当前可穿戴健康技术已超越单纯的步数追踪功能。
德克萨斯大学阿灵顿分校的研究团队近日启动一项为期两年的研究计划，旨在验证日常健身追踪设备采集的数据是否可用于预测个体罹患心血管疾病的风险。这项研究获得德州高等教育协调委员会提供的40万美元资助，于2025年8月1日正式展开，将采用市售可穿戴设备监测参与者的身体活动、睡眠质量和血压数据。
运动学系助理教授岳廖（Yue Liao）担任研究首席，联合社会工作系助理教授克里斯汀·斯帕多拉（Christine Spadola）、数学系副教授苏维克·罗伊（Souvik Roy）以及运动学教授马修·布罗德斯（Matthew Brothers）组成跨学科研究团队。
"我们的研究聚焦于身体活动、睡眠质量和血压这三个关键指标。通过收集整合多维度数据，尝试运用高级数学建模技术，建立心血管疾病风险预测模型。目标是通过可穿戴设备采集的日常数据，及早发现血管功能障碍的早期征兆，从而为饮食、运动等生活方式干预提供科学依据。"岳廖副教授解释道。
研究团队特别强调，这项探索将突破传统体检的时空限制，通过持续监测个体日常生理参数波动，结合机器学习算法分析，可能为全球心血管疾病防控提供突破性解决方案。数据显示，心血管疾病每年导致约1860万人死亡，若能通过可穿戴设备实现早期预警，将极大提升疾病预防效率。
值得注意的是，研究采用的数学建模方法已在美国糖尿病风险预测研究中取得成功，该模型通过分析可穿戴设备数据预测代谢综合征准确率达82%。此次研究将验证该技术在心血管疾病领域的适用性。
【全文结束】
