智慧手錶日益普及，全球使用者則估計約有5.6億人。然而，愈來愈多研究顯示，智慧手錶常用的指標之一——消耗熱量，往往並不準確。
身體活動行為與穿戴式科技的運動科學家Jason Kostrna等人研究常見智慧手錶測量運動生理反應的準確度，以及準確度是否因使用者而異。結果發現，手錶測量熱量消耗的誤差可能相當大，令人意外的是使用者的體脂率愈高，誤差也愈大。
顯著的測量誤差
研究團隊招募了58名西班牙裔成年人，這些參與者具有不同的體脂率與膚色。
每位參與者配戴四款消費型裝置：Apple Watch Series 8、Garmin Forerunner 955、Samsung Galaxy Watch5及Fitbit Sense 2，並在臥式健身自行車上交替進行中等與高強度運動，共10分鐘。
結果顯示，四款手錶測量熱量消耗時都出現顯著誤差，各裝置的誤差中位數約為15%至25%，顯示估算值與實驗室測量結果往往存在明顯差距。
Apple、Garmin及Samsung均系統性高估熱量消耗，其中Apple的平均系統性誤差最小，Garmin與Samsung的高估幅度較大。
Fitbit則不同。排除資料品質問題後，其平均誤差沒有系統性高估或低估的傾向，但仍出現多筆明顯不合理的數值，包括7筆讀數超過代謝分析儀測量值的450%。
整體而言，智慧手錶測量不準確並非新發現，真正令人意外的是體脂率與誤差之間的強烈關聯。研究發現，體脂率愈高，手錶測量熱量消耗的準確度愈低。四款裝置皆呈現此現象，但影響程度因品牌而異。對部分體脂率較高的參與者，手錶誤差約達50%至100%，甚至更高。
例如，若代謝分析儀測得運動消耗100大卡，高估50%便會顯示150大卡；高估100%則會顯示200大卡。
在本研究的測試條件下，膚色對熱量消耗測量誤差沒有顯著影響。
這對智慧手錶使用者有什麼意義？
目前無法確定體脂率為何會如此顯著地影響測量準確度。演算法的開發與校準方式也可能是原因之一，但各品牌使用專有演算法，因此無法確切得知其估算機制。
體脂率較高的人可能特別希望透過穿戴式裝置協助減重，卻也可能是獲得最不準確熱量消耗估算值的族群。
單次運動出現50至100大卡的誤差或許不大，但長期累積便可能產生影響。若體脂率達35%或以上，每週運動4小時，手錶每週的估算值可能與實際消耗相差1,200至2,400大卡。若依據手錶數值管理體重，可能誤以為自己已消耗這些熱量，進而多攝取相當於近一整天所需的熱量。
消費者可以怎麼做？
這不代表智慧手錶毫無價值。在另一項採用相同運動流程的研究中，團隊發現手錶測量心率具有相當不錯的準確度，也能依活動類型提供運動時間、距離及配速等有用資訊。
研究人員建議，使用者應將熱量數值視為估算，而非精確測量。如果目標是減重，不宜單憑這個數值決定飲食攝取量或評估運動成效。
長期觀察變化趨勢，並搭配心率、運動強度、體重變化及自身感受，或許更有參考價值。但數值一致不代表準確，裝置即使每次都呈現穩定結果，仍可能持續高估熱量消耗。
穿戴式科技將持續進步。除了改善感測器，提升不同身體組成族群的能量消耗估算準確度，也同樣重要。
實際熱量消耗如何測量
研究人員使用代謝分析儀，透過面罩收集並測量參與者吸入及呼出的氣體，以評估能量消耗。這是運動科學中測量熱量消耗最可靠的方法，可作為比對手錶估算值的基準。
研究採用臥式健身自行車，以便控制運動強度並減少手腕動作，降低其對心率測量的干擾。每位參與者左右手腕各配戴兩支手錶，並隨機安排配戴位置；結果未發現配戴位置會影響測量準確度。
智慧手錶的測量原理
大多數智慧手錶利用加速度計測量動作，並透過光學感測器估算心率。心臟每次跳動時，手腕血管中的血流量會改變，血液吸收光線的特性則讓手錶能追蹤反射光的變化，進而估算心率。
手錶會結合感測器數據及使用者的年齡、性別、身高、體重等資訊，透過演算法估算能量消耗。然而，心率與動作相對容易測量，熱量消耗卻複雜得多。手錶必須根據可測量的資訊，預測無法直接測量的數值，而身體組成、體適能、動作效率及運動時的生理反應，都可能影響估算結果。
目前，研究團隊正將實驗延伸至肌力訓練。由於這類運動涉及手腕與全身動作，且強度變化較大，準確估算熱量消耗可能更具挑戰。世界各地的其他研究團隊也正努力改進相關技術，探索如何讓穿戴式裝置更有效地協助人們做出健康決策。