yang dipandu di mana Anda dapat fokus pada kebiasaan Anda di siang hari untuk membantu istirahat di malam hari
  - Anda dapat fokus pada kebiasaan untuk membantu Anda tertidur lebih cepat, merasa lebih istirahat, tetap tidur lebih lama, meningkatkan kualitas tidur Anda, dan banyak lagi.
  - Fitbit akan merekomendasikan Anda keluar dari kebiasaan tertentu, seperti tidur siang yang terlambat, dan menggabungkan kebiasaan baru, seperti mendapatkan 15 menit sinar matahari
  Seperti yang disebutkan sebelumnya, jika Anda’D ingin melihat lebih banyak informasi mendalam tentang pola tidur dan kesehatan Anda, Anda harus mendapatkan keanggotaan Fitbit Premium. Di Sini’S informasi tambahan dan sumber daya Anda’LL dapatkan dengan keanggotaan itu.
  
  Fitbit Premium – Tidur
  - Rincian skor tidur yang terperinci
    - Detail tambahan untuk waktu tidur dan pemulihan
    Fitbit Premium – Kesehatan
    - Skor kesiapan harian dan apakah tubuh Anda’S siap berolahraga atau membutuhkan lebih banyak waktu untuk pulih
    - Kerusakan skor manajemen stres
    - Tren metrik kesehatan 90 hari
    - Tren kadar glukosa darah 30 hari
    Fitbit Premium – Lainnya
    - Akses ke ratusan video
      - 200+ Video Mindfulness: Video Meditasi dan Relaksasi Terpandu
      - Video resep
      - Beragam 200+ kelas latihan video, dari latihan lengan 10 menit hingga 43 menit Seni Bela Diri Cardio.
      Harga
      
      Fitbit Inspire 3 berharga $ 99.95 di ritel lengkap dari toko Fitbit dan di Amazon, yang membuatnya Salah satu opsi pelacak paling terjangkau di pasar . Aplikasi Fitbit gratis untuk diunduh. Namun, jika Anda ingin langganan premium Fitbit untuk mendapatkan akses ke lebih banyak data dan sumber daya, TI’S $ 9.99 sebulan atau $ 79.99 setahun. Fitbit sering menjalankan promosi untuk mendapatkan bulan gratis keanggotaan premium untuk mengujinya. Anda saat ini dapat menambahkan keanggotaan premium selama enam bulan gratis saat memeriksa secara online.
      
      Inspire 3 hadir dalam tiga warna yang berbeda: Midnight Zen (hitam), Lilac Bliss (hitam dan merah muda), dan Pagi Bersinar (hitam dan oranye). Saya menguji kebahagiaan lilac. Fitbit juga menjual band lain dalam berbagai bahan dan warna yang dapat Anda beli.
      
      Fitbit Inspire 3
      
      Fitbit Inspire 3
      
      Fitbit Inspire 3 adalah pelacak tidur, kesehatan, dan kebugaran yang dapat dipakai yang membantu Anda meningkatkan energi Anda, mendapatkan tidur yang lebih dalam, dan merasakan yang terbaik.
      
      Pengalaman saya menggunakan Fitbit
      
      Saya langsung menyukai Fitbit Inspire 3’Desain Sederhana dan Band Nyaman. Saya pikir mudah untuk mengatur pelacak, mengunduh aplikasi, dan mendapatkan semuanya disinkronkan. Walaupun itu’S bukan salah satu jam tangan pintar paling canggih yang tersedia, saya masih terkesan dengan informasi yang bisa saya lihat di pelacak itu sendiri. Untuk tidur, perangkat yang dapat dikenakan menunjukkan berapa jam yang Anda dapatkan malam sebelumnya dan skor tidur Anda saat ini. Saya suka bagaimana itu juga menunjukkan banyak komponen lain, seperti tanggal, waktu, langkah Anda, dan pemberitahuan Anda, karena itu memungkinkannya lebih fleksibel dengan keausannya dan melayani berbagai tujuan.
      
      Menavigasi aplikasi fitbit cukup mudah bagi saya. Saya suka bagaimana itu memecah tidur Anda di satu bagian dan kemudian Anda dapat mengklik bagian itu untuk mendapatkan detail lebih lanjut dan melihat bagaimana Anda’VE tidur sepanjang minggu. Dia’S tidak pernah menjadi rahasia bagi saya bahwa saya berjuang dengan pergi tidur ketika saya seharusnya, tetapi melihat waktu tidur saya yang berbeda di samping satu sama lain dalam seminggu benar -benar membuka mata untuk betapa tidak konsistennya saya.
      
      Sangat membantu bagi saya untuk melihat bagan skor tidur saya dan bagaimana mereka bervariasi sepanjang minggu. Itu membuat informasi mudah dicerna dan memungkinkan saya untuk mengikat skor tidur yang lebih rendah ke hari -hari di mana saya memiliki janji dini atau tetap terlambat menonton TV. Suatu pagi saya harus bangun sekitar jam 4 a.M. untuk membawa teman saya ke bandara (hal -hal yang kami lakukan untuk teman -teman kami) dan saya segera kembali ke tempat tidur saat saya sampai di rumah. Saya pikir itu menarik bagaimana Fitbit terbagi hari itu menjadi dua skor tidur untuk saya dan mengenali waktu saya pergi ke bandara dan kembali sepenuhnya terjaga di antara mereka.
      
      Saya juga menghargai kesehatan dan kebugaran yang melacak penawaran Fitbit. Mampu melihat detak jantung, suhu tubuh, dan pola pernapasan Anda dapat bermanfaat bagi banyak orang, dan bahkan dapat membantu mengungkap masalah yang mendasarinya. Saya juga percaya kebugaran dapat dihubungkan dengan seberapa baik Anda tidur, jadi saya suka bagaimana Fitbit akan menunjukkan langkah -langkah saya dan kemajuan kebugaran lainnya. Saya mengatur pelacak agar bergetar agar saya bangun dan bergerak sepanjang hari, yang saya nikmati. Saya juga menghargai akses ke berbagai program berpemandu, seperti menggabungkan kebiasaan sehari -hari yang lebih baik untuk tidur Anda. Ini adalah cara yang bagus untuk didorong untuk meningkatkan dan meminta pertanggungjawaban diri Anda. Fitbit mengirimi Anda lencana dan memanfaatkan pesan untuk pencapaian juga, yang benar -benar menyenangkan. Secara keseluruhan, saya pikir pelacak ini menawarkan banyak harga yang terjangkau – termasuk masa pakai baterai yang mengesankan.
      
      Namun, jika Anda ingin mengakses data tidur dan kesehatan yang lebih mendalam, Anda perlu membayar keanggotaan bulanan. Saya tidak’Saya pikir ini diperlukan bagi banyak orang yang ingin melacak dasar -dasarnya. Namun, saya pikir keanggotaan itu bisa sepadan karena sumber daya lainnya. Seiring dengan pelacakan yang lebih dalam dan lebih personal, ada ratusan latihan, meditasi, dan video resep yang datang dengan keanggotaan. Itu sangat tergantung pada apa yang Anda’D ingin keluar dari itu. Jika Anda berpikir melacak tidur Anda bisa menjadi terlalu menegangkan atau menyebabkan ortosomnia, saya selalu menyarankan untuk menghindari pelacak tidur sama sekali.
      
      Kebijakan dan FAQ
      
      Apakah ada uji coba atau garansi dengan Fitbit Inspire 3?
      
      Fitbit menawarkan jaminan uang kembali 45 hari dan garansi satu tahun.

Tidak menginspirasi 2 tahap tidur trek

Fitbit Inspire 2

Validasi Fitbit menginspirasi 2 TM terhadap polisomnografi pada orang dewasa yang mempertimbangkan adaptasi untuk digunakan

Ringkasan:

Pertanyaan:

Jawaban terperinci:

Fitbit Inspire 2

Validasi Fitbit menginspirasi 2 TM terhadap polisomnografi pada orang dewasa yang mempertimbangkan adaptasi untuk digunakan

Abstrak

Tujuan

Pasien dan metode

Hasil

Kesimpulan

Perkenalan

Bahan dan metode

Peserta Studi dan Desain Studi

Peserta belajar

Desain studi

Alat belajar

Psg

Fbi2

Analisis Data dan Metode Statistik

Metode Bland -Altman

Perbandingan EBE

Hasil

Karakteristik Umum Peserta

Tabel 1

Perbandingan antara FBI2 dan PSG

Meja 2

Analisis Perbedaan Berarti Bland -Altman

Perbandingan Fitbit dan PSG EBE

Tabel 3

Diskusi

Kesimpulan

Ucapan Terima Kasih

Pernyataan pendanaan

Penyingkapan

Referensi

Tidak menginspirasi 2 tahap tidur trek

Validasi Fitbit menginspirasi 2 TM terhadap polisomnografi pada orang dewasa yang mempertimbangkan adaptasi untuk digunakan

Perkenalan

Bahan dan metode

Peserta Studi dan Desain Studi

Peserta belajar

Desain studi

Alat belajar

Psg

Fbi2

Analisis Data dan Metode Statistik

Metode Bland -Altman

Perbandingan EBE

Hasil

Karakteristik Umum Peserta

Perbandingan antara FBI2 dan PSG

Analisis Perbedaan Berarti Bland -Altman

Perbandingan Fitbit dan PSG EBE

Diskusi

Kesimpulan

Ucapan Terima Kasih

Pendanaan

Penyingkapan

Referensi

Ulasan Fitbit Inspire 3

Apakah Fitbit tepat untuk Anda?

Siapa yang harus mencoba Fitbit

Siapa yang tidak harus mencoba Fitbit

Cara menggunakan fitbit

Mengaturnya

Daya tahan baterai

Cara Penggunaan

Apa yang dilacak Fitbit

Harga

Pengalaman saya menggunakan Fitbit

Kebijakan dan FAQ

Apakah ada uji coba atau garansi dengan Fitbit Inspire 3?

Related Posts

Apakah vinil terdengar bagus di Sonos

Apakah Epson 4700 cetak kartu stok

Apakah headphone kerusakan volume tinggi