跳到主要内容
朗慧科技
AI+科学家 · 生物信号 · 研究方案

可穿戴血压研究数据:从测量协议到可解释的设备验证证据

《实验测量方案》描述 Rainbow 2 实验室测量:8 小时约 500 名、24 小时动态监测约 200 名,比较腕戴设备与参考测量,并记录体位、环境和活动。它同时存在明显外部效度与公平性风险,尤其是排除深色皮肤或黑人受试者的条款。

附件是测量方案,不是已完成临床研究或可训练数据。方案需伦理、代表性和监管审查后才能执行。
首页 › 数据资产 › 可穿戴血压研究数据:从测量协议到可解释的设备验证证据
建议的数据工程链路
受试者与筛查静息与标准姿势腕表原始信号 + 参考血压/ABPM环境与活动记录设备/人群分层验证

图 1|概念性数据结构示意,非现有库存数量或已完成流程证明。

一、协议结构与样本单位

方案区分 8 小时日内监测与 24 小时动态监测,目标人数分别为 500 与 200;采集腕表信号、听诊参考、动态血压监测结果、受试者背景、环境温度、手腕位置、睡眠、活动、饮食和应激事件。数据单位需明确是受试者、一次访问、测量轮次、设备读数还是连续信号片段。8 小时内多次测量是同一受试者的重复观测,统计与机器学习切分不得将其当成独立个体。

二、参考标准与同步误差

方案使用两位操作者独立听诊、重复测量规则以及动态血压仪作为参考。执行前要统一听诊培训、设备校准、袖带尺寸、测量手臂、身体姿势、手腕相对心脏高度和计时流程。腕表读数与参考测量必须有可验证的同步时间戳,袖带充气期间及其后规定时间内避免腕表测量。应保存原始波形、设备输出、固件版本、校准状态和异常代码,便于区分算法误差与采集流程误差。

三、排除标准的公平性问题

文件写明不纳入深色皮肤或黑人受试者。若未给出明确科学理由,这会造成严重的代表性缺口,并让后续模型在被排除群体上的性能无法评估。皮肤色素与光学/光电容积信号可能相关,因此更应该把肤色作为预先设定的分层变量,纳入足够样本并评估误差,而不是排除。该条款应提交伦理委员会、临床和法务审查,给出必要性、替代方案和公平影响分析;不能以“完全匿名”作为排除或纳入的理由。

四、分布配额与统计计划

方案给出年龄、性别、预期收缩压和舒张压区间配额。这些配额需在研究目标、临床人群和可行性之间校准,明确区间端点是否重叠、SBP≥160 与 ≥140 的嵌套如何计数,以及最终比例按受试者还是测量次数计算。训练集可进行分层过采样,但验证集应另设贴近目标部署人群的自然分布,并额外报告各亚组偏差。重复测量的相关性需要采用合适的统计模型和以受试者为单位的置信区间。

五、模型验证不能仅报告相关性

可穿戴无袖带设备测量的是基于信号推断的估计值;高相关并不意味着数值一致,也不意味着适用于诊断或治疗。需要预先规定绝对误差、偏差、误差分布、重复性、个体内变化、校准漂移、失败率及亚组差异,并与适用的临床性能标准和监管要求对齐。AHA 对无袖带血压技术指出现实使用和校准仍有未解决挑战;FDA 2026 年文件是草案指导,不是最终法规或产品认可。

六、数据表结构与质量门槛

建议建立受试者表、筛查表、设备表、测量事件表、参考读数表、原始信号索引、活动日志和异常事件表。记录年龄段、性别、身高体重、腕围、优势手、肤色评估方法、药物、糖尿病、温湿度、活动状态和睡眠等,同时遵循最小必要原则。设备输出必须可追溯到固件和算法版本。质量报告覆盖设备同步率、信号有效率、缺失时长、重复/失败读数、参考操作者间差异和重测比例。

七、从方案到数据资产的运营门槛

在采集前冻结方案版本、伦理批件、知情同意文本、数据管理计划和统计分析计划;执行中监控招募偏差、退出和设备失效;结束后建立审计轨迹、盲态分析与数据锁定。计划中的目标人数不是已采集人数,实验室测量也不是产品临床验证。朗慧可提供协议转数据字典、采集培训、设备同步核验、去标识化和统计质控的服务,但项目是否启动、是否完成以及能否用于商业训练,均需实际证据逐项确认。

八、方案内部不一致必须先消解

附件对听诊者间差异触发重复的阈值在不同段落出现 SBP ≥12 或 ≥10 mmHg 的差异,DBP 均出现 ≥8 mmHg;首次静息、三次听诊、腕表采集和 Omron 参考的时间顺序也需形成唯一流程图。应由研究负责人、临床测量专家和统计人员共同确定最终阈值、重测次数、最终参考值算法及异常读数处理。未经统一的协议会造成站点间执行漂移,后续模型无法判断差异来自设备还是人为流程。

九、样本流转与 30 周计划核算

文档按 6 个监测点、每周约 25 人次估算:200 名 24 小时测量约 8 周,500 名 8 小时测量约 20 周,另计准备时间,总计约 30 周。实际排期应把筛查失败、退出、设备故障、节假日、复测和招募不均衡纳入产能模型,不能把理论满负荷等同于确定完成日。建议建立受试者流转图,从接触、筛查、入组、完成、排除到可分析集逐级记录原因,并区分设备可用受试者与最终满足统计方案者。

十、活动与环境变量如何使用

温度、姿势、腕围、表带松紧、活动、进食、咖啡因、吸烟、压力、睡眠与药物均可能影响血压或传感信号。数据结构需定义测量窗口、来源(问卷/传感器/研究员观察)、采样频率、单位和可信度。活动日志存在回忆误差,不能视为精准传感事实。建模时要防止模型直接利用采集中心、操作员或日期等代理变量;敏感或容易造成歧视的特征应有预先定义的科学用途并限制访问。

十一、临床性能方案与监管定位

AHA 科学声明讨论无袖带设备尚存校准、个体差异和真实环境评估挑战;FDA 2026 年相关文档为草案指导,提出临床性能评价方向,但不是最终法规,也不是任何设备认可。研究方案应明确目标用途是工程算法探索、性能评价还是医疗用途研究,不能混淆。统计分析计划要预先注册关键终点和亚组,报告误差分布、测量失败、校准漂移和公平性。任何临床使用主张需由适用的法规路径和专业审查支持。

十二、纳排与伦理变更控制

除肤色排除风险外,方案还排除既往心血管事件、特定药物、植入器械、腕部纹身/疤痕和部分弱势群体。每项排除都应评估对目标使用人群的影响,是否能通过单独分层而非排除来处理。研究开始后变更入选标准须留存版本、伦理批准和方案偏离记录。受试者隐私保护不能替代公平性;被纳入者也需有清楚的同意、撤回、数据用途和保存期限说明。

从“文件集合”到可训练任务

数据集不是把影像、病历或轨迹装进压缩包就结束。面向基础模型预训练,需要来源可追溯、模态可解码、重复与污染可识别、分布可描述;面向监督微调,需要样本与任务、输入输出、参考答案及标注依据一一对应;面向偏好优化和强化学习,还要定义状态、动作、约束、奖励或可验证结果,并保留失败样例。三类用途可以共用底层实体和来源台账,但不能把同一条记录不加区分地重复计入训练、评测和验收。

以原始证据为锚点

工程上建议建立不可变原始层、标准化层、标注层和发布层。每个文件及派生对象记录来源批次、采集时间、授权文件编号、设备/软件版本、转换工具版本、校验和、脱敏策略和责任角色。转换只生成新版本,不覆盖原件;标注保存坐标、时间戳、标签、置信度、指南版本和复核记录。这样才能重建“模型看到的输入来自哪里、经过什么处理、谁作了什么判断”。

把切分与评测设计前移

医学与金融数据尤其容易发生主体泄漏和时间泄漏。应优先按患者、账户、家庭、建筑项目、设备或源机构分组,再按时间设定训练、验证、测试;同一患者的检查、报告和住院文书不得跨集合泄漏。测试集来源、标签和访问权限单独管理,冻结版本并记录哈希。内部随机切分只说明同分布表现,不能替代跨医院、跨设备、跨市场或前瞻性外部验证。

以错误分析驱动补数

总体准确率会掩盖少数群体、低频类别和关键边界条件。交付数据卡应同时报告单位定义、纳入排除规则、缺失率、重复率、字段完整率、标签一致性、类别分布、机构/设备/时间分布及置信区间。对困难样本、阴性样本、模糊样本和真实世界失败样本设置独立清单。数据补采的优先级应由下游错误成本与不确定性决定,而不是单纯追求更大数量。

用可复核的流程体现运营能力

朗慧可把能力落实为可审计的工作包:需求映射、权利与伦理核验、样本盘点、格式转换、双人标注、专家仲裁、自动化质检、盲测抽检、数据卡和版本发布。每个环节都应有输入、输出、责任人、判退条件和留痕。页面介绍的是拟构建方向,不等于已完成采购、取得授权或达到客户验收;正式承诺应以逐批数据清单、许可证明、样例评测和合同附件为准。

落到字段:最小交付实体

本方向建议以“受试者/测量轮次/设备信号”作为主要实体,并为患者/项目/检查/会话等上层主体保留受控关联键。每条记录需要稳定 ID、数据版本、来源批次、采集或事件时间、生成/转换软件版本、权利依据状态和责任角色。字段级数据字典需要列出类型、单位、允许值、空值语义、原始来源和变换规则;派生标签应保留原文或几何证据指针。交付方要同时提供样本计数脚本和去重逻辑,采购方才能重算数量。

质控要覆盖的方向特异指标

除通用完整性外,至少跟踪:设备同步、参考读数复核、佩戴位置、环境变量、失败/重测理由、皮肤与人群覆盖。指标应分别报告总体、批次、机构/设备和关键子群分布,列明统计分母、抽样方法、缺失处理和置信范围。数据异常不能只以“已清洗”概括,要保留缺陷类别、处置动作、返工数量和豁免依据。若某项指标不可计算,应明确原因与风险,而不是用空值掩盖。高风险字段可设置自动阻断阈值,但阈值要由项目方与领域专家签署确认。

任务设计围绕可观察能力

适合构建的训练和评测能力包括:信号质量判断、设备偏差估计、时序误差分析、校准稳定性、异常识别及适用范围提示。每个任务包需定义目标输入、可用信息截止点、输出结构、参考证据、允许的替代答案、失败边界和人工升级条件。监督微调数据可强调正确映射和证据引用;偏好数据需成对呈现质量差异及判据;RL 环境则必须加入状态、动作、工具权限、终止条件和奖励验证。不能把不同任务类型合并为一项综合分数,也不能用语言流畅度替代专业正确性。

必须主动测的失败模式

测试集要明确覆盖:重复读数当独立样本、参考值偏差、排除造成的人群盲区、姿势混杂、数据丢失和校准漂移。针对每类错误准备最小反例和近似正例,检查标注者与 Judge 是否稳定区分。训练集、调参集和最终盲测集按主体及来源分开;所有派生版本记录样本哈希,审计重复与答案污染。对稀有但高后果的边界案例,单独报告样本量和不确定性,禁止把平均指标解释成全人群保证。发现错误时,要能定位到数据来源、字段、标注规则或模型组件。

客户可独立复核的验收包

本方向建议以如下证据作为可交付门槛:方案版本、伦理批准、参考设备校准、受试者流转、预注册终点及按亚组报告误差。此外提供数据卡、字段字典、来源与许可清单、去标识化说明、质量报告、标签指南、版本差异、样例使用协议和已知限制。验收抽样由双方约定的随机种子或采购方独立抽取,并保留复核过程。涉及敏感信息的样例应在受控环境检查,不能通过邮件或公开网页传递原始记录。任何数量、准确率或完成率都注明测试日期、批次、分母及责任签署人。

治理、合规与用途边界

任何敏感数据都必须先回答“谁有权提供、为何可处理、谁可以使用、能否再分发、何时删除”。健康与精神健康记录属于敏感个人信息场景,不能仅凭删除姓名就宣称匿名;影像标签、稀有事件、机构和时间组合仍可能重新识别。应完成合法处理基础、必要性与最小化评估、单独同意或其他适用基础核验、伦理审查、访问控制、加密、导出审批、日志审计和到期删除设计。跨境、商业训练、公开发布和模型权重再分发分别核验。

复现、漂移与版本发布

建议为每次构建生成批次快照,固定输入清单、转换代码、标注指南、模型和评测器版本;关键步骤有变更时,不覆盖已发布版本,而是生成新版本并写明变更原因、影响字段、受影响样本数和回归测试。定期检查来源接口、设备软件、指南、市场数据或业务模板变化。若分布漂移超出约定范围,应暂停自动发布并重做代表性抽检。客户引用数据卡时可以定位到批次和版本,朗慧内部也能从缺陷报告回溯处理责任。

从数据质量到业务价值的闭环

运营指标应与模型风险和客户工作流连接:数据是否覆盖目标场景、标注分歧是否集中在高价值边界、模型错误是否能通过补采或规则调整降低、每轮迭代的成本和质量是否可解释。建议设置需求提出、样例验证、权利审查、工程构建、专家复核、买方盲测和售后监控等阶段门,每阶段明确责任人及退出条件。复盘不仅记录通过的样本,也要记录拒收、授权不足、格式失败和模型失效案例,使下一批建设有证据而非凭经验扩量。

发布与持续运营的管理指标

产品运营应分开追踪需求确认周期、来源核验通过率、样例到正式批次转化率、字段和格式一次验收率、专家复核分歧率、返工周期、客户复测差异及版本更新影响。指标须注明计数单位、统计时间和样本范围,避免用“交付量”掩盖权利材料或质量缺陷。每次发布前由数据负责人确认数据卡与页面描述一致,法务/隐私负责人确认允许用途,技术负责人确认格式及复现,领域专家确认标签规则。发生版本变化时同步更新目录、数据字典、样例协议和客户通知记录。

参考资料与技术依据

  1. AHA Scientific Statement: cuffless BP devices
  2. FDA draft guidance: cuffless BP performance testing (Jan 2026)
  3. FDA safety communication on unauthorized BP devices
  4. WHO Ethics and governance of AI for health

论文用于说明方法和研究方向;结果依赖其数据与实验条件,不直接证明本页面所述数据已经建成或可用于特定部署。

联系朗慧,讨论样例与数据方案

朗慧科技

电话:137-5502-0164
邮箱:lk@langhuiai.com

地址:长沙高新开发区文轩路27号麓谷钰园F1、F2栋2006房

请注明关注的数据方向、用途、模态/字段、预期规模和交付时间。具体范围以授权核验及双方书面确认结果为准。