Wissenschaftliche Validierung der Herzfrequenz-Erholungsanalysen von Sapiens

Automatisch ins Deutsche übersetzt.

Wenn wir jemandem sagen, dass sein Nervensystem die Dienstagnacht in physiologischem Stress statt in Erholung verbracht hat, ist diese Aussage nur so vertrauenswürdig wie das Signal dahinter.

Bei Sapiens leiten wir Stress und Erholung aus der Herzratenvariabilität (HRV) ab: den winzigen Schwankungen im zeitlichen Abstand von Herzschlag zu Herzschlag, die zeigen, wie das autonome Nervensystem den Körper reguliert. Die HRV ist ein wirklich aussagekräftiges Fenster zur Erholung, aber auch ein empfindliches. Sie steckt in Unterschieden von wenigen Millisekunden zwischen den Herzschlägen. Deshalb entscheidet die Art, wie du diese Schläge erfasst, darüber, ob die Schlussfolgerung echt ist oder nur Rauschen.

Dieser Artikel erklärt die Wissenschaft hinter dieser Wahl. Er zeigt, was die HRV misst und warum sie Erholung abbildet, warum die Messmethode (Elektrokardiogramm im Vergleich zum optischen Sensor eines typischen Wearables am Handgelenk) den größten Einfluss auf die Datenqualität hat und was die unabhängige, begutachtete Forschung über das Gerät sagt, das wir nutzen: Firstbeat Life, das ein Einkanal-EKG aufzeichnet. Jede Aussage unten ist mit einer Primärstudie belegt, die am Ende vollständig aufgeführt ist.

Was die Herzratenvariabilität tatsächlich misst

Ein gesundes Herz ist kein Metronom. Der Abstand zwischen zwei aufeinanderfolgenden Schlägen, das R-R-Intervall, wird ständig länger und kürzer, weil die beiden Zweige des autonomen Nervensystems am Sinusknoten ziehen und drücken. Der parasympathische (vagale) Zweig verlangsamt das Herz und dominiert in Ruhe und Erholung. Der sympathische Zweig beschleunigt es bei Stress, Anstrengung und Erregung. Weil die vagale Aktivität den Herzrhythmus von Schlag zu Schlag verändert, ist die Variabilität zwischen den Schlägen ein brauchbarer Indikator für das autonome Gleichgewicht, und zwar speziell für die parasympathische Aktivität, die Erholung kennzeichnet.^{[1, 2]}

Nicht jeder HRV-Wert bedeutet dasselbe. Die Kennzahl, die am engsten mit vagaler Aktivität (also Erholung) verknüpft ist, ist der RMSSD: die Wurzel aus dem Mittelwert der quadrierten Differenzen aufeinanderfolgender R-R-Intervalle. Deshalb sind kurzfristige, parasympathisch geprägte Indizes wie der RMSSD das Arbeitspferd der Erholungsmessung und nicht etwa die reine Herzfrequenz allein.^{[2, 3]} Daraus ergibt sich auch eine harte Anforderung an die Hardware: Wenn eine Kennzahl auf Millisekunden-Differenzen zwischen benachbarten Schlägen beruht, muss das Gerät jeden Schlag auf wenige Millisekunden genau erfassen. Genau an dieser Anforderung trennen sich die Messmethoden.

Warum die Messmethode wichtiger ist als die Marke

Es gibt zwei gängige Wege, den Herzschlag zu erfassen. Ein Elektrokardiogramm (EKG) misst die elektrische Aktivität des Herzens direkt und markiert jeden Schlag an der steilen R-Zacke. Das ist dasselbe Ereignis, das auch ein klinisches Langzeit-EKG (Holter-Monitor) nutzt. Das EKG ist der Referenzstandard, der „Goldstandard“, an dem alle anderen HRV-Methoden gemessen werden.^[1] Die meisten Wearables für Handgelenk und Finger nutzen stattdessen Photoplethysmographie (PPG): einen optischen Sensor, der den Puls aus dem Licht ableitet, das vom Blutfluss in der Haut reflektiert wird. PPG schätzt eine verwandte, aber andere Größe, die Pulsratenvariabilität (PRV). Sie beruht auf der Ankunft der Pulswelle in der Peripherie statt auf dem elektrischen Schlag am Herzen.

Der Unterschied ist nicht nur theoretisch. Eine systematische Übersichtsarbeit, die PPG-basierte PRV mit dem EKG verglich, kam zu dem Schluss, dass die Übereinstimmung in Ruhe akzeptabel ist. Körperliche Aktivität und verschiedene mentale Stressoren verschlechtern sie aber „oft in inakzeptablem Ausmaß“.^[4] Eine zweite systematische Übersichtsarbeit zu HRV-Wearables kam zum selben Ergebnis: Die Korrelation mit dem EKG reichte in Ruhe von sehr gut bis exzellent, „nahm aber mit steigender Belastung schrittweise ab“.^[5] Eine unabhängige Studie zu optischen Sensoren aus Consumer- und Forschungsgeräten bezifferte einen Grund dafür: Der absolute Fehler der Herzfrequenz lag bei Aktivität im Durchschnitt etwa 30 % höher als in Ruhe, und die Genauigkeit unterschied sich deutlich zwischen Geräten und Aktivitätsarten.^[6] (Bemerkenswert: Dieselbe Studie fand in ihrer Stichprobe keinen statistisch signifikanten Genauigkeitsunterschied zwischen Hauttönen. Das zeigt: Das gut belegte, vielfach bestätigte Problem optischer Handgelenksensoren sind Bewegung und die indirekte Natur des Pulssignals, nicht eine einzelne einfache Ursache.)

Praktisch heißt das: Die wichtigste Entscheidung ist nicht, welche Wearable-Marke du kaufst, sondern ob die Daten aus einem EKG oder aus peripherer Optik stammen. Für eine Messung, deren gesamter Wert auf Millisekunden-Präzision im Alltag beruht, auch beim Gehen, Pendeln und Training, ist ein EKG-Signal die vorsichtige, gut begründbare Wahl. Eine narrative Übersichtsarbeit zu Geräten für die kontinuierliche HRV-Messung über 24 Stunden hob ebenfalls Brust-EKG-Sensoren als genaueste Option hervor, die Alternativen am Handgelenk übertreffen.^[7]

Das Gerät, das wir nutzen: Firstbeat Life

Firstbeat Life zeichnet über zwei Elektroden auf der Brust ein Einkanal-EKG auf und erfasst die R-R-Intervalle kontinuierlich über mehrere Tage am Stück. Durch die Bauform als Brust-EKG umgeht es die oben beschriebenen Grenzen durch Bewegung und periphere Signale: Es erfasst den elektrischen Schlag direkt mit Zeitstempel, so wie ein klinischer Monitor, statt ihn aus dem Puls am Handgelenk zu rekonstruieren. (Angaben zu Abtastrate und Akkulaufzeit in Produktunterlagen sind Herstellerangaben. Für Vertrauen zählen die unabhängigen Belege unten.)

Der stärkste Beleg dafür, dass das zugrunde liegende EKG-Signal klinisch brauchbar ist, stammt aus einem Bereich, der echte Signaltreue verlangt: der Erkennung von Herzrhythmusstörungen. In einer unabhängigen Studie zur diagnostischen Genauigkeit wurde das Einkanal-Brust-EKG von Firstbeat bei Patientinnen und Patienten parallel zu einem Drei-Kanal-Holter-Monitor (der klinischen Referenz) aufgezeichnet. Ein unabhängiger Arrhythmie-Algorithmus durchsuchte die Aufzeichnungen dann nach Vorhofflimmern. Pro Patient erreichte es 100 % Sensitivität und 94,9 % Spezifität (97,2 % Genauigkeit), bezogen auf die Aufzeichnungszeit 99,6 % Sensitivität und 98,0 % Spezifität.^[8] Um Vorhofflimmern zu erkennen, muss das Timing einzelner Schläge korrekt aufgelöst werden. Dieses Ergebnis ist also im Grunde ein Beleg von dritter Seite, dass das rohe Schlag-zu-Schlag-Signal des Geräts genau genug für eine Rhythmusanalyse auf medizinischem Niveau ist, nicht nur für Wellness-Schätzungen.

Bildet es echte Stress- und Erholungsbiologie ab?

Genaue Herzschläge sind notwendig, aber nicht ausreichend. Auch die abgeleiteten Werte für Stress und Erholung müssen echter Physiologie entsprechen. Drei unabhängige Belegstränge sprechen dafür.

Im Vergleich mit einem Stresshormon. In einer Studie mit 197 Teilnehmenden, darunter junge und mittelalte gesunde Erwachsene sowie Patientinnen und Patienten mit kardiometabolischen Risikofaktoren, lösten Forschende mit dem Trier Social Stress Test Stress aus. Dann verglichen sie einen HRV-basierten Stressindex mit dem Cortisol im Speichel, dem biochemischen Standardmarker der Stressreaktion. Der HRV-basierte Index war der stärkste Prädiktor der Cortisolreaktion, also enger mit der hormonellen Stressreaktion verknüpft als die Herzfrequenz selbst. Der Zusammenhang galt über Alters- und Gesundheitsgruppen hinweg.^[9] Anders gesagt: Das HRV-Stresssignal bewegt sich mit der tatsächlichen hormonellen Stressachse des Körpers.

Im Vergleich mit einer bekannten nächtlichen Störung. Erholung soll im Schlaf stattfinden, und die HRV sollte alles erfassen, was sie stört. Eine kontrollierte Dosis-Wirkungs-Studie im Labor zeigte, dass Alkohol am Abend, schon in moderaten Mengen, eine dosisabhängige Unterdrückung der vagalen (hochfrequenten) HRV und eine Verschiebung zur sympathischen Dominanz über die Nacht bewirkt.^[10] Das bestätigt unabhängig, dass die nächtliche HRV die echte Erholungsqualität empfindlich abbildet. Genau das soll eine Aufzeichnung über mehrere Nächte erfassen.

Im Vergleich mit dem Schlaf selbst. Weil sich der autonome Tonus zwischen den Schlafphasen verändert, kann die HRV helfen, Schlafphasen zu bestimmen. Validiert gegen Polysomnographie im Schlaflabor bei gesunden Erwachsenen erkannte die Firstbeat-Methode Wachphasen mit einer Sensitivität von 0,95 und einer Gesamtgenauigkeit von 0,93 sowie Tiefschlaf (Slow-Wave-Schlaf) mit einer Sensitivität von 0,72 und einer Spezifität von 0,91. Ihre wichtigsten Grenzen waren ehrlich und konkret: Sie unterschätzte den REM-Schlaf (im Durchschnitt um ~18 Minuten) und überschätzte die Wachzeit leicht.^[11] Für die Erholungsmessung geht es vor allem um die Frage „Gab es erholsamen Schlaf, und wie viel?“. Dafür ist diese Leistung mehr als ausreichend, und das Gerät legt offen, wo es schwächer ist.

Warum wir über mehrere Tage zu Hause messen

Eine einzelne kurze Messung ist eine Momentaufnahme eines Systems, das sich von Stunde zu Stunde verändert. Kontinuierliche Messung über einen ganzen Tag und über mehrere Tage liefert stabilere, besser reproduzierbare HRV-Werte als kurze Stichproben. Ambulante EKG-Sensoren eignen sich gut, um sie im normalen Leben statt im Labor zu erfassen.^[7] Darauf beruht das Sapiens-Protokoll: Wir zeichnen an aufeinanderfolgenden Tagen auf und schließen bewusst mindestens eine Wochenendnacht ein. Der Vergleich der Erholung an Arbeitstagen mit einer Nacht mit geringer Belastung lässt uns akute, lebensstilbedingte Belastung (die Erholung zieht wieder an, wenn der Druck nachlässt) von chronischer, angesammelter Last (die Erholung bleibt selbst an einem freien Tag gedämpft) unterscheiden. Das ist ein klinisch bedeutsamer Unterschied, den keine einzelne Nacht zeigen kann.

Ehrliche Grenzen

Zu Sorgfalt gehört auch, klar zu sagen, was die Methode nicht ist. Firstbeat Life ist ein EKG-Rekorder für Forschung und Wellness, kein Diagnoseinstrument. Das Ergebnis zum Vorhofflimmern oben belegt die Signalqualität, macht das Gerät aber nicht zum Ersatz für klinische Kardiologie. Die HRV-basierte Bestimmung der Schlafphasen ist gut für Wach- und Tiefschlafphasen, aber weniger präzise für REM.^[11] Und die HRV selbst reagiert auf Faktoren wie Alter, Atmung, Medikamente und Krankheit. Deshalb muss sie im Kontext und innerhalb einer Person interpretiert werden, also im Vergleich mit dem eigenen Ausgangswert statt mit einem Wert aus der Bevölkerung.^[3] Genau wegen dieser Einschränkungen setzen wir auf individuelle Messungen über mehrere Tage statt auf einmalige Werte.

Das Fazit

Erholungsanalysen sind nur so gut wie die Herzschlagdaten, auf denen sie beruhen. Die unabhängige Forschung ist einheitlich: Das EKG ist der Referenzstandard für die HRV, optische Handgelenksensoren verlieren genau dann an Genauigkeit, wenn das Leben aktiv wird, und ein Einkanal-Brust-EKG wie Firstbeat Life erfasst das Signal so genau, dass es einen Arrhythmie-Test auf medizinischem Niveau besteht. Gleichzeitig folgen seine abgeleiteten Stress- und Erholungswerte dem Cortisol, alkoholbedingten Schlafstörungen und dem per Polysomnographie bestimmten Schlaf. Diese Kombination aus einer gut begründbaren Messmethode und Ergebnissen, die Forschende ohne kommerzielles Interesse an echter Biologie validiert haben, ist der Grund, warum wir es nutzen.

Literatur

1. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability: standards of measurement, physiological interpretation, and clinical use. Circulation. 1996;93(5):1043-1065. https://doi.org/10.1161/01.CIR.93.5.1043
2. Shaffer F, Ginsberg JP. An overview of heart rate variability metrics and norms. Frontiers in Public Health. 2017;5:258. https://doi.org/10.3389/fpubh.2017.00258
3. Laborde S, Mosley E, Thayer JF. Heart rate variability and cardiac vagal tone in psychophysiological research: recommendations for experiment planning, data analysis, and data reporting. Frontiers in Psychology. 2017;8:213. https://doi.org/10.3389/fpsyg.2017.00213
4. Schäfer A, Vagedes J. How accurate is pulse rate variability as an estimate of heart rate variability? A review on studies comparing photoplethysmographic technology with an electrocardiogram. International Journal of Cardiology. 2013;166(1):15-29. https://doi.org/10.1016/j.ijcard.2012.03.119
5. Georgiou K, Larentzakis AV, Khamis NN, Alsuhaibani GI, Alaska YA, Giallafos EJ. Can wearable devices accurately measure heart rate variability? A systematic review. Folia Medica. 2018;60(1):7-20. https://doi.org/10.2478/folmed-2018-0012
6. Bent B, Goldstein BA, Kibbe WA, Dunn JP. Investigating sources of inaccuracy in wearable optical heart rate sensors. npj Digital Medicine. 2020;3:18. https://doi.org/10.1038/s41746-020-0226-6
7. Hinde K, White G, Armstrong N. Wearable devices suitable for monitoring twenty four hour heart rate variability in military populations. Sensors. 2021;21(4):1061. https://doi.org/10.3390/s21041061
8. Santala OE, Halonen J, Martikainen S, et al. Continuous mHealth patch monitoring for the algorithm-based detection of atrial fibrillation: feasibility and diagnostic accuracy study. JMIR Cardio. 2022;6(1):e31230. https://doi.org/10.2196/31230
9. Seipäjärvi SM, Tuomola A, Juurakko J, et al. Measuring psychosocial stress with heart rate variability-based methods in different health and age groups. Physiological Measurement. 2022;43(5). https://doi.org/10.1088/1361-6579/ac6b7c
10. de Zambotti M, Forouzanfar M, Javitz H, et al. Impact of evening alcohol consumption on nocturnal autonomic and cardiovascular function in adult men and women: a dose-response laboratory investigation. Sleep. 2021;44(1):zsaa135. https://doi.org/10.1093/sleep/zsaa135
11. Kuula L, Pesonen AK. Heart rate variability and Firstbeat method for detecting sleep stages in healthy young adults: feasibility study. JMIR mHealth and uHealth. 2021;9(2):e24704. https://doi.org/10.2196/24704