Stresserkennung: Apple Watch kann laut Studie Stress genau vorhersagen

Die Apple Watch ist schon heute technisch dazu in dieser Position, Stresssituationen zwischen Menschen vorherzusagen. Eine solche Unterprogramm könnte theoretisch darum per Software-Update nachgeliefert werden. Zu diesem Ergebnis kommen Forscher dieser kanadischen Universität Waterloo nachdem einer Pilotstudie mit 36 Teilnehmern. Sie werteten zu Gunsten von ihr Forschungsvorhaben Elektrokardiogramm-Fakten dieser Apple Watch aus, um per Machine Learning (ML) stresstypische Nachweis zu erspähen.

Apple selbst bietet trotz diverser Gesundheitssensoren wie Pulsmessung, Elektrokardiogramm und Blutsauerstoffmessung bislang keine Softwarefunktion an, die Rückschlüsse aufwärts den Stresspegel des Trägers zulässt. Mitbewerber wie Fitbit und Garmin nutzen hingegen zwischen einigen ihrer Geräte heute schon die Sensoren ihrer Uhren, um dies Stressniveau dieser Nutzer zu kategorisieren.

Stresserkennung: Zweck zu Gunsten von die gesamte Volk

Die kanadischen Forscher sehen nachdem ihrer Pilotstudie den Zweck einer solchen Stress-Unterprogramm nicht nur beim Träger dieser Uhr. Selbst zu Gunsten von die Gesundheitsbehörden könnten in anonymisierter Form wichtige Erkenntnisse darüber gewonnen werden, wie es um die Spannung dieser Volk steht. So könnten rechtzeitig geeignete Maßnahmen und Initiativen ergriffen werden, um gegenzusteuern. Ein hohes Stressniveau stehe im Zusammenhang mit Gesundheitsproblemen wie Depressionen, Fettleibigkeit und Pumpe-Schaltschema-Erkrankungen. In Kanada klage jeder fünfte Staatsbürger obig hohe Stressbelastungen. Digitale Uhren hätten den Vorteil, dass sie heute schon weitverbreitet und gesellschaftlich akzeptiert seien. So seien sie gut probat, um solche Fakten in Echtzeit zu erheben.

Apples Elektrokardiogramm-Sensor ähnelt einem Ein-Programm-Elektrokardiogramm. Übrig die Softwarefunktion können Nutzer ein 30-sekündiges Elektrokardiogramm festhalten, dessen Fakten wiewohl exportiert werden kann. Dasjenige, welches Apple zur Verifikation des Sinus-Rhythmus und zur Erkennung von Vorhofflimmern bewirbt, kann nichtsdestotrotz wiewohl in dieser Stresserkennung verwendet werden, berichten die Forscher. Sie nutzten eine selbst entwickelte App, die aufwärts dieser Entwicklerschnittstelle HealthKit basiert, mit dieser die Studienteilnehmer zwei Wochen weit jeder drei Zahlungsfrist aufschieben ein Elektrokardiogramm aufzeichneten. Anschließend werten sie die Fakten aus und trainierten ein Machine-Learning-Schema damit.

So gut funktionierte die Stresserkennung

Unter anderem an Merkmalen wie Herzbeschleunigung und Verzögerungen beim Puls konnten die Forscher herauslesen, zu welchem Zeitpunkt eine Stresssituation einsetzte. Damit erwies sich die Erkennung von Zuständen ohne Stress wie akkurater wie von einem tatsächlich hohen Stresspegel, berichten sie. Lag die Stresserkennung zu 52 solange bis 64 v. H. richtig, wurden die stressfreien Zeiten zu obig 60 v. H. stichhaltig erkannt. Zum Vergleich: Heute schon vorhandene Geräte zur Stresserkennung lägen zu 60 solange bis 80 v. H. richtig.

Unter anderem eine längere Dauer dieser Elektrokardiogramm-Aufzeichnung könnte die Erkennung weiter verbessern, heißt es. Doch wiewohl die Zusammensetzung mit weiteren Fakten wie zum Muster vom Schlaftracking könnte die Unterprogramm noch weiter verbessern, sodass eine Echtzeiterkennung möglich sei.

(mki)