VO2max z zegarka: jak dokładny jest pomiar i czy można mu ufać?

Dla większości osób trenujących to wystarczająca informacja, by używać wartości z zegarka jako orientacyjnego wskaźnika kierunku zmian: czy po kilku miesiącach regularnych treningów wydolność rośnie, czy spada. Problem zaczyna się, gdy liczba na ekranie traktowana jest jak wynik badania: porównywana z tabelami norm, z wynikami znajomych na innej marce zegarka albo wykorzystywana do oceny ryzyka zdrowotnego. Wtedy błąd rzędu kilku, a nawet kilkunastu ml/kg/min potrafi zmienić kategorię z 'przeciętnej' na 'doskonałą' lub odwrotnie.

W tym artykule krok po kroku wyjaśniamy, jak działają algorytmy szacujące VO2max, co pokazały niezależne badania dla Apple Watch, Garmina i Pixel Watch, skąd biorą się błędy i jak wyciągnąć z zegarka maksimum wiarygodności. Pokazujemy też, kiedy warto zainwestować w test laboratoryjny. Szerszy kontekst, czym jest VO2max i jak go poprawiać, znajdziesz w naszym haśle o VO2 max, o treningu w strefie 2 oraz o zmienności rytmu serca (HRV).

VO2max (maksymalny pobór tlenu) to największa ilość tlenu, jaką organizm potrafi pobrać i zużyć w ciągu minuty podczas wysiłku maksymalnego, najczęściej wyrażana w mililitrach na kilogram masy ciała na minutę (ml/kg/min). Obejmuje całą kaskadę: wentylację płuc, dyfuzję tlenu, pojemność minutową serca, transport tlenu we krwi i jego wykorzystanie w mięśniach. Złotym standardem pomiaru jest test wysiłkowy do wyczerpania z bezpośrednią analizą wydychanych gazów (spiroergometria, CPET), czyli z maską lub ustnikiem i analizatorem metabolicznym.

Zegarek nie ma maski ani analizatora. Zamiast tego opiera się na zależności, którą fizjologia wysiłku zna od dawna: przy danym tempie biegu (lub mocy) tętno rośnie tym wyżej, im niższa jest wydolność. Algorytm porównuje więc zapis tętna z prędkością, zwykle z GPS i akcelerometru, w trakcie biegu lub szybkiego marszu, uwzględnia wiek, płeć, masę ciała oraz tętno spoczynkowe i maksymalne, a następnie 'przelicza' to na VO2max. Co ważne, wysiłek jest submaksymalny, czyli nikt nie musi się wyczerpać. Jak wskazuje przegląd systematyczny, większość badań dotyczy właśnie sprzętu Garmin z algorytmem Firstbeat i szacunków z submaksymalnych biegów w terenie, porównywanych z laboratoryjnym testem na bieżni.

Różni producenci stosują własne warianty tej idei (część wymaga bieżni lub biegu na świeżym powietrzu z GPS, część używa wielodniowych danych z codziennego noszenia zegarka), ale logika jest podobna: z danych pośrednich, jakimi są tętno i ruch, szacuje się wielkość, której bezpośrednio się nie widzi. Z tego wynika ważna konsekwencja: każdy błąd w danych wejściowych, czyli w tętnie, w tempie, w założeniu o tętnie maksymalnym, przenosi się na wynik.

Tak duży błąd nie jest cechą wyłącznie jednego producenta. W badaniu na 19 osobach z Garminem fenix 6 średni błąd względem laboratoryjnych danych uśrednionych w 30-sekundowych oknach wynosił 7,05% (współczynnik zgodności Lina 0,73), co spełniało przyjęte przez autorów kryteria walidacji (MAPE poniżej 10% i CCC powyżej 0,7). W tej samej pracy ten sam zegarek nie zdał egzaminu w pomiarze saturacji tlenem, co dobrze pokazuje, że 'działa w jednej funkcji' nie znaczy 'działa we wszystkich'. Z kolei w badaniu na 24 zdrowych osobach, w którym porównano pięć różnych opasek i zegarków, błąd powyżej 10% miały wszystkie oceniane urządzenia z wyjątkiem Garmina Forerunner 920XT (7,3%), który istotnie niedoszacowywał VO2max.

Uderzająca jest też praca na Pixel Watch 3 (34 uczestników): średnie obciążenie systematyczne było niewielkie (około -0,5 ml/kg/min, MAPE 8,65%), ale granice zgodności wynosiły od około -12,6 do +11,5 ml/kg/min. Innymi słowy, urządzenie jako grupa nie myli się w jedną stronę, ale u konkretnej osoby błąd mógł być bardzo duży. Autorzy ocenili, że szacunki nie mają dostatecznej trafności na poziomie indywidualnym do zastosowań klinicznych, choć obciążenie systematyczne sugeruje użyteczność w monitorowaniu zdrowia populacji.

Pierwszym źródłem błędu jest założenie o tętnie maksymalnym. Algorytm często zakłada je z wieku (wzorem ogólnym) albo z dotychczasowych treningów. Jeśli Twoje rzeczywiste tętno maksymalne istotnie odbiega od szacunku, a u wielu osób odchylenie wynosi kilkanaście uderzeń na minutę, wynik przesuwa się systematycznie. Drugim źródłem jest jakość pomiaru tętna: optyczne czujniki nadgarstkowe mają gorszą dokładność przy szybko zmieniającym się wysiłku, w chłodzie, przy tatuażach lub luźno założonym pasku, dlatego w badaniach często stosuje się pasek piersiowy.

Trzecim jest fakt, że szacunek jest submaksymalny i opiera się na pewnym 'typowym' związku tętna z prędkością. Jeśli ktoś ma nietypową ekonomię biegu, biegnie pod górę lub z wiatrem, jest odwodniony, niewyspany, po kawie albo w upale, tętno przy danym tempie wzrośnie i zegarek 'uzna', że wydolność jest niższa. Czwartym, ujawnionym w badaniach, jest tzw. regresja do średniej: u osób o niskiej sprawności szacunki bywają zawyżone, a u osób bardzo sprawnych zaniżone, bo algorytm 'ciągnie' wynik ku typowej populacji. Dlatego sportowiec wytrzymałościowy z rzeczywistym VO2max 65 może zobaczyć na zegarku wynik wyraźnie niższy.

Wreszcie pojawia się niedopasowanie metod. W badaniu z Apple Watch wzorzec mierzono na cykloergometrze, a zegarek opierał się na biegu, a w każdej walidacji do wyniku dokładają się różnice w protokole, uśrednianiu danych i populacji. Dla użytkownika oznacza to jedno: porównywanie liczby z zegarka z tabelą norm lub z wynikiem kolegi na innym urządzeniu ma niewielki sens. Natomiast porównywanie jej z własnym wynikiem sprzed trzech miesięcy, z tego samego zegarka i w podobnych warunkach, jest znacznie bardziej uzasadnione.

Badania nad Garminem Forerunner 265 w 12-tygodniowym programie przygotowania do półmaratonu (20 osób) pokazały zresztą zjawisko, które warto znać: zegarek zawyżał VO2max średnio o około 2,5-2,9 ml/kg/min zarówno przed, jak i po treningu, ale błąd był względnie stały, a średni błąd procentowy mieścił się poniżej 10%. Stały błąd systematyczny jest dla śledzenia trendu znacznie mniej szkodliwy niż błąd losowy, bo nie maskuje zmiany.

Wydolność tlenowa należy do najsilniejszych znanych predyktorów przeżycia. W dużym badaniu retrospektywnym obejmującym 122 007 pacjentów poddanych próbie wysiłkowej na bieżni śmiertelność z jakiejkolwiek przyczyny malała wraz z wydolnością, a osoby z najwyższej grupy ('elitarnej') miały po korekcie ryzyko zgonu około 5 razy mniejsze niż osoby z grupy najniższej (HR 0,20), przy czym nie zaobserwowano górnej granicy korzyści. Amerykańskie Towarzystwo Kardiologiczne w oświadczeniu naukowym proponuje traktowanie wydolności jako 'parametru życiowego' w praktyce klinicznej, bo może być silniejszym predyktorem śmiertelności niż palenie, nadciśnienie czy cukrzyca.

Skoro różnice między kategoriami wydolności mają tak duże znaczenie rokownicze, pojawia się pytanie, czy błąd rzędu 4-9 ml/kg/min nie niweczy użyteczności zegarka. Odpowiedź jest dwupoziomowa. W skali jednej osoby błąd jest zbyt duży, by przypisać się do kategorii normatywnej na podstawie jednego odczytu. W skali czasu (ten sam zegarek, kilka miesięcy, rosnąca lub malejąca linia trendu) informacja o kierunku zmian pozostaje użyteczna, bo odzwierciedla zmianę sprawności, a nie bezwzględną wartość. Należy tylko pamiętać, że trend z zegarka jest sygnałem, a nie dowodem.

Jeśli wynik ma służyć do podejmowania decyzji zdrowotnych, na przykład oceny ryzyka sercowo-naczyniowego, zaplanowania intensywnego programu treningowego po przebytej chorobie lub dostosowania obciążeń u osoby po 60. roku życia, lepiej oprzeć się na teście wykonanym pod nadzorem. Dla zdrowych, aktywnych osób, które chcą po prostu wiedzieć, czy ich forma idzie w górę, zegarek zwykle w zupełności wystarcza.

Najdokładniejszy jest test spiroergometryczny (CPET), wykonywany w pracowni medycyny sportowej, kardiologii lub fizjologii wysiłku. Uczestnik wykonuje stopniowo narastający wysiłek na bieżni lub cykloergometrze, a analizator mierzy zużycie tlenu i produkcję dwutlenku węgla oddech po oddechu; dodatkowo uzyskuje się informacje o progach wentylacyjnych, które mają duże znaczenie przy planowaniu stref treningowych. Test jest wysiłkiem maksymalnym, więc powinien być wykonany pod nadzorem personelu, a u osób z chorobami serca lub z czynnikami ryzyka poprzedzony oceną lekarską.

Istnieją też testy terenowe, tańsze i bardziej dostępne, ale mniej dokładne: test Coopera (dystans pokonany w 12 minut biegu), test marszowy na 1,6 km oraz równania szacujące VO2max bez wysiłku, na podstawie wieku, masy ciała i tętna spoczynkowego. Ich błąd bywa porównywalny z błędem zegarka, a ich zaletą jest to, że są w pełni powtarzalne w identycznych warunkach (ten sam dystans, ta sama trasa, to samo tempo wysiłku). Dla osób, które chcą śledzić postępy bez laboratorium, regularny test Coopera lub powtarzalny bieg kontrolny na tym samym dystansie często daje równie użyteczną informację jak szacunek z zegarka.

Dobrą analogią jest waga łazienkowa, która mierzy z błędem 1-2 kg, ale konsekwentnie. Rano, na tej samej wadze, w podobnych warunkach, spadek o 3 kg jest sygnałem. Ta sama waga u dwóch osób nie jest już dobrym narzędziem do porównań absolutnych. Tak samo należy czytać VO2max z zegarka: nie zakładaj, że 52 u Ciebie oznacza więcej niż 49 u kolegi z innym urządzeniem, ale zauważ, jeśli Twoje własne 49 sprzed pół roku zmieniło się na 53.

Zegarek to rewelacyjne narzędzie do zbierania danych o własnej aktywności, a VO2max, który pokazuje, jest użyteczną wskazówką, o ile nie oczekuje się od niego dokładności laboratorium. Jeśli traktujesz go jako kompas, a nie mapę, jest bardzo przydatny: pokazuje kierunek, w którym zmierza Twoja forma. Jeśli traktujesz go jako wynik badania, narażasz się na wnioski, których dane nie uzasadniają. Przed ważną decyzją zdrowotną lub treningową, a także przynajmniej raz na kilka lat, jeśli stawką jest ocena ryzyka sercowo-naczyniowego, rozważ prawdziwy test wysiłkowy z analizą gazów.