Hintergrund und Zielstellung: Die maximale Sauerstoffaufnahme (VO2max) ist das Bruttokriterium der Ausdauerleistungsfähigkeit. Die VO2max-Schätzung auf submaximalen Belastungsstufen ist insbesondere bei der Untersuchung von Risikopatienten aber auch in der sportmedizinischen Leistungsdiagnostik interessant. Methoden der künstlichen Intelligenz werden in verschiedenen Bereichen zur Beanspruchungsmodellierung mit Hilfe der HRV eingesetzt. Ziel der Untersuchungen war die Entwicklung eines onlinefähigen Fuzzy-Modells auf Grundlage einer Zeit-Frequenzanalyse der Herzzeitintervalle bei ansteigender fahrradergometrischer Belastung, mit dem die Abschätzung der VO2max auf submaximalem Niveau möglich ist. Methodik: 20 Personen (10 Männer/10Frauen) absolvierten einen fahrradergometrischen Ausbelastungstest. Atemgasparameter (EOS Sprint) und RR-Intervalle (Polar S810i) wurden kontinuierlich aufgezeichnet. Die Zeit-Frequenzanalyse der Herzzeitintervalle erfolgte mittels kontinuierlicher Wavelettransformation (CWT) für 1minütige Auf-zeichnungsintervalle. Die CWT-Daten dienten als Input-Parameter des Modells. Der Output-Wert ist die relative maximale VO2max. Für das Training und die Überprüfung des Modells wurde der Datensatz geteilt. Ergebnisse: Es wurde ein Fuzzy-basiertes Modell entwickelt, welches als alleinige Eingabeparameter Zeit-Frequenzdaten der Schlag-zu-Schlag-Intervalle des Herzens nutzt. Es ist in der Lage, mit hoher Genauigkeit (R² = 0,75 für die Trainingsdaten, R² = 0,70 für die Testdaten) die individuelle maximale Sauerstoffaufnahme der Probanden bereits auf submaximalen Belastungsstufen zu schätzen. Schlussfolgerung: Das entwickelte Modell ermöglicht in einer inhomogenen Untersuchungspopulation genaue Vorhersagen zur physischen Leistungsfähigkeit bei submaximaler Belastung. Methoden der künstliche Intelligenz (Fuzzy-Logiken) sind geeignet, die für die HRV charakteristische individuelle Ausprägung und Reaktionsweise zu berücksichtigen. Die in der HRV verborgene Information über die Beanspruchung eines Individuums kann somit sicht- und anwendbar gemacht werden. Zur Verbesserung der Vorhersagegenauigkeit sollen zukünftig populations- und belastungsspezifische Modelle entwickelt und weitere leicht erfassbare Eingabeparameter genutzt werden.
© Copyright 2009 Herzfrequenzvariabilität: Risikodiagnostik, Stressanalyse, Belastungssteuerung. Internationales Symposium am 1. November 2008 in Halle (Saale). Veröffentlicht von Czwalina. Alle Rechte vorbehalten.