| Home | E-Submission | Sitemap | Contact Us |  
Exerc Sci > Volume 33(3); 2024 > Article
한국 노인의 걸음 수, 심박수, 에너지소비량 측정을 위한 웨어러블 트래커의 타당도 평가

Abstract

PURPOSE

This study aimed to assess the validity of a physical activity tracking device by comparing physical activity data from older adults, including the number of steps, energy expenditure, and heart rate (HR), with data obtained from research accelerometers, wearable watches, and mobile apps.

METHODS

A total of 24 healthy older adults (aged 65-79 years) wore a wearable tracking device and used a respiratory gas analyzer while walking and running on a treadmill at speeds of 3.8 km/h, 4.8 km/h, 5.6 km/h, 6.4 km/h, and 8.0 km/h, in a randomized order. This study evaluated seven wearable devices: one research accelerometer (ActiGraph GT3X+), five smartwatches/fitness trackers (Samsung Galaxy Watch Active 2, Fitbit Versa 2, Xiaomi Mi Band 4, Garmin Forerunner 945, and Apple Watch Series 2), and one mobile application. Step counts were measured directly, HR was compared using a Polar H7 HR Sensor, and energy expenditure was assessed using a Quarkb2 respiratory gas analyzer.

RESULTS

Commercial wearable watches and mobile applications were more accurate than research-grade accelerometers for monitoring steps during walking and running in older adults. HR measurements from wearable watches were more accurate than those from reference devices. Although energy expenditure measurements from mobile applications and wearable watches were less accurate than measurements of steps and HRs their accuracy was comparable to that of research-grade accelerometers.

CONCLUSIONS

This study provides insights into the strengths of using wearable devices in healthcare and fitness fields, which seek to monitor and actively manage the physical activity of older adults using wearable trackers.

서 론

현대사회는 과학 발전으로 인하여 보건 및 의료 수준의 질적 향상에 따라 고령화 시대로 변모하고 있다. 우리나라는 2023년 기준으로 65세 이상의 노인 인구가 전체 인구의 18.4%를 차지하고 있으며, 2025년 20.6%, 2050년에는 40%를 넘어서 지속적으로 증가될 것으로 예상하고 있다[1]. 이러한 인구 고령화는 만성 질환의 증가와 이에 따른 노인 의료비 상승을 초래하고 있다.
세계보건기구에서는 노인의 건강과 삶의 질을 높이는 가장 효과적인 방법으로 신체활동을 제시하였다[2]. 규칙적인 신체활동과 운동은 노인의 질병 발병률 및 사망률을 감소시키고 신체적 건강뿐만 아니라 정신적, 사회적 건강을 개선시킬 수 있다[35]. 경제적인 측면에서는 의료비를 절감시키는 효과도 있는 것으로 나타났다[6]. 또한 중강도 이상의 지속적인 신체활동은 건강 위험 요인의 발생 가능성을 감소시키며, 심혈관계 질환으로 인한 사망 가능성을 낮출 수 있다[7].
임상 및 역학 연구에서 신체활동량을 객관적으로 평가할 수 있는 검사 도구로 빈도 높게 사용된 연구용 웨어러블 장비는 ActiGraph 가속도계이다[8,9]. ActiGraph의 가속도계는 신체활동의 강도, 기간, 빈도를 객관적으로 측정할 수 있어 한국의 국민건강영양조사와 미국의 National Health and Nutrition Examination Survey를 포함한 국가 단위 연구에서도 사용되고 있다. 하지만 연구용 가속도계의 경우 가격이 비싸고 분석 프로그램을 별도로 구매해야 하는 번거로움이 있어 일반인이 건강관리를 위해 사용하기에는 한계가 있으며 국가 규모의 신체활동 모니터링에서도 구매 비용과 사용 후 피드백 부족 등의 단점이 있다.
최근에는 개인의 스마트 폰이나 웨어러블을 이용한 건강 관리가 일반화되어가고 있다. 상용화된 웨어러블 트래커는 걸음 수, 이동 거리, 에너지소비량, 심박수 등의 다양한 정보를 제공하며, 이 정보를 바탕으로 사용자의 목표 대비 현재 상태나 성과를 시각적으로 피드백한다. 이러한 기능은 사용자가 건강한 생활 방식과 운동 프로그램을 보다 효과적으로 실천할 수 있도록 돕는다. 특히 손목에 착용하는 웨어러블 시계는 다른 신체 부위에 착용하는 경우보다 사용자 편의성과 장치와의 친화성을 높이는 데 가장 적합한 위치로 보고되었다[10]. 또한 노인을 대상으로 한 웨어러블 트래커 사용에 관한 12개월간의 임상 연구결과, 웨어러블이 신체활동에 대한 동기 부여와 장기적인 건강 행동 변화를 지원하는데 도움을 주는 것으로 확인된 바 있다[11].
웨어러블 시계와 모바일 앱이 노인 건강 관리의 중재 도구로 사용하는 사례가 늘어남에 따라, 기기별로 걸음 수, 에너지소비량, 심박수 등의 정확도를 평가하는 연구의 필요성이 대두되고 있다. 노인은 신체적 기능과 운동 패턴이 성인과 다르게 나타날 수 있어, 노인 대상 웨어러블 기기의 타당도 연구가 필요하다. 특히 여러 웨어러블 기기의 성능을 동시에 비교하는 것은 사용자와 노인 돌봄 및 운동건강관리사에게 신뢰할 수 있는 선택 정보를 제공할 수 있으며, 대규모 국가 사업이나 연구 결과의 일반화 가능성을 확대하는데도 기여할 수 있다. 그러나 웨어러블 기기의 타당도 연구의 대부분은 성인을 대상으로 하였거나[1215], 연구용 가속도계와 웨어러블 시계의 비교 연구[16], 체계적 문헌고찰[17]에 국한되어 있으며, 실험실 환경에서 준거 측정도구를 이용한 노인 대상 웨어러블 트래커의 정확도 연구는 거의 부재한 상황이다.
여러 웨어러블 기기의 기능을 동시에 평가하기 위해 준거 검사도구를 이용한 실험실 환경의 평가는 다양한 외부 변수를 엄격히 통제할 수 있고, 다양한 속도로 걷기와 달리기 활동을 수행할 수 있어 준거 측정치와 비교하여 웨어러블 기기의 타당성을 비교, 평가하기에 최적의 조건을 제공한다. 따라서 본 연구의 목적은 한국 노인을 대상으로 트레드밀에서 다양한 속도의 걷기와 달리기 활동을 하는 동안 연구용 가속도계, 웨어러블 시계, 모바일 앱에서 측정된 걸음 수, 에너지소비량, 심박수의 타당도를 준거 측정값과 비교하여 검증하는 것이다.

연구 방법

1. 연구대상

연구 참여자는 지역 사회 거주하는 65-79세 노인 남녀 24명을 편의표집 하였다. 표본 크기는 유사한 선행연구의 표본 수를 참고하여 산출되었다[18]. 연구 참여 선정 기준은 인지 및 신체 능력에 문제가 없으며, 일상생활이 가능한 자로 하였다. 연구 참여 제외 대상은 최근 체중이 상당히 감소한 자, 신체활동에 제한이 있거나 제한되는 질병을 가지고 있는 자, 급성 질환으로 신체활동에 참여할 수 없는 자, 체력측정이나 보행에 제한을 받는 자로 하였다.
본 연구는 한국스포츠정책과학원 기관연구윤리위원회(IRB)의 승인을 받은 후 진행되었으며, 모든 연구대상자에게 실험 시작 전 연구목적을 충분히 설명한 후 동의서를 받은 후 참여하였다. 연구 참여자들의 일반적 특성은 Table 1과 같다.
Table 1.
Characteristics of the participants
Characteristics Men (n=12)
M±SD
Women (n=12)
M±SD
Total (n=24)
M±SD
Age (yr) 70.83±3.32 68.92±4.54 69.87±4.01
Height (cm) 163.16±5.08 151.39±3.59 157.28±7.39
Weight (kg) 68.23±10.00 55.69±9.07 61.96±11.32
BMI (kg/m2) 25.50±2.90 24.32±4.31 24.91±3.64
Body fat (%) 27.11±4.28 39.00±8.75 33.05±9.07

Data are displayed as the Mean±Standard Deviation.

BMI, body mass index; %BF, percent body fat.

2. 측정절차

본 연구는 노인을 대상으로 걷기/달리기 활동 시 웨어러블 시계와 모바일 앱에서 제시하는 신체활동량 변인(걸음 수, 에너지소비량, 심박수 등)의 정확도를 검증하기 위하여 걸음 속도가 통제 가능한 트레드밀이 설치되어 있는 실험실에서 이루어졌다. 모든 연구대상자는 3시간 전부터 식사와 운동을 금지하였다.
연구대상자의 참여 적합성과 안전성 판단을 위하여 신체활동 및 건강과 관련된 간단한 설문조사와 혈압 측정을 실시한 후 연구대상자의 신체구성(신장, 체중, 체지방량)을 측정하였다. 모든 측정도구들은 운동 중 불편을 최소화하기 위해 연구대상자의 몸에 맞게 조절하여 착용하였다. 웨어러블 기기는 연구대상자의 양팔에 무작위 순으로 연구대상자별 위치를 변화하여 착용시켰다.
실험 프로토콜은 연구대상자가 노인이라는 특성을 고려하여 앉아서 안정 시 4분 측정 후 트레드밀 적응 훈련을 실시하였다. 그 후, 안정시 심박수로 회복하기 위해 약 10분간 편안한 상태로 휴식하였다. 트레드밀 프로토콜은 선행연구[12,14]를 참고하였으며, 운동 속도는 프로토콜 간 영향을 최소화하기 위하여 연구대상자별 무작위 순으로 진행하였다. 운동 속도 구성은 다음과 같다; 3.2 km/h로 천천히 걷기 4분 후 휴식 5분, 4.8 km/h로 보통 걷기 4분 후 휴식 5분, 5.6 km/h로 빠르게 걷기 4분 후 휴식 5분, 6.4 km/h로 달리기 4분 후 휴식 10분, 그리고 8.0 km/h로 달리기 4분 후 휴식 10분.
각 프로토콜 시작/종료 전후로 약 15초간은 트레드밀 측면 난간을 잡고 운동을 실행하였다. 운동 종료 후에는 연구대상자의 안전을 위하여 약 3분간 트레드밀 위에서 휴식하였다.

3. 측정도구 및 측정방법

준거 걸음 수는 계수기를 사용하였으며, 준거 에너지소비량은 측정 도구인 호흡가스분석기(Quarkb2, COSMED, Italy), 준거 심박수는 무선 심박수 측정기(Polar H7 Heart Rate Sensor, Polar, USA)를 사용하였다. 현장 측정도구로는 신체활동 연구에서 빈도 높게 사용되고 있는 연구용 가속도계(ActiGraph GT3X+, ActiGraph Inc., USA)와 한국에서 빈도 높게 사용되고 있는 웨어러블 기기 5종(Apple, Xiaomi, Samsung, Fitbit, Garmin) 그리고 모바일 앱 1종(Samsung)을 사용하였다.

1) 호흡가스 분석기

준거 에너지소비량은 호흡가스분석기(Quarkb2, COSMED, Italy)를 사용하였다. 기기 예열을 위해 약 30분간 전원을 켜놓은 후 Air, Gas, Turbin 순으로 눈금조정(calibration)을 실시하였다. 이후 호흡가스분석기 프로그램에 연구대상자의 신상정보(생년월일, 성별 등) 및 신체구성(신장, 체중 등)을 입력하였다. 그 후, 연구대상자에게 가슴벨트(har-ness) 및 마스크를 착용시킨 후 실험에 들어갔다. 연구대상자가 노인이라는 점을 고려하여, 호흡가스분석기에 프로토콜을 설정하지 않고, 각 프로토콜별 운동 시작과 종료를 수동으로 진행하였다.

2) 심박수 측정기

준거 심박수는 심박수 모니터기(Polar H7 Heart Rate Sensor, Polar, USA)를 연구대상자의 가슴 밑 부분에 착용하고 Polar V800을 Blue-tooth로 연결하여 데이터를 확보하였다. Polar V800기기에 연구대상자의 신상정보(생년월일, 성별 등) 및 신체구성(신장, 체중 등)을 입력하였다. Polar V800기기에 운동모드는 Other indoor로 설정하여 심박수를 측정하였다.

3) 가속도계

연구용 가속도계는 미국과 한국 등 국가단위의 신체활동 연구에서 사용되고 있는 AtiGraph (ActiGraph GT3X+, ActiGraph Inc., USA)를 사용하였다. 본 연구에서는 탄성 벨트를 사용하여 허리에 착용하였으며 자료요약주기는 60초로 설정하였다. 측정 시작 전 ActiLife 소프트웨어를 이용하여 연구참여자의 ID, 성별, 생년월일, 인종, 신장, 체중, 실험시작시간, 자료요약주기, 착용 위치를 입력하였다. 측정 종료 후에는 USB 케이블을 이용하여 모든 데이터를 다운로드 받았다.

4) 웨어러블 시계

웨어러블 기기는 스마트폰에 각 웨어러블 기기와 연동시킬 수 있는 앱을 다운로드하였고, 총 4종의 웨어러블 기기인 삼성(Samsung Galaxy watch active 2, Samsung, Korea), 핏빗(Fitbit versa 2, Fitbit, USA), 샤오미(Xaomi miband 4, Xaomi, China), 가민(Garmin fore runner 945, Garmin, USA), 애플(Apple Watch Series 2, Apple, USA)과 연동하였다. 각 프로토콜마다 시작과 종료는 웨어러블 기기에서 시작과 종료 버튼을 동시에 눌렀으며, 종료 후에는 신체활동량(걸음 수, 에너지소비량, 심박수 등)을 저장하였다. 또한 저장이 되지 않는 측정 변인의 경우 프로토콜 시작 전과 종료 후의 누적되는 데이터를 기록하였다.

5) 모바일 앱

실험 시작 전, 삼성 스마트폰(Samsung Galaxy S21, Samsung, Korea)에 설치해 놓은 모바일 앱(Walk On)에 연구대상자의 신상정보(생년월일, 성별 등) 및 신체구성(신장, 체중 등)을 입력하였다. 스마트폰은 안정시와 트레드밀 적응 훈련이 끝난 후 피험자의 왼쪽 둔부에 위치하게 하였으며, 각 프로토콜마다 운동 전후로 결과가 모바일 앱에 동기화 되는 시간을 고려하기 위해서 측정 종료 후 약 5분의 간격을 두어 측정값을 기록하였다.

4. 자료분석

모든 자료는 통계프로그램인 Window용 SPSS ver. 22.0과 MedCalc ver. 14.0을 이용하였다.
구체적인 자료처리 방법은 다음과 같다. 첫째, 신체적 특성 및 관련된 모든 자료의 평균(M)과 표준편차(SD)를 산출하기 위해 기술통계를 실시하였다. 둘째, 준거 측정도구에서 제시하는 심박수와 에너지소비량을 기준으로 웨어러블 기기에서 제시하는 값의 오차정도는 절대오차율(Mean Absolute Percent Error, MAPE %)=[|웨어러블 기기에서 관찰된 측정치-준거측정치|/준거측정치×100%]로 산출하였다. 셋째, 준거 측정도구에서 제시하는 걸음 수, 에너지소비량, 심박수와 각 현장도구에서 제시하는 값의 일치도 검증을 위하여 급내상관계수(Intra-class correlation coefficient, ICC)를 산출하였다. Cicchtti가 제시한 가이드라인에 따라 ICC는 0.75-1.0을 매우 정확(excellent), 0.74-0.60은 정확(good), 0.40-0.59 보통(fair), 0.40 이하는 부정확(poor)으로 해석하였다[19]. 넷째, 준거 측정도구에서 측정된 값과 웨어러블 기기에서 제시하는 값의 추정오차는 Bland & Altman plot을 이용하여 평균차이(mean difference)와 ±95%의 한계선(limited of agreement, LoA)을 확인하였다. 모든 통계적 검정의 유의 수준은 α=.05로 설정하였다.

연구 결과

1. 준거 측정치와 웨어러블 트래커의 프로토콜별 기술통계

각 프로토콜별 준거 측정값과 연구용 가속도계, 웨어러블 시계, 모바일 앱에서 측정된 걸음 수, 에너지소비량과 심박수의 평균과 표준편차는 Table 2에 제시하였다. 프로토콜의 속도가 증가함에 따라 준거 측정치를 포함한 모든 웨어러블 트래커에서 측정된 걸음 수, 에너지소비량 그리고 심박수는 점진적으로 증가하였다.
Table 2.
Descriptive statistics on steps, heart rate, and energy expenditure by protocol and device
Step count Energy
expenditure
(kcal·min−1)
Heart rate
(beats·min−1)
3.2 km/h
  Criterion 454±52 13.7±2.8 99±15
  ActiGraph GT3X+ +308±98 5.7±3.4 -
  Apple 417±76 14.3±4.8 99±14
  Xiaomi 410±60 17.3±6.1 98±15
  Samsung 438±101 17.9±7.5 98±13
  Fit-Bit 406±45 19.1±3.7 96±12
  Garmin 417±79 12.1±4.8 100±14
  Mobile App 435±71 17.7±3.3 -
4.8 km/h
  Criterion 505±34 17.3±3.4 109±15
  ActiGraph GT3X+ +439±78 14.1±6.3 -
  Apple 498±55 20.7±4.2 108±14
  Xiaomi 448±106 19.6±7.9 107±14
  Samsung 494±103 21.7±8.2 108±15
  Fit-Bit 462±37 22.8±4.4 105±14
  Garmin 466±80 14.5±5.1 109±14
  Mobile App 504±35 19.7±3.7 -
5.6 km/h
  Criterion 535±51 20.0±3.4 118±15
  ActiGraph GT3X+ +469±94 17.7±6.7 -
  Apple 510±76 25.60±6.0 117±15
  Xiaomi 488±98 22.2±8.4 115±16
  Samsung 508±140 24.5±7.2 115±14
  Fit-Bit 481±75 23.8±4.8 111±12
  Garmin 498±91 17.5±5.6 118±15
  Mobile App 537±54 21.2±3.7 -
6.4 km/h
  Criterion 596±73 24.2±3.1 131±14
  ActiGraph GT3X+ +519±116 21.1±7.2 -
  Apple 588±82 30.9±7.6 130±13
  Xiaomi 574±70 29.3±9.2 126±18
  Samsung 595±80 30.1±5.9 127±15
  Fit-Bit 540±60 28.8±5.6 118±20
  Garmin 589±66 26.9±5.5 129±14
  Mobile App 601±78 26.3±6.4 -
8.0 km/h
  Criterion 669±125 28.3±9.0 144±7
  ActiGraph GT3X+ +649±134 26.7±11.3 -
  Apple 643±170 40.9±12.6 141±7
  Xiaomi 692±27 37.5±10.3 141±9
  Samsung 687±40 35.3±9.6 141±7
  Fit-Bit 665±222 32.4±13.1 138±4
  Garmin 720±53 27.4±6.8 142±6
  Mobile App 688±126 29.3±8.7 -

The step count criterion was measured directly, the heart rate criterion was compared using a Polar H7 Heart Rate Sensor (Polar, USA), and the en-ergy expenditure criterion was compared using a Quarkb2 respiratory gas analyzer (COSMED, Italy).

2. 준거 측정치와 웨어러블 트래커의 프로토콜별 절대오차율

준거 측정치와 웨어러블 트래커의 프로토콜별 절대오차율은 Fig. 1에 제시하였다. 준거 걸음 수와 웨어러블 트래커에서 측정된 걸음 수의 절대오차율은 연구용 가속도계(3-34%)가 가장 높았다. 반면, 웨어러블 시계에서 측정된 걸음 수는 모두 평균 10% 이내의 절대오차율을 나타냈으며, 모바일 앱의 경우 5% 이내의 절대오차율을 보였다.
Fig. 1.
Fig. 1.
Mean absolute percentage errors for steps, energy expenditure, and heart rate of wearable trackers.
ksep-2024-00346f1.jpg
준거 에너지소비량과 웨어러블 트래커의 절대오차율은 모바일 앱의 경우 3.2 km/h를 제외하면, 20% 이내의 오차율을 보였다. 연구용 가속도계는 3.2 km/h를 제외하면 30% 이내의 오차율을 보였다. 웨어러블 시계에서 측정된 에너지소비량은 가민에서만 30% 이내의 절대오차율을 나타냈다. 삼성과 핏빗은 5.6 km/h, 6.4 km/h, 8.0 km/h에서 30% 이내의 절대오차율을 보였으며, 애플은 3.4 km/h, 4.8 km/h에서만 30% 이내의 오차율을 보였다. 샤오미는 8.0 km/h를 제외하면 모두 30% 이상의 절대오차율을 보였다.
준거 심박수와 웨어러블 트래커에서 측정된 심박수 간의 절대오차율은 애플과 가민은 2%, 삼성은 3%, 샤오미는 6%, 핏빗은 9% 이내의 절대오차율을 나타내 모든 웨어러블 시계에서 10% 이내의 절대오차율을 나타냈다.

3. 준거 측정치와 웨어러블 트래커의 급내상관계수

준거측정치와 웨어러블 트래커의 급내상관계수는 Table 3에 제시하였다. 걸음 수의 급내상관계수는 연구용 가속도계(R=.749)와 삼성(R=.719)만 ‘정확’ 수준이었으며, 그 외 모든 웨어러블 트래커에서 R=.75 이상으로 ‘매우 정확’한 것으로 나타났다. 에너지소비량은 샤오미(R=.673)만 ‘정확’ 수준이었으며, 그 외 모든 웨어러블 트래커에서 R=.75 이상으로 ‘매우 정확’한 것으로 나타났다. 심박수는 모든 웨어러블 트래커에서 R=.75 이상으로 ‘매우 정확’한 것으로 나타났다.
Table 3.
Intra-class correlation between reference measurement tools and wearable trackers
Intra-class correlation coefficients (95% CI)
Step count
  ActiGraph GT3X+ .749*** .617-.835
  Apple .873*** .806-.916
  Xiaomi .788*** .674-.862
  Samsung .719*** .570-.816
  Fit-Bit .906*** .855-.940
  Garmin .846*** .764-.900
  Mobile App .963*** .944-.975
Energy expenditure
  ActiGraph GT3X+ .771** .653-.849
  Apple .768*** .649-.847
  Xiaomi .673*** .501-.786
  Samsung .779*** .657-.857
  Fit-Bit .850*** .770-.901
  Garmin .870*** .802-.914
  Mobile App .909*** .855-.943
Heart rate
  Apple .997*** .995-.998
  Xiaomi .913*** .868-.943
  Samsung .993*** .989-.996
  Fit-Bit .942*** .911-.962
  Garmin .995*** .992-.997

** p<.01, *** p<.001.

4. 준거 측정치와 웨어러블 트래커의 Bland-Altman Plot

준거 걸음 수와 웨어러블 트래커에서 측정된 걸음 수의 일치 정도에 대한 Bland-Altman plot은 Fig. 2에 제시하였다. 걸음 수는 모바일 앱 (Mean=2.6, difference=134.4)이 가장 0에 가까운 평균 차이와 좁은 95%한계선을 나타냈다. 반면 연구용 가속도계(Mean=82.6, difference=394.8)는 웨어러블 트래커 중 가장 큰 평균 차이와 넓은 범위의 95%한계선을 보였다. 이외에는 삼성(Mean=15.9, difference=392.3), 애플(Mean=21.4, difference=250.7), 가민(Mean=28.8, difference=285.5), 샤오미(Mean=42.7, difference=327.7), 핏빗(Mean=53.6, difference= 368.7) 순으로 0에 가까운 평균 차이를 보였다.
Fig. 2.
Fig. 2.
Bland-Altman plot for reference steps and steps measured with wearable tracker. The step counts from the GT3X+ (A), Apple (B), Xiaomi (C), Samsung (D), Fitbit (E), Garmin (F), and Mobile app (G) were compared to directly measured reference steps.
ksep-2024-00346f2.jpg
준거 에너지소비량과 웨어러블 트래커에서 측정된 에너지소비량의 일치 정도에 대한 Bland-Altman plot은 Fig. 3에 제시하였다. 에너지소비량은 가민(Mean=2.2, difference=16.7)과 모바일 앱(Mean=-2.4, difference=13.3)이 다른 웨어러블 트래커보다 0에 가까운 평균 차이와 좁은 95%한계선을 나타냈다. 이외에는 샤오미(Mean=-3.2, difference=30.8), 연구용 가속도계(Mean=4.1, difference=25.4), 애플 (Mean=-4.4, difference=27.1), 삼성(Mean=-4.6, difference=24.6), 핏빗(Mean=-4.7, difference=17.5) 순으로 0에 가까운 평균 차이를 보였다.
Fig. 3.
Fig. 3.
Bland-Altman plot for reference energy expenditure and energy expenditure measured with wearable tracker. The energy expenditure from the GT3X+ (A), Apple (B), Xiaomi (C), Samsung (D), Fitbit (E), Garmin (F), and Mobile app (G) was compared to the reference energy expenditure.
ksep-2024-00346f3.jpg
준거 심박수와 웨어러블 트래커에서 측정된 심박수의 일치 정도에 대한 Bland-Altman plot은 Fig. 4에 제시하였다. 심박수는 가민 (Mean= 0.3, difference=10.8)과 애플(Mean=0.8, difference=8.3)이 다른 웨어러블 트래커보다 0에 가까운 평균 차이와 좁은 95%한계선을 나타냈다. 다음으로는 삼성(Mean=1.8, difference=12.3), 샤오미 (Mean=2.1, difference=42.7), 핏빗(Mean=5.6, difference=34.5) 순으로 0에 가까운 평균 차이를 보였다. 심박수는 모든 기기의 오차값이 0을 중심으로 고르게 분포하고 있었으며, 신뢰구간을 벗어나는 표본이 많지 않은 것으로 나타났다.
Fig. 4.
Fig. 4.
Bland-Altman plot for reference heart rate and heart rate measured with wearable tracker. The heart rates from the GT3X+ (A), Apple (B), Xiaomi (C), Samsung (D), Fitbit (E), Garmin (F), and Mobile app (G) were compared to the reference heart rate.
ksep-2024-00346f4.jpg

논 의

본 연구는 준거 측정 값과 연구용 가속도계, 웨어러블 시계 그리고 모바일 앱에서 측정된 노인의 신체활동 데이터(걸음 수, 에너지소비량, 심박수)의 비교를 통해 한국 노인 대상 웨어러블 트래커의 타당도를 검증하였다. 준거 측정값과 웨어러블의 정확도를 검증한 연구들이 다수 발표된 바 있지만 리뷰 논문을 제외하고 노인을 대상으로 준거 측정 값과 비교하여 연구용 가속도계와 웨어러블 시계, 모바일 앱을 실험실 환경에서 한 번에 비교한 연구는 부재하였다.
준거 걸음 수와 웨어러블 트래커에서 측정된 걸음 수의 절대오차율은 연구용 가속도계에서 절대오차율(3-34%)이 가장 높았으며 모바일 앱의 경우 5% 이내, 웨어러블 시계의 경우 10% 이내의 절대오차율을 나타냈다. 걸음 수는 예전부터 보수계를 이용하여 신체활동 모니터링에 가장 먼저 사용된 지표로서, 노인의 전반적인 신체활동을 높이는데 실용적인 접근 방식이 될 수 있다. 모바일 앱 기반 걸음 수 정확도 선행연구 검토 결과, 실험실 환경에서 5% 이내의 오차율을 보인다고 보고된 바 있어 본 연구 결과와 일치하였다[20]. 손목형 웨어러블의 걸음 수 정확도 연구에서도 10% 수준의 오차율을 보여 본 연구 결과와 일치하였다[21]. 한국에서 실시된 노인실태조사에 의하면 대다수의 노인(약 80%)이 거주지 또는 인근 지역에서 주로 걷기(71.7%)를 실천하는 것으로 나타났다[22]. 상용화된 웨어러블 트래커에서 걸음 수 측정의 높은 정확도는 노인을 대상으로 국가 차원의 신체활동 목표를 제시하고 지속적으로 참여할 수 있는 방안 마련에 활용 가능할 것이다.
준거 에너지소비량과 웨어러블 트래커의 절대오차율은 모바일 앱의 경우 3.2 km/h를 제외하면, 20% 이내의 오차율을 보였다. 연구용 가속도계는 3.2 km/h를 제외하면 30% 이내의 오차율을 보였다. 웨어러블 시계에서 측정된 에너지소비량은 가민에서만 30% 이내의 절대오차율을 나타냈다. 삼성과 핏빗은 5.6 km/h, 6.4 km/h, 8.0 km/h에서 30% 이내의 절대오차율을 보였으며, 애플은 3.4 km/h, 4.8 km/h에서만 30% 이내의 오차율을 보였다. 샤오미는 8.0 km/h를 제외하면 모두 30% 이상의 절대오차율을 보였다. 웨어러블 트래커 중 에너지소비량 추정의 정확도 관련 연구는 연구용 가속도계가 가장 많이 이루어졌다. 연구용 가속도계를 이용한 연령대별 신체활동강도 분별점 선행 연구 결과에 따르면, 노인에게 성인을 대상으로 개발된 신체활동 강도 분별점의 사용은 신체활동을 과소평가할 가능성이 있으며, 성인을 기준으로 한 운동처방은 노인이 의도한 것보다 더 높은 운동 강도로 운동할 가능성이 있어 노인의 생리학적 특성을 고려한 신체활동 모니터링이 필요하다고 보고된 바 있다[23,24]. 이러한 연구결과들을 바탕으로 노인의 손목 기반 활동 웨어러블 트래커의 유효성을 연구한 선행연구결과에서는 24시간 동안 일상생활에서 연구용 가속도계(ActiGraph)를 준거 측정값으로 핏빗(Fitbit Charge 2)과 가민(Garmin vivosmart HR+)에서 측정된 결과와 비교하였는데 그 결과 에너지소비량은 전반적으로 과소 추정하였다[16]. 본 연구에서는 호흡가스분석기에서 측정된 에너지소비량을 준거로 하였으며, 일상생활이 아닌 통제된 실험실 환경에서 걷고 달리는 다양한 속도의 정확도를 비교하였기 때문에 선행연구와 직접적인 비교는 불가능하였다. 하지만 본 연구의 결과는 준거 측정 도구인 호흡가스분석기에서 측정된 에너지소비량과 연구용 가속도계에서 예측된 에너지소비량, 그리고 상용화된 웨어러블 트래커에서 측정된 에너지소비량의 정확도 수준이 유사한 수준임을 확인할 수 있었다.
준거 심박수와 웨어러블 트래커에서 측정된 심박수 간의 절대오차율은 애플과 가민은 2%, 삼성은 3%, 샤오미는 6%, 핏빗은 9% 이내의 절대오차율을 나타내 모든 웨어러블 시계에서 10% 이내의 절대오차율을 나타냈다. 웨어러블 트래커의 심박수 모니터링은 선행연구에서도 높은 정확도를 보고하여 본 연구 결과와 일치하였다[1215]. 노인과 청소년을 대상으로 폴라(Polar H7)에서 측정된 심박수를 준거 측정 값으로 샤오미(Xiaomi Mi Band 2)와 가민(Garmin Vivosmart HR+)의 심박수 정확도를 검증한 결과 연령에 관계없이 두 웨어러블 모두 10% 미만으로 나타났다[25]. 노인 대상 웨어러블 트래커의 심박수 정확도는 심혈관 건강 평가와 운동 강도 실시간 피드백 그리고 갑작스러운 심박수 변화 감지에도 사용 가능하다.
노인의 신체활동 부족은 보행 능력 등 전반적 체력저하와 밀접한 관련이 있으며, 신체활동을 통해 삶의 질을 높이기 위해서는 장기적으로 운동 참여를 유지할 수 있도록 중재하는 접근방식이 중요하다. 본 연구에서는 웨어러블 트래커를 이용하여 노인의 걸음 수, 에너지소비량, 심박수 모니터링이 가능함을 확인하였다. 노인대상 웨어러블 트래커의 정확도 검증은 일상생활에서 쉽게 접할 수 있는 웨어러블을 선택적으로 사용가능하게 하며 지속적인 신체활동 모니터링을 통해 신체활동을 늘릴 수 있는 기회를 제공할 수 있을 것이다. 또한 국가적 차원에서도 대규모 임상연구뿐만 아니라 노인 돌봄 및 신체활동을 지원하는데 도움이 될 수 있을 것이다.
본 연구는 몇 가지 제한점을 가지고 있다. 첫째, 연구가 통제된 실험실 환경에서만 수행되었기 때문에 일상 생활에서 발생하는 변수를 반영하지 못하였다. 둘째, 웨어러블에서 측정 가능한 신체활동 관련 지표에만 중점을 두어서 수면의 질 모니터링이나 스트레스 수준 등의 지표는 고려되지 않았다. 신체활동과 수면, 스트레스는 노인 건강에 밀접한 관련이 있을 수 있으므로, 후속연구에서는 이러한 제한점을 보완하여 일상 생활에서의 신체활동량과 수면 모니터링의 정확도 평가와 웨어러블을 활용한 노인 건강 관리 솔루션의 효과에 대한 연구도 추가적으로 필요하다.

결 론

본 연구에서는 한국 노인을 대상으로 트레드밀에서 다양한 속도로 걷고 달리는 활동을 하는 동안 웨어러블 트래커에서 측정된 걸음 수, 에너지소비량, 심박수의 정확성을 검증하였다. 준거 걸음 수 대비 상업용 웨어러블 시계와 모바일 앱은 한국 노인의 걷기/달리기에 대한 걸음 수 모니터링에서 연구용 가속도계 보다도 높은 정확도를 보였다. 이러한 결과는 대규모 표본 규모의 노인 신체활동 모니터링 도구 선정을 위한 웨어러블 트래커의 성능과 적용 가능성에 대한 포괄적인 통찰력을 제공할 수 있다. 이외 웨어러블 시계의 심박수 정확도도 높은 수준이었다.
반면 에너지소비량은 걸음 수나 심박수보다 웨어러블 시계와 모바일 앱 모두 비교적 정확도가 낮았지만 연구용 가속도계와는 유사한 수준이었다. 본 연구는 상용화된 웨어러블 트래커의 노인 신체활동 모니터링 기능의 현장 활용 가능성을 검증하였으며, 이러한 정보제공은 노인의 건강관리 및 동기부여에 도움일 될 수 있을 것으로 기대된다.

Conflict of Interest

이 논문 작성에 있어서 어떠한 조직으로부터 재정을 포함한 일체의 지원을 받지 않았으며, 논문에 영향을 미칠 수 있는 어떠한 관계도 없음을 밝힌다.

AUTHOR CONTRIBUTIONS

Conceptualization: S Park, M Lee; Data curation: S Park, M Lee, S Lee; Formal analysis: M Lee; Methodology: S Lee; Project administration: S Park; Visualization: M Lee; Writing - original draft: M Lee; Writing - review & editing: S Park, S Lee.

REFERENCES

1. Statistics Korea. 2023 Statistics on the Elderly. 2023.

2. World Health Organization. WHO Global Action Plan on Physical Activity. 2018.

3. Singh MAF. Exercise to prevent and treat functional disability. Clin Geriatr Med. 2002;18(3):431-62.
crossref pmid
4. ChodzkoZajko WJ, Proctor DN, Singh MAF, Minson CT, Nigg CR, et al. Exercise and physical activity for older adults. Med Sci Sports Exerc. 2009;41(7):1510-30.
crossref pmid
5. Jenkin CR, Eime RM, Westerbeek H, O'Sullivan G, Van Uffelen JG. Sport and ageing: a systematic review of the determinants and trends of participation in sport for older adults. BMC Public Health. 2017;17(1):1-20 https://doi.org/10.1186/s12889-017-4970-8.
crossref pmid pmc
6. Sato M, Du J, Inoue Y, Funk DC, Weaver F. Older adults’ physical activity and healthcare costs, 2003-2014. Am J Prev Med. 2020;58(5):e141-8 https://doi.org/10.1016/j.amepre.2019.12.009.
crossref pmid
7. World Health Organization. WHO guidelines on physical activity and sedentary behavior [Internet]. WHO 2020;[cited 2024 May 31]. Avail-able from: https://iris.who.int/bitstream/handle/10665/336656/9789240015128-eng.pdf?sequence=1.

8. Troiano RP, McClain JJ, Brychta RJ, Chen KY. Evolution of accelerometer methods for physical activity research. Br J Sports Med. 2014;48(13):1019-23 https://doi.org/10.1136/bjsports-2014-093546.
crossref pmid pmc
9. Sasaki JE, John D, Freedson PS. Validation and comparison of ActiGraph activity monitors. J Sci Med Sport. 2011;14(5):411-6 https://doi.org/10.1016/j.jsams.2011.04.003.
crossref pmid
10. Tedesco S, Sica M, Ancillao A, Timmons S, Barton J, et al. Validity evaluation of the fitbit charge2 and the garmin vivosmart HR+ in free-living environments in an older adult cohort. JMIR Mhealth Uhealth. 2019;7(6):e13084 https://doi.org/10.2196/13084.
crossref pmid pmc
11. Brickwood KJ, Williams AD, Watson G, O'Brien J. Older adults’ expe-riences of using a wearable activity tracker with health professional feedback over a 12-month randomised controlled trial. Digit Health. 2020;6:1-13 https://doi.org/10.1177/2055207620921678.
crossref pmid pmc
12. Shcherbina A, Mattsson CM, Waggott D, Salisbury H, Christle JW, et al. Accuracy in wrist-worn, sensor-based measurements of heart rate and energy expenditure in a diverse cohort. J Pers Med. 2017;7(2):3 https://doi.org/10.3390/jpm7020003.
crossref pmid pmc
13. Wang R, Blackburn G, Desai M, Phelan D, Gillinov L, et al. Accuracy of wrist-worn heart rate monitors. JAMA Cardiol. 2017;2(1):104-6 https://doi.org/10.1001/jamacardio.2016.3340.
crossref pmid
14. Dooley EE, Golaszewski NM, Bartholomew JB. Estimating accuracy at exercise intensities: a comparative study of self-monitoring heart rate and physical activity wearable devices. JMIR Mhealth Uhealth. 2017;5(3):e34 https://doi.org/10.2196/mhealth.7043.
crossref pmid pmc
15. Stahl SE, An HS, Dinkel DM, Noble JM, Lee JM. How accurate are the wrist-based heart rate monitors during walking and running activ-ities? Are they accurate enough? BMJ Open Sport Exerc Med. 2016;2(1):e000106 https://doi.org/10.1136/bmjsem-2015-000106.
crossref pmid pmc
16. Tedesco S, Sica M, Ancillao A, Timmons S, Barton J, et al. Validity evaluation of the Fitbit Charge2 and the Garmin vivosmart HR+ in free-living environments in an older adult cohort. JMIR Mhealth Uhealth. 2019;7(6):e13084 https://doi.org/10.2196/13084.
crossref pmid pmc
17. Fuller D, Colwell E, Low J, Orychock K, Tobin MA, et al. Reliability and validity of commercially available wearable devices for measuring steps, energy expenditure, and heart rate: systematic review. JMIR Mhealth Uhealth. 2020;8(9):e18694 https://doi.org/10.2196/18694.
crossref pmid pmc
18. Kobsar D, Charlton JM, Tse CT, Esculier JF, Graffos A, et al. Validity and reliability of wearable inertial sensors in healthy adult walking: a systematic review and meta-analysis. JNER. 2020;17:1-21.
crossref pmid pmc pdf
19. Cicchetti DV. Guidelines, criteria, and rules of thumb for evaluating normed and standardized assessment instruments in psychology. Psychol Assess. 1994;6(4):284.
crossref
20. Duncan MJ, Wunderlich K, Zhao Y, Faulkner G. Walk this way: validity evidence of iphone health application step count in laboratory and free-living conditions. J Sports Sci. 2018;36(15):1695-1704 https://doi.org/10.1080/02640414.2017.1409855.
crossref
21. Wallen MP, Gomersall SR, Keating SE, Wisløff U, Coombes JS. Accuracy of heart rate watches: implications for weight management. PLoS One. 2016;11(5):e0154420 https://doi.org/10.1371/journal.pone.0154420.
crossref pmid pmc
22. Ministry of Health and Welfare. 2017 Survey on Senior Citizens. 2017.

23. Miller NE, Strath SJ, Swartz AM, Cashin SE. Estimating absolute and relative physical activity intensity across age via accelerometry in adults. J Aging Phys Act. 2010;18(2):158-70 https://doi.org/10.1123/japa.18.2.158.
crossref
24. Barnett A, van den Hoek D, Barnett D, Cerin E. Measuring moderate-intensity walking in older adults using the ActiGraph accelerometer. BMC Geriatr. 2016;16(1):211 https://doi.org/10.1186/s12877-016-0380-5.
crossref pmid pmc
25. Chow HW, Yang CC. Accuracy of optical heart rate sensing technolo-gy in wearable fitness trackers for young and older adults: validation and comparison study. JMIR Mhealth Uhealth. 2020;8(4):e14707 https://doi.org/10.2196/14707.
crossref pmid pmc
Editorial Office
The Korean Society of Exercise Physiology
Dept. of Healthcare and Science, Dong-A University, 37, Nakdong-daero 550beon-gil, Saha-gu, Busan 49315, Korea
TEL: +82-51-200-7517   E-mail: editor@ksep-es.org
Editorial Assistant: Taewan Kim +82-10-4019-0208
About |  Browse Articles |  Current Issue |  For Authors and Reviewers
Copyright © The Korean Society of Exercise Physiology.                 Developed in M2PI