剑桥研究人员开发了一种方法，可以在可穿戴设备上准确测量整体健康状况——比目前的消费者智能手表和健康监测器更强大——无需佩戴者锻炼。
通常，准确测量最大摄氧量(衡量整体健康状况的关键指标，也是心脏病和死亡风险的重要预测指标)的测试需要昂贵的实验室设备，而且大多仅限于精英运动员。新方法使用机器学习来预测 VO2max——身体在日常活动中进行有氧运动的能力——不需要 GPS 测量等上下文信息。
在迄今为止同类研究中规模最大的一项研究中，研究人员使用可穿戴传感器收集了 Fenland 研究中 11,000 多名参与者的活动数据，并在七年后再次对一部分参与者进行了测试。研究人员使用这些数据开发了一个模型来预测 VO2max，然后针对进行标准实验室运动测试的第三组进行了验证。与基于实验室的测试相比，该模型显示出高度的准确性，并且优于其他方法。
目前市场上的一些智能手表和健身监测器声称可以提供 VO2max 的估计值，但由于支持这些预测的算法尚未发布并且随时可能发生变化，因此尚不清楚预测是否准确，或者锻炼方式是否正确随着时间的推移对个人的 VO2max 有任何影响。
剑桥开发的模型稳健、透明，仅根据心率和加速度计数据提供准确的预测。由于该模型还可以检测健康随时间的变化，因此它也可用于估计整个人群的健康水平和识别生活方式趋势的影响。结果发表在npj Digital Medicine 杂志上。
最大摄氧量的测量被认为是健身测试的“黄金标准”。例如，专业运动员通过测量他们运动到精疲力竭时的耗氧量来测试他们的最大摄氧量。在实验室中还有其他测量健康状况的方法，例如对运动测试的心率反应，但这些方法需要跑步机或健身车等设备。此外，剧烈运动对某些人来说可能是一种风险。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！