Die 5 häufigsten Fehler bei der HRV-Messung

Und wie Sie sie vermeiden können!

Die Herzfrequenzvariabilität (HRV) ist eine entscheidende Messgröße für das Verständnis der physiologischen Beanspruchung und Reaktion des autonomen Nervensystems (ANS), insbesondere des Parasympathikus. Für Forscher ist die korrekte Durchführung von HRV-Messungen von entscheidender Bedeutung, um qualitativ hochwertige und zuverlässige Daten zu erhalten. Einige häufige Fehler beeinträchtigen jedoch die Genauigkeit der HRV-Analyse. Werfen wir einen Blick auf diese häufigen Fehler und wie sie vermieden werden können!

1. Verwendung von Consumer-Geräten
Es ist verlockend, sich für Consumer-Geräte zu entscheiden, insbesondere wenn das Budget knapp ist. Diese Geräte entsprechen jedoch oft nicht den Standards, die für eine genaue HRV-Messung in der Forschung erforderlich sind. Sie sind in der Regel für den alltäglichen Gebrauch und nicht für den professionellen Einsatz konzipiert und bieten keinen Zugang zu den Rohdaten, was es schwierig macht, die Genauigkeit der Daten zu gewährleisten.



EcgMove 4 worn
Wie Sie diesen Fehler vermeiden können: Wählen Sie seriöse, für die Forschung geeignete Marken, die sich auf die Bereitstellung von Rohdaten spezialisiert haben und die Standards für die wissenschaftliche Forschung einhalten. Wenn Sie keinen Zugriff auf die Rohdaten haben oder sich bei einem Portal anmelden müssen, um die Ergebnisse zu sehen, handelt es sich wahrscheinlich um ein Consumer-Gerät. Sie sind nicht für hochwertige, publikationsfähige Forschung geeignet.

2. Verwendung der PPG bei ambulanten Messungen
Photoplethysmographische Sensoren (PPG) können für kurzzeitige stationäre Messungen in einer kontrollierten Umgebung nützlich sein. Bei realen ambulanten Messungen kann die PPG jedoch zu Ungenauigkeiten führen. Es ist schwierig, den Herzschlag präzise zu erkennen, was für genaue HRV-Berechnungen unerlässlich ist. Bewegungsartefakte und Rauschen sind unter realen Bedingungen häufig.

Wie Sie diesen Fehler vermeiden können: Um genauere HRV-Daten zu erhalten, sollte ein Elektrokardiogramm (EKG) verwendet werden, das einen eindeutigen Referenzpunkt (die R-Zacke im EKG-Signal) für die Erkennung von Herzschlägen hat. Diese Methode ist wesentlich zuverlässiger, insbesondere in dynamischen Umgebungen, in denen sich der Proband bewegen kann. Selbst PPG-Geräte von Forschungsqualität können in realen Situationen Genauigkeitsprobleme haben, so dass das EKG im Allgemeinen die sicherere Wahl ist.

3. Verwendung von Geräten, die nur IBI odermit niedriger Abtastrate aufzeichnen
Nicht alle EKG-Geräte sind gleich! Einige zeichnen nur die Inter-Beat-Intervalle (IBI) auf, was bedeutet, dass Sie keinen Zugang zu den Rohsignaldaten haben, um diese auf Artefakte zu überprüfen. Außerdem beeinträchtigen Geräte, die bei niedrigen Frequenzen (unter 1000 Hz) messen, die Genauigkeit und Präzision der HRV-Messung.

Wie Sie diesen Fehler vermeiden können: Stellen Sie sicher, dass das verwendete EKG-Gerät eine Abtastfrequenz von über 1000 Hz hat und mehr als nur die IBI aufzeichnet. Auf diese Weise haben Sie Zugang zu hochauflösenden Daten, mit denen Sie Artefakte erkennen und die Integrität Ihrer HRV-Messungen sicherstellen können. Daten von schlechter Qualität können zu verzerrten Ergebnissen führen, die den Wert Ihrer Forschung untergraben.

4. Kein Zugang zu Rohdaten
Rohdaten sind für genaue HRV-Messungen unerlässlich. Ohne sie können Sie keine Artefakte, Rauschen oder Anomalien in Ihren Daten erkennen, die Ihre Ergebnisse verfälschen könnten. Ohne Zugriff auf das EKG-Rohsignal befinden Sie sich bei der Interpretation der HRV im Blindflug.

Wie Sie diesen Fehler vermeiden können: Stellen Sie immer sicher, dass Ihre Messgeräte den Zugriff auf die Rohdaten ermöglichen. Wenn das Gerät es nicht erlaubt, die Rohdaten anzuzeigen oder herunterzuladen, ist es für Forschungszwecke ungeeignet. Dieser Schritt ist wichtig, um Probleme in den Daten zu erkennen, die die Gesamtanalyse und -interpretation beeinträchtigen könnten.

5. Isolierte Verwendung des EKGs
Selbst bei einem qualitativ hochwertigen EKG, das Rohdaten mit einer hohen Abtastrate aufzeichnet, kann die isolierte Verwendung der Daten zu unvollständigen Interpretationen führen. HRV-Daten allein liefern nicht den vollständigen Kontext dessen, was mit dem Probanden geschieht. Für eine genaue Analyse ist es wichtig zu verstehen, wie Umwelt- oder physikalische Faktoren (wie Bewegung, Temperatur oder Luftdruck) die Daten beeinflussen.

Wie Sie diesen Fehler vermeiden können: Zusätzlich zum EKG sollten weitere Signale wie Beschleunigungsmesser, Gyrometrie, Barometer und Temperaturdaten einbezogen werden. Diese kontextbezogenen Datenpunkte helfen den Forschern, die Umstände zu verstehen, unter denen die HRV-Messungen durchgeführt wurden, und geben einen besseren Einblick in die Reaktion des Körpers des Probanden auf verschiedene Situationen. Der Kontext ist entscheidend für die genaue Interpretation der HRV-Ergebnisse.

Klicken Sie hier, um mehr über die besten Methoden zur Erfassung genauer HRV-Daten zu erfahren.

Validität und Reliabilität von psychophysiologischen Daten erhoben mit ambulanten Sensoren

Mit unserem Fokus auf Qualität und Zuverlässigkeit haben wir uns zum führenden Anbieter für die Forschung im Bereich des Ambulanten Assessment entwickelt und sind die erste Wahl für anspruchsvolle Forscher, die für ihre Arbeit die besten Datenerfassungs- und Analysewerkzeuge benötigen.

Wir freuen uns, Ihnen die neueste Veröffentlichung einer unserer geschätzten Kunden vorstellen zu dürfen:
From lab to life: Evaluating the reliability and validity of psychophysiological data from wearable devices in laboratory and ambulatory settings. Behavior Research Methods, 1-20. Hu, X., Sgherza, T. R.,Nothrup, J. B., Fresco, D. M., Naragon-Gainey, K., & Bylsma, L. M. (2024).


Mehr Validierungen
magazine

Ecological Momentary Assessment

Wie beeinflussen Affekte die Ernährung und das Aktivitätsniveau bei Binge-Eating Erkrankung?
Die aktuelle Studie von Bridgette Do von der Univerität Southern California "Associations among affect, diet, and activity and binge-eating severity using ecological momentary assessment in a non-clinical sample of middle-aged fathers" untersuchte diese Zusammenhänge mit Hilfe des Ecological Momentary Assessment.
Finden Sie heraus, wie diese Studie durch unsere Lösungen für das Experience Sampling ermöglicht wurde!

Die Bedeutung des Move 4 als Inertial measurement units (IMUs)

Die allgegenwärtige Gesundheitsfürsorge ist eins der beliebtesten Forschungsgebieten mit einer steigenden Nachfrage an Inertial measurement units (IMUs).
Inertial measurement units sind elektronische Geräte, die typischerweise aus einem 3-Achsen-Beschleunigungssensor (der die lineare Beschleunigung misst) und einem 3-Achsen-Gyroskop (das die Winkelgeschwindigkeit misst) bestehen.
IMUs werden hauptsächlich zur Aufzeichnung von Bewegungsmustern oder zur Aktivitätserkennung wie beispielsweise der Ganganalyse verwendet.

In der neu erschienenen Publikation (How We Found Our IMU: Guidelines to IMU Selection and a Comparison of Seven IMUs for Pervasive Healthcare Applications) belegen die Daten, dass der Aktivitätssensor Move 4 auch bei der Ganganalyse hervorragende Ergebnisse liefert.

IMU-Gerätespezifikation des Move 4

Onboard Memory

4GB

Battery Capacity

380mAh

Max. Sampling Rate

Max. sampling rate can be customized to 256 Hz

Accelerometer Range

±16 g

Gyroscope Range

±2000 deg/s

Additional Sensors

Barometer

Temperatur Sensor

Ambient Light Sensor (LightMove 4)

IR Sensor (Customizing: Integration of an IR temperature sensor)

Atmungs-Sensor (Customizing: Integration of an respiration sensor)

Charging Options

Micro USB

Additional Adaptor/Dock

Waterproof

IP64

Developer Options

Java API

Die Bedeutung der Beschleunigungs-und Gyroskopsmessung für das Essverhalten und die damit verbundene Nahrungsaufnahme

Der Artikel "OREBA: A Dataset for Objectively Recognizing Eating Behaviour and Associated Intake" (Rouast et al., 2020) beschreibt Forschern, die an einer automatischen Erkennung des Essverhaltens interessiert sind, eine umfassende Multi-Sensor-Aufzeichnung von Bewegungen bei der Nahrungsaufnehme.
Moderne Multisensoren wie der Move 4 bieten Forschern die Möglichkeit, objektiv einen großen Datensatz von Beschleunigungs-und Gyroskopdaten zu sammeln. Das ist sehr wichtig für die automatische Erkennung von Essbewegungen, die ein Schlüsselelement im autonomen Ernährungsmonitoring darstellen. Lesen Sie mehr über die Ergebnisse dieser Studie und klicken Sie auf den obigen Artikel.

Validating Accelerometers for the Assessment of Body Position and Sedentary Behavior

Sedentäres Verhaltens im Anbetracht unserer Gesundheit gewinnt immer mehr an Bedeutung. Eine große Rolle bei der Untersuchung von Sedentärem Verhalten spielen Aktivitätssensoren.
Doch wie genau messen sie und wo ist der beste Messort um das zu messen was man auch tätsächlich messen möchte?
Die nachstehende Tabelle gibt einen kurzen Überblick über die Validität unterschiedlicher Aktivitätssensoren. Weitere Informationen hierzu können Sie im Artikel: Validating Accelerometers for the Assessment of Body Position and Sedentary Behavior lesen.

Aktivitätssensoren und ihre Validität im Überblick

Parameter

Trageort

Move 4

ActiGraph

ActiPal

Body Position
(sitting/lying)

thigh

hip

K=.97

K=.78

-

K=.67

K=.85

-

Sedentary Behaviour

thigh

hip

K=.95

K=.84

-

K=.69

K=.90

-

Giurgiu M. et al. (2019). Journal for the Measurement of Physical Behaviour.

Assessment of the circadian stimulus potential of an integrative lighting system in an office area

Ambulantes Assessment und Mobiles Monitoring sind die Expertise von movisens. Um wissenschaftliches Arbeiten in diesen Gebieten zu unterstützen fördert movisens bereits seit 10 Jahren studentische Projekte durch kostenlose Leihstellung von Sensoren und Software.
Und wieder ist eine Studienidee durch ein innovatives Projekt erfolgreich durchgeführt worden!
Studenten der Universität Lund untersuchten in Ihrer Arbeit den Einfluss von integierten Beleuchtungssystemen im Büro in Bezug auf das Wohlbefinden und die Gesundheit.
Erfahren Sie alles hierzu in der Veröffentlichung: Assessment of the circadian stimulus potential of an integrative lighting system in an office area.

Sedentary behavior in everyday life relates negatively to mood: An ambulatory assessment study

Erst vor Kurzem haben Forscher begonnen zwischen körperlicher Aktivität und sitzendem Verhalten zu unterscheiden und aufgezeigt, dass diese Unterscheidungen unterschiedliche Auswirkungen auf die somatische Gesundheit aufweisen.
Das Institut für Soprt und Sportwissenschaft (IfSS) des Karlsruher Intitut für Technologie (KIT) führte eine Studie zu sitzendem Verhalten durch und untersuchte hierbei den dynamischen Zusammenhang zwischen sitzendem Verhalten und Stimmungendimensionen im Alltag.
Im Scandinavian Journal of Medicine & Sience in Sports wurde jetzt hierzu das Paper "Sedentary behavior in everyday life relates negatively to mood: An ambulatory assessment study" veröffentlicht.

mehr über sedentäres Verhalten erfahren sie auf unseren Lösungsseiten

Neues White Paper zu Aktivitätsalgorithmen

Our very own Florian Richert crafted a fascinating white paper about the difficulties of accurately assessing energy expenditure using actigraphy. He details the history of interpreting accelerometer data, highlighting the advantages of a transparent method of calculation and the importance of capturing raw data in the sensor. Focusing on the quest to accurately estimate energy expenditure, Florian delves in to the existing research and reveals the weaknesses in the current approach and the way forward to develop a sustainable method of calculating parameters from accelerometer data as newer and better algorithms are devised.

The paper carves through the different existing methodologies and presents solid recommendations for integrating high quality accelerometer data in future research. In particular, utilising physiological data to assist in capturing psychological data in an ambulatory setting.

We hope you enjoy it.

Click here to download