研究说了什么
数字终点的验证分三层。分析验证看设备测得准不准，比如步数与人工计数的一致性、心率与心电图的偏差、睡眠分期与多导睡眠图的吻合度。临床验证看这个指标是否与受试者真正在意的事件相关，比如每日步数与全因死亡、步速与失能、夜间心率与心血管事件。临床效用则看依据这个指标做出决策，能否改善结局。多数可穿戴设备只完成了第一层，第二层有观察性关联，第三层几乎空白。一个被反复引用的例子是智能手表的房颤筛查研究：单臂入组约四十万人，仅约百分之零点五的人收到不规则心律通知，随后用贴片确认，阳性预测值约零点八四。这个数字说明设备能筛出部分房颤，却不能说明筛查降低了卒中，因为缺少对照，也无法排除检出后的治疗差异。验证还有一层常被跳过的工作：设备在真实佩戴条件下的失败率，研究中脱落的手表、充电中断、皮肤过敏，都会让数据缺失集中在某些人身上。若缺失与健康状况相关，剩下的数据就不再代表整个人群。第三层验证之所以难，是因为它需要一项以临床结局为终点的随机试验，而这类试验恰恰最贵。
为什么重要
抗衰试验需要长期、低负担、能反映日常功能的目标。步数、步速、活动碎片化、睡眠规律性都可以连续采集，理论上比一年一次的六分钟步行试验更敏感。但设备的每一次换代都可能改变算法与量程，同一个人换一块表，步数可能差出一成；不同厂商对睡眠分期的定义也不一致。若试验中途更换设备，前后数据不可直接合并。未佩戴造成的缺失还不是随机的：身体不适、住院、外出旅行都会让佩戴时间下降，而这些恰恰与结局相关。数字指标的另一面是它的诱惑，连续曲线看起来信息量很大，容易让人忘记主要终点只能有一个，事后从几十个导出的指标里挑一个显著的，与亚组分析里的挑选没有本质区别。监管对以数字指标为主要终点的试验，通常要求说明该指标如何对应到受试者能感知的获益；若只有步数上升而没有功能或事件改善，审评很难据此判断临床价值。设备厂商参与研发时，还应披露算法是否由厂商调整、调整发生在试验的哪个阶段。这些披露决定了数据是独立生成的，还是被利益相关方塑造的。
证据与边界
数字终点要进入确证性试验，需要预先规定设备型号、固件版本、佩戴规则、数据清洗算法与缺失处理，并在方案中说明最小临床重要差异。这个差异往往没有现成答案，步数增加一千步对虚弱老人意味着什么，缺少共识。监管机构对临床结局评估有资格认定流程，数字指标若要走这条路，需要提交分析验证与临床验证的证据，周期不短。观察性队列给出的关联也不能直接换算成干预获益：每天多走两千步的人死亡风险更低，可能是因为他们本来就更健康，而不是走路带来的。隐私与数据所有权同样绕不开，连续定位与心率数据属于敏感信息，跨境传输受不同法规约束。对读者的判断标准很朴素：看到以步数或睡眠为主要终点的试验，先查它有没有报告设备型号、佩戴依从率与缺失比例，这三项缺失，结论就很难站住。还有一层技术债：算法更新后，同一批原始数据可能算出不同的结果，若原始数据未留存，复核就无从谈起，因此试验应保存原始信号，而不仅是厂商处理后的汇总值。数字化的好处是数据更多，风险是更多的东西被藏进了黑箱。