16.5万块智能手表测出的脉搏波速度随年龄、性别和BMI变化，≥10 m/s者心血管病患病比例更高

研究报告了智能手表估算的脉搏波速度（SW-PWV）在中国大规模真实世界人群中的分布特征：165,549名用户的中位SW-PWV为7.79 m/s（IQR 7.46–8.40），4.53%的用户SW-PWV≥10 m/s。 此前关于SW-PWV的数据多来自小样本验证研究，本文首次在覆盖34个省市、十余万人的规模上描述其分布。 横断面设计，样本量165,549，数据经年龄、身高、体重、BMI合理性筛查及个体内均值±3 SD离群值剔除；剔除前后分布变化很小（均值8.03 vs 8.04 m/s）。

SW-PWV与年龄呈中到强正相关（r=.6323），与男性（r=.1856）和BMI（r=.1981）正相关；以年龄、性别、BMI为自变量的OLS模型解释了SW-PWV 60.9%的方差。 研究进一步按年龄段分层，发现性别关联在年轻组更强（<30岁r=.5033），年龄关联在50岁以上更明显（60–69岁r=.7212），BMI在各年龄组均正相关。 Spearman相关、Kruskal–Wallis检验与OLS回归，均P<.001；作者明确指出年龄、性别、BMI本身被纳入SW-PWV估算算法，因此这些模式应理解为算法输出的特征而非独立的生物学关联。

SW-PWV在高血压、糖尿病、血脂异常、冠心病、卒中和颈动脉斑块人群中显著升高，其中高血压（r=.28）与颈动脉斑块相关性最强，两种及以上疾病共存的r=.32。 在35,402名完成问卷的用户中系统比较了多类心血管危险因素与疾病，并按年龄分层显示关联强度随年龄变化（如高血压关联在≥70岁不再显著）。 问卷为自愿填写、疾病为自报的医师诊断，关联为未调整的横断面相关；作者说明未收集血压、用药、吸烟、体力活动、社会经济状况等混杂因素。

套用指南cfPWV的10 m/s阈值时，SW-PWV≥10 m/s与更高的心血管危险因素和现患心血管病比例相关（该组54.43%无心血管病，而<10 m/s组为84.76%），对现患心血管病的判别AUC为0.71，10 m/s处敏感度13.6%、特异度96.7%，最大Youden指数给出的探索性阈值为8.53 m/s（敏感度56.5%、特异度76.9%）。 此前没有针对SW-PWV阈值的研究，本文首次尝试将指南cfPWV阈值迁移到手表估算值上并给出ROC表现。 基于35,402人问卷子样本的ROC分析与卡方检验（χ2=1,184.7599，P<.0001）；作者强调10 m/s仅为探索性参考阈值，需与常规cfPWV直接验证。

这项研究面向拥有并使用兼容华为智能手表、且自愿同意数据用于研究的中国成年用户，测量在真实世界条件下由用户自行完成（静坐10分钟后，左手佩戴手表、右手食指触碰采集器30秒）。其直接用途是为SW-PWV建立大样本的分布参照，并提示10 m/s这一源自cfPWV指南的阈值可作为初步或探索性参考，从而支持后续在社区场景中把SW-PWV作为初筛环节、识别可能需要正式心血管评估的个体这一设想。对读者而言，这意味着该结果适用于可穿戴设备用户群体的描述与假设生成，而非个体诊断或风险预测。

需要留意的是，本文为横断面设计，无法推断因果关系或前瞻性风险预测能力；年龄、性别、BMI被纳入SW-PWV估算算法，因此这些变量的关联不能独立归因于血管生物学；疾病信息来自自愿填写的自报问卷，未与临床记录核对；血压、降压治疗、吸烟、体力活动和社会经济状况等混杂因素未收集，关联与相对风险均未调整；女性占比仅11.97%，卒中病例仅480例；每位用户只取第一次有效测量，个体内变异与重复性未评估。此外，本次加载的文本为不完整版本，补充表格与补充图（如Supplementary Table S1–S5、Figure S1–S3）的具体数值未包含在内，因此部分分层细节只能依据正文描述，无法逐项核对。作者提出的方向是重复测量评估可重复性、前瞻性纵向研究验证结局关联，以及在更多样人群中验证。