דיוק מדידה ב-Apple Watch
הבנת רמת הדיוק, הטיות וגורמי כשל במדידות הבריאות של ה-Apple Watch.
דופק (PPG)
שיטה
פוטופלטיסמוגרפיה (PPG) המשתמשת בנורות LED ירוקות/אינפרא-אדומות למדידת שינויים בנפח הדם בפרק כף היד.
רמת דיוק
- הטיה ממוצעת: בדרך כלל קטנה (בטווח של פעימות בודדות לדקה).
- גבולות הסכמה: שונות בינונית סביב הממוצע.
- הקשר קליני: מקובל בתנאי יציבות של פרק כף היד ברוב האוכלוסיות.
גורמי כשל
| בעיה | השפעה |
|---|---|
| הפרעות תנועה | מדידות לא מדויקות במהלך פעילות אינטנסיבית |
| רצועה משוחררת | איכות אות ירודה |
| קעקועים | עלולים להפריע לחיישן האופטי |
| קצוות גוף קרות | זרימת דם נמוכה מפחיתה את הדיוק |
| גווני עור כהים | עשויה להופיע שונות גבוהה מעט יותר |
| קצב לב לא סדיר | זיהוי הפעימות הופך למורכב יותר |
הפרקטיקה הטובה ביותר
- ודא התאמה צמודה (אך לא לוחצת) של הרצועה.
- מדוד בזמן מנוחה מוחלטת לקבלת דופק מנוחה.
- התמקד במגמות ולא בערכים מוחלטים.
ראיות
- מחקר של Falter et al. (2019) מצא שדופק ה-Apple Watch קביל קלינית בשיקום לב בתנאים יציבים: PMC6444219
הוצאה אנרגטית (קלוריות)
המציאות
הערכות הקלוריות הן לרוב המדד הפחות אמין מבין המדדים של המכשירים הלבישים.
למה זה מסובך?
- הרכב הגוף משתנה (שריר לעומת שומן).
- קצב חילוף החומרים במנוחה הוא אינדיבידואלי.
- תהליכי ייצור חום (Thermogenesis) משתנים.
- יעילות התנועה שונה מאדם לאדם.
- הנחות המודל אינן מתאימות לכולם.
רמת דיוק
סקירות שיטתיות מראות שגיאה אינדיבידואלית גדולה בהערכת הוצאה אנרגטית בשעונים חכמים.
הפרקטיקה הטובה ביותר
- התייחס לקלוריות כאל מדד יחסי ("גבוה מהרגיל" לעומת "X קלוריות בדיוק").
- אל תשתמש בזה כאישור מדויק ל"כמה מותר לי לאכול".
- השווה בתוך הנתונים שלך, לא ליעדים חיצוניים.
ראיות
- סקירה שיטתית של Sun et al. (2023) מראה שגיאה אינדיבידואלית גדולה: ScienceDirect
חמצן בדם (SpO₂)
שיטה
מדידת ריווי חמצן מבוססת PPG (אדום/אינפרא-אדום).
אזהרה מרכזית
פיגמנטציה של העור וזרימת דם (Perfusion) יכולות להשפיע על הדיוק. ה-FDA ממשיך לעדכן הנחיות במטרה לשפר את הביצועים בכל גוני העור.
גורמי דיוק
| גורם | השפעה |
|---|---|
| גוון עור | עשוי להשפיע על הדיוק; ה-FDA פועל לתיקון |
| זרימת דם | מחזור דם לקוי מפחית את האמינות |
| תנועה | יש להישאר ללא ניע במשך 15 שניות |
| לק בציפורניים | לא רלוונטי למדידה בפרק כף היד |
| גובה | SpO₂ נמוך יותר באופן טבעי במקומות גבוהים |
הפרקטיקה הטובה ביותר
- חזור על מדידות נמוכות בתנאים אופטימליים.
- השתמש בממוצעים לאורך זמן, לא במדידות בודדות.
- פנה לאישור קליני במקרה של ערכים נמוכים מתמשכים.
מקורות רגולטוריים
שלבי שינה
המציאות
מכשירים לבישים מסיקים את שלבי השינה באופן עקיף (תנועה + דופק), ולא באמצעות EEG כמו בבדיקת מעבדת שינה (פוליסומנוגרפיה).
רמת דיוק
- זמן שינה כולל: מדויק למדי.
- סיווג שלבים: פחות מדויק מבדיקה קלינית.
- שונות מלילה ללילה: צפויה; אל תפרש זאת יתר על המידה.
הפרקטיקה הטובה ביותר
- השתמש למעקב אחר מגמות ועקביות.
- אל תיצמד ל"דקות מדויקות של שנת REM".
- חפש סטיות משמעותיות מהדפוס הרגיל שלך.
ראיות
- מסמך טכני של אפל: Estimating Sleep Stages from Apple Watch (Oct 2025)
VO₂ Max (כושר לב-ריאה)
שיטה
מוערך על סמך המאמץ בהליכה/ריצה בחוץ ותגובת הדופק באמצעות אלגוריתמים מאומתים.
רמת דיוק
- זוהי הערכה מבוססת אלגוריתם, לא מדידה ישירה.
- מתאם סביר לבדיקות VO₂ max במעבדה.
- קיימת שונות אינדיבידואלית.
הפרקטיקה הטובה ביותר
- התמקד במגמות לאורך חודשים.
- השתמש בפעילויות נתמכות (הליכה/ריצה/טיול בחוץ).
- השווה לעצמך, לא לטבלאות אוכלוסייה כלליות.
ראיות
- מסמך טכני של אפל: VO₂ Max Estimation
- תיקוף של Lambe et al. (2025): PLOS ONE
ספירת צעדים
רמת דיוק
- בדרך כלל טובה להליכה/ריצה טיפוסית.
- ה-iPhone והשעון משתמשים בחיישנים משלימים.
מגבלות ידועות
- חוסר בספירה בזמן דחיפת עגלת ילדים/קניות.
- עלול לפספס צעדים אם הטלפון לא עליך.
- אחיזה בידיות הליכון מפחיתה את הדיוק.
- קרקע לא ישרה יכולה להשפיע על הספירה.
הפרקטיקה הטובה ביותר
- השתמש בסיכומים שבועיים ולא יומיים.
- עקוב אחר המגמות, לא אחר הספירה המדויקת.
- שקול להסתכל גם על מדדי קצב (Cadence).
סיכום: רמות אמינות
אמינות גבוהה יותר
- מגמות דופק (בתנאים טובים)
- מגמות ספירת צעדים
- משך שינה
- משך אימון
- מרחק GPS (בחוץ)
אמינות בינונית
- דופק מנוחה (מדידה עקבית)
- הערכת VO₂ max (מגמות)
- HRV (השוואה לנתון בסיס אישי)
- שלבי שינה (דפוסי רחבים)
שימוש בזהירות
- מדידות SpO₂ בודדות
- ספירת קלוריות מוחלטת
- השוואת שלבי שינה מלילה ללילה
- כל מדד בזמן תנועה מרובה
המסקנה העיקרית
ה-Apple Watch מספק תובנות בריאותיות בעלות ערך, אך הבנת מגבלות המדידה עוזרת לפרש את הנתונים כראוי. מגמות ונתוני בסיס אישיים הם אמינים בהרבה מערכים מוחלטים או מדידות בודדות.