其他语言： Português · English · Español · Italiano · हिन्दी
先说最重要的一点：这份排名依据的是已发表、经过同行评审的科学研究，优先采用独立研究（凡是厂商出钱做的研究，都会特别注明）。因为只看已发表的研究，所以还没有独立测试的最新设备没有列入。上一代的验证结果不能直接套用到下一代。所以，如果你的型号刚上市，不是它不好，而是还没有人真正测过它。
说完这些，再回到问题：哪款可穿戴设备最准？要看你想测什么。我梳理了2023年到2026年的研究，这些研究把Oura Ring、Apple Watch、WHOOP、Garmin、Fitbit等设备，在睡眠分期、HRV、心率、血氧饱和度、步数、VO2 max等指标上，和医学金标准检查做了对比。下面是我找到的全部内容，按指标整理，并标出每项研究的资助来源和人群，方便你自己判断这些数据。
总结：各项指标最准的设备
如果你只想看结论，这里就是（2026年）：
- 睡眠分期：健康成年人中，独立研究里是Apple Watch（κ=0.53；κ也叫kappa，衡量设备和参考检查的一致程度，越接近1越好）。Oura只在它自己出钱的研究里领先。在有睡眠问题的人群中，所有设备的表现都大幅下滑。
- 深睡：WHOOP（69.6%，独立研究）。REM：Apple Watch（68.6%）。
- 夜间HRV和静息心率：Oura Ring 4（CCC 0.99和0.98）。
- 白天心率：在一项十款设备的测试中，Fitbit Charge 6和Garmin Vivoactive 5排在前面。型号比品牌更重要。
- 血氧（SpO2）：Apple Watch。
- 步数：Apple Watch和Garmin，在实验室里误差都低于5%。日常生活中Apple更稳。
- 卡路里：没有一款合格。Oura 13%的每日误差已经是最好的数字，但依然不理想；Apple接近28%。
- VO2 max：Garmin，在三项独立研究中误差约7%。
- 皮肤温度：Oura（Oura自己的研究）。
总结的总结：没有一款设备样样都赢。按你最在意的指标来选。
下表汇总了同行评审研究的结果。如果某个数值和旁边的数值来自不同的研究，会注明研究名称。
| 指标 | 第1名 | 第2名 | 第3名 | 最差 |
|---|---|---|---|---|
| 睡眠分期，健康人群（独立研究，安特卫普 2025） | Apple Watch S8（κ=0.53） | Fitbit Sense（κ=0.42） | Fitbit Charge 5（κ=0.41） | Garmin Vivosmart 4（κ=0.21） |
| 睡眠分期，健康人群（Oura资助，Robbins 2024） | Oura Gen 3（κ=0.65） | Apple Watch S8（κ=0.60） | Fitbit Sense 2（κ=0.55） | 未报告 |
| 睡眠分期，临床样本（独立研究，Lee 2023） | Fitbit Sense 2（κ=0.42） | Oura Gen 3（κ=0.35） | Apple Watch S8（κ=0.30） | 未报告 |
| 深睡（独立研究，健康人群） | WHOOP 4.0（69.6%） | Fitbit Sense（50.9%） | Apple Watch S8（50.7%） | Fitbit Charge 5（43.3%） |
| REM（独立研究，健康人群） | Apple Watch S8（68.6%） | WHOOP 4.0（62.0%） | Fitbit Sense（61.3%） | Garmin Vivosmart 4（33.1%） |
| 清醒识别（独立研究，健康人群） | Apple Watch S8（52.2%） | Fitbit Charge 5（42.7%） | Fitbit Sense（39.2%） | Garmin Vivosmart 4（27.6%） |
| 总睡眠时间偏差 | Oura Gen 3（-3分钟，荟萃分析） | Fitbit Sense（+6.3分钟） | Fitbit Charge 5（+11.1分钟） | Withings ScanWatch（+39.9分钟） |
| 夜间HRV | Oura Ring 4（MAPE 5.96%） | Oura Gen 3（7.15%） | WHOOP 4.0（8.17%） | Polar Grit X Pro（16.32%） |
| 静息心率（夜间） | Oura Ring 4（CCC 0.98） | Oura Gen 3（0.97） | WHOOP 4.0（0.91） | Polar Grit X Pro（0.86） |
| 白天心率（十款设备测试，按档次） | Fitbit Charge 6（MAPE 5.5%） | Garmin Vivoactive 5（6.3%） | Google Pixel Watch 2（6.7%） | Fitbit Inspire 3（16.5%） |
| SpO2 | Apple Watch（MAE 2.2%） | Garmin Fenix（~4.5%） | Withings（~4.8%） | Garmin Venu（5.8%） |
| 步数，日常生活 | Apple Watch S6（+2.1%，3周） | Garmin（10%到18%） | Fitbit Sense（+18%） | Oura Gen 2（50.3%） |
| 卡路里，每日误差 | Oura（13%） | Apple Watch（~28%） | 未报告 | 未报告 |
| VO2 max | Garmin（~7%，3项研究） | Fitbit Charge 2（~10%，算法已停用） | Apple Watch（13%到16%，偏低） | 未报告 |
| 皮肤温度 | Oura（实验室r²高于0.99，自家研究） | 未报告 | 未报告 | 未报告 |
睡眠分期的准确度（4阶段分类）
睡眠是这个领域研究最多、争议也最大的指标。2023年到2025年的四项研究得出了不同的排名，几乎所有差异都可以用两件事解释：谁出钱做的研究，以及参与者是睡得好的人，还是有睡眠问题的人。同一款设备在第一类人群中的表现，可能是第二类人群中的两倍。
布莱根妇女医院（2024），Oura资助，健康成年人
Robbins团队在35名健康成年人身上，连续多晚把Oura Ring Gen 3、Fitbit Sense 2和Apple Watch Series 8与多导睡眠图（PSG）做了对比。这些参与者都经过筛选，排除了睡眠障碍。
| 设备 | 总体（κ） | 深睡灵敏度 | 深睡偏差 |
|---|---|---|---|
| Oura Ring Gen 3 | 0.65（较强） | 79.5% | 无显著偏差 |
| Apple Watch Series 8 | 0.60（中等） | 50.5% | -43分钟（偏低） |
| Fitbit Sense 2 | 0.55（中等） | 61.7% | -15分钟（偏低） |
资助：这项研究由Oura出资。第一作者是Oura的科学顾问。方法和独立研究一样（实验室PSG，逐帧比对，也就是检查中每30秒一段，用Cohen’s kappa计算）；数字更高，来自只挑选没有睡眠障碍的人，而不是方法上做了手脚。
安特卫普大学（2025），独立研究，健康成年人
Schyvens团队在62名健康成年人身上，各测一晚，把六款腕戴设备和PSG做了对比。资助方是VLAIO（佛兰德创新机构），没有厂商的钱。Oura没有参加，所以这项研究不能用来比较戒指和手表。
| 设备 | κ（4阶段） | TST偏差 | 深睡 | REM | 清醒 | 备注 |
|---|---|---|---|---|---|---|
| Apple Watch Series 8 | 0.53 | +19.6分钟 | 50.7% | 68.6% | 52.2% | κ最好，REM最好，清醒识别最好 |
| Fitbit Sense | 0.42 | +6.3分钟 | 50.9% | 61.3% | 39.2% | 偏差最小 |
| Fitbit Charge 5 | 0.41 | +11.1分钟 | 43.3% | 47.5% | 42.7% | |
| WHOOP 4.0 | 0.37 | +24.5分钟 | 69.6% | 62.0% | 32.5% | 深睡最好 |
| Withings ScanWatch | 0.22 | +39.9分钟 | 未复核 | 未复核 | 29.4% | |
| Garmin Vivosmart 4 | 0.21 | +38.4分钟 | 47.5% | 33.1% | 27.6% | 硬件最旧 |
一个重要细节：六款设备都会把清醒、深睡和REM误判为浅睡（这是一种保守做法，在消费级可穿戴设备中很常见），而且都明显低估了入睡后的清醒时间，少算了12到48分钟。
韩国多中心研究（2023），独立研究，临床样本
Lee团队在2个中心的75名成年人身上，把11款睡眠追踪设备和PSG做了对比，共349,114帧。这是一个临床样本：每个人都有睡眠方面的问题，平均呼吸暂停低通气指数为18，也就是中度呼吸暂停。好几位作者和Asleep Co.有关联（它的应用排名第一）；下面的数值是它的竞争对手的，所以这个利益冲突对它们不利，而不是有利。
| 设备 | κ（4阶段） | 深睡 | REM |
|---|---|---|---|
| Fitbit Sense 2 | 0.42 | 67.1% | 68.1% |
| Oura Ring Gen 3 | 0.35 | 77.8% | 71.2% |
| Apple Watch Series 8 | 0.30 | 41.3% | 42.8% |
注意：这不是和其他研究的结论矛盾，而是人群带来的影响。呼吸暂停让睡眠支离破碎，更难分期，所以所有设备都会下滑：Apple从0.53（健康人群）降到0.30，Oura从0.65（健康人群，厂商资助）降到0.35。Fitbit在不同人群中最稳定，两种情况下都是0.42。另一项在柏林夏里特医院做的独立研究（Herberger，2025）显示，在45名睡眠门诊患者中，Oura Gen 3的4阶段准确率为53.2%，而在Oura自己的健康人群中约为79%。
深睡、REM和总睡眠时间
分期灵敏度，指的是真实的深睡或REM帧中，有多少被设备抓到了。没有哪项研究测过所有品牌，所以每个数值旁边都注明了研究。先列健康成年人的数值，方括号里是临床人群的数值。
- 深睡：Oura Gen 3 79.5%（Robbins，厂商资助）[临床77.8%，Lee]。WHOOP 4.0 69.6%（Schyvens）。Fitbit Sense 50.9%（Schyvens）[临床67.1%]。Apple Watch S8 50.7%（Schyvens）[临床41.3%]。Garmin Vivosmart 4 47.5%（Schyvens）。
- REM：Oura Gen 3 76.0%（Robbins）[临床71.2%]。Apple Watch S8 68.6%（Schyvens）[临床42.8%]。WHOOP 4.0 62.0%（Schyvens）。Fitbit Sense 61.3%（Schyvens）[临床68.1%]。Garmin Vivosmart 4 33.1%（Schyvens）。
- 总睡眠时间偏差：Oura Gen 3 -3.0分钟（Khan 2025荟萃分析，6项研究，N=388）。Fitbit Sense +6.3，Fitbit Charge 5 +11.1，Apple Watch S8 +19.6，WHOOP 4.0 +24.5，Garmin Vivosmart 4 +38.4，Withings +39.9（均来自Schyvens）。一般认为，误差在30分钟左右以内，临床上可以接受。
- 清醒识别普遍很差。你睡着时，所有设备都判断得很好（89%到95%）；你醒着时却判断得很差（只有27%到52%判断正确），所以它们都会高估你的睡眠时间。
夜间HRV（心率变异性）
俄亥俄州立大学和美国空军研究实验室合作的一项研究（Dial，2025），在13名参与者身上、共536个夜晚验证了夜间HRV，参考标准是Polar H10心电胸带。研究没有申报任何行业资助。
| 设备 | CCC | MAPE | 评级 |
|---|---|---|---|
| Oura Ring 4 | 0.99 | 5.96% ± 5.12% | 几乎完美 |
| Oura Gen 3 | 0.97 | 7.15% ± 5.48% | 较强 |
| WHOOP 4.0 | 0.94 | 8.17% ± 10.49% | 中等 |
| Garmin Fenix 6 | 0.87 | 10.52% ± 8.63% | 较差 |
| Polar Grit X Pro | 0.82 | 16.32% ± 24.39% | 较差 |
CCC分级：0.99及以上为几乎完美；0.95到0.98为较强；0.90到0.94为中等；低于0.90为较差。
注意：Garmin Fenix 6比现在的硬件落后2代，作者自己也承认这一点。样本只有13人，不过有536个夜晚的数据。Oura Ring 5在2026年6月推出，换了新传感器，目前还没有任何验证，所以Ring 4的数字不适用于它。
静息心率
同样来自俄亥俄州立大学的研究（Dial，2025）：
| 设备 | CCC | MAPE | 评级 |
|---|---|---|---|
| Oura Ring 4 | 0.98 | 1.94% ± 2.51% | 较强 |
| Oura Gen 3 | 0.97 | 1.67% ± 1.54% | 较强 |
| WHOOP 4.0 | 0.91 | 3.00% ± 2.15% | 中等 |
| Polar Grit X Pro | 0.86 | 2.71% ± 2.75% | 较差 |
Garmin Fenix 6因为和参考设备的时间同步出了问题，没有纳入这项分析。
白天和运动中的心率
用同一套方案做的最大规模测试，是Gielen团队的研究（2026，鲁汶大学，无利益冲突）：十款设备，Zephyr参考胸带，45名参与者，测试包括静坐休息、一项压力任务、跑步机步行和间歇步行。每次只戴两块手表，所以要按档次来看，而不是看精确名次。
| 档次 | 设备 | MAPE中位数 | 一致性（CCC） |
|---|---|---|---|
| 1 | Fitbit Charge 6 | 5.5% | 0.93 |
| 1 | Garmin Vivoactive 5 | 6.3% | 0.83 |
| 1 | Google Pixel Watch 2 | 6.7% | 0.87 |
| 2 | Apple Watch SE | 7.3% | 0.70 |
| 2 | Garmin Vivosmart 5 | 8.1% | 0.78 |
| 3 | Polar Ignite 3 | 11.2% | 0.63 |
| 3 | Xiaomi Watch 2 | 11.9% | 0.69 |
| 3 | Polar Pacer | 13.1% | 0.66 |
| 4 | Oura Ring Gen 3 | 15.0% | 0.61 |
| 4 | Fitbit Inspire 3 | 16.5% | 0.45 |
有三点值得注意。没有一款设备明显低于5%这条线。最好和最差的都是Fitbit，说明型号比品牌更重要。而且这次测的Apple是入门款SE，不是旗舰款。
另外两项独立研究补上了空白。Van Oost团队（2025，12导联心电图，24名健康成年人，所有设备同时佩戴）测得WHOOP 4.0的MAPE为8.5%，在五款中倒数第二；Garmin Vivosmart 4误差最小（4.4%），但为此丢掉了49.6%的读数，所以两款Fitbit（Sense 2为5.6%，Charge 5为5.7%）才是这项研究中真正的赢家。Kim团队（2023）在44名心脏病患者做跑步机测试时，把Apple Watch 7和Galaxy Watch 4与医院的12导联心电图做了对比：两者误差都低于2%，Galaxy在心率超过160次/分后一致性下降。
弱点在于手臂的不规则动作，而不是运动强度。匀速跑步是腕戴设备最容易应付的情况之一；羽毛球、足球和划船最难。夜里容易，白天难，这就是为什么所有厂商的宣传数字（WHOOP 99.7%，Oura 99%）都来自睡眠数据。有两个免费、效果有实测的办法：把手表戴在腕骨上方三指宽的位置，并把表带系紧。
血氧（SpO2）
注意：这些SpO2功能都没有获批用于医疗。它们被归为健康类功能。比如Garmin Venu 2s表现最差：平均误差为+5.5%，也就是高估血氧饱和度（显示的血氧比实际更好），而这恰恰是危险的方向。
| 设备 | MAE | MDE | 在范围内 | 缺失数据 |
|---|---|---|---|---|
| Apple Watch Series 7 | 2.2% | -0.4% | 58.3% | 11% |
| Garmin Fenix 6 Pro | ~4.5% | 未报告 | ~44% | 28% |
| Withings ScanWatch | ~4.8% | 未报告 | ~38% | 31% |
| Garmin Venu 2s | 5.8% | 5.5% | 18.5% | 14% |
步数统计
实验室和真实生活是两种不同的测试，所以两种都列出来。
| 设备 | 实验室/跑步机（MAPE） | 真实生活 | 来源 |
|---|---|---|---|
| Apple Watch | 正常步态0.9%到3.4%；慢速或拖步步态9.3%（Series 5） | 3周内+2.1%（Series 6，Miwa 2026）；6.4%（Series 6，Kim 2024） | Rowe 2025；Miwa 2026；Kim 2024 |
| Garmin | 4.6%（Vivoactive 4，de Leon 2026）；约-15%（Fenix 6，Rider 2025） | 10%到17.8% | de Leon 2026；Rider 2025 |
| Fitbit | 3.6%（Inspire 2，Cheung 2025） | 3周内+18.0%（Sense，Miwa 2026）；17%到35%（Charge 2） | Cheung 2025；Miwa 2026 |
| Oura Ring | 没有实验室步数数据 | 与计步器相比MAPE为50.3%，每天多算2,124步（Gen 2，Kristiansson 2023）；与ActiGraph相比每天多算1,416步（Niela-Vilén 2022） | Kristiansson 2023；Niela-Vilén 2022 |
| WHOOP | 没有已发表的验证 | 没有已发表的验证 | 无 |
在实验室里，正常步行时Apple、Garmin和Fitbit的误差都在5%以下。到了真实生活就拉开了差距：Apple只差几个百分点，Fitbit多算约18%，而两项测过Oura的研究都发现它每天多算1,400到2,100步。
卡路里（能量消耗）
所有可穿戴设备估算卡路里都不行。多设备研究中最干净的数字来自斯坦福的研究（Shcherbina，2017）：七款设备的能量消耗误差在27%到93%之间，而同样这些设备的心率误差都低于5%。只有两款设备在同行评审的文献中有每日误差数据。
| 设备 | 每日能量消耗误差 | 来源 |
|---|---|---|
| Oura Ring | 真实生活中13%（实验室中21.1%）；偏低，而且强度越大误差越大 | Kristiansson 2023 |
| Apple Watch | 约28%（56项研究的荟萃分析）；女性偏高，男性偏低 | Choe和Kang 2025 |
| Fitbit | 没有每日误差数据。偏差0.19千卡/分钟，一致性界限-5.3到+5.7千卡/分钟 | Chevance 2022 |
| Garmin | 没有每日误差数据。稳定有氧~6.7%，轻度活动16.5% | Parak 2017 |
| WHOOP | 流传的18.4%这个数字没有原始发表来源 | 无法核实 |
结论：哪一款都不该当作可靠的卡路里计数器。Oura的每日数字比Apple好，但手不动的时候，戒指几乎捕捉不到动作信号，所以骑车、力量训练和高强度运动时都会少算。
VO2 max
方法比品牌更重要。根据真实户外跑步做出的估算，和实验室相比，群体偏差接近零；而根据静息心率做出的估算，会高估约2 mL/kg/min（INTERLIVE荟萃分析，2022）。不管哪种方法，个体误差都很大，而且训练水平越高的人，准确度越差。
| 设备 | MAPE | 偏差 | 来源 |
|---|---|---|---|
| Garmin Fenix 6 | 7.05% | CCC 0.73 | Carrier 2025 |
| Garmin Fenix 6 + 胸带 | 6.85% | 高水平组中没有变差 | Carrier 2023 |
| Garmin Forerunner 245 | 总体6.7% | 高水平训练者9.4%到10.4%，中等训练者2.8%到4.1% | Engel 2026 |
| Fitbit Charge 2（算法已停用） | ~10% | 轻微高估（+1.6到+2.6 mL/kg/min） | Freeberg 2019；Klepin 2019 |
| Apple Watch Series 10 | 13.2% | -6.25 mL/kg/min，偏低 | Mayo Clinic Proc Digital Health 2026 |
| Apple Watch Series 9 / Ultra 2 | 13.3% | -6.07 mL/kg/min，偏低 | Lambe 2025 |
| Apple Watch Series 7 | 15.8% | 偏低 | Caserman 2024 |
| Polar | 13.7% | -1.0 mL/kg/min | Neudorfer 2025 |
| Samsung、WHOOP、Oura、Coros | 没有独立研究 | 只有厂商的说法 | 无 |
Garmin是独立验证最多的品牌。Apple有三项独立研究，结果都偏低。Fitbit显示轻微高估，但用的是Google在2026年5月已经停用的算法。
皮肤温度
Oura的内部研究（2024）在16个人身上测试了1周温度传感器（93,571个数据点）：实验室中r²高于0.99，真实生活中高于0.92，精度为每分钟±0.13°C。
资助：这是Oura自己的研究，没有经过独立的同行评审。不过，Oura的温度数据已经在独立的月经周期追踪研究中得到验证（Maijala，2019）。Apple、Garmin、WHOOP和Samsung也测皮肤温度，但独立的对比数据很少。
获得FDA许可的功能
可穿戴设备的大多数指标只是健康类估算。少数功能获得了FDA（美国监管机构）的授权：
| 设备 | 功能 | 状态 |
|---|---|---|
| Apple Watch（Series 4+） | 心电图 / 房颤检测 | 已获许可 |
| Samsung Galaxy Watch（4+） | 心电图 / 房颤检测 | 已获许可 |
| Apple Watch（Series 9+，Ultra 2） | 睡眠呼吸暂停提醒 | 已获授权 |
| Samsung Galaxy Watch | 睡眠呼吸暂停检测 | 已获授权 |
| Apple Watch | 血氧（SpO2） | 健康类（未获许可） |
| Fitbit | 心律不齐提醒 | 已获许可 |
重要提醒（下结论前先看）
- 没有一款设备样样都赢。最好的那款，取决于你在意的指标。
- 健康人群和临床人群的差别最大。同一款设备，在经过筛选的健康年轻人身上表现好得多，在有睡眠问题的人身上差得多。Oura Gen 3从κ=0.65降到0.35；Apple从0.53降到0.30。健康人群的数字，代表不了大多数人。
- 资助来源很重要。主要的睡眠研究（Robbins）由Oura资助。独立研究得出了不同的排名。受资助的研究用的是同样的方法，数字更高来自被挑选的人群。
- 现有硬件几乎没有被研究过。科学评审比产品上市晚2到4年。Oura Ring 5、WHOOP 5.0、Apple Watch Series 10/11和Ultra 3、Galaxy Watch 7/8、Pixel Watch 3/4，以及Fenix 6之后的所有Garmin旗舰款，在这里列出的任何指标上都没有独立验证。
- 样本很小。HRV研究只有13人（536个夜晚）。安特卫普的研究有62人，每人1晚。
- 平均偏差是个错误的指标。平均偏差接近零，可能只是高估和低估互相抵消了。要看误差和一致性界限。
- 一切都是估算。它们都不是医疗器械（上面列出的获批功能除外）。数据可以做参考，不能做诊断。
- 个体差异。准确度会随肤色、纹身、BMI、手腕佩戴松紧和活动类型而变化。大多数研究的参与者以白人为主，这是已知的缺口。
- PSG也不完美。睡眠金标准的评分者间一致性约为κ=0.75，也就是说，连人类专家也有大约四分之一的时候意见不一。
- 一个所有设备都有的毛病。设备往往会把清醒、深睡和REM归为浅睡，从而夸大浅睡的总量。
为什么准确度很重要（我作为医生的看法）
如果你想弄清楚自己的睡眠、恢复或精力，会怎样随着你的所作所为而变化，数据的准确度就是一切的基础。测量误差大的时候，真实的规律（你吃什么、怎么训练、身体怎么反应之间的关系）就被淹没在噪音里。测量准确的时候，你能看到肉眼永远注意不到的关联。
正因为这样，在门诊里，我不会只凭手表上的数字给任何人做治疗。可穿戴设备是看趋势的好信号，但不是检查。在身体成分和能量消耗这类重要决定上，我们会用合适的方法测量（生物电阻抗、热量测定），把可穿戴设备当作补充，并清楚每种设备在哪里准、在哪里不准。说到底，这整篇文章给你的就是这个：一张告诉你每款设备哪些数据可以信的地图。
可以同时用好几款设备吗？
可以，很多人也这么做：比如用戒指看睡眠、用手表看训练，发挥各自的长处。难点在于让这些数据互相打通，因为每个平台都自成一体。不过一开始，挑一款在你最在意的指标上表现好的设备，就已经解决了大部分问题。
多保重，下次见！
责任医师：Gilberto Nering Junior医生，CRM-SP 160822，RQE 142486（运动医学，巴西）。本文仅供参考，依据已发表的研究，不能替代个人评估。
快速问答
哪款可穿戴设备测睡眠最准？
要看研究和人群。在Oura资助的研究（布莱根，2024，健康成年人）中，Oura领先（κ=0.65）。在独立的安特卫普研究（2025，健康人群）中，Apple Watch总体领先（κ=0.53），WHOOP在深睡上领先（69.6%）。在独立的韩国研究（2023，有睡眠问题的人）中，Fitbit Sense 2领先（κ=0.42）。Fitbit在不同人群中最稳定；Apple在健康成年人中最好。
Oura的HRV真的准吗？
在一项536个夜晚的独立研究（Dial，2025）中，Oura Ring 4和心电胸带的一致性达到0.99，是所测设备中HRV准确度最高的。这说的是夜间HRV；在另一项测试中，Oura的白天心率误差为15%。Oura Ring 5还没有经过验证。
WHOOP测HRV好用吗？
WHOOP 4.0的夜间HRV，CCC为0.94，MAPE为8.17%（Dial，2025），评级为中等。宣传中的99.7%，来自一项只测了一晚的WHOOP 3.0研究，也不能代表白天的准确度；白天WHOOP 4.0的误差为8.5%。
肤色会影响准确度吗？
会。光学传感器（PPG）会受皮肤色素影响，而大多数研究的参与者以白人为主，这是已知的缺口。这些数据对所有肤色未必同样适用。
可穿戴设备的卡路里可靠吗？
不够精确。在斯坦福的研究中，卡路里误差在27%到93%之间。已发表的最好每日数字来自Oura，真实生活中误差13%；Apple Watch接近28%。全部当成粗略估算，运动强度大时更是如此。
为什么不同研究的排名不一样？
资助来源、样本量、人群特点、固件版本、测试的夜晚数和PSG方案，都会改变结果。所以我在这里综合了多项研究，并且处处标出资助来源。
参考文献
- Robbins R, et al. (2024). Accuracy of Three Commercial Wearable Devices for Sleep Tracking in Healthy Adults. Sensors, 24(20), 6532. 由 Oura Ring Inc. 资助。
- Schyvens AM, et al. (2025). Performance of six consumer sleep trackers in comparison with polysomnography in healthy adults. Sleep Advances, 6(2), zpaf021. 独立研究（VLAIO）。
- Lee T, et al. (2023). Accuracy of 11 Wearable, Nearable, and Airable Consumer Sleep Trackers. JMIR mHealth and uHealth, 11, e50983. 独立研究；临床样本。
- Herberger S, et al. (2025). Oura Ring Gen 3 in sleep-clinic patients. Scientific Reports, 15, 9461. 独立研究。
- Khan S, et al. (2025). Oura Ring sleep meta-analysis, 6 项研究, N=388. OTO Open, 9, e70181. 独立研究。
- Dial MB, et al. (2025). Validation of nocturnal resting heart rate and heart rate variability in consumer wearables. Physiological Reports, 13(16), e70527.
- Gielen W, et al. (2026). Ten-device wrist heart rate validation. JMIR Formative Research, e85186. KU Leuven.
- Van Oost L, et al. (2025). Five consumer wearables versus 12-lead ECG. Sensors, 25(20), 6319.
- Kim J, et al. (2023). Apple Watch 7 and Galaxy Watch 4 versus 12-lead ECG. Annals of Rehabilitation Medicine.
- Shcherbina A, et al. (2017). Accuracy in wrist-worn, sensor-based measurements of heart rate and energy expenditure. Journal of Personalized Medicine, 7(2), 3.
- Choe J, Kang M (2025). Apple Watch accuracy meta-analysis, 56 项研究. Physiological Measurement.
- Chevance G, et al. (2022). Accuracy and precision of energy expenditure, heart rate, and steps measured by Fitbit. JMIR mHealth and uHealth, 10(4), e35626.
- Kristiansson E, et al. (2023). Validation of Oura ring energy expenditure and steps. BMC Medical Research Methodology （含更正）.
- Niela-Vilén H, et al. (2022). Oura ring versus ActiGraph in free living. CIN, 40(12), 856-862.
- Miwa M, et al. (2026). Apple Watch Series 6 and Fitbit Sense step counts over three weeks. PLOS ONE.
- Kim, et al. (2024). Apple Watch Series 6 free-living step count versus ActivPAL. Sensors.
- Rowe, et al. (2025). Apple Watch Series 5 step count at slow and shuffle walking speeds. PLOS ONE.
- de Leon, et al. (2026). Garmin Vivoactive 4 treadmill step count and heart rate. Applied Sciences, 16(3), 1286.
- Rider BC, et al. (2025). Four sports watches in laboratory and field. J Meas Phys Behav, 8(1).
- Cheung YS, et al. (2025). Validity of Fitbit Inspire 2 in step count. Physiotherapy Practice and Research, 46(2), 95-102.
- Parak J, et al. (2017). Energy expenditure estimation with a wrist device. JMIR mHealth and uHealth.
- Molina-García P, et al. (2022). INTERLIVE systematic review and meta-analysis, VO2 max. Sports Medicine, 52(7).
- Carrier B, et al. (2025). Aerobic capacity and pulse oximetry in wearable technology. Sensors, 25(1), 275.
- Carrier B, et al. (2023). Aerobic capacity and lactate threshold in wearable technology. Technologies, 11(3), 71.
- Engel FA, et al. (2026). VO2max from the Forerunner 245. European Journal of Applied Physiology, 126, 591-603.
- Caserman P, et al. (2024). VO2 max with Apple Watch Series 7. JMIR Biomedical Engineering, 9, e59459.
- Lambe R, et al. (2025). Accuracy of Apple Watch VO2 max. PLOS ONE, 20(5), e0323741.
- Apple Watch Series 10 VO2 max validation (2026). Mayo Clinic Proceedings: Digital Health.
- Freeberg KA, et al. (2019). Fitbit Charge 2 VO2max. mHealth, 5, 39. / Klepin K, et al. (2019). MSSE, 51(11), 2251-2256.
- Neudorfer, et al. (2025). Polar VO2 max versus cardiopulmonary exercise testing.
- Christakis, et al. (2025). Consumer-grade wearables in cardiovascular clinical care. npj Cardiovascular Health, 2, 82.
- Oura Internal Validation (2024). Temperature sensor validation. 16 名参与者，93,571 个数据点。
- Maijala A, et al. (2019). Nocturnal finger skin temperature in menstrual cycle tracking. BMC Women’s Health, 19, 150.
- Lanfranchi, et al. (2024). Samsung Galaxy Watch SpO2 validation. Journal of Clinical Sleep Medicine.
