研究样本构建与数据收集
建立具有智能手表数据和神经心理评估的老年人分析队列
从eFHS中筛选参与者,排除非iPhone用户、非Apple Watch用户、佩戴时间不足、步数异常及缺乏神经心理评估者,最终纳入248名老年人;收集2021-2024年智能手表数据和2018-2023年神经心理评估数据。
Associations Between Smartwatch-Derived Measures and Cognitive Function: Findings From the Electronic Framingham Heart Study
横断面观察性研究,仅使用智能手表数据和神经心理评估进行关联分析,无实验干预或机制验证
电子弗雷明汉心脏研究(eFHS)中的248名社区居住老年人 Apple Watch智能手表设备(Series 5或参与者自有的其他系列)
DHRPS定义为每日平均心率除以每日总步数,并在所有有效佩戴日内平均 神经心理评估在2018-2023年间完成,包括记忆、注意力/执行功能、语言和视空间四个认知域的19项测试 线性混合效应模型调整年龄、性别、队列、教育、BMI、用药分组和自报健康状态 认知域分析使用Benjamini-Hochberg FDR校正 敏感性分析限制每人一次神经心理评估并使用线性回归
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
建立具有智能手表数据和神经心理评估的老年人分析队列
从eFHS中筛选参与者,排除非iPhone用户、非Apple Watch用户、佩戴时间不足、步数异常及缺乏神经心理评估者,最终纳入248名老年人;收集2021-2024年智能手表数据和2018-2023年神经心理评估数据。
量化智能手表衍生的DHRPS、每日步数和非活动心率
DHRPS按每日平均心率除以每日总步数计算,并在所有有效佩戴日内平均;次要暴露包括平均每日步数和非活动心率(nHR),nHR定义为连续心率记录间隔>1分钟且相应小时内步数<30的心率测量。
评估全局和认知域特异的认知表现
使用19项神经心理测试评估记忆、注意力/执行功能、语言和视空间四个认知域;各测试分数基于FHS参考人群(n=7604)标准化为Z分数,域内平均得到域评分,四个域评分求和并标准化得到全局认知复合Z分数。
检验DHRPS、步数和nHR与认知功能之间的关联
使用线性混合效应模型分析DHRPS与全局认知复合评分的关联,调整协变量,并纳入参与者随机截距以解释重复测量;次要分析分别评估步数和nHR与全局及域特异性认知评分的关联;进行敏感性分析和相关性分析。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 智能手表数据收集 | Apple Watch | Apple Inc. | -- |
| eFHS MyDataHelps应用 | CareEvolution | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 研究样本与数据收集 | 样本来源(FHS Offspring和Omni1队列)、纳入排除标准、智能手表佩戴时长要求(≥5小时/天,≥7天)、神经心理评估时间窗口(2018-2023) 阅读提示:Methods的Study Participants小节和Figure 1流程图 |
| 暴露变量计算 | DHRPS计算公式(每日平均心率/每日步数)、nHR分类算法(心率记录间隔>1分钟且步数<30)、有效佩戴日定义 阅读提示:Methods的Exposures: Smartwatch Measures小节 |
| 认知功能评估 | 19项神经心理测试清单及域归属、Z分数标准化参考人群(n=7604)、Trail Making Test反向编码、全局复合评分构建方法 阅读提示:Methods的Primary Dependent Measure小节 |
| 统计分析 | 线性混合效应模型协变量列表、DHRPS标准化方法、FDR校正方法、敏感性分析设计(限制每人一次评估、排除±3SD、Cook's距离)、bootstrap重采样次数(10,000) 阅读提示:Methods的Statistical Analysis小节和Table S2 |