# Smart Watch
## Integrantes do Grupo
|Nome|Matrícula|
|--|--|
| Ana Clara Barbosa Borges | 221007789 |
| Gabriel Moura dos Santos | 221008060 |
| Manuella Magalhães Valadares | 222021890 |
| Marcos Vieira Marinho | 222021906 |
---
## 1. Descrição do Produto Selecionado
**Figura 1.** Modelo de produto comercial utilizado: Fitbit Charge 3.
### Funções Principais, Público-Alvo e Contexto de Uso
O **Fitbit Charge 3** é um smartwatch lançado em 2018, projetado para monitoramento contínuo de saúde e atividades físicas. Seu público-alvo são pessoas interessadas em monitorar métricas básicas de saúde (sono, estresse, sedentarismo), principalmente atletas ou entusiastas de atividades físicas. O contexto de uso é vestível (*wearable*), ou seja, é projetado para ser utilizado junto ao corpo do usuário durante as suas atividades físicas e cotidianas.
**Principais Funções:**
* Contagem de passos.
* Distâncias percorridas.
* Estimativa de calorias queimadas.
* Minutos ativos com atividade intensa.
* Contagem de andares subidos.
* Monitoramento contínuo de frequência cardíaca (24/7).
* Monitoramento avançado de fases do sono (Leve, Profundo, REM).
* Notificações push emparelhadas com smartphone (chamadas, SMS, apps).
### Componentes e Sensores Utilizados
Com base na documentação técnica e análise de teardown do dispositivo, foram identificados os seguintes componentes:
### Sensores
| Sensor | Função |
|----------|----------|
| Acelerômetro MEMS de 3 eixos | Detecção de movimento e contagem de passos |
| Sensor óptico de frequência cardíaca (PPG) | Medição dos batimentos cardíacos |
| LEDs infravermelhos | Utilizados na medição cardíaca |
| Altímetro barométrico | Detecção de altitude e andares subidos |
| Sensor SpO2 | Estimativa de saturação de oxigênio |
| Sensor de toque | Interface com o usuário |
### Atuadores
- Motor vibratório para alertas.
- Display OLED monocromático.
### Processadores
Segundo a análise do hardware, o dispositivo utiliza:
- STM32L151C6 (32 bits)
- STM8L151 (8 bits)
### Outros Componentes
- Bateria Li-Po 3,7V
- Circuito carregador de bateria
- Antena Bluetooth
### Tecnologias de Comunicação e Controle Embarcadas
O Fitbit Charge 3 utiliza Bluetooth Low Energy (BLE) para sincronizar dados com smartphones, permitindo a transferência de informações como passos, frequência cardíaca e qualidade do sono com baixo consumo de energia. O processamento dos dados é realizado por microcontroladores embarcados, responsáveis por analisar os sinais dos sensores, calcular métricas de atividade física e gerenciar o funcionamento do dispositivo.
## 2. Análise Técnica do Funcionamento
### Principais Módulos do Sistema
A Figura 2 apresenta uma visão geral da arquitetura de hardware do Fitbit Charge 3, destacando os principais componentes responsáveis pelo processamento, sensoriamento, comunicação e interação com o usuário.
**Figura 2.** Arquitetura simplificada do Fitbit Charge 3, mostrando os módulos de processamento, sensores, comunicação sem fio, alimentação e interface com o usuário.
O Fitbit Charge 3 é organizado em torno de cinco módulos funcionais principais:
#### 2.1 Módulo de Sensoriamento
**Sensor Óptico de Frequência Cardíaca (PPG)**
O sensor de batimentos cardíacos é composto por um chip óptico e conjuntos de LEDs posicionados na face inferior do dispositivo, em contato direto com o pulso do usuário:
- LEDs verdes: Utilizados para medição de frequência cardíaca (HR). A luz verde é mais absorvida pela hemoglobina oxigenada e apresenta melhor desempenho na presença de artefatos de movimento, tornando-a adequada para uso contínuo no pulso.
- LEDs infravermelhos: Utilizados para estimativa de saturação de oxigênio no sangue (SpO₂), tirando proveito das diferentes propriedades ópticas da hemoglobina oxigenada e desoxigenada.
O princípio de funcionamento é a fotopletismografia (PPG): os LEDs emitem luz que penetra a pele e é parcialmente absorvida pelo sangue nas artérias. A cada batimento cardíaco, a variação do volume sanguíneo altera a quantidade de luz refletida de volta ao sensor óptico, gerando um sinal periódico que é processado para extrair a frequência cardíaca.
**Figura 3.** Detalhe da placa de circuito destacando o sensor óptico e os LEDs, responsáveis pela medição contínua via fotopletismografia (PPG).
**Acelerômetros (×2)**
O dispositivo utiliza **dois acelerômetros** para detecção de movimento. A contagem de passadas requer processamento significativo para distinguir passos reais de movimentos aleatórios do pulso, e os dados combinados aumentam a confiabilidade do algoritmo de pedometria.
**Sensor de Altitude (Barômetro MEMS)**
Um sensor barométrico MEMS da Measurement Specialties é utilizado para contar andares subidos. É um sensor de pressão calibrado para altitude, com resolução de 20 cm, equipado com um conversor analógico-digital de 24 bits de ultra baixo consumo integrado.
---
#### 2.2 Módulo de Processamento e Conectividade
Diferente de seus predecessores que utilizavam microcontroladores e chips Bluetooth separados, o Charge 3 consolidou essas funções para otimização espacial e energética.
**System-on-Chip (SOC) Cypress Semiconductor**
- Dual-Core ARM Cortex: Um núcleo Cortex-M4 (para processamento pesado, como os algoritmos de frequência cardíaca a partir do sinal PPG ruidoso) e um núcleo Cortex-M0 (para tarefas de baixa complexidade e extrema economia de energia).
- Bluetooth Low Energy (BLE) Integrado: O mesmo chip lida nativamente com a comunicação BLE para sincronização com o smartphone, ativando o rádio em rajadas curtas e permanecendo em sleep mode na maior parte do tempo.
Essa arquitetura unificada é um dos principais fatores que permite ao relógio alcançar sua autonomia de bateria de até 7 dias, mesmo com um display maior.
**Figura 4.** Placa principal (PCB) do dispositivo destacando o System-on-Chip Cypress Semiconductor PSoC 6, que integra os núcleos de processamento ARM e a comunicação Bluetooth LE no mesmo componente.
**NFC (Fitbit Pay)**
O Charge 3 inclui suporte a pagamento por aproximação via Fitbit Pay, implementado por meio de hardware NFC dedicado, permitindo transações sem contato em terminais compatíveis.
**Antena BLE integrada ao suporte do OLED**
A antena Bluetooth é fisicamente adesivada e integrada à peça plástica que serve de suporte para o display OLED, aproveitando o espaço interno de forma eficiente.
**Figura 5.** Desconexão dos cabos flexíveis do display, expondo a estrutura interna e a área de alojamento da antena Bluetooth.
---
#### 2.3 Módulo de Interface com o Usuário
**Display OLED**
O display monocromático é do tipo OLED, conectado ao PCB principal via cabo flexível. A tecnologia OLED é vital pois pixels apagados não consomem energia. A alimentação do painel é feita por um conversor DC-DC boost da Texas Instruments, necessário para elevar a tensão da bateria.
**Motor de Vibração**
Um pequeno motor de vibração cilíndrico (fabricado pela Jinlong Machinery) é utilizado para fornecer alertas hápticos para notificações, alarmes e interação.
**Botão Indutivo Lateral**
Para garantir a certificação de resistência à água (5 ATM), o Charge 3 substituiu o botão mecânico tradicional por um botão indutivo sem partes móveis. Ele detecta a pressão do dedo através de pequenas deformações no metal da carcaça, acionando o motor de vibração para simular um "clique" físico.
**Figura 6.** Remoção do conjunto do botão indutivo lateral e do motor de vibração magnético da carcaça do relógio.
---
#### 2.4 Módulo de Gerenciamento de Energia
**Bateria**
O sistema é alimentado por uma bateria de polímero de lítio (Li-Po) de 3,7V.
**Circuito de Carga**
O gerenciamento de recarga é realizado por um IC dedicado (Texas Instruments). O relógio é carregado através de pinos de contato na parte traseira que se alinham magneticamente com o cabo proprietário.
**Figura 7.** Remoção do conjunto do botão indutivo lateral e do motor de vibração magnético da carcaça do relógio.
---
#### 2.5 Arquitetura de Fluxo do Ecossistema
O ecossistema opera em três níveis de processamento distribuído :
1. **Wearable Intelligence (Edge/Device)**: O hardware local executa armazenamento básico, broadcasting BLE e processamento baseado em eventos (contagem de passos, filtragem de batimentos).
2. **Mobile Phones (Nó Intermediário)**: O aplicativo de smartphone recebe os dados via BLE, faz a gestão da transferência e extrai características avançadas (geolocalização, atividades).
3. **Cloud (Nuvem)**: Camada de visualização de dados, bancos de dados seguros centrados no usuário e algoritmos complexos de Machine Learning para correlação de métricas de saúde ao longo do tempo.
**Figura 8.** Diagrama de blocos do ecossistema e fluxo de dados do Fitbit.
---
### Identificação de Tecnologias Críticas
| Tecnologia | Relevância no produto |
| --- | --- |
| **Fotopletismografia (PPG)** | Tecnologia central para monitoramento cardíaco e de SpO₂ de forma não-invasiva pelo pulso. |
| **System-on-Chip (SoC) Dual-Core** | Uso do Cypress PSoC 6 integrando núcleos ARM distintos (M4 e M0) e BLE 4.0 no mesmo encapsulamento para ultra baixo consumo e alto processamento. |
| **MEMS (Micro Electro-Mechanical Systems)** | Base para a miniaturização dos acelerômetros e do altímetro barométrico. |
| **Sensor Indutivo Háptico** | Botão lateral sem partes móveis que permite vedação completa contra água (5 ATM) acoplado a feedback vibratório. |
| **Processamento Digital de Sinais (DSP)** | Filtragem de ruídos e separação de artefatos de movimento para garantir a precisão do sinal PPG durante atividades físicas. |
## 3. Proposta de Reprodução com ESP32
Para a reprodução do projeto estudado, foi realizada uma proposta de um produto similar utilizando uma ESP32 e os sensores disponibilizados na disciplina.
### 3.1. Fluxo de Funcionamento
1. **Ativação do dispositivo:** O smartwatch sai do modo de economia de energia para ativar a tela pelo acionamento do Sensor de Toque.
2. **Exibição da interface principal:** A ESP32 processa o acionamento e liga a Tela OLED 0.98" (I2C), exibindo a tela inicial com o horário atual e a quantidade de passos dados pelo usuário.
3. **Monitoramento contínuo:** A Unidade de Medição Inercial faz a leitura dos movimentos para contabilizar os passos do usuário, independentemente de o dispositivo estar ativado ou no modo de economia de energia.
4. **Navegação:** Toques subsequentes no sensor permitem ciclar entre os menus:
- *Tela 1:* Relógio e Passos.
- *Tela 2:* Monitoramento Cardíaco.
- *Tela 3:* Clima/Tempo.
5. **Ativação do Sensor de Batida de Coração e exibição de resultados:** Após o usuário selecionar a função de monitoramento cardíaco, o sistema ativa o Sensor de Batida de Coração. A ESP32 faz a leitura do sensor, processa os dados para calcular os batimentos por minuto (BPM) e apresenta os resultados na Tela OLED.
6. **Consulta e exibição de informações sobre o clima:** Ao selecionar a função de clima, a ESP32 liga seu módulo Wi-Fi e realiza uma requisição a uma API na internet. O sistema recebe os dados climáticos, desliga o Wi-Fi para economizar bateria e exibe as informações (temperatura e condição climática) na Tela OLED.
7. **Retorno ao modo de economia de energia:** Após um período de inatividade (sem toques no Sensor de Toque), a ESP32 desliga a Tela OLED e desativa o Sensor de Batida de Coração. O sistema retorna ao estado de economia de bateria, mantendo apenas a contagem de passos.
### 3.2. Componentes de Hardware
Para a seleção dos componentes, foram consideradas as funcionalidades do produto que o grupo deseja implementar, assim como a [lista de sensores disponíveis para a disciplina](../Lista_de_Sensores.md).
| Componente | Função principal |
| :--- | :---: |
| Tela OLED 0.98" (I2c) | Exibir a interface principal do sistema, relógio e menus interativos. |
| Sensor de Toque | Permitir a navegação pelos menus e seleção de opções. |
| Unidade de Medição Inercial (Acelerômetro e Giroscópio) | Contabilizar os passos do usuário. |
| Sensor de Batida de Coração | Medir os batimentos por minuto (BPM) do usuário. |
| Buzzer Ativo | Atuador para prover feedback ao usuário (alarmes, metas alcançadas e toques na interface). | Motor de Vibração |
### 3.3. Diagrama Conceitual do Sistema
Abaixo é apresentado o diagrama de blocos conceitual demonstrando como os sensores e atuadores se conectam à ESP32, indicando os barramentos de comunicação utilizados:
```mermaid
graph TD
subgraph Alimentacao [Alimentação]
B[Bateria / Fonte 3.3V - 5V] --> ESP[Microcontrolador ESP32]
end
subgraph Entradas [Módulo de Sensoriamento - Entradas]
IMU[Unidade de Medição Inercial
Acelerômetro/Giroscópio] -- |VCC / GND| --> ESP
BPM[Sensor de Batida
de Coração] -- Analógico/ADC --> ESP
TOUCH[Sensor de Toque] -- Digital/Interrupt --> ESP
end
subgraph Processamento [Módulo de Processamento e Conectividade]
ESP <-->|Wi-Fi HTTP/JSON| API[API na Nuvem
Clima / Hora NTP]
end
subgraph Saidas [Módulo de Interface e Atuadores - Saídas]
ESP -- I2C --> OLED[Tela OLED 0.98]
ESP -- Digital/PWM --> BUZZ[Buzzer Ativo]
end
```
### 3.4. Limitações e Desafios Esperados
A reprodução de um sistema comercial vestível utilizando placas de desenvolvimento e módulos discretos apresenta desafios significativos:
1. **Restrições de Dimensão e Form Factor:** Enquanto o Fitbit utiliza componentes SMD em placas de circuito flexíveis de alta densidade (HDIP), a junção de módulos padrão (Devkit ESP32, módulo IMU, módulo OLED) resultará em um dispositivo fisicamente inviável para ser usado no pulso de forma contínua, configurando-se estritamente como uma prova de conceito (PoC) de mesa.
2. **Consumo de Bateria (Power Profiling):** A arquitetura do Fitbit utiliza dois processadores dedicados com consumo na casa dos microamperes. A ESP32, apesar de possuir modos sleep, consome significativamente mais energia, especialmente em picos de uso do rádio Wi-Fi. A vida útil da bateria de um protótipo seria de horas, em oposição aos 7 dias do produto comercial.
3. **Complexidade do Processamento Digital de Sinais (DSP):**
- **Pedômetro:** Transformar os dados brutos X, Y e Z do acelerômetro em uma contagem precisa de passos requer algoritmos complexos de filtragem passa-baixa e janelamento para evitar falsos positivos (ex: movimentos do braço que não são passos).
- **Frequência Cardíaca:** O sensor de batimento simples apresenta muito ruído dependendo da pressão do dedo e luz ambiente, necessitando de calibração via software para entregar valores estáveis de BPM.
## 4. Pesquisa bibliográfica e tecnológica
### **Artigos de Tecnologia:**
**ALFONSO, Carla et al. Agreement between two photoplethysmography-based wearable devices for monitoring heart rate during different physical activity situations: a new analysis methodology. Scientific reports, v. 12, n. 1, p. 15448, 2022. Disponível em:** https://www.nature.com/articles/s41598-022-18356-9
**Resumo:** Dispositivos vestíveis estão sendo cada vez mais utilizados para monitorar a frequência cardíaca (FC). No entanto, sua utilidade para analisar a FC contínua em pesquisas ou em nível clínico é questionável. O objetivo deste estudo é analisar o nível de concordância entre diferentes dispositivos vestíveis na medição da FC com base na fotopletismografia, de acordo com diferentes posições corporais e níveis de atividade física, e compará-la com um eletrocardiograma (ECG) considerado padrão ouro. O método proposto mede a concordância entre diversas escalas de tempo, visto que diferentes dispositivos vestíveis obtêm a FC em diferentes taxas de amostragem. Dezoito estudantes universitários (10 homens, 8 mulheres; 22 ± 2,45 anos) participaram de um estudo laboratorial. Os participantes usaram simultaneamente um Apple Watch e um relógio Polar Vantage. O ECG foi medido utilizando um sistema BIOPAC. A FC foi registrada de forma contínua e simultânea pelos três dispositivos, durante períodos consecutivos de 5 minutos em 4 situações diferentes: deitado de costas, sentado, em pé e caminhando a 4 km/h em uma esteira.
**BURRELLO, Alessio et al. Q-ppg: Energy-efficient ppg-based heart rate monitoring on wearable devices. IEEE Transactions on Biomedical Circuits and Systems, v. 15, n. 6, p. 1196-1209, 2021.. Disponível em:** https://ieeexplore.ieee.org/abstract/document/9583926
**Resumo:** O monitoramento da frequência cardíaca (FC) é cada vez mais realizado em dispositivos de pulso usando sensores de fotopletismografia (PPG) de baixo custo. No entanto, artefatos de movimento (AMs) causados pelos movimentos do braço do indivíduo afetam o desempenho do rastreamento da FC baseado em PPG. Isso geralmente é resolvido acoplando o sinal de PPG com medições de aceleração de um sensor inercial. Infelizmente, a maioria das abordagens padrão desse tipo depende de parâmetros ajustados manualmente, o que prejudica sua capacidade de generalização e sua aplicabilidade a dados reais em campo. Em contrapartida, métodos baseados em aprendizado profundo, apesar de sua melhor generalização, são considerados complexos demais para serem implementados em dispositivos vestíveis. Neste trabalho, abordamos essas limitações, propondo uma metodologia de exploração do espaço de projeto para gerar automaticamente uma ampla família de Redes Neurais Convolucionais Temporais (TCNs) profundas para monitoramento da FC, todas derivadas de um único modelo inicial.
**AO, Buke et al. Context Impacts in Accelerometer-Based Walk Detection and Step Counting. Sensors, [s. l.], v. 18, n. 11, 3634, p. 1-19, out. 2018. Disponível em:** https://www.mdpi.com/1424-8220/18/11/3604
**Resumo:** A detecção de caminhada (DC) e a contagem de passos (CP) tornaram-se aplicações populares com o recente surgimento dos dispositivos vestíveis (wearable devices). Esses dispositivos monitoram os estados do usuário e processam dados de acelerômetros baseados em MEMS e, opcionalmente, de sensores de giroscópio. Vários algoritmos têm sido propostos para DC e CP, os quais geralmente são sensíveis aos contextos das aplicações, ou seja: (1) os locais de posicionamento do sensor; (2) as orientações do sensor; (3) os padrões de caminhada do usuário; (4) os tamanhos das janelas de pré-processamento; e (5) as taxas de amostragem do sensor. Uma compreensão aprofundada de como esses fatores dinâmicos afetam o desempenho dos algoritmos é investigada e comparada neste artigo. Em particular, algoritmos representativos de DC e CP são apresentados de acordo com suas metodologias de design. Uma série de experimentos é projetada levando em consideração diferentes contextos de aplicação para formar um conjunto de dados (dataset) experimental. Diferentes algoritmos são, então, implementados e avaliados nesse conjunto de dados. Os resultados da avaliação fornecem uma comparação quantitativa de desempenho, indicando as vantagens e desvantagens de diferentes algoritmos sob diferentes cenários de aplicação, oferecendo orientações valiosas para a seleção de algoritmos em aplicações práticas.
**WAN, Jie et al. Wearable IoT enabled real-time health monitoring system. Journal of Ambient Intelligence and Humanized Computing, [s. l.], v. 11, n. 12, p. 6111–6125, dez. 2020. Disponível em:** https://link.springer.com/article/10.1186/s13638-018-1308-x
**Resumo:** À medida que o perfil etário de muitas sociedades continua a aumentar, somado ao crescimento da população de pessoas afetadas por doenças crônicas — incluindo diabetes, doenças cardiovasculares, obesidade, entre outras —, o apoio à saúde, tanto mental quanto física, torna-se cada vez mais importante para que a vida independente seja mantida. O sensoriamento, o monitoramento remoto da saúde e, em última análise, o reconhecimento de atividades da vida diária têm se mostrado uma solução promissora. Sob uma perspectiva técnica, a Internet das Coisas (IoT) vem ganhando uma atenção que cresce rapidamente em diversas disciplinas, especialmente na saúde personalizada. Enquanto isso, a rede de sensores corporais (BASN — Body Area Sensor Network), sob a estrutura da IoT, tem sido amplamente aplicada, por exemplo, para o monitoramento ubíquo da saúde. O monitoramento por ECG tem sido comumente adotado como uma abordagem vital para o diagnóstico de doenças cardíacas. As principais contribuições deste artigo incluem o seguinte: primeiramente, este artigo apresenta um sistema inovador, o WISE (Wearable IoT-cloud-baSed hEalth monitoring system — Sistema de Monitoramento de Saúde Vestível Baseado em Nuvem e IoT), para o monitoramento em tempo real da saúde pessoal. O WISE adota a estrutura de BASN para dar suporte ao monitoramento de saúde em tempo real. Diversos sensores vestíveis foram incorporados, incluindo sensores de batimentos cardíacos, temperatura corporal e pressão arterial. Em segundo lugar, a maioria dos sistemas de monitoramento de saúde vestíveis existentes exige um smartphone como gateway de processamento, visualização e transmissão de dados, o que certamente impacta o uso diário normal do aparelho. No WISE, por outro lado, os dados coletados da BASN são transmitidos diretamente para a nuvem, e um LCD vestível de baixo consumo/leve (lightweight) pode ser integrado como uma solução alternativa para a visualização rápida dos dados em tempo real.
### **Artigos de Aplicação/Uso:**
**MIDDELWEERD, Anouk et al. A validation study of the Fitbit one in daily life using different time intervals. Medicine and science in sports and exercise, v. 49, n. 6, p. 1270-1279, 2017. Disponível em:** https://research.utwente.nl/en/publications/a-validation-study-of-the-fitbit-one-in-daily-life-using-differen/
**Resumo:** Dispositivos vestíveis baseados em acelerômetro podem fornecer ao usuário feedback em tempo real por meio da interface do dispositivo e de plataformas móveis. Poucos estudos se concentraram na validade minuto a minuto desses dispositivos, o que é essencial para um feedback em tempo real de alta qualidade. Este estudo visa avaliar a validade do Fitbit One em comparação com o ActiGraph GT3x+ para avaliar a atividade física (ou seja, passos, tempo gasto em atividade física moderada, vigorosa e moderada-vigorosa) em adultos jovens, utilizando intervalos de tempo tradicionais (ou seja, dias) e intervalos de tempo menores (ou seja, minutos e horas).
**DELOBELLE, Julie et al. Fitbit's accuracy to measure short bouts of stepping and sedentary behaviour: validation, sensitivity and specificity study. Digital Health, v. 10, p. 20552076241262710, 2024. Disponível em:** https://journals.sagepub.com/doi/full/10.1177/20552076241262710
**Resumo:** Este estudo tem como objetivo avaliar a adequação dos dispositivos Fitbit para o monitoramento em tempo real da atividade física (AF) e do comportamento sedentário (CS) no contexto de intervenções adaptativas just-in-time (JITAIs) e estudos de avaliação ecológica momentânea (EMA) baseada em eventos.
**O’SULLIVAN, Grace et al. Challenges of using a Fitbit smart wearable among people with dementia. International Journal of Geriatric Psychiatry, v. 38, n. 3, p. e5898, 2023. Disponível em:** https://onlinelibrary.wiley.com/doi/full/10.1002/gps.5898
**Resumo:** Pesquisas limitadas sobre o uso de dispositivos vestíveis inteligentes, como o Fitbit, em pessoas com demência têm demonstrado resultados favoráveis. O objetivo deste estudo foi explorar a aceitabilidade e a viabilidade do uso do Fitbit Charge 3 em pessoas com demência, residentes na comunidade, que participaram do componente de exercício físico do estudo piloto Comprehensive REsilience-building psychoSocial intervenTion (Intervenção Psicossocial Abrangente para a Construção da Resiliência).
**HAVEMAN, Marjolein E. et al. Continuous monitoring of vital signs with wearable sensors during daily life activities: validation study. JMIR formative research, v. 6, n. 1, p. e30863, 2022. Disponível em:** https://formative.jmir.org/2022/1/e30863
**Resumo:** O monitoramento contínuo dos sinais vitais em ambiente clínico ou domiciliar pode levar a um melhor conhecimento dos sinais vitais basais dos pacientes e à detecção precoce de deterioração do quadro clínico, além de facilitar a transferência do cuidado para o domicílio. Pouco se sabe sobre o desempenho dos sensores vestíveis disponíveis, especialmente durante as atividades da vida diária, embora a precisão da tecnologia seja fundamental para a tomada de decisões clínicas.
**KALANADHABHATTA, Manasa; RAHMAN, Tauhidur; GANESAN, Deepak. Effect of sleep and biobehavioral patterns on multidimensional cognitive performance: longitudinal, in-the-wild study. Journal of Medical Internet Research, v. 23, n. 2, p. e23936, 2021. Disponível em:** https://www.jmir.org/2021/2/E23936/
**Resumo:** Com quase 20% da população adulta dos EUA usando rastreadores de atividade física, há um foco crescente em como os dados fisiológicos desses dispositivos podem fornecer informações práticas sobre o desempenho no trabalho. No entanto, faltam estudos em contextos reais que compreendam como essas métricas se correlacionam com medidas de desempenho cognitivo em uma população diversificada, e as alegações feitas pelos fabricantes de dispositivos são vagas. Embora tenha havido extensa pesquisa levando a uma variedade de teorias sobre como as medidas fisiológicas afetam o desempenho cognitivo, praticamente todos esses estudos foram conduzidos em ambientes altamente controlados e sua validade no mundo real é pouco compreendida.
## 5. Comparativo com produtos similares
**Produtos selecionados:**
1. **Xiaomi Mi Band 3 (2018):** Concorrente de entrada, muito popular pelo custo-benefício.
2. **Garmin Vívosmart 4 (2018):** Concorrente direto focado em atletas e métricas avançadas de saúde (como nível de energia "Body Battery").
3. **Samsung Galaxy Fit (2019):** Resposta direta da Samsung ao mercado de smartbands premium com tela colorida.
4. **Apple Watch Series 3 (2017):** Smartwatch completo de categoria superior, servindo como comparativo de consumo de bateria e poder de processamento.
5. **Fitbit Charge 4 (2020):** Geração seguinte do próprio produto estudado, ilustrando a evolução tecnológica (inclusão de GPS autônomo).
### Tabela Comparativa de Especificações
| Característica / Especificação | Fitbit Charge 3 (Produto Estudado) | Xiaomi Mi Band 3 | Garmin Vívosmart 4 | Samsung Galaxy Fit | Apple Watch Series 3 | Fitbit Charge 4 |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| **Ano de Lançamento** | 2018 | 2018 | 2018 | 2019 | 2017 | 2020 |
| **Categoria** | Smartband Premium | Smartband de Entrada | Smartband Premium | Smartband Premium | Smartwatch | Smartband Premium |
| **Tela (Display)** | OLED Monocromático | OLED Monocromático | OLED Monocromático | AMOLED Colorido | OLED Colorido | OLED Monocromático |
| **Duração da Bateria** | Até 7 dias | Até 20 dias | Até 7 dias | Até 7 dias | Até 18 horas | Até 7 dias |
| **Conectividade** | Bluetooth LE, NFC (na versão Pay) | Bluetooth LE | Bluetooth LE, ANT+ | Bluetooth LE | Wi-Fi, Bluetooth, Celular (Opcional) | Bluetooth LE, NFC, GPS Integrado |
| **Sensores Principais** | Acelerômetro, Óptico (HR), Altímetro, SpO2 | Acelerômetro, Óptico (HR) | Acelerômetro, Óptico (HR), Altímetro, SpO2 | Acelerômetro, Giroscópio, Óptico (HR) | Acelerômetro, Giroscópio, Óptico (HR), GPS, Altímetro | Acelerômetro, Óptico (HR), Altímetro, SpO2, GPS Integrado |
| **Poder de Processamento** | Baixo (Foco em economia) | Muito baixo | Baixo | Médio | Alto (Processador Dual-Core) | Baixo |
| **Diferencial / Foco** | Equilíbrio entre estética e saúde detalhada | Preço extremamente acessível | Algoritmos de performance esportiva avançados | Tela colorida e integração com ecossistema Android | Aplicativos de terceiros e independência do celular | Adição de GPS para rastreamento de rotas sem o celular |
## 6. Referências
## 6. Referências
1. Fitbit Charge 3 - Guia do Usuário: https://device101.fitbit.com/guides/charge3-101.html
2. VORA, Keval. **Product Teardown: FITBIT CHARGE 3 (Main Control Unit)**. Developing the Industrial Internet of Things Course 2, 2020. Disponível em: .
3. WEGNER, Stacy. **Fitbit Charge 3 Teardown**. TechInsights, 2018. Disponível em: . Acesso em: 11 jun. 2026.
4. ROOK27, Shelling; et al. **Charge 3 Disassembly - Guia de Reparo iFixit**. iFixit, 2024. Disponível em: . Acesso em: 11 jun. 2026.