The ability to measure physical activity through wrist-worn devices provides an opportunity for cardiovascular medicine. However, the accuracy of commercial devices is largely unknown. The aim of this work is to assess the accuracy of seven commercially available wrist-worn devices in estimating heart rate (HR) and energy expenditure (EE) and to propose a wearable sensor evaluation framework. We evaluated the Apple Watch, Basis Peak, Fitbit Surge, Microsoft Band, Mio Alpha 2, PulseOn, and Samsung Gear S2. Participants wore devices while being simultaneously assessed with continuous telemetry and indirect calorimetry while sitting, walking, running, and cycling. Sixty volunteers (29 male, 31 female, age 38 ± 11 years) of diverse age, height, weight, skin tone, and fitness level were selected. Error in HR and EE was computed for each subject/device/activity combination. Devices reported the lowest error for cycling and the highest for walking. Device error was higher for males, greater body mass index, darker skin tone, and walking. Six of the devices achieved a median error for HR below 5% during cycling. No device achieved an error in EE below 20 percent. The Apple Watch achieved the lowest overall error in both HR and EE, while the Samsung Gear S2 reported the highest. In conclusion, most wrist-worn devices adequately measure HR in laboratory-based activities, but poorly estimate EE, suggesting caution in the use of EE measurements as part of health improvement programs. We propose reference standards for the validation of consumer health devices (http://precision.stanford.edu/).

Precision health relies on the ability to assess disease risk at an individual level, detect early preclinical conditions and initiate preventive strategies. Recent technological advances in omics and wearable monitoring enable deep molecular and physiological profiling and may provide important tools for precision health. We explored the ability of deep longitudinal profiling to make health-related discoveries, identify clinically relevant molecular pathways and affect behavior in a prospective longitudinal cohort (n = 109) enriched for risk of type 2 diabetes mellitus. The cohort underwent integrative personalized omics profiling from samples collected quarterly for up to 8 years (median, 2.8 years) using clinical measures and emerging technologies including genome, immunome, transcriptome, proteome, metabolome, microbiome and wearable monitoring. We discovered more than 67 clinically actionable health discoveries and identified multiple molecular pathways associated with metabolic, cardiovascular and oncologic pathophysiology. We developed prediction models for insulin resistance by using omics measurements, illustrating their potential to replace burdensome tests. Finally, study participation led the majority of participants to implement diet and exercise changes. Altogether, we conclude that deep longitudinal profiling can lead to actionable health discoveries and provide relevant information for precision health. Personalized omics profiling can lead to actionable health discoveries and stimulate lifestyle changes.

Background: Small studies have suggested that high-intensity interval training (HIIT) is superior to moderate continuous training (MCT) in reversing cardiac remodeling and increasing aerobic capacity in patients with heart failure with reduced ejection fraction. The present multicenter trial compared 12 weeks of supervised interventions of HIIT, MCT, or a recommendation of regular exercise (RRE). Methods: Two hundred sixty-one patients with left ventricular ejection fraction ≤35% and New York Heart Association class II to III were randomly assigned to HIIT at 90% to 95% of maximal heart rate, MCT at 60% to 70% of maximal heart rate, or RRE. Thereafter, patients were encouraged to continue exercising on their own. Clinical assessments were performed at baseline, after the intervention, and at follow-up after 52 weeks. Primary end point was a between-group comparison of change in left ventricular end-diastolic diameter from baseline to 12 weeks. Results: Groups did not differ in age (median, 60 years), sex (19% women), ischemic pathogenesis (59%), or medication. Change in left ventricular end-diastolic diameter from baseline to 12 weeks was not different between HIIT and MCT ( P =0.45); left ventricular end-diastolic diameter changes compared with RRE were −2.8 mm (−5.2 to −0.4 mm; P =0.02) in HIIT and −1.2 mm (−3.6 to 1.2 mm; P =0.34) in MCT. There was also no difference between HIIT and MCT in peak oxygen uptake ( P =0.70), but both were superior to RRE. However, none of these changes was maintained at follow-up after 52 weeks. Serious adverse events were not statistically different during supervised intervention or at follow-up at 52 weeks (HIIT, 39%; MCT, 25%; RRE, 34%; P =0.16). Training records showed that 51% of patients exercised below prescribed target during supervised HIIT and 80% above target in MCT. Conclusions: HIIT was not superior to MCT in changing left ventricular remodeling or aerobic capacity, and its feasibility remains unresolved in patients with heart failure. Clinical Trial Registration: URL: http://www.clinicaltrials.gov . Unique identifier: NCT00917046.

Acute physical activity leads to several changes in metabolic, cardiovascular, and immune pathways. Although studies have examined selected changes in these pathways, the system-wide molecular response to an acute bout of exercise has not been fully characterized. We performed longitudinal multi-omic profiling of plasma and peripheral blood mononuclear cells including metabolome, lipidome, immunome, proteome, and transcriptome from 36 well-characterized volunteers, before and after a controlled bout of symptom-limited exercise. Time-series analysis revealed thousands of molecular changes and an orchestrated choreography of biological processes involving energy metabolism, oxidative stress, inflammation, tissue repair, and growth factor response, as well as regulatory pathways. Most of these processes were dampened and some were reversed in insulin-resistant participants. Finally, we discovered biological pathways involved in cardiopulmonary exercise response and developed prediction models revealing potential resting blood-based biomarkers of peak oxygen consumption.

Abstract Background The ability to measure activity and physiology through wrist-worn devices provides an opportunity for cardiovascular medicine. However, the accuracy of commercial devices is largely unknown. Objective To assess the accuracy of seven commercially available wrist-worn devices in estimating heart rate (HR) and energy expenditure (EE) and to propose a wearable sensor evaluation framework. Methods We evaluated the Apple Watch, Basis Peak, Fitbit Surge, Microsoft Band, Mio Alpha 2, PulseOn, and Samsung Gear S2. Participants wore devices while being simultaneously assessed with continuous telemetry and indirect calorimetry while sitting, walking, running, and cycling. Sixty volunteers (29 male, 31 female, age 38 ± 11 years) of diverse age, height, weight, skin tone, and fitness level were selected. Error in HR and EE was computed for each subject/device/activity combination. Results Devices reported the lowest error for cycling and the highest for walking. Device error was higher for males,greater body mass index, darker skin tone, and walking. Six of the devices achieved a median error for HR below 5% during cycling. No device achieved an error in EE below 20 percent. The Apple Watch achieved the lowest overall error in both HR and EE, while the Samsung Gear S2 reported the highest. Conclusions Most wrist-worn devices adequately measure HR in laboratory-based activities, but poorly estimate EE, suggesting caution in the use of EE measurements as part of health improvement programs. We propose reference standards for the validation of consumer health devices ( http://precision.stanford.edu/ ). Abbreviations (EE) Energy expenditure (HR) Heart rate (GEE) General estimating equation

Though some controversy remains regarding the place of the 12 lead Electrocardiogram (ECG) in the routine screening of young athletes and how and where the pre-participation examination should be performed, studies continue to support the ECG and properly organized mass screening. The purpose of this paper is to provide brief historical perspective, the experiences at our institution and our view of the future application of computerized Electrocardiography in screening for cardiovascular risk. The focus is on the process and improvement of Electrocardiographic criteria for estimating the cardiovascular risk of young athletes.

Exercise testing is routinely used in clinical practice to assess fitness - a strong predictor of survival - as well as causes of exercise limitations. While these studies often focus on cardiopulmonary response and selected molecular pathways, the dynamic system-wide molecular response to exercise has not been fully characterized. We performed a longitudinal multi-omic profiling of plasma and peripheral blood mononuclear cells including transcriptome, immunome, proteome, metabolome and lipidome in 36 well-characterized volunteers before and after a controlled bout of acute exercise (2, 15, 30 min and 1 hour in recovery). Integrative analysis revealed an orchestrated choreography of biological processes across key tissues. Most of these processes were dampened in insulin resistant participants. Finally, we discovered biological pathways involved in exercise capacity and developed prediction models revealing potential resting blood-based biomarkers of fitness.