Sleep & RecoveryArtigo CientíficoAcesso Aberto

Dispositivos vestíveis de pulso não mostram relação entre métricas de sono e ansiedade em uma metanálise de 44 estudos

Uma meta-análise de 44 estudos com dispositivos vestíveis não encontrou associação entre sono e ansiedade, enquanto baixa atividade física e frequência cardíaca elevada acompanharam, de forma discreta, a ansiedade. Os dispositivos vestíveis funcionam melhor quando combinados com outros dados.

sexta-feira, 20 de novembro de 2026 2 visualizações
Publicado em J Med Internet Res
a person's wrist wearing a fitness smartwatch showing heart rate, resting on a bedside table beside a notebook

Resumo

Pesquisadores reuniram 44 estudos (42 artigos) que testaram se os dados de dispositivos vestíveis de pulso conseguem acompanhar a ansiedade em adultos. O tamanho das amostras variou de 17 a 170.320 participantes. As análises agrupadas de quatro medidas de sono (eficiência do sono, tempo acordado após o início do sono, tempo total de sono e latência para o início do sono) não encontraram associação significativa com a ansiedade. As sínteses narrativas, baseadas em menos estudos, sugeriram que menor atividade física e frequência cardíaca mais alta estão associadas a mais sintomas de ansiedade. Os modelos de aprendizado de máquina que usaram apenas dados de dispositivos vestíveis tiveram desempenho irregular e melhoraram quando combinados com dados de autorrelato ou clínicos. Os estudos inferenciais eram, em sua maioria, de qualidade razoável e observacionais (transversais ou longitudinais), portanto não permitem estabelecer causa e efeito. Os dispositivos vestíveis parecem mais promissores como uma fonte de informação entre várias do que como ferramentas independentes de triagem da ansiedade.

Resumo Detalhado

A ansiedade é a condição de saúde mental mais comum no mundo, afetando cerca de 301 milhões de pessoas em 2019, e, em adultos mais velhos, tem sido associada a maior risco de demência. A avaliação atual depende de questionários de autorrelato e entrevistas clínicas, que são retrospectivos, exigem muitos recursos e oferecem apenas retratos pontuais. Dados contínuos e passivos de wearables de pulso poderiam, em princípio, preencher essa lacuna; por isso, esta revisão investigou se biomarcadores digitais derivados de wearables estão associados à ansiedade.

Os autores pesquisaram seis bases de dados, incluindo literatura cinzenta, até setembro de 2025 (PROSPERO CRD42023409995). Foram incluídos estudos transversais ou longitudinais com adultos que usaram dispositivos de pulso de nível de pesquisa ou de consumo, com a ansiedade medida por avaliações padronizadas (questionários de autorrelato ou diagnósticos clínicos). Quarenta e quatro estudos, de 42 artigos, atenderam aos critérios: 36 usaram estatística inferencial (21 sobre sono, 8 sobre atividade física, 2 sobre variabilidade da frequência cardíaca, 5 com vários tipos) e 8 usaram aprendizado de máquina. O tamanho das amostras variou de 17 a 170.320.

As quatro metanálises de sono foram todas nulas. A eficiência do sono resultou em z de Fisher=-0,07 (IC de 95% -0,14 a 0,002; P=0,06), a vigília após o início do sono em z=0,13 (IC -0,04 a 0,30; P=0,11), o tempo total de sono em z=0,009 (IC -0,01 a 0,03; P=0,28) e a latência para o início do sono em z=0,04 (IC -0,07 a 0,15; P=0,08). Os intervalos de predição foram amplos (por exemplo, -0,19 a 0,05 para a eficiência do sono), o que significa que um estudo futuro poderia plausivelmente encontrar um efeito modesto em qualquer direção. Foram usados modelos de efeitos aleatórios, com análises de sensibilidade por tipo de ansiedade (estado ou traço) e faixa etária.

A atividade física e a frequência cardíaca não puderam ser agrupadas e foram sintetizadas de forma narrativa. Menor atividade física e frequência cardíaca mais alta foram associadas a mais sintomas de ansiedade, embora isso se baseie em poucos estudos. Os oito estudos de aprendizado de máquina mostraram desempenho variável ao usar apenas dados de wearables, e a predição melhorou quando esses dados foram combinados com outras fontes, como autorrelato e dados clínicos.

A mensagem prática é que um resultado nulo em quatro métricas de sono limita a alegação de que medidas de sono do tipo actigrafia acompanham a ansiedade, mas não descarta os sinais de atividade e frequência cardíaca, que continuam plausíveis e merecem ser testados em delineamentos melhores. Os autores concluem que os biomarcadores digitais provavelmente são mais úteis quando integrados a outras informações do que quando usados isoladamente como ferramentas de triagem.

As ressalvas são consideráveis. A maioria dos estudos inferenciais foi classificada como de qualidade regular, os delineamentos eram observacionais (transversais ou longitudinais) e as análises de sensibilidade precisaram levar em conta a ansiedade de estado versus a de traço. Os estudos que não puderam ser agrupados foram sintetizados de forma narrativa, e associação não estabelece que mudanças na atividade ou na frequência cardíaca causem ou predigam ansiedade. Não existe ferramenta validada de avaliação de qualidade para estudos de aprendizado de máquina, por isso os autores adaptaram uma versão modificada do QUADAS-2.

Principais Descobertas

  • 44 studies from 42 articles met criteria: 36 inferential (21 sleep, 8 activity, 2 HRV, 5 multiple) and 8 machine learning; N ranged 17 to 170,320
  • Sleep efficiency was not significantly associated with anxiety (Fisher z=-0.07, 95% CI -0.14 to 0.002, P=.06)
  • Wake after sleep onset (z=0.13, P=.11), total sleep time (z=0.009, P=.28) and sleep onset latency (z=0.04, P=.08) were all null
  • Narratively, lower physical activity and higher heart rate were associated with greater anxiety symptoms, based on limited studies and not pooled
  • Machine learning on wearable data alone performed variably; performance improved when combined with self-report or clinical data
  • Inferential studies were mostly of fair quality on the NHLBI tool; designs were cross-sectional or longitudinal
  • Prior machine learning meta-analyses reported about 82% accuracy for anxiety classification, cited as context

Metodologia

Revisão sistemática e meta-análise seguindo o PRISMA, registrada no PROSPERO, com busca em 5 bases de dados, além do ProQuest e do Google Scholar, até setembro de 2025, com triagem independente em duplicata (concordância entre avaliadores aferida pelo kappa de Cohen). O risco de viés foi avaliado com a ferramenta do NHLBI para estudos inferenciais e com uma versão modificada do QUADAS-2 para estudos de aprendizado de máquina. Foram realizadas meta-análises de efeitos aleatórios por biomarcador digital, quando possível, com relato dos intervalos de predição e análises de sensibilidade por tipo de ansiedade (estado ou traço) e faixa etária. Os estudos sobre atividade, frequência cardíaca e aprendizado de máquina foram sintetizados de forma narrativa.

Limitações do Estudo

Os estudos inferenciais incluídos eram, em sua maioria, de qualidade razoável e observacionais (transversais ou longitudinais), o que limita a inferência causal. Os estudos que não puderam ser agrupados foram sintetizados de forma narrativa, e as descobertas sobre atividade, frequência cardíaca e aprendizado de máquina baseiam-se em um número limitado de estudos. Como não existe uma ferramenta de qualidade validada para estudos de aprendizado de máquina, foi utilizada uma versão modificada do QUADAS-2. Nenhum conflito de interesses foi relatado no texto fornecido.

Gostou deste resumo?

Receba as pesquisas de longevidade mais recentes na sua caixa de entrada toda semana.

Digite seu e-mail para assinar: