一天结束，手环上显示消耗了两千三百千卡。
这个数字让人心里有底。今天走了八千步，练了半小时，消耗不错，晚上可以多吃一点。很多人就是按这个逻辑做决定的，把消耗的数字和吃进去的数字放在一起加减。
问题是，这两个数字的可靠性差得很远。吃进去的热量，食物包装上标着，虽然有误差，但那是按成分表算出来的，误差有限。消耗的那个数字，设备根本没有直接测过任何热量，它是根据几个参数推出来的。
推算和测量，是两件事。
先看一组验证数据
这类研究有一个标准做法。让受试者戴着设备做指定活动，同时用便携代谢系统测真实的氧气消耗和二氧化碳排出，这是间接测热法，是目前可及的参照标准。然后把设备估算的数字和实测的数字对比。
有一项研究就是这么做的。二十个人，男女各十，Fitbit 戴在髋部，参照用的是便携代谢系统。测的活动包括跑步机步行、跑步，以及模拟的自由活动，比如叠衣服、耙地这类家务。
结果是这样的。所有活动的平均偏差是每六分钟低估四点五千卡。
这个数字听起来还行，平均只差四点五。但研究同时给了另一组数，百分之九十五的一致性界限是每六分钟负二十五点二到正十五点八千卡。
这两个数字必须一起看。平均偏差说的是趋势，一致性界限说的是单次。 平均值接近零，可能只是因为高估和低估互相抵消了。而单次测量时，真实值可能落在估算值下面二十五点二，也可能在上面十五点八。
这个区间有多宽？ 六分钟的时间窗，真实消耗和显示消耗之间，可能差出四十千卡。四十千卡大约是半个鸡蛋，或者一小杯牛奶的量。而如果这六分钟的真实消耗本来只有十几千卡，那么误差的幅度相对它本身，可能相差几倍。
换句话说，手环显示的那个数字，在单次读数上的可信度很低。
| 指标 | 数值 | 说明什么 |
|---|---|---|
| 平均偏差 | 每 6 分钟 −4.5 千卡 | 总体略偏低，趋势上有方向 |
| 95% 一致性界限 | −25.2 到 +15.8 千卡 / 6 分钟 | 单次读数可能相差约 40 千卡 |
| 显著低估的活动 | 骑车、洗衣、耙地、3mph 5% 坡度跑步机、上下楼梯 | 误差不是随机的，有系统性方向 |
| 显著高估的活动 | 提购物袋 | 方向反过来，同样不是随机 |
误差有方向，这是关键
上面表格最后两行是这篇文章最该记住的地方。
这些设备不是随机出错的。它们在特定类型的活动上会系统性地偏。
研究里明确点出的低估场景包括，骑车、叠衣服、耙地、以每小时三英里走百分之五坡度的跑步机、上下楼梯。
看出规律了吗。需要对抗阻力、需要维持姿势、腿部用力方式跟平常走路不一样的活动，容易被低估。
但同时还有一项是反着错的，提购物袋。 这个动作在设备那里被显著高估。也就是说，误差不但有方向，方向还分两种。有的活动被压低，有的被抬高。 具体往哪边偏，取决于动作模式和算法怎么处理它。
原因不难理解。这类设备主要靠加速度计感知动作的幅度和频率，再结合体重、年龄、性别这些参数套公式。它感知的是“身体在动多少”，不是“身体在做多少功”。
走路和跑步，动作幅度和能量消耗的关系比较稳定，公式还能对上。 骑车时身体基本不动，腿在转，加速度计几乎感知不到；上坡时消耗大增，但动作幅度没变。这些场景下，公式就失准了。
所以误差不随机，这一点很重要。 随机误差可以靠多测几次平均掉，系统性误差不能。如果一个人常做的运动正好落在被低估的那一类，他每天的消耗数字就一贯偏低，而这个人可能完全不知道。
强度上去之后，还有一个上限
还有一个更具体的机制，叫天花板效应。
有一项研究找了二十名耐力训练者，让他们在百分之六十五、七十五、八十五最大摄氧量的强度下跑步。设备是 SenseWear 臂带。
结果发现，在强度达到约十个 METs 之后，设备出现了天花板效应。
MET 是代谢当量，一个 MET 差不多是静坐时的消耗水平。十个 METs 大约相当于每小时九到十公里的配速，对多数跑步者来说，那是接近五分配速的强度，不算轻松。 到这个强度之上，设备给出的数字不再跟着真实消耗往上走了。
这就是天花板效应的意思。不是误差变大，是它到顶了。
对一个经常做高强度训练的人来说，这个机制意味着，他练得越猛，设备越读不出来。而他很可能正是因为练得猛，才更想看看自己消耗了多少。
这个机制也从另一个角度说明，这些设备的设计目标并不是精确测量高强度运动。它们面向的是日常活动量的估算，在中等强度区间还能对上，超出范围就不保证了。
为什么手腕是个不利的位置
还有一个更底层的问题，出在佩戴位置上。
市面上绝大多数消费级设备戴在手腕上。而走路、跑步、骑车、上下楼，主要做功的是腿。手腕的动作，和身体实际的能量消耗之间，隔着一层。
有一项研究专门讨论过这件事。它提出的观点是，下肢的活动比手腕或躯干的活动更能区分不同的运动强度。换句话说，同样是一次快走，腿部的加速度模式能反映强度，手腕的摆动则掺杂了太多别的因素，比如手臂自然摆动、拿着东西、插在口袋里。
这个研究本身要打个折看。 它是在提出一套新系统，主张自己的方案误差更低。这属于自证性研究，它的“现状描述”可以参考，它的“我们的更好”不能当独立结论用。
但“手腕不是理想位置”这个判断，跟前面那些验证研究的结果是一致的。低估发生在腿在用力、手没怎么动的场景里，骑车最典型。 这个模式正好对应佩戴位置的问题。
那它还有什么用
讲到这里容易滑向“手环没用”。不是这个结论。
它的价值在趋势，不在单点。
同一个设备，同一个人，同样的佩戴方式，一周一周看变化，那个趋势是有意义的。这周日均比上周高了，说明活动量确实上去了。趋势里的系统误差是恒定的，恒定就可以被抵消掉。
它的价值在反馈，不在记账。
手环真正起作用的地方，往往是它让人多走了几步。看到步数没到，晚上出去转一圈，这个行为改变本身有实际价值。它不是靠精确测量起作用的，是靠提醒。
它的价值在相对，不在绝对。
今天走了八千步，昨天走了六千步，这个比较成立。今天显示消耗两千三百，昨天显示两千一，这个差值的可信度，比两个绝对值本身高得多。
但一旦把它拿来跟吃进去的热量做加减，问题就来了。 一边是误差可能到四成的估算值，一边是包装上标的、误差有限的数字，两个数放在一起减，减出来的结果不可靠。
| 用法 | 可信度 | 原因 |
|---|---|---|
| 看一周趋势 | 较高 | 系统误差恒定，可互相抵消 |
| 比较同类活动 | 中等 | 同一设备同一活动的偏差方向一致 |
| 单次读数当真实消耗 | 低 | 一致性界限宽，可能差几倍 |
| 与进食热量做加减 | 很低 | 两端误差方向与幅度都不同 |
那个数字该怎么看
回到晚上那个场景。
手环显示消耗两千三百千卡。该怎么办。
可以看它，但不要用它做当天的进食决策。
这个数字的作用是提示，今天动得比平时多。至于具体多了多少，那个精度支撑不了“多消耗三百千卡所以可以多吃一块蛋糕”这种换算。因为三百千卡这个量级的判断，正好落在误差的范围里。
它算出来的不是热量，是根据活动量、体重、心率这些参数推出来的一个估计。 估计可以看趋势，不能当账本。
如果确实想知道消耗，靠得住的只有一种办法，记录吃了什么，然后看体重和围度的长期变化。这是用结果反推，慢，但比估算准。
手环的作用是让人多走几步，不是让人知道自己走了多少卡。
参考资料
- Fitbit 能量消耗估算验证. PMID 24770438.
20 人，10 男 10 女，Fitbit 戴髋部，便携代谢系统为参照，测跑步机步行、跑步与模拟自由活动。平均偏差每 6 分钟 −4.5±1.0 千卡；95% 一致性界限 −25.2 到 +15.8 千卡/6 分钟；骑车、洗衣、耙地、3mph 5% 坡度跑步机与上下楼梯被显著低估；提购物袋被显著高估。
- SenseWear 臂带高强度验证. PMID 20972880.
20 名耐力训练者，65%、75%、85% 最大摄氧量强度跑。「约 10 METs 出现天花板效应」为该研究结论；10 METs 对应的配速（约 9 到 10 公里每小时）为依代谢当量换算的通行估算，非原报告值。
- 下肢活动优于手腕或躯干活动的区分度研究.
该研究同时提出自有系统，属自证性研究；正文仅采用其现状描述，未采用其优越性结论。
- 「相对误差可能达到四成」为依一致性界限与低消耗活动量级的推算，非原研究报告值，正文以「可能」表述.
- 「四十千卡约半个鸡蛋或一小杯牛奶」为食物热量的通行量级描述.
第 1 项里平均偏差与一致性界限必须一起看。平均偏差接近零，可能只是高估与低估互相抵消；单次读数则可能落在上方或下方二十几千卡。误差有方向、且方向不止一种，这一点决定了它不能被平均掉。「趋势可比、单次不可比」的判断属方法学推论，未引自单项研究。血糖与心率关系受情绪、温度、咖啡因影响一节，本轮未找到直接研究，故正文未展开。