可穿戴设备测睡眠和压力，研究到底证明了什么

得克萨斯大学奥斯汀分校的一项研究发表在《自然·科学报告》上。研究团队让82名年轻成年人戴上腕式追踪器，跟踪了几个月，不是一个晚上。最受关注的结果是：身体活动会延长REM潜伏期，也就是进入REM睡眠所需的时间。校方新闻部门称，这是迄今关于活动、睡眠质量与心理健康之间联系最可靠的一次验证。

真正有意思的是方法。

参与者戴的追踪器记录运动和心率。研究人员靠这两个信号推断出深睡（NREM）、REM睡眠和身体活动的时间段。另有一个手机应用收集参与者自己报告的健康状况。这项研究来自奥斯汀分校“Whole Communities–Whole Health”项目下的一次试点。

校方说，结果重复了实验室里的发现：低强度活动和中高强度活动，都与更深、更能恢复精力的睡眠有关；睡得更好，第二天早上精力更多、压力更少。新意在于场景。连续几周甚至几个月，在家里、在工作中、在日常活动里监测，而不是在诊所接满导线睡一晚。

“实验室研究能让你学到很多，但只研究单个参与者一个晚上的睡眠模式，局限很明显，”心理学研究助理教授、作者之一本杰明·贝尔德说。“那是个陌生的临床式环境，可能让人紧张。而且没法做长期观察。所以这类设计总有可推广性的问题。”

共同作者、心理学系主任戴维·M·施奈尔说得更直接。他说团队已经证明，一款普通的Fitbit，而不是昂贵的科学设备，对睡眠结构指标足够敏感，结果也有预测力。贝尔德把睡眠结构解释为每个90到120分钟周期的结构：三个非REM睡眠阶段，加上REM，后者约占每个周期最后25%。

从卧室到人群

按消费科技的标准，奥斯汀分校这项研究规模很小。瑞典应用Sleep Cycle每晚约有200万活跃用户。其科学主管迈克尔·格拉迪萨2024年9月告诉ABC新闻，公司的数据科学家发现纽约夜间咳嗽增多，大约比确诊的奥密克戎病例上升早一周。

“这几乎就是个早期预警系统。我们所有的手机都在夜里收集信息，”格拉迪萨博士说。

同一篇ABC报道由科技记者詹姆斯·珀蒂尔撰写。报道说，当月早些时候新南威尔士州发生地震，Sleep Cycle检测到短暂醒来的人数高于平均水平，发现者是瑞典的数据科学家。珀蒂尔写道，第一款睡眠追踪Apple Watch问世不到10年，世界已经为睡眠研究连成了一张网。

戴维·沃尔什开发了第一款Apple Watch睡眠追踪应用AutoSleep，2016年初发布。他告诉ABC，该应用现在有超过500万用户。他的方法和奥斯汀分校团队用的推断技巧一样：靠运动和心率，不靠电极。

不是所有人都欢迎它。巴西睡眠研究员加布里埃尔·皮雷斯说，他和同事开始发表论文，警告这些新技术效果不佳。当时还是弗林德斯大学睡眠科学教授的格拉迪萨，在转入产业界之前也持怀疑态度。

监管机构后来动了。2024年初，三星智能手表的睡眠呼吸暂停检测系统经过八个月审查，获得美国卫生监管机构批准，成为首款过这道门槛的消费级智能手表。苹果智能手表2024年9月拿到同样的批准。

弗林德斯大学阿德莱德睡眠健康研究所所长丹尼·埃克特告诉ABC，消费设备最终可能在诊断睡眠呼吸暂停上优于当前的金标准。他参与撰写的一项2022年研究发现，多达一半的睡眠呼吸暂停单夜诊断研究会把严重程度分错。“单夜测试噪声极大，也不准确，”他说。

压力这道难题

压力追踪走得更不顺。2025年8月，Wareable发表文章，批评围绕一项研究的新闻报道。那项研究用Garmin手表追踪800名年轻成年人三个月的压力、疲劳和睡眠。参与者每天四次记录自己有多紧张、多累、多困，答案再和追踪器数据交叉比对。

研究发现，设备的压力分数与用户自己报告的感受之间，“基本为零”的相关性。《卫报》把它总结为智能手表测不准压力。其他媒体更进一步，说手表把压力和运动混为一谈。

Wareable的反对，一部分针对硬件。基准设备是2018年发布的Garmin Vivosmart 4。文章认为，拿一款七年前的追踪器做测试，再对整个品类下结论，就像测一辆2018年的起亚，然后评判电动汽车。这篇批评还反驳了“把压力和运动混淆”背后的生物学。运动本身就是急性生理压力，训练适应正是这么来的。设备把一次锻炼标成高压力事件，是在做它该做的事。

研究确实得出了难看的数字。参与者记录自己感到压力时，没有一个人的追踪器压力分数达到显著变化的基线。对四分之一的参与者来说，设备说有压力或没压力时，参与者报告的正好相反。

Wareable对这个结果的解读是反主流的：缺乏相关性，也许更多说明人判断自身生理状态有多不准，而不是传感器的问题。这家媒体并不中立，它评测压力追踪器，也曾单独批评过Garmin的数据呈现方式。但关于解读这一点很难反驳，因为用户很容易因为不喜欢某个读数就怪设备。

证据支持什么

有三点经得起和来源对照。第一，可穿戴设备如今已经够好，能做纵向的现场睡眠研究：奥斯汀分校用的是一款现成的Fitbit，发在同行评审期刊上。第二，规模变了，能问的问题也变了。人群层面的咳嗽监测、地震醒来事件、连续几周每晚做睡眠呼吸暂停筛查，这些都不是实验室实验。ABC的报道显示，研究人员把它们当成一种新型数据，而不是临床诊断的替代品。

第三，压力仍是薄弱环节，而且薄弱不只在技术。Garmin那项研究自己的设计，一个算法、一款旧设备、一组狭窄的自我报告指标，让它不足以成为否定整个品类的依据。建立在它之上的标题比论文本身更糟。奥斯汀分校的研究和ABC的报道都没说消费级追踪器能自行诊断任何东西。三星表示，其呼吸暂停功能并不打算取代睡眠诊所。

这些设备实际测量的东西，和人们以为它们测量的东西，差距就在这里，大部分争论也在这里。这个差距不会自己缩小。