هر روز صبح، میلیونها نفر پیش از شروع روز یا رفتن به تمرین، به مچ دستشان نگاه میکنند تا ببینند ساعت هوشمندشان چه نمرهای برای «آمادگی» بدن آنها در نظر گرفته است؛ اما یک مرور پژوهشی جدید نشان میدهد این عدد به ظاهر دقیق، ممکن است بیش از آنکه یک اندازهگیری علمی باشد، حاصل ترکیبی از دادههای تخمینی و الگوریتمهای اختصاصی شرکتهای سازنده باشد.
به گزارش سیناپرس، پژوهشگران دانشگاه میشیگان و کالج هوپ با بررسی مطالعات انجامشده درباره فناوریهای پوشیدنی، عملکرد این دستگاهها و نحوه تبدیل دادههای خام به شاخصهای سلامت را بررسی کردند. نتایج این مرور در مجله Sensors منتشر شده است.
ساعتهای هوشمند برای تولید امتیازهایی مانند «آمادگی» یا «ریکاوری»، مجموعهای از دادهها از جمله ضربان قلب در حالت استراحت، تغییرپذیری ضربان قلب، مدت خواب، میزان فعالیت و بار تمرینی را با استفاده از الگوریتمهای اختصاصی با یکدیگر ترکیب میکنند.
مشکل اینجاست که هر شرکت از فرمول و وزندهی متفاوتی برای این دادهها استفاده میکند و این فرمولها معمولاً بهطور کامل منتشر یا بهصورت مستقل اعتبارسنجی نشدهاند. بنابراین ممکن است دادههای مشابه در دو ساعت هوشمند مختلف به دو ارزیابی متفاوت از میزان آمادگی فرد منجر شود.
بر اساس این مرور، بررسی ۱۴ امتیاز ترکیبی سلامت از ۱۰ شرکت تولیدکننده تجهیزات پوشیدنی نشان داده است که این شاخصها عموماً فاقد اعتبارسنجی منتشرشده کافی هستند. به همین دلیل، هنوز استاندارد مشترکی وجود ندارد که بتوان با استفاده از آن مشخص کرد یک امتیاز آمادگی تا چه اندازه واقعاً وضعیت ریکاوری بدن را نشان میدهد.
پژوهشگران همچنین تأکید کردهاند که بسیاری از اعداد دیگری که ساعتهای هوشمند نمایش میدهند، اندازهگیری مستقیم نیستند، بلکه تخمینهای الگوریتمی محسوب میشوند. برای مثال، اندازهگیری ضربان قلب در حالت استراحت و هنگام فعالیت یکنواخت معمولاً عملکرد مناسبی دارد، اما دقت آن هنگام حرکات شدید و تغییرات سریع شدت فعالیت کاهش مییابد.
تخمین میزان کالری مصرفشده نیز میتواند خطای قابل توجهی داشته باشد و بر اساس نتایج بررسیشده، خطای آن در بسیاری از موارد از ۱۰ تا ۲۰ درصد فراتر میرود. تخمین سطح آمادگی جسمانی نیز برای افراد عادی عملکرد قابل قبولی دارد، اما در ورزشکاران حرفهای میتواند دقت کمتری داشته باشد.
در زمینه پایش خواب نیز ساعتهای هوشمند در تشخیص خواب یا بیداری عملکرد نسبتاً خوبی دارند، اما تشخیص دقیق مراحل مختلف خواب مانند خواب سبک، عمیق و REM دشوارتر است و دقت آن بسته به دستگاه حدود ۵۰ تا ۸۶ درصد گزارش شده است.
پژوهشگران درباره برخی قابلیتهای جدیدتر نیز هشدار دادهاند. برای نمونه، اندازهگیری بدون کاف فشار خون هنوز در مطالعات مختلف نتایج یکسانی نشان نداده است و نهادهای پزشکی استفاده از این فناوری را برای تشخیص یا مدیریت فشار خون بالا توصیه نمیکنند. همچنین هیچ ساعت هوشمندی در حال حاضر مجوز اندازهگیری مستقیم قند خون را ندارد و سازمان غذا و داروی آمریکا نیز درباره اعتماد به ساعتهای هوشمند برای اندازهگیری گلوکز هشدار داده است.
با این حال، این یافتهها به معنای بیفایده بودن ساعتهای هوشمند نیست. پژوهشگران معتقدند این دستگاهها میتوانند برای دنبالکردن روند تغییرات شخصی در طول زمان مفید باشند؛ برای مثال، افزایش تدریجی ضربان قلب در حالت استراحت، کاهش مدت خواب یا تغییر تعداد قدمهای روزانه میتواند اطلاعاتی درباره تغییر وضعیت فرد ارائه دهد.
با وجود این، نویسندگان تأکید دارند که نباید امتیازهای ساعت هوشمند را با اندازهگیریهای پزشکی دقیق یکسان دانست. این دادهها بهتر است در کنار اطلاعات فردی، معاینات پزشکی و آزمایشهای معتبر مورد استفاده قرار گیرند، نه اینکه جایگزین آنها شوند.
در نتیجه، امتیاز روزانه «آمادگی» بیش از آنکه یک اندازهگیری پزشکی قطعی باشد، یک برآورد الگوریتمی از وضعیت بدن است و تا زمانی که اعتبارسنجی مستقل و شفافیت بیشتری درباره نحوه محاسبه این شاخصها ایجاد نشود، توجه به روند بلندمدت دادهها میتواند منطقیتر از تصمیمگیری صرفاً بر اساس یک عدد روزانه باشد.
گزارش:مهگل غفاری