中国GoBe2水分测量验证报告

我的星辰大海

摘要: GoBe2™是一种可自动追踪能量摄入的保健技术。该手环通过分析细胞内外液体平衡的行为模式来收集信息。本研究测试了在运动后与饮水后GoBe2™检测水分水平的能力

1  前言

什么是 GoBe2™？ GoBe2™是全球第一款也是唯一一款具有 100%自动追踪能量摄入、水平衡和压力功能的智能手环技术。GoBe2™只需要与用户的皮肤接触就可以运作，不需要手动向应用程序中输入任何数据。该手环有 4 个传感器（生物阻抗传感器，加速计，压力传感器和皮肤电反应传感器），这需要额外的电量。

2  方法

2.1 对象

13 名年龄在 20-50 岁之间的成年志愿者(3 名男性，10 名女性)参与了研究，以验证GoBe2™的各种健康追踪功能。为了验证该设备对水分水平的评估功能，志愿者完成了两个耗时 2 小时的测试，包括运动(脱水)和饮水或饮用 1:1 稀释的林格氏液(补水)。水分的丢失和吸收是通过运动期间体重的变化和补水成分来估算的。这种方法曾被用于观察液体平衡的变化[1]。

两名志愿者的数据未纳入随后的林格氏液实验的统计分析中，因为他们违反了实验规则：测试前 GoBe2™佩戴时间不足，导致设备切换到非标准测量模式。

所以，最终结果包括 11名志愿者(8 名女性和 3 名男性)参与林格氏液实验的数据和 13 名志愿者(10 名女性和 3 名男性)参与纯水实验的数据，关于人体测量学特征的更多细节见下文“主要人体测量学特征的描述性统计”部分。

2.2  招募 & 筛选

在人体测量学方面，以精确到 0.1kg 的电子秤（PPS-JY-06, Pampas）称量志愿者体重，以精确到 0.1 cm 的墙面测距仪(RGZ-120-RT, Wuxi weighingapparatus Co.,Ltd.)测量志愿者身高。人体测量由广州市红十字会医院的专业人员操作，依照人体测量标准化参考手册[2]中所述方法进行。

2.3  实验 流程

在测试开始前，志愿者穿休闲服，脱鞋，称量体重并记录，精确到 0.1kg，他们运动完后会再换回这身休闲服。

在开始运动前，志愿者被要求将手环与智能手机应用程序同步。打开“当前饮水量”页面并截图，在应用程序和 Healbe 后台检查水分水平动态，以确认记录的数据。

运动流程 。志愿者们被要求穿运动服(如衬衫、短裤，或轻便裤子、袜子等)，在跑步机上不扶扶手的情况下，以以下速度行走/跑步：

1. 步行，速度 1.8 - 4.2 km/h （约 15 分钟）；

2. 慢跑，速度 4 - 6.8 km/h （约 10 分钟）；

3. 步行，速度 1.7 – 5.3 km/h （约35 分钟）；

前两个阶段在运动的同时进行间接热量测量(面罩)，提供能量消耗数据。在完成跑步机测试后，志愿者们被要求用毛巾擦掉身上多余的汗水，换上休闲服，再次记录体重

饮水流程 。在运动后45-60 分钟内，志愿者每 15 分钟喝 200mL 水或林格氏液(总体积最多 800-1000 mL)。如果在这段时间里有小便，就会记录下来，然后记录志愿者的体重。补水流程耗时超过 1h，结束时记录最终体重。水分平衡是通过整个运动和补水过程的体重变化来计算的。

图 1  一位 志愿者的实验 流程示意图（UID=4 ）。 X 轴为时间，单位 min。图中的红线表示运动结束和补水开始，黄线表示小便，天蓝色线表示饮200mL 水，黑线表示实验结束。HL 面板上的紫线是水合水平，活动面板上的紫线是慢跑和步行的速度。

3  主要人体测量学特征的描述性统计

这部分内容专门讨论志愿者的人类学特征：年龄、体重、身高、体质指数(BodyMass Index，BMI)、基础代谢率(Basal Metabolic Rate，BMR)。

对这些指标的分布进行正态分布检验，计算其均值、变异系数(Coefficients ofVariation, CV)及置信区间(95% CI)。正态性检验采用三种统计法:Shapiro-Wilk 正态性检验(S-W) [3]， Anderson-Darling 正态性复合假设检验(A-D) [4]，Jarque-Bera正态性检验与偏度和峰度系数(J-B) [5]。需要注意的是，所有指标均呈正态分布，但 BMI 略偏离正态分布。表中 S-W、A-D、J-B 的值为这些检验对应的原假设(数值呈正态分布)的 p 值。还需要注意，p 值是原假设为真的概率。均值和变异系数的置信区间用 Boot R 库 bootstrap 法分析。

file:///C:/Users/ADMINI~1/AppData/Local/Temp/msohtmlclip1/01/clip_image006.jpg

每行的第一个图是带密度线的直方图。每行第二个图是盒须图。盒须图的线框上下边对应于第一和第三个四分位(第 25 和 75 百分位)。上须从线框上边向上延伸到最大值，距离线框上边不超过 1.5*IQR(其中 IQR 为四分位间距，即第一和第三个四分位之间的距离) 1 。分割线框的横线是中位数。红色的菱形是均值。还要注意，为了防止重叠，样本值会沿 x 轴抖动(随机)。每行的第三张图是 QQ 图，将正态分布的理论分位数与被调查样本的经验分位数进行比较。

4 样本的主要 人体测量学特征的相 性 关分析

这部分内容是为了揭示人体测量学特征的相关性。这部分中使用了两种工具：所有可能的配对样本的 Spearman 秩相关系数及 p 值见表 2，而图 3 将表 2 可视化了。

表 2 的对角线下方的值为对应的行和列变量的相关性，对角线上方的值为这些相关性为零的概率(p 值)。这里及后文的相关是指Spearman's 相关系数 r s 。

相关性分析表明体重与BMI、BMR 存在显著相关。其他人体测量学特征相关性的假设被拒绝，部分原因是样本量较小。

file:///C:/Users/ADMINI~1/AppData/Local/Temp/msohtmlclip1/01/clip_image008.jpg

5 运动和饮水 时 GoBe2™ 水分水平 的统计学比较

我们比较了运动(脱水)和饮水(补水)后 GoBe2™的测得的水分变化。这些图是为了比这两种情况下估算的水分变化。以两组数据进行分析：1) 运动 (散步和慢跑) 中每分钟测一次水分，2）每 15 分钟喝 200 毫升水，共饮水 4-5 次，每次饮水后测水分。

需要注意的是，对水分下降的估算是从实验开始到水分最低的这段时间内进行的，并不在控制权重的第一阶段正式结束时结束! 因此，在实验中，我们将水分达到最小值后的一段时间作为补水期，并与实验结束时的水分水平进行比较。

表 3 运动和饮水后 GoBe2™ 水分水平变化的统计学比较。 正态检验:S-W =Shapiro-Wilk;A-D=Anderson-Darling;J-B = Jarque-Bera;CI =置信区间;d =平均差;平均和（Mean Sum）-所有志愿者