A physiological heart-rate model for energy expenditure across work, exercise, and recovery: development and in-sample evaluation against indirect calorimetry
Diese Studie entwickelte und evaluierte ein In-Sample-Physiologie-Herzfrequenzmodell, das den Gesamtenergieverbrauch über verschiedene Aktivitätszustände hinweg (Arbeit, Belastung und Erholung) unter Verwendung ausschließlich der Herzfrequenz und protokollbasierter Parameter präzise schätzt und eine hohe Übereinstimmung mit der indirekten Kalorimetrie erreicht, trotz bemerkenswerter Fehler in spezifischen Bedingungen wie Treppenabstieg und Erholung.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Jeden Tag verbrennt unser Körper Brennstoff, um uns in Bewegung zu halten, zu denken und zu atmen. Wissenschaftler nennen dies Energieverbrauch, und genau zu wissen, wie viel wir verbrennen, ist entscheidend für die Gewichtsverwaltung, das Training für den Sport oder einfach für das Verständnis unserer Gesundheit. Jahrzehntelang war die Goldstandard-Methode zur Messung dessen die indirekte Kalorimetrie, bei der eine Person eine Maske trägt, die den Sauerstoff analysiert, den sie einatmet, und das Kohlendioxid, das sie ausatmet. Dies ist zwar genau, aber auch sperrig, teuer und unmöglich zu tragen, während man ein normales Leben führt. Um diese Lücke zu schließen, hat sich die Wearable-Technologie auf die Herzfrequenz konzentriert. Die Logik dahinter ist einfach: Je härter unsere Muskeln arbeiten, desto schneller schlägt unser Herz, um Sauerstoff zu liefern. Durch das Verfolgen des Pulses versuchen Geräte zu erraten, wie viel Energie verbrannt wird. Diese Beziehung ist jedoch keine gerade Linie. Eine Herzfrequenz von 120 Schlägen pro Minute kann etwas sehr Unterschiedliches bedeuten, wenn man einen Hügel hinaufgeht, im Vergleich dazu, wenn man schwere Gewichte hebt oder nach einem Sprint stillsitzt. Das Herz reagiert auf Stress auf komplexe Arten, die nicht immer mit dem tatsächlichen Brennstoffverbrauch übereinstimmen, insbesondere bei nicht-rhythmischen Bewegungen oder in der Erholungsphase.
Ein Forscherteam setzte sich zum Ziel, eine neue Methode zur Berechnung dieses Energieverbrauchs unter Verwendung ausschließlich der Herzfrequenz zu entwickeln, ohne sich auf allgemeine Vermutungen über das Alter, das Geschlecht oder die Größe einer Person zu verlassen. Sie entwickelten ein Modell, das die Herzfrequenz nicht nur als Zahl betrachtet, sondern als Signal für den spezifischen physiologischen Zustand des Körpers. Um dies zu testen, brachten sie zwanzig gesunde Erwachsene für eine einzige, lange Sitzung, die einen abwechslungsreichen Tag nachahmte, in ein Labor. Die Teilnehmer verbrachten eine Stunde mit Büroarbeit, gefolgt von einem Zirkeltraining, das Radfahren, Gewichtheben und Treppensteigen beinhaltete, und liefen schließlich auf einem Laufband, bis sie erschöpft waren, gefolgt von zwanzig Minuten Sitzen und Erholen. Während der gesamten Zeit maßen die Forscher den tatsächlichen Energieverbrauch mit der Goldstandard-Gasanalysenmaske und zeichneten gleichzeitig die Herzfrequenzdaten auf, um zu sehen, ob ihr neues Modell die realen Zahlen erreichen konnte.
Die Ergebnisse zeigten, dass das neue Modell bemerkenswert genau war, wenn es auf den gesamten während der Sitzung verbrannten Energieverbrauch blickte. Im Durchschnitt war die Schätzung des Modells fast identisch mit der tatsächlichen Messung und wich über den gesamten Tag hinweg um weniger als einen Kilokalorie ab. Dies deutet darauf an, dass das Modell durch die Verwendung spezifischer physiologischer Marker – wie der maximalen Herzfrequenz einer Person und der Geschwindigkeit, mit der sich die Atmung während des Trainings verändert – eine personalisierte Karte erstellen kann, wie dieser spezifische Körper Brennstoff verbrennt. Es gelang dies, ohne das Alter oder das Geschlecht kennen zu müssen, was normalerweise von Standardformeln verlangt wird. Das Modell funktionierte am besten bei rhythmischen Aktivitäten wie Laufen und Gehen, bei denen Herzfrequenz und Energieverbrauch eng miteinander verknüpft sind. In diesen Momenten lagen die Schätzungen sehr nah an der Wahrheit, oft innerhalb weniger Prozentpunkte.
Die Geschichte wird jedoch komplizierter, wenn sich die Aktivität ändert. Das Modell hatte die größten Schwierigkeiten mit kurzen, intensiven Belastungsphasen beim Krafttraining und der Phase unmittelbar nach dem Stoppen. Während der Erholungsphase, in der die Herzfrequenz hoch blieb, obwohl der Körper zur Ruhe kam, neigte das Modell dazu, die verbrannte Energie zu überschätzen. Ähnlich verhielt es sich bei exzentrischen Bewegungen, wie etwa dem Treppenabsteigen, bei denen sich Muskeln unter Spannung verlängern, wobei das Modell Schwierigkeiten hatte, den geringen Energieaufwand dieser Handlung vorherzusagen. Diese Fehler traten auf, weil die Herzfrequenz aus Gründen, die nichts mit dem unmittelbaren Brennstoffverbrauch zu tun haben, erhöht bleiben oder ansteigen kann, wie etwa die Bemühung des Körpers zur Abkühlung oder die spezifische Mechanik des Muskels. Während das Modell erfolgreich vermied, demografische Vermutungen anzustellen, waren die individuellen Fehler für diese spezifischen Zustände dennoch signifikant, was zeigt, dass eine einzige Herzfrequenzzahl nicht jede Art von Bewegung perfekt erklären kann.
Letztendlich zeigt die Studie, dass ein auf der Herzfrequenz basierender Ansatz ein hochgenaues Bild des täglichen Gesamtenergieverbrauchs liefern kann, ohne das Alter oder das Geschlecht einer Person kennen zu müssen, vorausgesetzt, das Modell verwendet individualisierte physiologische Größen, die aus der spezifischen Sitzung abgeleitet wurden. Die Ergebnisse legen nahe, dass der Schlüssel zu besserem Tracking nicht darin liegt, mehr Sensoren hinzuzufügen, sondern den spezifischen Kontext der Bewegung zu verstehen. Wenn ein Gerät erkennen kann, ob eine Person läuft, Gewichte hebt oder sich erholt, kann es die richtigen Regeln auf die Herzfrequenzdaten anwenden, um ein viel klareres Bild zu erhalten. Während die aktuelle Version dieses Modells ein vielversprechender Schritt nach vorne ist, merken die Forscher an, dass es noch in der realen Welt getestet werden muss, außerhalb der kontrollierten Umgebung eines Labors, um zu sehen, ob es standhält, wenn Menschen ihr Leben leben, ohne dass ein Forscher ihnen genau sagt, was sie gerade tun.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.