你的可穿戴设备 VO2max 估算值能追踪真实体能吗？

你所佩戴设备给出的 VO2max 估算值可能确实包含真实信号。把其显示的数字当作实验室测量值才是错误所在。最佳的自由生活状态研究流程以 2.902 mL/kg/min 的误差估算 VO2max，但它使用了约七天的连续多传感器数据，以及为研究构建的模型——而非消费级手表内部的专有软件。

这种差异很重要，因为通常以 VO2max 衡量的心肺适能（CRF）与值得关注的健康结局相关。在已确诊心血管疾病患者中，一项纳入 159,352 人、包含 21 个前瞻性队列的荟萃分析发现，最高 CRF 类别与最低 CRF 类别相比，与较低的全因死亡率相关（风险比 0.42，95% CI 0.28–0.61），也与较低的心血管死亡率相关（0.27，95% CI 0.16–0.48）。这些是关联，而非证明手表评分会改变任何人的预后，但它们解释了为何 VO2max 会受到如此多的关注。

最佳结果来自一种截然不同的可穿戴设备研究

最有力的验证证据来自 Fenland 队列中 Spathis 等人在 2022 年开展的研究。研究人员从 11,059 名英国成年人收集了约七天自由生活状态下的腕部加速度计数据、心率、心率变异性、中高强度身体活动、静息心率和人体测量数据。参与者还在临床机构完成了监督下的自行车功率计测试，以测量 VO2max。

研究团队在 8,384 名参与者中训练了一个密集神经网络模型，并在由 2,675 人组成的留出测试集上进行了评估。完整多传感器模型的 R² 为 0.671，相关系数为 0.821，均方根误差（RMSE）为 2.902 mL/kg/min（95% CI 2.806–3.002）。RMSE 描述预测误差的典型大小：越小越好。

运动生理学通常将约 3.5 mL/kg/min——大致相当于一个代谢当量，即 MET——视为适能方面具有实际意义的变化。这是一种惯例，并非诊断界值。不过，约 2.9 mL/kg/min 的误差使这一研究系统接近一个重复测量可能开始变得有用的范围。

该结果也指出了模型有效的原因。仅用人体测量指标时，RMSE 为 4.051 mL/kg/min；仅用静息心率时，RMSE 为 4.007。结合人体测量指标和静息心率后，误差改善至 3.159 mL/kg/min。完整传感器集合表现更好，因为它捕捉到了一个人在日常生活中实际如何活动和恢复的更多信息。

复杂建模的帮助不如更好的输入数据大。使用相同特征的线性模型 RMSE 为 2.956 mL/kg/min，仅比神经网络高 0.054 mL/kg/min。传统非运动方程的表现差得多，R² 为 −3.2，相关系数为 0.389。在这种情况下，传感器融合比算法上的炫技更重要。

为何这并不能验证你手腕上显示的数字

Dosis 等人在 2026 年发表的系统综述和荟萃分析回顾了 18 项关于非监督、自由生活状态 CRF 估算的研究。其结论与消费级手表的营销说法相悖：市售可穿戴设备对个体产生的误差幅度很大。该综述将很大一部分差距归因于校准。商业算法主要基于短时间的结构化运动数据构建，而 Fenland 模型使用了一周连续的自由生活状态监测和多种信号。

这些方法回答的是相关但不同的问题。手表可能根据 GPS 追踪的跑步、配速和心率反应推断适能；当运动数据稀少时，另一种估算可能主要依赖静息心率。两种设置都不会自动复现研究模型的表现；后者在数日内结合了运动、心率变异性、活动强度、静息心率和身体测量数据。

该综述还发现，许多研究仅使用内部验证。当模型在与其构建所用数据来自同一数据源的人群中测试时，往往表现更好。因此，Spathis 等人专门的留出测试集比仅在开发样本内评估的模型更有说服力，尽管它仍需要在更多样化的人群中重复验证。

消费级研究显示存在信号，而非已确定的准确性主张

消费级硬件并非对生理情况毫无感知。Zhang 等人在 2024 年开展的一项社区队列研究发现，智能手表获取的心率和身体活动指标与心肺适能指标之间存在关联。这支持了手表能够捕捉与适能有关的信息这一基本前提。它并不能证明某个人显示的 VO2max 足够准确，可以替代实验室检测。

Lambe 等人在 2025 年开展的一项 Apple Watch 验证研究将 Apple Watch 的 VO2max 估算与实验室标准进行了比较。现有摘要信息未提供可提取的 RMSE、估计标准误或 Bland-Altman 一致性界限。缺少这些个体层面的准确性指标，该研究无法确定 Apple Watch 数值对任何一位佩戴者而言可能有多接近真实值。

这种区别很容易被忽略。设备可以在群体层面与适能相关，同时仍可能产生足以误导个体的大误差。群体层面的关联只是起点，并不是允许你依据仪表盘作出临床决策的通行证。

哪些人应尤其谨慎？

最准确的自由生活状态结果来自一个相对健康的英国成人队列。现有证据并未确立在 VO2max 高于 55 mL/kg/min、严重肥胖、高龄或有多种临床状况的人群中具有相当的准确性。预测模型通常难以处理构建它们所用人群的边缘情况。

机械效率又增加了一个问题。非运动估算方法通常假定人们以相似的效率将运动转化为功。2026 年综述报告称，这一假设在老年、虚弱或存在肌肉骨骼障碍的人群中可能不成立，并可能系统性低估 VO2max。一项 2024 年的地震心动图研究说明了为何研究人员持续测试替代性传感器，其中包括在静息状态采集的胸部振动信号。它尚未提供适用于消费级可穿戴设备的答案。

佩戴时间是另一个尚未解决的变量。Fenland 的结果依赖于约七天的连续采集。这里没有证据表明一天、两天或三天的数据会收敛至同一估算值。基于不一致佩戴行为构建的每周趋势，看起来可能比实际更科学。

适能很重要；估算值仍是一个测量问题

CRF 的相关性超出耐力表现。一项 2025 年系统综述和荟萃分析发现，在不同 BMI 类别中，适能与死亡风险相关。另一项针对心血管疾病患者的荟萃分析发现，CPET 测得适能较高者的死亡率较低。这些发现涉及测得的 CRF 和长期结局；它们并不能验证消费级设备的估算值。

其他观察性证据也指向相同方向。一项 2026 年 UK Biobank 队列研究纳入了 54,418 名基线时无糖尿病、年龄为 39 至 70 岁的成年人，发现较高的估算 VO2max 与较低的 2 型糖尿病发病风险相关，并考察了生物学衰老作为可能中介因素。一项针对认知正常成年人的 2024 年研究发现，VO2max 与多个白质区域的髓鞘水分数呈正相关。两种关联都不能证明提高可穿戴设备评分会预防糖尿病或保护脑髓鞘，但二者都进一步表明，准确追踪适能为何会有用。

如何在不自欺欺人的情况下使用你的可穿戴设备

• 追踪数月的趋势。如果你持续佩戴同一设备，并且估算值会随训练变化而上升或下降，这一方向可能比绝对数值更有用。
• 不要过度解读一次训练。在 Fenland 分析中，仅静息心率的 RMSE 约为 4.0 mL/kg/min，而短时结构化训练并不等同于一周的多传感器观察。
• 将指标与背景信息一并考量。体重、训练类型、疾病、高温、药物和不理想的传感器接触变化，都可能影响算法所使用的输入。
• 当涉及临床利害关系时，使用实验室检测。对于心脏风险评估、诊断问题或依赖精确 VO2max 的决策，心肺运动试验仍是适当的方法。

消费级可穿戴设备可以是有用的纵向适能工具。它尚不是经过验证、可在个体层面替代实验室测量的方法。

可辩护的结论具有中等程度的信心，并且刻意限定在狭窄范围内：你的手表所估算的 VO2max 很可能反映了真实生理情况，尤其是在其随时间持续一致地变化时。2.902 mL/kg/min 的研究基准展示了被动多传感器监测在强有力条件下能够达到的水平。它并未告诉我们你的特定 Apple Watch、Garmin 或 Fitbit 达到了该基准。在独立的消费级设备研究持续报告不同人群中较小的个体误差之前，应将该数字作为趋势线——而非诊断。