体脂率或 BMI 会不会影响手表手环测心率和血氧的准确度？

这和肤色会不会影响手表手环的准确度是两个不同的问题，尽管它们经常被放在一起讨论、甚至在同一项研究里一起测。黑色素吸收的是传感器所用波段的光；体脂增加的则是光线要穿过的物理距离和散射组织。这是两个恰好共用同一种光学传感技术的独立变量——下面的证据也会说明，它们并不总是同步变化的。

体脂到底是怎么从物理层面干扰光学传感器的

几乎所有消费级手环手表——Apple Watch、WHOOP、Garmin、Fitbit、Oura——测心率和血氧用的都是光电容积描记法(PPG)：LED 向皮肤发光，光电二极管测量随每次心跳、血流变化而反射回来的光量。这束光在被光电二极管接收之前,要在皮肤、脂肪和组织里走一个来回。

传感器下方的皮下脂肪越多，光路就越长，光线在到达血管、再散射回来之前被散射掉的也就越多。有研究者用蒙特卡洛光传输模拟——用从肥胖人群身上实测的光学特性参数，去模拟光子在分层组织里到底是怎么散射的——发现 PPG 信号确实会被明显改变，其中一项模拟显示体成分能让信号的 AC/DC 比值(也就是算法真正用来找脉搏的那部分波形)变化最多达 40%。这是一个模拟结果，不是一项直接的准确度验证研究，但它给下面那些统计关联提供了一个说得通的物理成因，而不只是一堆解释不清的相关性数字。

还有一个不那么明显、但会叠加放大效应的机制：手腕围。手腕更粗的人如果表带佩戴偏松，运动时传感器和皮肤之间的相对位移就会更大，在本就偏弱的信号基础上再叠加一层动作伪影——这其实是"佩戴是否贴合"的问题，而非"脂肪"本身，但在现实中和 BMI 高度相关。

心率方面的研究到底测到了什么

这两项研究相隔九年、测的也是不同代际的设备，却得出了同一个结构性结论：BMI 是心率误差的一个独立预测因子，不是因为它和肤色或别的什么变量相关才"顺带"起作用。两个变量拖累的是同一个光学软肋，但各自独立起作用——2026 年这项研究发现,在控制住另一个变量之后,BMI 和肤色依然各自能单独预测误差。

这个效应本身的绝对幅度，其实比这个问题在网上被讨论的热度要小一些。在这两项研究里，大多数设备在静息和稳态活动下的心率误差——即便在较高 BMI 的受试者身上——也大多控制在百分之几以内：这个差距是真实存在、且统计学上独立的，但相比同一批数据里"活动类型"和"设备型号"之间的更大差异，它更像是一个次要效应。

卡路里消耗估算，才是体脂影响表现最明显的地方

这是整个话题里体脂效应最没有争议的一项指标，也最干净地把这个变量单独拎了出来。2026 年 FIU 的一项研究，在骑行测试中用临床代谢车做参照，测试了四款当代设备(Apple Watch Series 8、Fitbit Sense 2、Samsung Galaxy Watch 5、Garmin Forerunner 955)，发现卡路里消耗的误差在每一个品牌上都随体脂率升高而变大——而同一批受试者的肤色，对卡路里误差却完全没有测到显著影响。

这个反差,是这整个话题里最清楚的一条证据,说明体脂和肤色是真正两个独立的变量，而不是同一种偏差的两种说法：在这同一份数据里，心率同时对两个变量敏感，卡路里却只对其中一个敏感。卡路里误差背后的机制也和上面讲的光学信号故事不一样——这些算法是用心率加上一套关于体型/体成分的专有模型来估算能量消耗的，所以体成分这一项输入本身的误差，会叠加在原本已经存在的心率误差之上。也值得提一句：卡路里消耗这项数字即便在体重正常的人身上也不准——2017 年那项验证研究里，没有一款设备在任何人身上把误差压到 20% 以内。所以一个在正常体重下就偏差 20%-30%、在较高体脂下偏差到 35%-45% 的设备，本质上是同一个弱点被放大了而已，并非 BMI 单独造成的新问题。

血氧：物理机制一样，但证据基本还没跟上

血氧(SpO2)用的光学原理和心率完全一样——同样的 LED、同样的组织光路、同样的散射问题——所以没有理由认为 BMI 对血氧的影响会比对心率小。但目前几乎没有一项直接、样本量够大的验证研究，专门把消费级腕上血氧读数拿去对比临床参照，并按 BMI 清晰分层统计。2023 年一篇针对肥胖人群可穿戴设备使用情况的综述文献，直接点出了这个空白：大多数这类设备的有效性研究压根没有报告受试者的 BMI——也就是说，从现有文献里根本无法判断这个效应在最可能受影响的人群身上到底有多大。想了解血氧这项指标日常能信多少、不能信多少的更完整图景，可以看这篇专门讲血氧准确度的文章，那里覆盖的是目前证据更扎实的部分。

唯一一处：BMI 偏高反而让读数更可信，而不是更可疑

上面讲的每一个机制，方向都是"BMI 越高、读数越容易出噪声"。夜间血氧是个例外，而且方向完全相反——原因和传感器的物理原理毫无关系：阻塞性睡眠呼吸暂停(OSA)和体重有着很强的关联。在肥胖人群的研究里，大约一半的人在正式检测中会测出 OSA，而在因睡眠症状就诊、BMI 达到 40 以上的人群中，这个比例会升到绝大多数。所以同样一组反复出现的夜间血氧下降模式，出现在 BMI 偏高的人身上，反而更可能反映的是一个真实的生理事件，而不是需要解释掉的传感器噪声——这和这篇文章里讲心率时的"越高越该打折扣"正好是相反的逻辑。

怀疑自己的数字不准时，一套实操自查方法

1. 用胸带在真实运动中交叉验证心率，而不只是静息时测一次——这个差距如果存在，主要出现在运动强度较高的时候，而胸带完全绕开了光学信号这个问题，因为它读的是电信号而不是光信号。
2. 把设备的卡路里消耗数字当成一个粗略趋势，而不是用来精确计算热量缺口的输入值——这是所有手环手表里验证得最不扎实的一项指标，对所有人都是如此，体脂率高只是在这个本就不稳的基础上再加大了一点偏差。
3. 确保表带佩戴贴合，戴在手腕骨上方一到两指宽处，手腕较粗的人尤其要注意——佩戴偏松会在本就存在的光学衰减之上，再叠加一层动作伪影。
4. 不要把反复出现的夜间血氧下降，简单归因为"可能是我的体重影响了传感器"就不当回事。 如果这个模式几乎每晚都出现，并且伴有明显打鼾、被人观察到的呼吸暂停、或白天嗜睡，这组信号就值得去找医生评估,不管手环显示什么——能确诊睡眠呼吸暂停的只有专业睡眠监测，手环做不到。
5. 这篇文章里的每一项指标，都应该更看重数周的趋势，而不是单次读数——上面研究里"设备型号"和"活动类型"造成的差异，始终比 BMI 单独带来的效应更大。

总结

BMI 和体脂确实关联着更大的手环测量误差，机制和肤色偏差一样,但却是一个真正独立的变量——在卡路里消耗估算上表现最明显，在心率上真实存在但幅度有限，在血氧上目前研究还太少、无法量化。唯一的例外方向相反：对睡眠呼吸暂停风险更高的人来说，反复出现的夜间血氧下降更可能是真实信号，而不是传感器噪声。Vita 会把心率、HRV 和血氧从你连接的任何数据源——WHOOP、Apple 健康，或两者都有——汇总进同一张恢复画像里，看重的是你自己的长期趋势而不是某一次读数；如果某个数字看起来不太对劲，Vita 的 AI 教练可以陪你判断，这到底值得多留意一下，还是只是你这种情况下的正常波动。