为什么同一款消费级戒指的四阶段睡眠一致率在不同验证研究中差异这么大？

尺子本身就不稳，浅睡尤其如此

验证研究的做法是把同一晚记录评两次：一次用多导睡眠图这一临床标准，一次用戒指，然后统计每30秒区块中两者一致的比例。听起来是很干净的对比，但临床那一侧是人按视觉规则评出来的，而人与人之间并不能完全一致。在一项多中心测试中，来自7个睡眠中心的10名评分者各自对同样的50份多导睡眠图记录评分。总体一致性相当强，但评分者在只有48%的区块上完全一致，而一致性最低的是N1——浅睡的过渡阶段，kappa为0.41，通常被描述为一般而非良好[3]。

这直接影响四阶段一致率。四阶段方案把浅睡NREM睡眠合并在一起，而浅睡恰恰是人评分者最不可靠的地方[3]。当参考标签本身不确定时，与一位评分者不一致的戒指，可能和另一位评分者一致。因此，研究之间的部分差异不是戒指表现不同，而是它脚下的基准在移动。同一项研究还发现，随着睡眠阶段转换率升高和呼吸暂停严重程度增加，一致性也会下降，这意味着两个睡眠碎片化程度不同的验证样本，即使硬件完全相同，也不会得出相同的数字[3]。

不同代际的戒指和不同的睡眠者得出不同数字

一致率数字常被引用得好像它们描述的是“Oura Ring”，但这款设备在不同代际之间已经发生变化，领域综述也指出设备之间存在相当大的差异，同时与多导睡眠图的一致性为一般到中等——报告的四阶段一致率在0.21到0.53之间[4]。这么宽的范围，大致从差到中等，说明测量条件不同，而不是一项研究对、另一项研究错。

被测量的人也不同。在家庭环境中对健康志愿者验证的戒指，与在睡眠实验室人群中验证的戒指，测试条件并不相同；而富集了睡眠障碍的实验室样本会包含更多碎片化的夜晚——这正是与较低评分一致性相关的条件[3][5]。所以一个头条一致率数字带着它的人群。来自临床样本的数字和来自健康家庭用户的数字回答的是略有不同的问题，直接比较它们会夸大研究之间的分歧。

戒指是推断睡眠，而不是测量脑电波

戒指不记录脑活动。它读取运动和自主神经系统的信号——身体对心率及相关功能的自动调节——再加上昼夜节律时间线索，模型把这些转化为阶段标签[1]。在来自106人、共440晚的大型数据集中，仅用运动的模型达到57%的四阶段准确率，而加入自主神经和昼夜节律特征后提高到79%[1]。这个差距很有启发性：戒指对睡眠的很多了解来自间接的身体信号，所以它的表现取决于这些信号在特定佩戴者身上与脑状态变化的对应强度。

这也解释了为什么两阶段和四阶段结果绝不能混在一起。同一模型在更简单的睡眠对清醒问题上达到94–96%的准确率，但在四阶段版本上只有57–79%[1]。报告高数字的研究可能描述的是更容易的二分类任务，读者把它与四阶段数字比较时看到的不一致，实际上是评分内容不同。一项分析认为，二分类睡眠–清醒准确率被基础率抬高了——因为夜间大部分时间是睡眠，设备只要大多说“睡眠”就能得高分——这使得四阶段数字成为要求更高、也更多变的测试[5]。

看到一致率数字时该怎么读

把任何单个四阶段一致率数字看作关于特定戒指代际、特定睡眠者群体和特定评分方案的陈述，而不是设备的一般属性[4][5]。最有用的问法不是“哪项研究正确”，而是“这个数字是相对于什么、在谁身上测得的”。针对睡眠实验室人群、其中许多人有睡眠障碍的研究，测试的是比健康家庭用户更难的情况，其较低数字不一定是设备更差[3][5]。

知道有些差异无法消除也有帮助。只要四阶段评分依赖人对模糊浅睡区块的判断，即使两台完美的设备，对两个不同的评分者小组也会显示不同的一致率[3]。验证研究之间的广泛差异，最好理解为真正不同的硬件和人群，加上一个自带分歧的参考标准的组合——这就是为什么用范围而不是单个数字，才是消费级戒指睡眠分期能力的诚实总结[4]。

本文引用的文献

相关研究问题