Über Herzfrequenzvariabilität und die Apple Watch

Habe eine?

EDIT 3: 10. November 2018: Während das Folgende noch zutrifft, gibt es jetzt eine zuverlässige Problemumgehung, um mit Ihrer Apple Watch als Erstes am Morgen aussagekräftige HRV-Datenpunkte zu erfassen und zu interpretieren. In diesem Artikel erfahren Sie mehr.

Wenn Sie neu in der Welt der Herzfrequenzvariabilität (HRV) sind, sollten Sie diesen Beitrag zuerst lesen oder in diesem Deck stöbern.

Wie so ziemlich alles, was das autonome Nervensystem beeinflusst, kann das Sammeln und Analysieren von Längsschnittdaten, die für den Vaguston repräsentativ sind, Einblicke in viele komplexe Mechanismen liefern, die bei Gesundheit und Krankheit auftreten. In der Vergangenheit war die HRV-Analyse jedoch schlecht standardisiert, was zu Schwierigkeiten bei der Gestaltung und Durchführung von Studien sowie zu Schwierigkeiten beim Vergleich der Studienergebnisse führte.

Der einfache Zugriff auf HRV-Daten verdeckt heutzutage häufig die komplizierte Art, die bereitgestellten Informationen und die zugrunde liegenden physiologischen Prozesse zu verstehen und richtig zu interpretieren. Die Notwendigkeit genauer RR-Intervalle, der Entfernung von Artefakten, des Kontexts und bewährter Verfahren wird häufig übersehen, insbesondere im Bereich der Verbraucher. Daher kann die Natur der HRV selbst zu Verwirrung für ihre Verwendung in der angewandten Forschung und bei Verbrauchern geführt haben (oder in der Zukunft führen), die heute Zugang zu diesen Technologien haben.

Leider scheinen die neuesten Funktionen der Apple Watch die Verwirrung etwas verstärkt zu haben. Dieser Beitrag ist hauptsächlich durch unzählige E-Mails motiviert, die ich bezüglich der Möglichkeit erhalten habe, die Apple Watch in HRV4Training zu integrieren, wodurch einige Fehlinformationen zum Thema HRV und zur Apple Watch selbst deutlich werden.

Einfach gesagt, kann die Apple Watch zu diesem Zeitpunkt nicht für zuverlässige und aussagekräftige HRV-Analysen mit Apps von Drittanbietern verwendet werden.

Interessiert, warum zu lernen? Weiter lesen.

"Kann ich meine Apple Watch für die HRV-Analyse wie einen Polar oder einen anderen Sensor verwenden?"

Leider kann die Apple Watch nicht als regulärer Bluetooth-Sensor verwendet werden, da Sie beispielsweise einen Polar Brustgurt verwenden würden. Sicher, die Apple Watch kommuniziert über Bluetooth mit Ihrem Telefon, aber das reicht nicht aus. Der Grund dafür ist, dass die Apple Watch nicht dem standardmäßigen Bluetooth-Profil für niedrige Energieherzfrequenzen entspricht. Was bedeutet das? Es werden Standards eingeführt, um die Interoperabilität zwischen Sensoren, Telefonen und Apps zu gewährleisten, die von verschiedenen Unternehmen hergestellt oder entwickelt wurden. Wenn ein Sensor auf den Markt gebracht wird und das Unternehmen das standardmäßige Bluetooth-Niedrigenergie-Herzfrequenzprofil im Sensor implementiert hat, kann jede App mit dem Sensor kommunizieren. Dies gilt für Polar, Wahoo und viele andere Hersteller. Andere entsprechen nicht den Standards, z. B. Fitbit oder Apple. Dies bedeutet, dass Drittanbieter-Apps außerhalb des von ihnen erstellten Ökosystems nicht direkt mit ihren Sensoren kommunizieren können.

Im Falle von Apple muss eine Interaktion beispielsweise über die Health-App erfolgen, und es ist keiner Drittanbieter-App möglich, direkt mit der Uhr zu kommunizieren. Diese Einschränkung hat schwerwiegende Auswirkungen, da die Uhr Informationen außerhalb der Kontrolle von Apps von Drittanbietern an Health schreibt.

1. Ausgabe: Selbst wenn die Uhr die HRV genau berechnen und an Health schreiben würde, wäre dies dennoch ein Problem für die Benutzererfahrung, da eine Drittanbieter-App keine HRV-Messung auslösen kann. In ähnlicher Weise wird die Health-App möglicherweise zu einem anderen Zeitpunkt aktualisiert, je nachdem, wann Sie Ihre Drittanbieter-App verwenden möchten.

Allerdings gibt es Sensoren, die nicht den Standards entsprechen, aber dennoch eine Möglichkeit bieten, entweder Rohdaten (PPG) oder Schlag-zu-Schlag-Daten (RR-Intervalle) zu erfassen, die dann von einer Drittanbieter-App wie HRV4Training zur Berechnung verwendet werden könnten HRV. Dies ist auch bei der Apple Watch nicht der Fall, da weder auf Rohdaten noch auf Beat-to-Beat-Daten zugegriffen werden kann. Selbst wenn sich der Sensor im Trainingsmodus befindet oder die App "Atmen" verwendet (dazu später mehr) und Daten mit höherer Frequenz in Health geschrieben werden (alle paar Sekunden eine Stichprobe statt alle paar Minuten eine), sind diese Daten absolut unzureichend Für die HRV-Berechnung sind es keine genauen Schlag-zu-Schlag-Daten, sondern lediglich gemittelte Herzfrequenzen.

2. Ausgabe: Die grundlegende Informationseinheit, die zur Berechnung der HRV benötigt wird, ist überhaupt nicht verfügbar.
Gleichzeitige Aufnahme mit einem Polar H7 Brustgurt, der mit der HRV Logger-App (unseren Referenzdaten) und der App „Breathe“ in der Apple Watch verbunden ist. In den Screenshots auf der rechten Seite können Sie sehen, dass trotz der manuellen HRV-Messung, die bei Verwendung der App

"Aber meine Apple Watch schreibt HRV an Health"

Richtig, die Apple Watch begann mit dem Schreiben von HRV-Daten in Health, wenn die App "Atmen" verwendet wurde, und auch zu anderen Zeiten während des Tages oder der Nacht. Einige Dinge, die hier besprochen werden sollten, sind:

  1. Welchen Wert hat die Apple Watch to Health? (HRV ist keine einzelne Zahl und kann auf viele verschiedene Arten quantifiziert werden, von denen einige aussagekräftiger sind als andere.)
3. Ausgabe: Wenn wir uns kurze HRV-Messungen (1–5 Minuten) ansehen, können wir nur die parasympathische Aktivität erfassen, die durch andere als die von der Apple Watch berechneten und in Health verfügbaren Funktionen quantifiziert wird. Sehen Sie sich die Links an Wenn Sie zu Beginn dieses Beitrags nicht wissen, wovon ich spreche, ist die HRV-Analyse einfach eine Möglichkeit, bekannte Prozesse, die für physiologischen Stress repräsentativ sind, zu erfassen - wenn sie ordnungsgemäß ausgeführt werden.

2. Was sind die Kriterien und was sind die Auswirkungen einer mangelnden Kontextualisierung dieser Messung? (Lesen Sie: Daten werden zu zufälligen Zeiten während des Tages anstatt in einem klaren Kontext als Erstes am Morgen geschrieben, wie ich es wärmstens empfehle, wenn wir dies tun wollen die Daten nachvollziehen - mehr zu Best Practices und Richtlinien für die HRV-Analyse finden Sie auch hier).

4. Ausgabe: Kontext ist alles, wenn wir über die Interpretation physiologischer Daten sprechen, und hier treten wir aus Mangel an Kontext einen Schritt zurück.

Wenden wir uns diesen beiden Punkten etwas genauer zu.

1. Welchen Wert hat die Apple Watch für Health?

Derzeit wird der SDNN-Wert von Health unterstützt (und auch von der Apple Watch berechnet). Ich persönlich glaube, dass diese Entscheidung hauptsächlich auf die Tatsache zurückzuführen ist, dass sich die medizinische Gemeinschaft historisch auf den SDNN-Wert verlassen hat, wenn HRV im Rahmen der klinischen Diagnose / medizinischen Anwendungen oder einfach zur Schichtung der Bevölkerung (z. B. für das Mortalitätsrisiko) verwendet wurde. Wie immer sollten wir jedoch zuerst verstehen, wie und warum SDNN verwendet wurde und wie und warum wir eine andere Metrik verwenden.

Zunächst wurde SDNN im Rahmen von 24-Stunden-Messungen verwendet, um die Veränderungen der Herzvariabilität im Laufe des Tages als Reaktion auf den zirkadianen Rhythmus und akute Stressfaktoren zu verstehen. Es ging hauptsächlich darum, überhaupt keine Variabilität zu unterscheiden (die Unfähigkeit des Systems, auf einen Stressor zu reagieren, wie dies bei schweren chronischen Erkrankungen der Fall sein kann) gegenüber einem gesunden Herz-Kreislauf-System - da SDNN den Variabilitätsbetrag in unserem System mathematisch berechnet 24 Stunden RR-Intervalle (Unterschiede von Schlag zu Schlag). Diese Methode ermöglicht die Quantifizierung von physiologischen Makrodifferenzen zwischen bestimmten Erkrankungen und gesunden Kontrollen (zwischen einzelnen Studien). Diese Methode ist auch stark abhängig von körperlicher Aktivität und anderen Störfaktoren, die die Physiologie während des Tages beeinflussen. Persönlich würde ich spekulieren, dass die meisten Unterschiede zwischen Gruppen, die über 24 Stunden durch SDNN nachweisbar sind, auch durch Morgen- oder Nachtmessungen (gut kontextualisierte Ruhephysiologie) in Bezug auf klare Marker für parasympathische Aktivität wie rMSSD oder HF erfasst werden.

Beispiel für die Verwendung des SDNN-Merkmals in der medizinischen Literatur. Ereignisfreies Überleben von Hämodialysepatienten mit höherer und niedrigerer Herzfrequenzvariabilität. Bildunterschriften: a) Die höhere SDNN-Gruppe zeigte ein signifikant höheres unerwünschtes kardiales und zerebrovaskuläres ereignisfreies Überleben als die niedrigere SDNN-Gruppe. b) Die höhere SDANN-Gruppe zeigte ein signifikant höheres schwerwiegendes unerwünschtes kardiales und zerebrovaskuläres ereignisfreies Überleben als die niedrigere SDANN-Gruppe. Aus diesem Papier.

Die Dinge haben sich seitdem sehr verändert. Wir können jetzt Daten in einem bekannten Kontext (morgens als Erstes) außerhalb der Laborbedingungen erfassen, so dass die Auswirkung von Störfaktoren / externen Stressfaktoren begrenzt ist und die Compliance leicht verbessert wird. Wir wechselten schließlich von der Querschnittsanalyse zwischen Subjekten (sprich: Unterschiede zwischen Krankheit und Gesundheit in 24-Stunden-Messungen von verschiedenen Personen) zur Längsschnittanalyse innerhalb des Subjekts (sprich: leistungsfähigere Analyse, mit der wir Änderungen in der Physiologie verfolgen können zusammen mit Veränderungen der Gesundheit, einer bestimmten Krankheit, körperlichen Leistungsfähigkeit für eine Person).

Im Zusammenhang mit unserer Einschätzung des chronischen Ausgangsstresses anhand einer gut kontextualisierten Frühmessung von kurzer Dauer - das ist meiner Meinung nach der Ort, an dem wir beginnen sollten, wenn wir mit HRV ein wenig mehr über Stress und Physiologie lernen möchten - ist dies weniger Es ist sinnvoll, SDNN zu betrachten, und wir sollten HRV-Merkmale betrachten, die für parasympathische Aktivität wie rMSSD oder HF repräsentativ sind.

In HRV4Training verwenden wir rMSSD, da es sich nachweislich um einen Marker für parasympathische Aktivität handelt. Je niedriger der Wert, desto höher der Stresspegel im Vergleich zu Ihren Basis- / Vergangenheitsdaten (offensichtlich eine zu starke Vereinfachung). Aus physiologischer Sicht des Menschen hängt dies mit der Tatsache zusammen, dass parasympathische Aktivität hauptsächlich die Aktivität des Vagusnervs ist. Der Vagusnerv wirkt auf Rezeptoren, die den Knoten signalisieren, den Puls von Schlag zu Schlag zu modulieren, während die sympathische Aktivität unterschiedliche Signalwege mit langsamerer Signalgebung aufweist, daher reflektieren die Änderungen von Schlag zu Schlag die parasympathische Aktivität und können unter Verwendung von rMSSD oder HF quantifiziert werden (siehe Nunan et al.).

Leider erlaubt Health Entwicklern derzeit nicht, andere Funktionen als SDNN zu schreiben, da dies von der Apple Watch berechnet und gemeldet wird. Da Apple Health and the Watch in den letzten Monaten verbessert hat, werden hoffentlich auch in Zukunft weitere HRV-Funktionen hinzugefügt.

Weitere Überlegungen zu diesem Punkt finden Sie unter Bearbeiten 2 unten auf der Seite.

2. Was sind die Kriterien und was sind die Konsequenzen einer mangelnden Kontextualisierung dieser Messung?

Wie bereits erwähnt, schreibt die Apple Watch von Zeit zu Zeit HRV-Werte (SDNN) an Health, es ist jedoch unklar, nach welchen Kriterien (außerhalb der Verwendung der App "Breathe", die eine SDNN-Messung durchgehend auszulösen scheint) und nach welchen Kriterien ist auch nicht klar was die genauigkeit ist.

Im Allgemeinen rate ich von Stichproben / Messungen während des Tages ab, da diese nur eine sehr geringe Wiederholbarkeit aufweisen und normalerweise nur einige vorübergehende akute Stressfaktoren und die Auswirkung von körperlicher Aktivität widerspiegeln (selbst wenn Sie nur in einen anderen Raum gehen, erhöhen Sie Ihre Herzfrequenz und verringern Ihre HRV für ein paar Sekunden / Minuten, abhängig von Ihrer Fitness und Ihrem Gesundheitszustand, geschweige denn Kaffee trinken, sich über Ihren Facebook-Feed aufregen usw.). Die HRV ist sehr unterschiedlich, viel mehr als die Herzfrequenz, und daher wird der Kontext noch wichtiger.

Im Idealfall möchten Sie den chronischen Grundstress erfassen, den Sie messen, wenn Sie Ihre Messwerte in einem bekannten Kontext mit begrenzten Auswirkungen externer Faktoren ablesen, dh morgens, bevor Sie essen, trinken, Sport treiben oder Ihren Stress ablesen E-Mail usw.

Der chronische Grundstress spiegelt die Hauptstressfaktoren wie „Lebensstress“, harte Trainingseinheiten, Reisen, ein bisschen zu viele Drinks letzte Nacht usw. wider. Durch die Quantifizierung können Sie besser verstehen, wie Ihr Körper auf Ihren Lebensstil reagiert und hoffentlich führt auf die Umsetzung von sinnvollen Veränderungen. Dies ist heute die sinnvollste praktische Anwendung von HRV für den Verbraucher.

HRV4Trainings kamerabasierte Messung.

Der Fall für weniger ist mehr

Selbst wenn Beat-to-Beat-Daten im freien Leben mit hoher Genauigkeit erfasst werden können, ist eine einzige Messung in einem bekannten Kontext (morgens als erstes) wertvoller als die Aufzeichnung von mehr Daten zu zufälligen Zeiten während des Tages oder kontinuierlich.

Warum das? Bedenken Sie, dass wir versuchen, die parasympathische Aktivität zu messen, also den Zweig des autonomen Nervensystems (ANS), der für Ruhe, Erholung und Entspannung zuständig ist. Das ANS ist von so ziemlich allem betroffen (Essen, Alkohol, Kaffee, Stress - denken Sie nur daran, etwas online zu lesen und in kürzester Zeit eine emotionale Reaktion zu erhalten) und misst somit den ganzen Tag über, während es möglicherweise nützlich ist, wenn es richtig kontextualisiert wird (z. B. wenn Sie können) die physiologischen Reaktionen mit dem Geschehen zu verknüpfen, da ähnliche Reaktionen sowohl durch körperliches Training als auch durch das Herumlaufen - und psychisch - emotionale oder andere - Stressfaktoren ausgelöst werden, so dass Physiologie alleine, ohne Kontext, nicht wirklich nützlich ist), ist in der Regel einfach a Reflexion aller akuten Stressfaktoren, denen wir tagsüber begegnen. Wenn Sie daran interessiert sind, Ihre Reaktion auf die Nahrungsaufnahme oder eine Meditationssitzung zu messen, ist dies sehr sinnvoll (obwohl es in diesem Fall besser ist, die Prä- / Post-Belastung zu messen und relative Veränderungen zu analysieren).

Wenn Sie jedoch daran interessiert sind, den zugrunde liegenden / grundlegenden physiologischen Stress zu messen, um möglicherweise Anpassungen an Ihrem Lebensstil oder Trainingsplan vorzunehmen, dann würden Sie diese Informationen letztendlich vermissen oder mit dem verwechseln, was in Ihrem Tag passiert. Die HRV wird in hohem Maße von akuten Stressfaktoren beeinflusst, weshalb die „Morgenroutine“ wichtig ist. Sie wird gemessen, sobald Sie aufwachen und gleichzeitig versuchen, entspannt zu bleiben.

Die Unfähigkeit der täglichen Messungen, den zugrunde liegenden physiologischen Stress wiederzugeben, wurde kürzlich auch in einem von Ricardo Mesquita verfassten Artikel gezeigt, in dem die Autoren zu dem Schluss kamen, dass „die Analyse von RMSSD anhand der täglichen Routinetätigkeiten nicht zuverlässig ist und daher keine Gültigkeit angenommen werden kann. RMSSD sollte daher aus RR-Intervallen berechnet werden, die unter standardisierten Bedingungen, wie z. B. während der OT nach dem Aufwachen, aufgezeichnet wurden. “- Dies setzt sogar voraus, dass rMSSD bei täglichen Aktivitäten korrekt erfasst werden kann, was bei der Verwendung von PPG-basierten Geräten nicht selbstverständlich ist ( später mehr zu Artefakten). Papier hier.

Okay, noch ein paar Worte zu Technologie und Artefakten.

"Es ist nicht möglich, dass die Apple Watch die Herzfrequenz nicht genau messen kann, und Sie können dies mit der Telefonkamera tun."

Die Apple Watch misst möglicherweise die Herzfrequenz genau. Ich hoffe es sehr und wir würden es gerne mit den von uns entwickelten Technologien verwenden. In einigen unserer Vergleiche mit Polar Brustgurten zeigte die Apple Watch tatsächlich eine große Übereinstimmung in Bezug auf den gemessenen SDNN, während sie die 'Breathe'-App verwendete (im obigen Beispiel meldete die Apple Watch SDNN 131 ms, während die Polar + HRV-Logger meldete 137 ms, da die beiden Streams nicht einmal richtig synchronisiert sind. Dies sieht sehr gut aus (siehe Bearbeiten 1 unten auf der Seite).

An dieser Stelle sollte jedoch klar sein, dass die Daten nicht im erforderlichen Format vorliegen, damit wir die von uns verwendeten Funktionen zum Zeitpunkt ihres Bedarfs berechnen können. Das Problem ist nicht, "eine Uhr zu sein" oder "optische Messungen zu verwenden", sondern einfach in einer Weise gesperrt zu sein, die die Art der Nutzung verhindert, die wir benötigen, wenn wir Werte basierend auf diesen Daten liefern möchten, und nicht nur Zahlen oder hübsche Grundstücke.

Zu diesem Zeitpunkt können Sie mit HRV4Training mit der Kamera messen (eine validierte Messung) sowie mit regelmäßigen Sensoren, die den Standardprotokollen entsprechen, einschließlich des einzigen Armbandes, das wir finden konnten und das unter bestimmten Umständen genaue RR-Intervalle anzeigen kann.

Gleichzeitiges R-R-Intervall eines einzelnen Probanden während 60 Sekunden Aufnahme für Fotoplethysmografie (PPG), Polarer Brustgurt (H7) und Elektrokardiogramm (EKG). Es ist möglich. Papier hier.

Da die App für eine morgendliche Messung verwendet wird, bei der der Benutzer völlig still ist, wird sie per Definition in der optimalen Einstellung für optische Ablesungen verwendet, während jede Bewegung des Handgelenks oder andere Probleme, während die Apple Watch misst, möglicherweise Artefakte verursachen würden.

Artefakte?

Ja, Artefakte.

Zwei aufeinanderfolgende Minuten EKG-Daten. Die zweite Minute enthält einen einzelnen Eileiter. Die rMSSD für die erste Datenminute beträgt 79 ms, für die zweite 201 ms. Dies ist ein großer Unterschied, wenn man bedenkt, dass sich an der parasympathischen Aktivität nichts geändert hat. Beachten Sie, dass es sich um ein EKG handelt und alle Sensormodalitäten von Artefakten betroffen sind, die manchmal unterschiedlicher Art sind und behandelt werden müssen, damit die Daten einen Sinn ergeben.

HRV-Daten sind stark von Artefakten betroffen, entweder im Messgerät (falscher Schlag erkannt, Bewegung für PPG-Sensoren) oder in den tatsächlichen Daten (ektopischer Schlag, Arrhythmien), die ordnungsgemäß behandelt werden müssen.

Es ist unklar, wie die Apple Watch mit Artefakten umgeht, und zum jetzigen Zeitpunkt gibt es keine Möglichkeit, dies zu verstehen, da keine Datenqualitätsmetrik gemeldet wird. Ich habe mich an anderer Stelle (hier) für mehr Transparenz ausgesprochen, insbesondere beim Umgang mit physiologischen Daten, da fast keine Sensoren Hinweise auf das Vertrauensniveau liefern, das sie in Bezug auf die Qualität der gemeldeten Daten haben, was sich auf jeden auswirkt, der sich auf solche Daten verlässt Analytics auf höherer Ebene.

Eine clevere Firma, Cardiogram, nutzte die Tatsache, dass die Apple Watch die Herzfrequenz nicht korrekt auswertet, wenn eine Arrhythmie vorliegt (wir sprechen hier von einer durchschnittlichen Herzfrequenz, einer viel einfacheren Messgröße, nicht von Variabilität), um gesunde Personen und Personen zu identifizieren mit Herzrhythmusstörungen.

Während die Beobachtungsfähigkeiten und -beschränkungen von Anwendungen auf höherer Ebene genutzt werden können, die darauf abzielen, Teile der Bevölkerung auf der Grundlage gesundheitsbezogener Metriken / Risikostratifizierung in verschiedene Gruppen einzuteilen, ist dies ein Problem, wenn wir versuchen, zuverlässig und genau zu messen HRV eines Individuums mit der Uhr wie sie heute ist.

Apple Watch-Daten für eine Person mit Vorhofflimmern aus dem Cardiogram-Blog unter diesem Link. Wie Sie sehen, gibt es ganze Minuten ohne Herzfrequenzdaten oder fehlerhafte Daten, da die Apple Watch unter diesen Umständen nicht richtig misst. Dies ist offensichtlich nicht das Aussehen von Vorhofflimmern. Dies ist jedoch ein Problem, wenn die HRV mit diesem Gerät zuverlässig gemessen werden soll, da nicht nur Daten falsch sind, sondern auch nicht als solche gemeldet werden.

Na und?

Ich glaube, Apple ist auf dem richtigen Weg und bei HRV4Training schauen wir uns die Daten und andere Nutzungsmöglichkeiten der Uhr an. Hoffentlich ist dies nur eine Frage der Zeit. Derzeit ist es jedoch offensichtlich nicht möglich, die Uhr in die App zu integrieren.

Ich hoffe, Sie fanden diese Lektüre hilfreich und können die verfügbaren Technologien optimal nutzen.

Es gibt eine Menge zu lernen, wenn wir uns unserer Physiologie und unserer Reaktion auf verschiedene Lebensstressoren ein wenig bewusster sind. Es ist jedoch sehr wichtig, dass diese Messungen genau und richtig kontextualisiert sind.

Erfahren Sie mehr unter den folgenden Links:

Lass dich messen. Keine Sensoren benötigt.

EDIT 1: 28. September 2018: Hernando et al. Haben kürzlich in einem Artikel mit dem Titel „Validierung der Apple Watch für Messungen der Herzfrequenzvariabilität während der Entspannung und psychischen Belastung bei gesunden Probanden“ gezeigt, dass die RR-Intervalle der Apple Watch tatsächlich sehr genau sind Das sind fantastische Neuigkeiten. Was in diesem Beitrag besprochen wird, gilt jedoch weiterhin. Daher können die RR-Intervalle nur über die Breathe-App abgerufen werden. Leider kann keine andere App auf diese Daten zugreifen oder eine Messung durchführen.

Aus dem Papier: „Apple enthält keine Programmiermethode, mit der Entwickler direkt auf die Werte zugreifen können. Diese App (Breathe) speichert die RR-Rohwerte mit einer Genauigkeit von Zentisekunden im Personal Health Record des Benutzers, auf den zugegriffen werden kann, um sie mit Apples Health App im XML-Format zu exportieren. “

EDIT 2: 15. Oktober 2018: Aufgrund der Tatsache, dass sich die Dinge in Bezug auf den Zugriff auf PPG-Rohdaten oder auch nur RR-Intervalle nicht so schnell zu ändern scheinen, bleiben wir (als Entwickler) beim SDNN-Wert In Health habe ich einige Arbeit geleistet, um die Effektivität im Kontext von Kurzzeitmessungen besser zu verstehen, die als erstes am Morgen durchgeführt wurden, und um chronischen Stress wie bei rMSSD zu erfassen. Die Ergebnisse sind recht positiv, und eine breitere Diskussion zu diesem Aspekt finden Sie in diesem Blog-Beitrag: https://www.hrv4training.com/blog/heart-rate-variability-hrv-features-can-we-use-sdnn- statt-rmssd-eine-datengetriebene-perspektive-auf-kurzfristige-variabilitätsanalyse

Marco hat einen Doktortitel im Bereich angewandtes maschinelles Lernen, einen M.Sc. cum laude in Informatik und ist derzeit in einem M.Sc. in Bewegungswissenschaften und Hochleistungscoaching.

Er hat mehr als 50 Veröffentlichungen und Patente veröffentlicht, die die Schnittstelle zwischen Physiologie, Gesundheit, Technologie und menschlicher Leistung darstellen.

Er ist Mitbegründer von HRV4Training und liebt das Laufen.