ウェアラブルの健康データはどこまで信じていいか──『信頼度の3層』で読むスマートウォッチとスマートリング

スコアに一喜一憂する前に問うべきこと

朝、アプリを開くと睡眠スコアが82点と出る。「よく寝た」と少し気分がいい。逆に「深い睡眠 25分」と表示されると、なんとなく損をした気になる。スマートウォッチやスマートリングを使っている人なら、誰しも経験のある光景だろう。

だが、検査値を扱う臨床の頭でこの数字を見ると、すぐに引っかかる点がある。その「25分」の測定誤差は何分なのか。 救急で検査をオーダーするとき、我々は結果の数字そのものより先に「この検査はこの状況でどれだけ当てになるか（感度・特異度・事前確率）」を考える。ウェアラブルのデータも本来は同じで、指標ごとに信頼度がまったく違う。

結論を先に言う。ウェアラブルが出すデータは、「絶対値をそのまま信じてよいもの」「自分のベースラインからのズレでしか使えないもの」「ほぼ参考程度のもの」の3層に分かれる。そして、この階層には明快な理由がある。本稿では、その理由（メカニズム）と各指標の実測精度（エビデンス）を整理し、最終的に「何を見れば自分の健康管理に効くのか」まで落とし込む。なお本稿はスマートウォッチとスマートリングの両方を対象とするが、両者の測定上の得手不得手の違いにも触れる。

なぜ指標ごとに信頼度が違うのか

ここが本稿の中核なので、先に原理を述べる。

ウェアラブルが身体に当てているセンサーは、見た目の多機能さに反して、実はごく数種類しかない。

PPG（光electric脈波）：LEDの光で皮膚下の血流の拍動を読む。心拍・HRV・SpO₂のもと
加速度センサー：身体の動きを読む。歩数・睡眠/覚醒のもと
温度センサー：皮膚表面の温度を読む

アプリに並ぶ何十種類もの指標は、すべて**この数種類の生信号からの「二次推定」**である。心拍数のように、センサーが見ている脈波とほぼ直結する指標は誤差が小さい。一方、睡眠ステージやストレススコアのように、生信号から何段もの計算とアルゴリズムを経て合成される指標は、その分だけ誤差が積み上がる。

原理：センサーが直接見ているものに近い指標ほど信頼でき、計算を重ねた合成指標ほど誤差が乗る。

この「センサーからの距離」が、そのまま信頼度の階層を生む。整理すると次の3層になる。

層	主な指標	使い方
Tier 1：絶対値を信じてよい	心拍数・安静時心拍（RHR）・歩数（増減）	数値をそのまま見てよい
Tier 2：トレンド/逸脱で読む	HRV・睡眠時間・呼吸数・皮膚温・SpO₂・VO2max	自分のベースラインからのズレを見る
Tier 3：話半分（参考程度）	睡眠ステージ内訳・消費カロリー・各社の合成スコア	判断の土台にしない

以下、この階層が実際の検証データとどこまで整合するかを見ていく。

デバイスは実際どこまで正確か

心拍・安静時心拍（RHR）── 最も正確な層

消費者向けウェアラブルの精度を249件の検証研究で統合した大規模なアンブレラレビューによれば、心拍数の平均バイアスはおよそ±3%にとどまる[1]。睡眠中の安静時心拍に限れば、精度の高い機種ではさらに小さい。ECG（心電図）を基準に5機種を比較した2025年の検証では、**Oura Ring Gen4の安静時心拍はMAPE（平均絶対誤差率）約1.9%、Gen3で約1.7%**と、ほぼ一致と言える水準だった[7]。RHRは最も安く、最も正確に取れる指標である。

HRV ── リングが手首型より優位

HRV（心拍変動）は次章で述べる通り「いま自律神経にどれだけ余裕があるか」を映す指標だが、絶対値の信頼度は機種で大きく割れる。前述のECG基準比較では、誤差の小さい順にOura Gen4（MAPE 約6.0%）、Gen3（約7.2%）、Whoop 4.0（約8.2%）、Garmin Fenix 6（約10.5%）、Polar Grit X Pro（約16.3%）と、機種間で2倍以上の開きがあった[7]。

注目すべきは、上位2機種がいずれもリング型である点だ。指は手首より毛細血管が密で接触が安定するため、安静時のHRVのような微細な拍動間隔の計測では構造的に有利になる。「24時間つけっぱなしで安静時データを取る」用途ではリングが優位という前提は、この数字とも整合する。

睡眠 ── 「合計時間」は信じてよいが「内訳」は別物

睡眠は、ウェアラブルで最も誤解されやすい領域である。ステージ判定（浅い・深い・REM）に光学センサーと加速度センサーを使う方式は、睡眠ポリグラフ（PSG）という検査室の基準と比べると精度に限界がある。比較的高精度とされるOura Gen3でも、4段階分類の感度は概ね76〜79.5%にとどまった[2]。そもそも睡眠検査は、熟練の検査者同士が同じ記録を判定しても一致率は8割強という世界であり[2]、心拍と動きだけでREMと浅い睡眠を厳密に切り分けるのは原理的に難しい。

一方で、「合計睡眠時間」と「就寝・起床のタイミング（規則性）」は実用に足る。むしろウェアラブルは合計睡眠時間をやや過大評価する傾向（MAPEが概ね10%超）が指摘されており[1]、深い睡眠が何分だったかという内訳の数字に一喜一憂する意味は乏しい。

呼吸数・SpO₂ ── スクリーニング用と割り切る

夜間の呼吸数は、意外に正確に取れる。検証では夜間平均呼吸数の二乗平均平方根誤差（RMSE）が1〜2回/分程度で、バイアスも小さい[3]。ベースラインから2〜3回/分の上昇は、発熱・感染の前兆として拾える余地がある。SpO₂（血中酸素飽和度）はパルスオキシメータ基準との平均絶対差が最大2.0%程度で[1]、単発の数値で低酸素を判断する精度はないが、夜間に繰り返す低下は睡眠時無呼吸を疑うフラグにはなる（診断ではなく、受診のきっかけという位置づけ）。

VO2max ── 絶対値は当てにならない、トレンドだけ使う

VO2max（最大酸素摂取量）の推定は、アルゴリズムの型で精度が割れる。安静時情報から推定するタイプは過大評価する傾向があり、運動（ランニング＋GPS＋心拍応答）データを使うタイプの方が正確とされる[1]。ただし運動ベース型でも、集団レベルでは偏りが小さい一方、個人レベルの推定誤差は大きい。つまり「あなたのVO2maxは48」という単発の絶対値は信用しにくく、意味があるのは同一デバイス・同一条件での長期トレンドだけだ。なお運動データを必要とする以上、GPSを持たないスマートリングはVO2max推定を苦手とする。HRVでリングが有利だったのと、ここは表裏の関係にある。

別格：不整脈通知

これらの「推定」とは別枠で、一部機種のECG機能・不規則リズム通知は、アンブレラレビューでも高い感度・特異度（おおむね感度100%／特異度95%）が報告されている[1]。無症候性の心房細動などを拾い上げ、受診につなげるトリガーとして、臨床的な価値がある。

エビデンスの限界

率直に書いておく。市販ウェアラブルのうち、何らかの指標で妥当性が検証されている機種は約11%にすぎず、必要な検証量の3.5%程度しか実施されていない[1]。多くの検証は被験者数が少なく（前述のECG比較も13名[7]）、ファームウェア更新で精度が変わるため、ある時点の検証結果が翌年も成立する保証はない。本稿の数字も「現時点での目安」として読んでほしい。

では、何を見れば健康に効くのか

測定精度の話と、「その指標が健康・予後にとってどれだけ重要か」は別の問題である。ここを混同すると、「どのデバイスでも測れるからHRVが一番大事」といった筋の通らない結論に陥る。測れることと、効くことは違う。 3指標を予後の観点で並べ直す。

安静時心拍（RHR）── 安くて正確で、予後にも効く

RHRは測定精度が高いだけでなく、健康指標としても堅い。前向き研究のメタ解析では、安静時心拍が10拍/分高いごとに、全死亡リスクが約9%、心血管死リスクが約8%上昇する[4]。別の用量反応メタ解析では全死亡リスク上昇を1拍10あたり17%と報告するものもある[5]。日々の値そのものより、自分の平常値からの持続的な上昇が、過労・感染・体調悪化の早期シグナルとして使える。

VO2max（心肺フィットネス）── 予後の最強クラスの予測因子

測定はノイジーだが、指標としての重みは最大だ。Kodamaらの古典的メタ解析では、CRF（心肺フィットネス）が1MET高いごとに全死亡リスクが13%低下し[6]、20.9百万人規模の観察を統合した近年のアンブレラレビューでも、高CRF群は低CRF群に比べ全死亡リスクが半分以下（HR 0.47）と、単一指標としては最強クラスの予後予測力を示した[8]。米国心臓協会も、CRFを「臨床的なバイタルサイン」として測定すべきだと声明を出している[9]。ウェアラブルのVO2maxは絶対値こそ当てにならないが、長期トレンドのスコアボードとしては十分に意味がある。

HRV ── いまの自律神経の余裕

HRVは自律神経バランス、とりわけ副交感神経の活動を反映し、「いま身体がどれだけ回復・ストレスに対処できているか」を示す[10]。RHRやVO2maxが週〜年の単位で動く"体質"の指標であるのに対し、HRVは日単位で揺れる"今日のコンディション"の指標だ。とりわけ夜勤を含む交代勤務は自律神経を強く乱すため、夜勤従事者にとってHRVは実用価値が高い。夜勤と健康リスクの全体像は夜勤と寿命・健康リスク（B-13）で扱っているので、本稿は測定の話に絞る。

統合：3つの時間軸で使い分ける

要するに、RHR・HRV・VO2maxは競合しない。時間軸が違うだけである。

日次の舵取り（自律神経の余裕）→ HRV：平常からの落ち込みだけを見る
週〜月の全身トレンド → RHR：持続的な上昇は不調の早期シグナル
長期の予後・寿命 → VO2max：絶対値ではなく数年単位の方向性を見る

暫定的な実用指針

現時点で合理的に言えることを、実行可能性とともに4点に整理する。

1. 絶対値で見てよいのはTier 1だけ

心拍・RHR・歩数の増減は、数値をそのまま信じてよい（根拠：HRバイアス±3%[1]）。逆に言えば、それ以外を絶対値で語らない。

2. Tier 2は「自分のベースラインからのズレ」で読む

HRV・呼吸数・皮膚温・SpO₂は、絶対値ではなく平常域からの逸脱で使う。これは個人差と機種差が大きいデータを、自分という基準線で相殺する読み方である（根拠：HRV MAPEが機種で6〜16%と割れる[7]）。

3. ステージ内訳・合成スコアは判断の土台にしない

深い睡眠○分、ストレススコア何点、といった合成値は参考程度に。中身はHRV・RHR・睡眠・体温の再パッケージであり、アルゴリズムはブラックボックスで、機種更新で連続性も切れる（根拠：4段階睡眠判定の感度は8割未満[2]）。

4. 1台を長く使う

どの指標も「自分のベースラインからの逸脱」で使う以上、データの連続性が価値を生む。機種を乗り換えるとアルゴリズムが変わり、過去との比較が壊れる。デバイスは長く使うほどデータ資産の価値が上がる。

個人的な実践

筆者は救急医であり、夜勤を含む不規則勤務の当事者でもある。実際に使っているのはGarminで、上記の通りGarminのHRV絶対精度は最上位ではない[7]。そのうえで、自分は次のように割り切っている。

日次で見るのはHRVとRHRの"ズレ"だけ。Garminの絶対値は信用しないが、自分の平常域からどれだけ下振れ・上振れしているかは追える。夜勤明けにHRVが大きく落ち込み、RHRが上振れしている日は、その日の判断の重い意思決定や激しい運動を意図的に避ける。
睡眠は合計時間と就寝・起床の規則性だけを見る。深い睡眠の内訳は見ない。
VO2maxは四半期に一度、トレンドの方向だけ確認する。単月の数字には反応しない。

ここで、「医師としての推奨」と「当事者としての意思決定」は分けておきたい。医師として一般に言えるのは、「ウェアラブルは診断機器ではなく、自分のベースラインからの逸脱を捉えるモニタリング道具として使うのが妥当」というところまでだ。一方、「夜勤明けでHRVが落ちた日は重い判断を後ろ倒しにする」というのは、エビデンスで証明された推奨ではなく、誤差の大きいデータでも自分の安全マージンを取りに行くという、当事者としての個人的な選択である。両者を混同して「夜勤明けはHRVが低いから危険、というのが医学的事実だ」と読むべきではない。

まとめ

わかっていること

心拍・安静時心拍は絶対値を信じてよい水準で測れる（HRバイアス±3%）[1][7]
安静時心拍の持続的上昇、心肺フィットネスの高低は、いずれも予後と強く関連する[4][5][6][8][9]
HRVは機種差が大きく、特にリング型が手首型より高精度な傾向がある[7]
睡眠の合計時間・規則性は実用に足るが、ステージ内訳の精度は限定的[1][2]

まだわかっていないこと／限界

市販機種の大半は妥当性が未検証で、検証済みでもファームウェア更新で精度が変わりうる[1]
VO2maxの絶対値は個人レベルでは誤差が大きく、トレンドしか使えない[1]
「夜勤明けにHRVが落ちる」ことの臨床的アウトカム（事故・ミスとの因果）は、個人データだけでは結論できない

現時点で合理的にできることは、指標を信頼度の3層に仕分け、Tier 1は絶対値で、Tier 2は自分のベースラインからのズレで読み、Tier 3は判断の土台にしないこと。そして1台を長く使い、自分という基準線を育てること。ウェアラブルの主役は、表示されるスコアではなく、自分の身体の連続的な記録の方である。

参考文献（10件）

Doherty C, Baldwin M, Keogh A, Caulfield B, Argent R. Keeping pace with wearables: a living umbrella review of systematic reviews evaluating the accuracy of consumer wearable technologies in health measurement. Sports Med. 2024;54(11):2907-2926. doi:10.1007/s40279-024-02077-2
Robbins R, Weaver MD, Sullivan JP, et al. Accuracy of three commercial wearable devices for sleep tracking in healthy adults. Sensors (Basel). 2024;24(20):6532. doi:10.3390/s24206532
Jamieson A, Chico TJA, Jones S, Chaturvedi N, Hughes AD, Orini M. A guide to consumer-grade wearables in cardiovascular clinical care and population health for non-experts. npj Cardiovasc Health. 2025;2(1):44. doi:10.1038/s44325-025-00082-6
Zhang D, Shen X, Qi X. Resting heart rate and all-cause and cardiovascular mortality in the general population: a meta-analysis. CMAJ. 2016;188(3):E53-E63. doi:10.1503/cmaj.150535
Aune D, Sen A, ó'Hartaigh B, et al. Resting heart rate and the risk of cardiovascular disease, total cancer, and all-cause mortality: a systematic review and dose-response meta-analysis of prospective studies. Nutr Metab Cardiovasc Dis. 2017;27(6):504-517. doi:10.1016/j.numecd.2017.04.004
Kodama S, Saito K, Tanaka S, et al. Cardiorespiratory fitness as a quantitative predictor of all-cause mortality and cardiovascular events in healthy men and women: a meta-analysis. JAMA. 2009;301(19):2024-2035. doi:10.1001/jama.2009.681
Dial MB, et al. Validation of nocturnal resting heart rate and heart rate variability in consumer wearables. Physiol Rep. 2025;13(16):e70527. doi:10.14814/phy2.70527
Lang JJ, Prince SA, Merucci K, et al. Cardiorespiratory fitness is a strong and consistent predictor of morbidity and mortality among adults: an overview of meta-analyses representing over 20.9 million observations from 199 unique cohort studies. Br J Sports Med. 2024;58(10):556-566. doi:10.1136/bjsports-2023-107849
Ross R, Blair SN, Arena R, et al. Importance of assessing cardiorespiratory fitness in clinical practice: a case for fitness as a clinical vital sign: a scientific statement from the American Heart Association. Circulation. 2016;134(24):e653-e699. doi:10.1161/CIR.0000000000000461
Shaffer F, Ginsberg JP. An overview of heart rate variability metrics and norms. Front Public Health. 2017;5:258. doi:10.3389/fpubh.2017.00258