Eignung einer Messung der Herzratenvariabilität zur Validierung einer Gesundheitsstudie.
|
|
- Pia Hofmann
- vor 8 Jahren
- Abrufe
Transkript
1 Eignung einer Messung der Herzratenvariabilität zur Validierung einer Gesundheitsstudie. Ein Ansatz zur Überprüfung von psycho-physiologischen Parametern und deren Verlässlichkeit. Diplomarbeit von Ramona Sinziana Curteanu Fakultät Feinwerk- und Mikrotechnik, Physikalische Technik Studiengang Diplom Bioingenieurwesen Referent: Dr. med. Dipl.-Ing. H. Plischke Koreferent: Prof. Dipl.-Phys. A. Giebel Betreuer: Dr. med. Dipl.-Ing. H. Plischke Tag der Einreichung: 28. Februar 2013
2 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis iii vii ix 1 Abstrakt 1 2 Einführung und Zielsetzung 3 3 Grundlagen Herzrate Beschreibung Ermittlung Herzratenvariabilität Beschreibung Ermittlung Kardio-Vaskuläre Leistungsparameter Beschreibung Ermittlung HRV und Gesundheit Zusammenhang HRV und Gesundheit HRV als Parameter in der Gesundheitsforschung Robustheitsprüfung von Herzfrequenz und Herzfrequenzvariabilität Absolute Robustheitsprüfung Relative Robustheitsprüfung Material und Methoden Probandenkollektiv i
3 4.2 HRV Scanner Parameter Herzrate Parameter RMSSD IPN-Test Studienablauf Datenauswertung Robustheitsprüfung Korrelationsanalyse Fehlerfortpflanzung Ergebnisse und Interpretation Probandenkollektiv Mittelwerte der drei Probandengruppen Gruppe A - Körpertraining Gruppe B - Achtsamkeitstraining Gruppe C - Ganzheitliches Training Test auf Normalverteilung Gruppe A - Körpertraining Gruppe B - Achtsamkeitstraining Gruppe C - Ganzheitliches Training Zusammenfassung T-Test Verfahren Gruppe A - Körpertraining Gruppe B - Achtsamkeitstraining Gruppe C - Ganzheitliches Training Effektstärke Robustheitsprüfung Korrelationsanalyse Fehlerfortpflanzung Diskussion und Ausblick 67 7 Eigenständigkeitserklärung 69 8 Bibliographie 71 ii Inhaltsverzeichnis
4 Abbildungsverzeichnis 3.1 Phasen des Herzzyklus Zusammenhang von IBI und Herzrate (Tarvainen & Niskanen 2008: 12) Herzrate im Alter von 20 Jahren bei körperlicher Belastung - wolframalpha.com Herzrate im Alter von 50 Jahren bei körperlicher Belastung - wolframalpha.com HRV Vergleich Stress und Entspannung Darstellung von Puls unter Belastung und korrespondierender Leistung (Stemper o.j.: 8) Biologischer Regelkreis einer Stressreaktion - (Börnert & Süß o.j.: 2) Voraussetzungen, Ablauf und Interpretation des IPN-Test (Trunz 2001: 15) Flowchart zum Studienablauf Flowchart zum Auswahlverfahren eines geeigneten Tests auf Normalverteilung - Eigene Darstellung Flowchart zum T-Test Verfahren Anzahl der nach Ausschluss berücksichtigten Teilnehmer je Gruppe - Eigene Darstellung Mittelwert und Standardabweichung HR - Gruppe A Mittelwert und Standardabweichung RMSSD - Gruppe A Mittelwert und Standardabweichung P - Gruppe A Mittelwert und Standardabweichung HR - Gruppe B Mittelwert und Standardabweichung RMSSD - Gruppe B Mittelwert und Standardabweichung P - Gruppe B Mittelwert und Standardabweichung HR - Gruppe C Mittelwert und Standardabweichung RMSSD - Gruppe C Mittelwert und Standardabweichung P - Gruppe C Normalverteilung HR zu t2 - Gruppe A Boxplot Normalverteilung HR - Gruppe A iii
5 5.13 Test auf Normalverteilung HR - Gruppe A Normalverteilung RMSSD zu t0 - Gruppe A Boxplot Normalverteilung RMSSD - Gruppe A Test auf Normalverteilung RMSSD - Gruppe A Normalverteilung P zu t2 - Gruppe A Boxplot Normalverteilung P - Gruppe A Test auf Normalverteilung P - Gruppe A Normalverteilung HR zu t0 - Gruppe B Boxplot Normalverteilung HR - Gruppe B Test auf Normalverteilung HR - Gruppe B Normalverteilung RMSSD zu t1 - Gruppe B Boxplot Normalverteilung RMSSD - Gruppe B Test auf Normalverteilung RMSSD - Gruppe B Normalverteilung P zu t0 - Gruppe B Boxplot Normalverteilung P - Gruppe B Test auf Normalverteilung P - Gruppe B Normalverteilung HR zu t1 - Gruppe C Boxplot Normalverteilung HR - Gruppe C Test auf Normalverteilung HR - Gruppe C Normalverteilung RMSSD zu t1 - Gruppe C Boxplot Normalverteilung RMSSD - Gruppe C Test auf Normalverteilung RMSSD - Gruppe C Normalverteilung P zu t2 - Gruppe C Boxplot Normalverteilung P - Gruppe C Test auf Normalverteilung P - Gruppe C HR_Korrelation bei gepaarten Stichproben - Gruppe A HR_T-Test bei gepaarten Stichproben - Gruppe A RMSSD_Korrelation bei gepaarten Stichproben - Gruppe A RMSSD_T-Test bei gepaarten Stichproben - Gruppe A P_Korrelation bei gepaarten Stichproben - Gruppe A P_T-Test bei gepaarten Stichproben - Gruppe A HR_Korrelation bei gepaarten Stichproben - Gruppe B HR_T-Test bei gepaarten Stichproben - Gruppe B RMSSD_Korrelation bei gepaarten Stichproben - Gruppe B RMSSD_T-Test bei gepaarten Stichproben - Gruppe B iv Abbildungsverzeichnis
6 5.48 P_Korrelation bei gepaarten Stichproben - Gruppe B P_T-Test bei gepaarten Stichproben - Gruppe B HR_Korrelation bei gepaarten Stichproben - Gruppe C HR_T-Test bei gepaarten Stichproben - Gruppe C RMSSD_Korrelation bei gepaarten Stichproben - Gruppe C RMSSD_T-Test bei gepaarten Stichproben - Gruppe C P_Korrelation bei gepaarten Stichproben - Gruppe C P_T-Test bei gepaarten Stichproben - Gruppe C Zusammenhang Herzrate und Leistung vor der Intervention - Gruppe C Zusammenhang Herzrate und Leistung nach der Intervention - Gruppe C Zusammenhang RMSSD und Leistung vor der Intervention - Gruppe C Zusammenhang RMSSD und Leistung nach der Intervention - Gruppe C. 62 Abbildungsverzeichnis v
7
8 Tabellenverzeichnis 3.1 Phasen des Herzzyklus Frequency Domain Measures of HRV Time Domain Measures of HRV RMSSD in Abhängigkeit vom Alter Absolute Kontraindikationen zur Belastungsuntersuchung Relative Kontraindikationen zur Belastungsuntersuchung Exkurs - Allgemeine Darstellung für Hypothesentest Ergebnis Test auf Normalverteilung Ergebnis Effektstärke vii
9
10 Abkürzungsverzeichnis ANS DGK EKG HRV IBI IQR Autonomes Nervensystem Deutsche Gesellschaft für Kardiologie Elektrokardiogramm Herzratenvariabilität Interbeat Intervall Inter-Quantils-Abstand RMSSD.... Root Mean Square of the Successive Differences ix
11 1 Abstrakt Die Herzratenvariabilität HRV ist ein globaler Indikator für die Gesundheit, da sie die psycho-physiologische Balance des Menschen widerspiegelt. Sie beschreibt die rhythmischen Schwankungen der Herzfrequenz und ermöglicht somit einen Einblick in den sympatikovagalen Anpassungsmechanismus. Ist das Herz an äußere Umwelteinflüsse anpassungsfähig, so reagiert es mit einer großen Variation der Herzschläge. Dagegen beobachtet man eine gewisse Einschränkung der Herzratenvariabilität bei Menschen mit autonomen Dysfunktionen, wie Stressbelastung oder Depression. Es stellt sich also die Frage, inwiefern die HRV als Indikator einer Messung innerhalb einer Gesundheitsstudie geeignet ist, und weiterhin wie verlässlich (robust) dieser Indikator im Vergleich zu etablierten physiologischen Indikatoren ist. Daher wird bei der vorliegenden Auswertung einer speziellen Studie besonderer Wert auf die statistische Methodik gelegt, sowie auf die Auswahl geeigneter Parameter der Herzratenvariabilität. Anschließend werden drei Probandengruppen dieser Studie miteinander verglichen und die Resultate kritisch diskutiert. Weiterhin wird ein Ansatz entwickelt, mit deren Unterstützung man die Verlässlichkeit (sog. Robustheit) der ausgewählten HRV Parameter in Relation zu bewährten Leistungsparametern abschätzen kann. So kann eine stützende Aussage zur Frage der Eignung der HRV als Indikator für Gesundheitsmessungen getroffen werden. Die vorliegende Arbeit soll einen wissenschaftlichen Beitrag zu der Frage leisten, ob sich die nicht-invasive Methodik der HRV Messung im neuen Forschungsfeld der Salutogenese als geeignet erweist. Da in diesem Bereich der Gesundheitsprävention bisher noch keine standardisierten Verfahren zur Anwendung kommen, soll somit ein Ansatz zur Salutogeneseforschung beigetragen werden. 1
12
13 2 Einführung und Zielsetzung Individuelle Gesundheit ist ein kostbares Gut. Die Weltgesundheitsorganisation definiert Gesundheit als state of complete physical, mental and social well-being and not merely the absence of disease or infirmity (WHO 1946:Präambel) und deutet somit an dieser Stelle bereits eine -über Krankheitsbekämpfung hinausgehende- Perspektive an. Obwohl man in der heutigen Zeit für zahlreiche Krankheiten -dank dem technologischen Fortschritt in der Medizin- erfolgsversprechende Medikamente und Therapien zur Verfügung hat, wird es gesellschaftlich immer bedeutsamer, die Menschen für die zentrale Rolle der Prävention zu sensibilisieren. 1 Der Begriff der Salutogenese taucht in diesem Zusammenhang immer häufiger im öffentlichen Diskurs auf. Hierunter versteht man den als Gegenstück zur Pathogenese entwickelten Ansatz, nach der Möglichkeit des Erhalts bzw. der Wiederherstellung der Gesundheit zu forschen. 2 Diese Bewahrung von Gesundheit wird auf verschiedene Arten praktiziert, ob durch Ausdauersport, Entspannungstechniken, Yoga, Achtsamkeitsseminare oder Meditation; der Erfolg und die Anerkennung dieser Interventionen spiegelt sich in der Tatsache wider, dass viele von ihnen als gesundheitsfördernde Maßnahmen von den gesetzlichen Krankenkassen bezuschusst werden. Politisch wurde bereits 2005 versucht, die Prävention als vierte Säule des Systems der Gesundheitssicherung (Rosenbrock/Gerlinger 2009:85) zu etablieren. Dieser Versuch eine präventiven Gesetzgebung scheiterte zwar schließlich im Gesetzgebungsverfahren, zeugt jedoch davon, dass auch politische Akteure die Wichtigkeit, Gesundheit neu zu denken, erfasst haben. 3 In der klassischen Schulmedizin wird jeder störende Einfluss auf den Organismus als mögliche Ursache für die Entstehung von Krankheiten angesehen. In der ganzheitlichen Medizin hingegen, wird der Körper in Wechselwirkung mit Geist und Seele betrachtet und die 1 Siehe weiterführend zum Thema Prävention in der Gesundheitspolitik auch Rosenbrock/Gerlinger (2009). 2 Vgl. hierzu Rosenbrock/Gerlinger (2009:70). 3 Vgl. hierzu Rosenbrock/Gerlinger (2009:85 ff.). 3
14 Entstehung von Krankheiten wird als Unfähigkeit des Organismus gewertet, auf umweltbedingte Störfaktoren angemessen zu reagieren. Dabei rückt das Herz mit seiner Variabilität des Herzrhythmus immer mehr in den Fokus wissenschaftlicher Gesundheitsstudien. Die Herzratenvariabilität HRV ist ein globaler Indikator für die Gesundheit, da sie die psycho-physiologische Balance des Menschen widerspiegelt. Sie beschreibt die rhythmischen Schwankungen der Herzfrequenz und ermöglicht somit einen Einblick in den sympatikovagalen 4 Anpassungsmechanismus. 5 Ist das Herz an die Umwelteinflüsse anpassungsfähig, so reagiert es mit einer großen Variation der Herzschläge. Dagegen beobachtet man eine gewisse Einschränkung der Herzratenvariabilität bei Menschen mit autonomen Dysfunktionen, wie Stressbelastung oder Depression. 6 Mittlerweile ist es anerkannt, dass die HRV nicht nur über die neurokardiale Steuerung Auskunft gibt, 7 sondern auch als Gradmesser der Gesundheit angesehen wird 8. Es stellt sich also die Frage, inwiefern die HRV als Indikator einer Messung innerhalb einer Gesundheitsstudie geeignet ist, und weiterhin wie verlässlich (robust) dieser Indikator im Vergleich zu etablierten Indikatoren ist. Im ersten Teil dieser Arbeit wird eine bisher unveröffentlichte Gesundheitsstudie 9 ausgewertet, die im Rahmen einer laufenden Dissertation 10 das Ziel verfolgt, die Steigerung der ganzheitlichen Gesundheit älterer Generationen über die Entwicklung eines speziellen Trainings zu evaluieren. Die HRV, als eine von mehreren objektiven Indikatoren, zeigt dabei ein abweichendes Verhalten in Bezug auf körperliche Fitness. Daher wird bei der vorliegenden Auswertung besonderer Wert auf die statistische Methodik gelegt, sowie auf die Auswahl geeigneter Parameter der Herzratenvariabilität. Anschließend werden drei Probandengruppen dieser Studie miteinander verglichen und die Resultate kritisch diskutiert. 4 Gesundheit wird im ganzheitlichen Kontext auch als vagale Balance verstanden. Vagal bezieht sich hierbei auf den nervus vagus, den sog. Parasympathikus. 5 Vgl. Horn et al. (2003). 6 Siehe hierzu Mück-Weymann (2005). 7 Siehe auch Hughes & Stoney (2000), 8 Vgl. Börnert & Süß. 9 Siehe hierzu Rehmer (2013). 10 Angesiedelt ist die angesprochene Studie am Humanwissenschaftlichen Zentrum der Ludwig-Maximilians- Universität München, dem Peter-Schilffarth-Institut für Soziotechnologie in Bad Tölz. 4
15 Im zweiten Teil wird eine Methode entwickelt, mit deren Unterstützung man die Verlässlichkeit (sog. Robustheit) der ausgewählten HRV Parameter in Relation zu bewährten Leistungsparametern abschätzen kann. So kann eine stützende Aussage zur Frage der Eignung der HRV als Indikator für Gesundheitsmessungen getroffen werden. Ziel dieser Arbeit ist es, aufzuzeigen, ob sich die nicht-invasive Methodik der HRV Messung im neuen, bisher schwach etablierten Forschungsfeld der Salutogenese als geeignet herausstellt und zudem die wichtigsten Aspekte einer erfolgreichen HRV Messung und deren Ansatz darzustellen. Da in diesem Bereich der Gesundheitsprävention bisher noch keine standardisierten Verfahren zur Anwendung kommen, soll somit ein Beitrag zur Salutogeneseforschung geleistet werden. 5
16
17 3 Grundlagen In der vorliegenden Arbeit wird eine Gesundheitsstudie 1 ausgewertet, die anhand der Herzrate, der Herzratenvariabilität und dem kardio-vaskulären Leistungsparameter drei Gruppen von Probanden untersucht. Ziel der Studie ist es, herauszufinden, ob eine Steigerung der ganzheitlichen Gesundheit bei älteren Menschen möglich ist, indem ein speziell entwickeltes Training über einen längeren Zeitraum angewendet wird. Die Untersuchung legt einen besonderen Fokus auf den Vergleich von objektiven und subjektiven Indikatoren in Hinblick auf die körperliche Fitness der Probanden. Damit im späteren Verlauf der Auswertung eine bessere Aussage über die Verlässlichkeit (Robustheit) der Messung und somit der Eignung der Herzratenvariabilität (HRV) als Indikator für Gesundheitsmessungen getroffen werden kann, werden im folgenden die einzelnen betrachteten Parameter und deren Ermittlung beschrieben, sowie das physiologische Zusammenspiel mit dem autonomen Nervensystem (ANS) des Menschen. 3.1 Herzrate Der erste der drei betrachteten psycho-physiologischen Parametern, die in der vorliegenden Arbeit von zentraler Bedeutung sind, ist die Herzrate. 1 Vgl. hierzu Rehmer (2013). 7
18 3.1.1 Beschreibung 1 Die Herzrate als Parameter wird in der Einheit gemessen und beschreibt die Anzahl min der Herzschläge eines Organismus pro Minute. International gilt für die Angabe des Herzschlages 1 bpm (beats per minute) = 0,01667 beat s = Beat Frequency υ = 0,017 Hz (Hertz) Ein Herzschlag ist definiert als der zusammenhängende systolische und diastolische Zyklus des Herzens. D.h. pro Herzschlag werden alle Phasen (Tabelle 3.1) eines kompletten Herzzyklus durchlaufen. 2 Abbildung 3.1: Phasen des Herzzyklus EKG P Welle QRS - Komplex ST-Strecke TU Welle Die einzelnen Perioden einer Phase sind: Erregungsausbreitung in den Vorhöfen ventrikuläre Depolarisation Vollständige Erregung der Kammer ventrikuläre Repolarisation Tabelle 3.1: Darstellung der Phasen des Herzzyklus Ermittlung In der oberen Beschreibung ist zu erkennen, wie man einen einzelnen Herzzyklus interpretieren kann. Um aus dem EKG-Bild eine Herzrate zu ermitteln, muss man zunächst 2 Vgl. Wolf-Heidegger & Köpf-Maier (2005) Herzrate
19 einzelne R-Zacken detektieren. Des Weiteren wird der Abstand zwischen zwei benachbarten R-Zacken in Millisekunden messtechnisch erfasst und als interbeat interval (IBI) ausgegeben. In der folgenden Abbildung 3.2 wird ersichtlich, inwiefern ein Herzzyklus mit dem IBI in Zusammenhang steht. Abbildung 3.2: Zusammenhang von IBI und Herzrate (Tarvainen & Niskanen 2008: 12) Der zeitliche Abstand zwischen zwei R-Zacken (IBI) wird auch als RR-Intervall bezeichnet. Eine quantitative Beschreibung, sowie eine visuelle Analyse der Entwicklung von Variabilitäten des IBI, kann durch RR-Histogramme geschehen. Eine genaue Darstellung dieser Vorgehensweise vom EKG zum RR-Histogramm wird in Abschnitt 4.2 ausführlich erläutert. Die individuelle Herzrate ist von vielen Faktoren abhängig. In Abbildung 3.3 und Abbildung 3.4 wird vor allem ersichtlich, dass es altersspezifische Unterschiede geben kann. 3.2 Herzratenvariabilität Der zweite der insgesamt drei betrachteten psycho-physiologischen Parametern, der für die vorliegende Arbeit von essentieller Bedeutung ist, ist die Herzratenvariabilität (HRV) Herzratenvariabilität 9
20 Abbildung 3.3: Herzrate im Alter von 20 Jahren bei körperlicher Belastung - wolframalpha.com Abbildung 3.4: Herzrate im Alter von 50 Jahren bei körperlicher Belastung - wolframalpha.com Herzratenvariabilität
21 3.2.1 Beschreibung Die Herzratenvariabilität beschreibt die Schwankung der Herzfrequenz. In der traditionellen chinesischen Medizin galt es als anerkannte These, dass ein Mensch in naher Zukunft stirbt, sobald seine Herzrate regelmäßig wird. Dies kommt daher, dass eine Regelmäßigkeit in der Herzrate auf den Verlust der Regulationsfähigkeit des Herzens hinweist. Einer aktuellen Studie zur Folge weisen schlagende (intakte) Herzen von Organspendern eine geringe Herzratenvariabilität auf. 3 In Abbildung 3.5 wird exemplarisch eine hohe HRV (Entspannung) und eine niedrige HRV (Stress) dargestellt. 4 Abbildung 3.5: HRV Vergleich Stress und Entspannung Eine Analyse der HRV ist nicht nur im zeitlichen Bereich möglich, sondern auch im Frequenzbereich. Dies kann vor allem für Kurzzeitmessungen wertvolle Erkenntnisse liefern. In Tabelle 3.2 und Tabelle 3.3 sind Empfehlungen ersichtlich, die von der sog. Task Force 5 ausgegeben wurden Ermittlung In dieser Arbeit wird die HRV anhand des Parameters RMSSD ermittelt und evaluiert. Es handelt sich hierbei um den Effektivwert der RR-Abstände, RMSSD steht daher für root mean square of the successive differences und ist ein Ausdruck vermehrter parasympathischer Aktivität. Aus diesem Grund eignet sich der RMSSD Wert hervorragend für die Auswertung der ausgewählten Gesundheitsstudie. So lässt sich die Entspannungsfähigkeit der einzelnen Probanden nach den unterschiedlichen Interventionen objektiv bestimmen. 3 Siehe hierzu Neumann et al. (2001). 4 Bildnachweis siehe 5 Vgl. hierzu Task Force of the European Society of Cardiology the North American Society of Pacing Electrophysiology (1996) Herzratenvariabilität 11
22 Variable Units Description Frequency Range Analysis of Short-term Recordings (5 min) 5-min total power ms 2 The variance of NN intervals over the temporal segment 0.4Hz VLF ms 2 Power in VLF range 0.04Hz LF ms 2 Power in LF range Hz LF norm nu LF power in normalized units LF / (total power - VLF) 100 HF ms 2 Power in HF range Hz HF norm nu HF power in normalized units HF / (total power - VLF) 100 LF/HF Ratio LF [ms 2 ]/HF[ms 2 ] Analysis of Entire 24 Hours Total Power ms 2 Variance of all NN intervals 0.4Hz ULF ms 2 Power in the ULF Range 0.003Hz VLF ms 2 Power in the VLF Range Hz LF ms 2 Power in the LF Range Hz HF ms 2 Power in the HF Range Hz α Slope of the linear interpolation of the spectrum in a log-log scale 0.04Hz Tabelle 3.2: Frequency Domain Measures of HRV - Eigene Darstellung nach Task Force (1996) Herzratenvariabilität
23 Variable Units Description Statistical Measures SDNN ms Standard deviation of all NN intervals SDANN ms Standard deviation of the averages of NN intervals in all 5-minute segments of the entire recording RMSSD ms The square root of the mean of the sum of the squares of differences between adjacent NN intervals SDNN index ms Mean of the standard deviations of all NN intervals for all 5-minute segments of the entire recording SDSD ms Standard deviation of differences between adjacent NN intervals PNN50 % NN50 count / total number of all NN intervals Geometric Measures TINN ms Baseline width of the minimum square difference triangular interpolation of the highest peak of the histogram of all NN intervals Differential index ms Difference between the widths of the histogram of differences between adjacent NN intervals measured at selected heights Tabelle 3.3: Time Domain Measures of HRV - Eigene Darstellung nach Task Force (1996) 3.2. Herzratenvariabilität 13
24 In Tabelle 3.4 wird die Abhängigkeit des normalen RMSSD Wert in Ruhe (RMSSDr) und des normalen RMSSD Wert während einer Taktatmung (RMSSDd) vom Alter der männlichen Probanden aufgezeigt. Alter RMSSDr (ms) RMSSDd (ms) 15 > 16,00 > 27,25 20 > 14,22 > 23,76 25 > 12,63 > 20,72 30 > 11,22 > 18,06 35 > 9,96 > 15,75 40 > 8,85 > 13,73 45 > 7,86 > 11,98 50 > 6,98 > 10,44 55 > 6,20 > 9,11 60 > 5,51 > 7,94 65 > 4,89 > 6,92 Tabelle 3.4: RMSSD in Abhängigkeit vom Alter - Eigene Darstellung nach Marcus W. Agelink et al. (2001: 105) 3.3 Kardio-Vaskuläre Leistungsparameter Als letzten der drei psycho-physiologischen Parametern, betrachten wir den kardio-vaskuläre Leistungsparameter P, welcher die physiologische Bestimmung der maximalen körperlichen Belastbarkeit ermöglicht. Durch die Messung der maximalen Leistungsfähigkeit kann man einerseits den individuellen Trainingszustand ermitteln und Defizite erkennen und andererseits die ermittelten Leistungswerte objektiv mit anderen vergleichen. 6 6 Diese Methode beruht auf dem Leistungstestverfahren der Ergospirometrie von PD Dr. K. S. Herrmann. Weiterführend siehe hierzu auch Kardio-Vaskuläre Leistungsparameter
25 3.3.1 Beschreibung Der kardio-vaskuläre Leistungsparameter P wird in W (Watt pro Kilogramm Körpergewicht) angegeben und beschreibt die physiologische Leistungsfähigkeit eines Kg einzelnen Probanden Ermittlung Der Leistungsparameter wird nach den Leitlinien zur Ergometrie der Deutschen Gesellschaft für Kardiologie erfasst. 7 Um eine optimale Belastungsuntersuchung durchführen zu können, benötigt man eine klare Indikationsstellung. In der vorliegenden Gesundheitsstudie wurde die physikalische Belastbarkeit erfasst, die auf jeden Fall eine Indikation beschreibt. Weiterhin muss festgehalten werden, dass Kontraindikationen ausgeschlossen sind, wobei die DGK nach absoluten (Tabelle 3.5) und relativen Indikationen (Tabelle 3.6) unterscheidet. Absolute Kontraindikationen Akuter Myokardinfarkt Instabile Angina pektoris Herzrhythmusstörungen mit Symptomatik und/oder eingeschränkter Hämodynamik Symptomatische schwere Aortenstenose Dekompensierte Herzinsuffizienz Akute Lungenembolie Akute Myokarditis Akute Perikarditis Akute Aortendissektion Tabelle 3.5: Absolute Kontraindikationen zur Belastungsuntersuchung nach Trappe & Löllgen (2000: 825) 7 Für eine aktuelle Übersicht siehe Deutschen Gesellschaft für Kardiologie Kardio-Vaskuläre Leistungsparameter 15
26 Relative Kontraindikationen Hauptstammstenose Klappenerkrankungen mäßigen Schweregrades Bekannte Elektrolytstörungen Arterielle Hypertonie Tachyarrhythmie oder Bradyarrhythmie Hypertrophe Kardiomyopathie und andere Formen der Ausflussbahnobstruktion Höhergradige AV-Blockierungen Physische und/oder psychische Beeinträchtigungen Tabelle 3.6: Relative Kontraindikationen zur Belastungsuntersuchung nach Trappe & Löllgen (2000: 825) In Abbildung 3.6 ist veranschaulicht, wie sich der Puls unter Belastung und dessen korrespondierende Leistung verhalten kann. So kann man über gezogene Verbindungslinien zur Herzfrequenz-Leistungs-Kurve den entsprechenden Watt-Wert ermitteln HRV und Gesundheit Wie bereits erläutert, geht es in der vorliegenden Arbeit primär darum, zu erforschen, ob durch die Herzratenvariabilität (HRV) eine Steigerung des Wohlbefindens, welche sich in einer Erhöhung der Entspannungsfähigkeit äußert, objektiv messbar gemacht werden kann. 8 Vgl. hierzu (Stemper o.j.: 8) HRV und Gesundheit
27 Abbildung 3.6: Darstellung von Puls unter Belastung und korrespondierender Leistung (Stemper o.j.: 8) Zusammenhang HRV und Gesundheit Einer der 12 humanen Hirnnerven ist der M.Vagus, der zum Einen aus viszeromotorischen, parasympathischen Fasern und zum Anderen aus viszerosensorische Fasern. 9 Ein gesundes Herz verfügt über eine spontane Schrittmacherfrequenz, die durch den Sinusknoten vorgegeben wird. Während der Sinusknoten depolarisiert ist, führen parasympatische und sympathische Reaktionen zu einer bemerkenswerten Variation der Herzrate. Wie bereits erwähnt wurde, liegt der Ursprung dieses Nervs im Gehirn, spezifischer in der Medulla oblongata. Auf diesem Wege können psychische Faktoren in der Aktivität des Herzens widergespiegelt werden. 10 Die Variabilität des Herzrhythmus ermöglicht eine Diagnose des Gesundheitszustandes einer Person, da die Ursache vieler Erkrankungen und Befindlichkeitsstörungen eine Beeinträchtigung der vegetativen Grundregulation ist. Das Zusammenspiel zwischen Sympathikus und Parasympathikus ist entscheidend für die Regulation des Organismus. Die folgende Abbildung 3.7 zeigt den biologischen Regelkreis, der bei einer Stressreaktion durchlaufen wird. 9 Vgl. hierzu Wolf-Heidegger & Köpf-Maier (2005). 10 Siehe hierzu auch Rief & Birbaumer (2010) HRV und Gesundheit 17
28 Abbildung 3.7: Biologischer Regelkreis einer Stressreaktion - (Börnert & Süß o.j.: 2) HRV als Parameter in der Gesundheitsforschung Als Zeichen für Gesundheit kann man eine hohe Anpassungsfähigkeit des Organismus verstehen. Diese Anpassungsfähigkeit (Variabilität) kann man in diesem Zusammenhang als die Fähigkeit des Herzens, durch eine bestimmte Modulation der Herzschlagfolge auf die äußeren und inneren Faktoren zu reagieren, verstehen. Die HRV wirkt also wie eine Art Puffer, der die Reibungsverluste verringert. Während früher die HRV fast nur in der Medizin, insbesondere der Kardiologie und Diabetologie, sowie der Psychotherapie als Therapiekontrolle erfolgreich eingesetzt wurde, betrachtet man diesen Marker spätestens seit dem 5. Internationalen Symposium zur Herzfrequenzvariabilität 11 auch im interdisziplinären Kontext der Gesundheitsförderung und Trainingssteuerung. Der deutsche Sportwissenschaftler Kuno Hottenrott geht davon aus, dass die Entspannungsfähigkeit und die Herzkohärenz mit der autonomen Fitness 12 korrelieren. Diese autonome Fitness lässt sich durch eine HRV-Analyse veranschaulichen und dient zudem als Zielgröße der Gesundheitsförderung Weiterführende Informationen hierzu auch auf der Webseite des Institut für Leistungsdiagnostik und Gesundheitsförderung e.v. (ILUG) der Martin-Luther-Universität Halle-Wittenberg unter Vgl. Esperer & Hottenrott (2011). 13 Siehe weiterführend zum Begriff der autonomen Fitness Hottenrott (2011) HRV und Gesundheit
29 Es wurde bereits erwähnt, dass es in dieser Arbeit sekundär darum geht, den im Rahmen der verwendeten Gesundheitsstudie 14 erhobenen kardio-vaskulären Parameter auf das Merkmal der Robustheit, also seiner Verlässlichkeit hin zu prüfen. Ein möglicher Ansatz hierzu, wird im folgenden Abschnitt entwickelt. 3.5 Robustheitsprüfung von Herzfrequenz und Herzfrequenzvariabilität Im folgenden Abschnitt werden die Grundlagen der Robustheitsprüfung beschrieben und erläutert. Zuerst wird die absolute Robustheit der kardio-vaskuläre Parameter (HR und RMSSD) im mathematischen Sinne erläutert. Nachfolgend wird die relative Robustheit dieser Parameter in Bezug auf den Leistungsparameter P angeführt Absolute Robustheitsprüfung In jeder Messung, die unter normalen Bedingungen durchgeführt wird, ist es wahrscheinlich, dass es zu Messfehlern kommt. Dennoch kann es sinnvoll sein, eine mathematische Betrachtung der Fehlerentwicklung durchzuführen. In der absoluten Robustheitsprüfung wird gezeigt, welchen Einfluss ein beliebiger Fehler ɛ auf den zu ermittelnden Parameter in Abhängigkeit zu seiner mathematischen Ermittlung hat. Ziel der Robustheitsprüfung ist ein evidenzbasiertes Vertrauensintervall 15 der Messwerte, unter Berücksichtigung eines beliebigen Fehlers ɛ, zu ermitteln. Dadurch kann die Interpretation vorhandener Ergebnisse erleichtert werden Relative Robustheitsprüfung In der zweiten Analyse der Messdaten auf Robustheit wird ein Vergleich zwischen den Parametern HR und RMSSD, sowie dem Leistungsparameter P angestellt. Diese Prüfung erfolgt durch eine Korrelationsanalyse, da eine Erhöhung der Korrelation ein Indiz für 14 Siehe hierzu Rehmer (2013). 15 In der Statistik wird auch von Konfidenzintervall gesprochen Robustheitsprüfung von Herzfrequenz und Herzfrequenzvariabilität 19
30 eine erhöhte Validität des Parameters darstellt. 16 Einfach ausgedrückt lässt sich sagen, wenn man einen neuen Parameter auf Eignung für ein Messverfahren prüfen möchte, kann das Messverfahren als erstes mit einem bewährten Parameter durchgeführt werden. Anschließend verwendet man den neuen Parameter für dieselbe Messung und überprüft danach die Korrelation der beiden parametrischen Messwerte. Wenn beide Werte die gleiche Tendenz aufweisen und eine hohe Korrelation vorliegt, kann man davon ausgehen, dass sich der neue Parameter für das geprüfte Messverfahren eignet. 16 Vgl. Lange, Van Leeuwen, Bettermann & Grönemeyer (1997) Robustheitsprüfung von Herzfrequenz und Herzfrequenzvariabilität
31 4 Material und Methoden Nachdem bisher in den vorangegangenen Abschnitten die Grundlagen der psycho-physiologischen Parameter und deren Zusammenhang mit der Gesundheitsförderung dargestellt wurden, werden im folgenden Teil dieser Arbeit die Daten und Materialien der ausgewerteten Gesundheitsstudie vorgestellt. Weiterführend werden anschließend die Methode der Auswertung und der Robustheitsanalyse beleuchtet. 4.1 Probandenkollektiv In der betrachteten Gesundheitsstudie wurden im Zeitraum September 2011 bis April 2012 mehrere Probanden zur Auswertung einbezogen, die folgende Einschlusskriterien erfüllten. 1. Alter zwischen 50 und 65 Jahre, wobei der Altersdurchschnitt in jeder Gruppe möglichst gleich sein soll. 2. Geschlechter und deren gleich Verteilung. 3. Bildungsstatus bzw. Schulabschlüsse (Hauptschule, Realschule und Gymnasium) und deren gleiche Verteilung. 4. Trainingszustand, es soll kein regelmäßiges Training (körperliches, mentales, emotionales oder achtsamkeitsbasiertes) absolviert werden. Personen die im letzten Jahr maximal zwei Mal pro Monat an einem entsprechenden Programm teilgenommen haben. 21
32 Aus der Studie ausgeschlossen wurden Probanden, bei denen nachfolgende Ausschlusskriterien vorlagen. 1. Aktuelle psychische und/oder körperliche Erkrankungen (Beeinträchtigungen). 2. Klinisch relevante internistische oder neurologische Erkrankungen. 3. Missbrauch oder Abhängigkeit von Medikamenten, Drogen oder Alkohol, aktuell oder in der Anamnese. Zusätzlich wurde für die vorliegende Arbeit noch ein weiteres Ausschlusskriterium für Probanden definiert. Frühzeitiger Abbruch der Intervention bzw. keine vollständigen Messdaten zu jedem Messzeitpunkt. Hierbei handelt es sich um das Kriterium der Vollständigkeit. Alle Probanden mussten die gesamten Einschlusskriterien erfüllen und durften keines der Ausschlusskriterien aufweisen. Allen Studienteilnehmern wurde vor der Intervention ein ausführlicher Fragebogen zu vorliegenden körperlichen und seelischen Fitness, sowie eventuellen Erkrankungen vorgelegt. Eine exemplarische Auswahl der (subjektiv ausgerichteten) Fragen wird nachfolgend aufgelistet. 1. Demographische Daten: Alter, Geschlecht, Bildungsstand, Beruf 2. Krankheiten und medizinische Eingriffe (Operationen) 3. Körperlicher Trainingszustand 4. Seelische und psychische Verfassung. Zudem wurden noch Abbruchkriterien für die Teilnahme an der Studie definiert, die sich auf Neuerkrankungen im Sinne der Ausschlusskriterien beziehen, sowie die Veränderung der Trainingsinhalte während der laufenden Studie (z.b. Es werden Trainingsinhalte einer anderen Probandengruppe übernommen) Probandenkollektiv
33 4.2 HRV Scanner Seit 2009 ist der sog. HRV Scanner der deutschen Firma Biosign GmbH im Handel erhältlich. Dieses Gerät lässt sich zur Aufzeichnung verschiedenster HRV Parameter benutzen. Es beinhaltet ein 1-Kanal-EKG mit der Samplingrate 500 Hz, welches zur Berechnung der Herzfrequenzkurve dient. Daraus können dann anschließend die HRV Parameter kalkuliert werden. Die Ausgabe der Daten erfolgt auf einem handelsüblichen PC und ist benutzerfreundlich, sowohl für den Trainer als auch den Probanden aufbereitet. Es können mit dem HRV Scanner Langzeit- und Kurzzeittrends aller Parameter als 3D- Animation betrachtet werden. Die erfassten und berechneten Parameter, die in dieser Arbeit von Bedeutung sind, werden im folgenden Abschnitt beschrieben. Diese wurden aus dem 1-Kanal-EKG des Scanner extrahiert und für die folgende Auswertung der Studie ausgewählt Parameter Herzrate Die Herzrate wird in Schlägen pro Minute (bpm) ausgegeben und aus dem EKG abgeleitet. Dies geschieht über die R-Zacken-Detektion. Werden zwei benachbarte R-Zacken aus dem QRS Komplex 1 mit dem Detektionsalgorhythmus erkannt, so wird das zugehörige RR-Intervall gemessen, welches gleichbedeutend mit dem Zeitintervall zwischen den beiden R-Zacken ist. Dieses Intervall wird in Millisekunden (ms) im EKG beschrieben. Für die Berechnung des Intervalls gilt RR i = t QRSi+1 t QRSi (4.1) in ms. Daraus errechnet sich die Herzrate wie folgt HR = RR i (4.2) 1 Vgl. hierzu Unterabschnitt HRV Scanner 23
34 in bpm Parameter RMSSD Die Abkürzung RMSSD steht für root mean square of successive differences, also für das quadratische Mittel der aufeinanderfolgenden Unterschiede oder Abweichungen. Bei dem RMSSD Wert handelt es sich um einen HRV Parameter aus dem entsprechenden Messzeitbereich 2 und drückt die Änderungsstärke der Herzfrequenz von einem Herzschlag zum nächsten aus. Wie in Unterabschnitt erläutert, kann man mithilfe der R-Zacken- Detektion die RR Abstände ermitteln. Weiterhin gilt i RMSSD = 1 N N (RR i+1 RR i ) 2 (4.3) i=1 4.3 IPN-Test Seit den frühen 1990er Jahren wird der sog. IPN-Test als Ausdauertest im Fitness- und Gesundheitsbereich angewandt. Es handelt sich hierbei um einen Ergometer-Test, der auf Dieter Lagerstrøm zurückgeht 3 und spezifische Werte des Probanden verwendet, um einen Vergleichswert der aeroben Leistungsfähigkeit zu erhalten. Für einen umfassende Darstellung der Voraussetzungen für den IPN-Test, dessen Ablauf und Interpretation siehe Abbildung 4.1. Hieraus ergibt sich der kardio-vaskuläre Parameter Leistung, der in Watt pro Kilogramm Körpergewicht gemessen wird. Es handelt sich hierbei um eine relative Watt-Leistung, aus der sich, durch einen Vergleich mit einer Norm-Soll-Leistungstabelle, der entsprechende Belastungsfaktor und eine spezifische Trainingsherzfrequenz für den Probanden ableiten lassen. 4 Berechnet wird die Watt-Leistung P durch die Formel 2 Vgl. hierzu Tabelle Vgl. hierzu Trunz (2001). 4 Siehe hierzu Trunz (2001: 7) IPN-Test
35 Abbildung 4.1: Voraussetzungen, Ablauf und Interpretation des IPN-Test (Trunz 2001: 15) P = W 1 + (W 2 W 1 ) ( HF HF 1 HF 2 HF 1 ) (4.4) in W Kg. Legende W 1 = vorletzte Belastungsstufe, bevor die Zielherzfrequenz (entsprechend der Voreinstellung) erreicht bzw. Überschritten wurde; Angabe in Watt W 2 = letzte Belastungsstufe, bei der die Zielherzfrequenz (entsprechend der Voreinstellung) erreicht bzw. Überschritten wurde; Angabe in Watt HF = Herzfrequenz der individuellen Voreinstellung HF 1 = Herzfrequenz, der am Ende von vorletzten Wattstufe (W 1 ) ermittelt wurde HF 2 = Herzfrequenz, der am Ende der letzten Wattstufe (W 2 ) ermittelt wurde 4.4 Studienablauf Um einen besseren Einblick in die ausgewertete Gesundheitsstudie zu erhalten, wird im folgenden Abschnitt der Studienablauf kurz und überblickshaft geschildert. Vor dem Studienzeitraum September 2011 bis April 2012 wurden alle Probanden, die sich für ein 4.4. Studienablauf 25
36 ganzheitliches Gesundheitsprogramm interessierten, in einem lokalen Fitnessstudio auf Eignung zur Teilnahme hin untersucht. Es wurden die in Abschnitt 4.1 aufgezählten Einund Ausschlusskriterien mit den Probanden abgeglichen und dementsprechend wurde eine Auswahl getroffen. Nach erfolgter schriftlicher Einverständniserklärung zur Teilnahme an der Gesundheitsstudie, sowie zur Kenntnis genommener Aufklärungsbögen für die Untersuchungen, erfolgte die Einteilung der Probanden nach vorhandener Eigenmotivation in drei Gruppen. Die erste Gruppe absolvierte nur körperliche Trainingseinheiten. Diese bestanden aus verschiedenen Übungen zur Ausdauer, Kraft, Beweglichkeit und Koordination. Die zweite Gruppe hingegen hat neben körperlichem Training (gleichsam wie die erste Gruppe), auch ein Achtsamkeitstraining durchgeführt. Der dritten Probandengruppe wurde ein ganzheitlicher Trainingsplan zugeordnet. Abbildung 4.2: Flowchart zum Studienablauf Die Studienteilnehmer haben alle an den achtwöchigen Interventionen teilgenommen. Je nach Gruppe variierte das Training der Probanden. Nach den acht Wochen hatten alle Teilnehmer die Möglichkeit, selbstständig und freiwillig weiter zu trainieren. Nach sechs Monaten wurden erneut alle Gesundheitstests gemacht, und diese wurden als Grundlage für eine Nachhaltigkeitsmessung genommen Studienablauf
37 4.5 Datenauswertung Die mittels HRV Scanner (siehe Abschnitt 4.2) erfassten Daten wurden zum Einen als Probandenbericht ausgedruckt und zum Anderen in Microsoft Excel exportiert. Die Daten des IPN-Ausdauertests (siehe Abschnitt 4.3) wurden direkt in Excel eingegeben. Im Rahmen deskriptiver Analysen wurden zunächst Mittelwerte und Standardabweichungen der physiologischen Parameter der drei Trainingsgruppen an je drei Zeitpunkten berechnet und tabellarisch zusammengefasst. Die zugrunde liegenden Formeln für die Berechnung der Mittelwerte (Gleichung 4.5) und Standardabweichungen (Gleichung 4.6) sind µ = 1 n und n x i (4.5) i=1 σ = 1 n 1 n (x i x) 2 (4.6) i=1 Legende n = Anzahl der Probanden x i = Messdaten x = µ = Mittelwert Weiterhin wurde nach einem geeigneten Test gesucht, um beurteilen zu können, ob die Unterschiede der Parameter zwischen den Messzeitpunkten wichtig sind oder nicht. Vor der Auswahl eines geeigneten Testverfahrens muss zuerst geklärt werden, welches Design dem vorliegenden Datensatz zugrunde liegt. Bei verbundenen Stichproben vergleicht man Gruppen, deren Mitglieder in einer Beziehung zueinander stehen, so dass es möglich ist, Paare zu bilden. Dies ist in diesem Fall gegeben, da sich eine Gruppe von Probanden (z.b. Körpertraining) einer Intervention unterzogen hat, deren Werte des Prä- und Posttests miteinander verglichen werden. Somit war es möglich, innerhalb der Auswertung der Gesundheitsstudie den T-Test zu verwenden. Bei diesem Test werden Mittelwertdifferenzen 4.5. Datenauswertung 27
38 der Stichproben und der Standardfehler der Differenz des Stichprobenmittelwertes gebildet. Der T-Wert t (Gleichung 4.7) zeigt das Verhältnis dieser Werte zueinander. t = nm n + m x y s (4.7) Der T-Test ist ein Hypothesentest, hierbei ist H 0 : Es gibt keinen Unterschied zwischen den beiden Grundgesamtheiten aus denen die Stichprobe gezogen wurde. Mit Hilfe des T-Test wird angezeigt, mit welcher Irrtumswahrscheinlichkeit die Nullhypothese (H 0 ) verworfen werden kann. Wie die folgende Tabelle 4.1 zeigt, kann die Nullhypothese richtig oder falsch sein bzw. man kann H 0 ablehnen oder nicht. 5 unbekannte reale Verhältnisse H 0 ablehnen Entscheidung H 0 nicht ablehnen H 0 richtig Fehler 1. Art richtige Entscheidung H 0 falsch richtige Entscheidung Fehler 2. Art Tabelle 4.1: Exkurs - Allgemeine Darstellung für Hypothesentest Obwohl der T-Test auf den ersten Blick maßgeschneidert für diese Art der Auswertung erscheint, muss an dieser Stelle vorerst diskutiert werden, ob er auch für die vorliegende Stichprobe anwendbar ist. Da die Anwendung des T-Test eine Normalverteilung der Stichprobe voraussetzt, wird an dieser Stelle ein Test auf Normalverteilung durchgeführt. Um die Frage nach der Normalverteilung der vorliegenden Daten zu beantworten, gibt es im Prinzip zwei Möglichkeiten: 1. Die Anwendung von graphischen Hilfsmittel, wie Histogramm und Box-Plot, 2. ein Hypothesentest; z.b Kolmogorow-Smirnov-Test oder Shapiro-Wilk-Test. Für diese Studie werden beide Möglichkeiten in Betracht gezogen. Mit den graphischen Hilfsmitteln kann man visuell abschätzen, ob die Stichprobe normalverteilt ist oder nicht. Es handelt sich hierbei um ein notwendiges, aber nicht hinreichendes Kriterium. 5 Vgl. Kühnel & Krebs (2010) Datenauswertung
39 Der Hypothesentest ermöglicht hingegen, eine exakte Aussage über die Normalverteilung zu treffen. Dabei ist eine Besonderheit zu beachten, dass man H 0 nicht verwerfen möchte. H 0 lautet daher hier: Die Stichprobe ist normalverteilt. Daher ist bei diesem Test wünschenswert, dass der Fehler 1. Art größer ist als der Wert 0,05. Dann kann man davon ausgehen, dass eine Normalverteilung vorliegt. Somit wäre die Anwendung des T-Test auf die vorliegenden Daten möglich. In Abbildung 4.3 werden alle Schritte zur Auswahl eines geeigneten Testverfahrens dargestellt. 6 Abbildung 4.3: Flowchart zum Auswahlverfahren eines geeigneten Tests auf Normalverteilung - Eigene Darstellung Nun kommt die eigentliche Auswertung der Gesundheitsstudie. In diesem Teil der Arbeit wird genau überprüft, ob die achtwöchige Gesundheitsintervention zu einer Verbesserung der Gesundheitsindikatoren Herzrate HR (Abschnitt 3.1), Herzratenvariabilität RMSSD (Abschnitt 3.2) und kardio-vaskulärem Leistungsparameter P (Abschnitt 3.3) geführt hat. 6 Die nicht-parametrischen Tests werden im Rahmen dieser Arbeit nicht erläutert, da sich die Auswertung aus zeitlichen Gründen nur für normalverteilte Stichproben durchführen lässt Datenauswertung 29
40 Der T-Test ist hierfür (wie bereits erläutert) gut geeignet. Es wird konkret geprüft, ob es signifikante Unterschiede der Messwerte vor und nach der Intervention gibt, und ob das für alle drei Probandengruppen gleichermaßen gilt. Abbildung 4.4: Flowchart zum T-Test Verfahren Mit dem vorherigen Testverfahren stellt man fest, ob es signifikante Unterschiede der Gesundheitsparameter nach dem Testzeitraum von acht Wochen gibt. Des Weiteren möchte man, für den Fall, dass es signifikante Unterschiede gibt, zusätzlich die Effektstärke 7 (Cohen s d - standardisierter Unterschied der Mittelwerte) angeben, um die Relevanz der Messergebnisse zu präsentieren. Obwohl der T-Test relativ robust gegen leichte Abweichungen ist (statistische Robustheit), wird im einschlägigen Forschungsfeld 8 empfohlen, die Effektstärke zusätzlich zum Signifikanzniveau anzugeben. Für die Effektstärke wird folgende Formel verwendet: d = x 1 x 2 (s1 2 +s 2 2 ) 2 (4.8) 7 Vgl. hierzu Cohen (1988). 8 Siehe hierzu u.a. Erceg-Hurn & Mirosevich (2008) Datenauswertung
41 4.6 Robustheitsprüfung In der vorliegenden Arbeit geht es auch darum, zu prüfen, ob sich die gewählten Parameter Herzrate und Herzratenvariabilität robust verhalten, also sich im Prinzip als verlässlich herausstellen. Man möchte dadurch verstehen, wie sensitiv die Parameter auf gewisse Messfehler reagieren, und vor allem, ob es einen Zusammenhang zwischen den neuen potentiellen Gesundheitsindikatoren und dem altbewährten Leistungsparameter gibt Korrelationsanalyse Anfänglich wird bei der Robustheitsprüfung untersucht, ob es einen linearen Zusammenhang zwischen den Parametern Herzrate und P, sowie zwischen RMSSD und P gibt. Es werden zunächst die Messwerte als Streudiagramm dargestellt und zusätzlich wird der Korrelationskoeffizient nach Pearson 9 ausgerechnet. Pearson s r ist für metrische Abstände ausgelegt (Intervallskala) und eignet sich somit für den vorliegenden Fall besser als z.b. der Spearman sche Koeffizient. Dieser wiederum würde lediglich eine Reihenfolge der Messwerte bilden (Ordinalskala), unabhängig von den Abständen zwischen den Werten. Pearson s r berechnet sich wie folgt 10 r xy = 1 n (x n i x)(y i y) i=1 1 n (x n i x)( 1 n (y n i y) 2 ) i=1 i=1 = s xy s x s y (4.9) Legende s xy = Covarianz s x = Varianz x s y = Varianz y 9 Siehe hierzu Kühnel & Krebs (2010). 10 Vgl. Kühnel & Krebs (2010: 406) Robustheitsprüfung 31
42 4.6.2 Fehlerfortpflanzung Wie robust die Parameter auf bestimmte Ausreißerwerte bzw. Artefakte reagieren können, soll im folgenden Abschnitt erläutert werden. Der dazu gewählte Ansatz ist die Fehlerrechnung aus der Messtechnik, wie es in der DIN Norm 1319 ausgeführt wird. Bei der Messung der physiologischen Parameter muss man die Tatsache berücksichtigen, dass alle Messwerte und die aus den Messwerten berechneten Ergebnisse immer mit Fehlern behaftet sind. Die Messwerte sind hier die RR-Intervalle und die daraus berechneten Ergebnisse sind die Parameter HR und RMSSD. Es gibt zwei Arten von Fehlern: systematische und zufällige Fehler. 1. Systematische Fehler: sind reproduzierbar und geben über die Güte des Messgerätes Auskunft. Eine Verkleinerung dieses Fehlers ist nur durch die Verbesserung des Messsystems möglich. 2. Zufällige Fehler: sind reproduzierbar und beeinträchtigen die Messung in ihrer Genauigkeit. Eine Verkleinerung dieses Fehlers ist durch eine größere Anzahl von Messungen möglich. Die zufälligen Fehler (absolute Fehler) lassen sich rechnerisch mit dem Gauss schen Fehlerfortpflanzungsgesetzt ermitteln: f(x, y) = ( f x x) 2 + ( f y y) 2 (4.10) Der mittlere Fehler rechnet sich wie folgt x = t d n (4.11) Legende d = Stichprobenstandardabweichung n = Anzahl der Messwerte t = gibt die Breite des Intervalls an Robustheitsprüfung
43 Hier wird t = 3 gesetzt, d.h. es liegen 99,7% aller durch Wiederholung der Messung ermittelten x innerhalb x + x. In Abschnitt 5.6 werden die Parameter HR und RMSSD auf zufällige Fehler untersucht und die absoluten und relativen Fehler werden für ein fiktives Beispiel ermittelt Robustheitsprüfung 33
44
45 5 Ergebnisse und Interpretation In diesem Abschnitt werden nun nachfolgend die Ergebnisse der Auswertung der Gesundheitsstudie präsentiert und im Kontext der grundlegenden Fragestellung dieser Arbeit interpretiert. Zuerst wird das Probandenkollektiv 1 detailliert als Ganzes beschrieben und dann in einzelnen Gruppen spezifisch analysiert. Nachfolgend werden die vorliegenden Daten statistisch aufbereitet und dargelegt, wie bereits in Abschnitt 4.5 vorbereitend erklärt wurde. Wenn nicht anders vermerkt, erfolgte die Datenauswertung in SPSS. Es wurde für alle Berechnungen ein zweiseitiges Signifikanzniveau von α = 0, 05 zugrunde gelegt. 5.1 Probandenkollektiv Das Probandenkollektiv der Gesundheitsstudie, auf welche sich die vorliegende Arbeit bezieht, umfasst in seiner Gesamtheit 66 Personen im Zeitraum von September 2011 bis April Die Teilnehmer wurden in drei unterschiedliche Gruppen aufgeteilt. Gruppe A bestehend aus 24 Personen 2, davon 50\% Frauen, absolvierte im Rahmen der Studie ein körperliches Training. Gruppe B bestehend aus 20 Personen 3, davon 65\% Frauen, nahm an einem Achtsamkeitstraining teil. Und Gruppe C bestehend aus 22 Personen, 4 davon 59\% Frauen, erhielt ein ganzheitliches Training. Das Durchschnittsalter lag bei Gruppe A und B bei 55,3 Jahren und bei Gruppe C bei 56,3 Jahren. Nach Anwendung der in Abschnitt 4.1 aufgezeigten Ein- und Ausschlusskriterien, blieb eine reduzierte Anzahl an Teilnehmern in den Gruppen erhalten (siehe Abbildung 5.1). 1 Vgl. hierzu auch Abschnitt Die konkrete Zahl der Probanden verkleinert sich auf 19 nach Anwendung der Ausschlusskriterien. 3 Die konkrete Zahl der Probanden verkleinert sich auf 16 nach Anwendung der Ausschlusskriterien. 4 Die konkrete Zahl der Probanden verkleinert sich auf 16 nach Anwendung der Ausschlusskriterien. 35
QM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
Mehr«Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen
18 «Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen teilnimmt und teilhat.» 3Das Konzept der Funktionalen
MehrKorrelation. Übungsbeispiel 1. Übungsbeispiel 4. Übungsbeispiel 2. Übungsbeispiel 3. Korrel.dtp Seite 1
Korrelation Die Korrelationsanalyse zeigt Zusammenhänge auf und macht Vorhersagen möglich Was ist Korrelation? Was sagt die Korrelationszahl aus? Wie geht man vor? Korrelation ist eine eindeutige Beziehung
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrÜberblick über die Verfahren für Ordinaldaten
Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
MehrWelche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test?
Welche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test? Auch wenn die Messungsmethoden ähnlich sind, ist das Ziel beider Systeme jedoch ein anderes. Gwenolé NEXER g.nexer@hearin gp
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrMessung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes
von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrMulticheck Schülerumfrage 2013
Multicheck Schülerumfrage 2013 Die gemeinsame Studie von Multicheck und Forschungsinstitut gfs-zürich Sonderauswertung ICT Berufsbildung Schweiz Auswertung der Fragen der ICT Berufsbildung Schweiz Wir
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrUnivariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar
Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar Inhaltsverzeichnis Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung:
MehrMean Time Between Failures (MTBF)
Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrPhysik & Musik. Stimmgabeln. 1 Auftrag
Physik & Musik 5 Stimmgabeln 1 Auftrag Physik & Musik Stimmgabeln Seite 1 Stimmgabeln Bearbeitungszeit: 30 Minuten Sozialform: Einzel- oder Partnerarbeit Voraussetzung: Posten 1: "Wie funktioniert ein
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrUli Greßler. Qualitätsmanagement. Überwachung der Produkt- und Prozessqualität. Arbeitsheft. 2. Auflage. Bestellnummer 04796
Uli Greßler Qualitätsmanagement Überwachung der Produt- und Prozessqualität Arbeitsheft 2. Auflage Bestellnummer 04796 Haben Sie Anregungen oder Kritipunte zu diesem Produt? Dann senden Sie eine E-Mail
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrZählstatistik. Peter Appel. 31. Januar 2005
Zählstatistik Peter Appel 31. Januar 2005 1 Einleitung Bei der quantitativen Analyse im Bereich von Neben- und Spurenelementkonzentrationen ist es von Bedeutung, Kenntnis über die möglichen Fehler und
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
MehrOhne Fehler geht es nicht Doch wie viele Fehler sind erlaubt?
Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Behandelte Fragestellungen Was besagt eine Fehlerquote? Welche Bezugsgröße ist geeignet? Welche Fehlerquote ist gerade noch zulässig? Wie stellt
MehrWebergänzung zu Kapitel 10
Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder
MehrErfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.
Abstract zum Thema Handelssysteme Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.01 Einleitung: Handelssysteme
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
MehrPsychologie im Arbeitsschutz
Fachvortrag zur Arbeitsschutztagung 2014 zum Thema: Psychologie im Arbeitsschutz von Dipl. Ing. Mirco Pretzel 23. Januar 2014 Quelle: Dt. Kaltwalzmuseum Hagen-Hohenlimburg 1. Einleitung Was hat mit moderner
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrFranz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum
Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrCardiac Monitoring in Motion. Work-Life-Balance to go.
Cardiac Monitoring in Motion. Work-Life-Balance to go. Cardiac Monitoring in Motion. Moderne Medizin reicht über die Arztpraxis hinaus. Herzmessungen mit clue medical immer und überall. Ärzte und Patienten
MehrKorrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
MehrMessgeräte: Mess-System-Analyse und Messmittelfähigkeit
Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrAnwendungshinweise zur Anwendung der Soziometrie
Anwendungshinweise zur Anwendung der Soziometrie Einführung Die Soziometrie ist ein Verfahren, welches sich besonders gut dafür eignet, Beziehungen zwischen Mitgliedern einer Gruppe darzustellen. Das Verfahren
MehrAuswertung mit dem Statistikprogramm SPSS: 30.11.05
Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit
MehrArbeitshilfen zur Auftragsdatenverarbeitung
Arbeitshilfen zur Auftragsdatenverarbeitung 1 Abgrenzung Die vorliegenden Excel-Tabellen dienen nur als Beispiel, wie anhand von Checklisten die datenschutzrechtlichen Voraussetzungen für die Vergabe einer
MehrIT-Governance und Social, Mobile und Cloud Computing: Ein Management Framework... Bachelorarbeit
IT-Governance und Social, Mobile und Cloud Computing: Ein Management Framework... Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft
MehrStationsunterricht im Physikunterricht der Klasse 10
Oranke-Oberschule Berlin (Gymnasium) Konrad-Wolf-Straße 11 13055 Berlin Frau Dr. D. Meyerhöfer Stationsunterricht im Physikunterricht der Klasse 10 Experimente zur spezifischen Wärmekapazität von Körpern
MehrTrainingssteuerung mit Herzfrequenzvariabilität
Trainingssteuerung mit Herzfrequenzvariabilität Daniela Schäfer Kardiovaskuläre Prävention, Rehabilitation und Sportkardiologie Inhalt 1) Was ist Herzfrequenzvariabilität (HRV)? 2) Wie wird HRV gemessen?
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
MehrSchritt für Schritt zur Krankenstandsstatistik
Schritt für Schritt zur Krankenstandsstatistik Eine Anleitung zur Nutzung der Excel-Tabellen zur Erhebung des Krankenstands. Entwickelt durch: Kooperationsprojekt Arbeitsschutz in der ambulanten Pflege
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrDokumentation. estat Version 2.0
Dokumentation estat Version 2.0 Installation Die Datei estat.xla in beliebiges Verzeichnis speichern. Im Menü Extras AddIns... Durchsuchen die Datei estat.xla auswählen. Danach das Auswahlhäkchen beim
MehrTask: Nmap Skripte ausführen
Task: Nmap Skripte ausführen Inhalt Einfache Netzwerkscans mit NSE Ausführen des Scans Anpassung der Parameter Einleitung Copyright 2009-2015 Greenbone Networks GmbH Herkunft und aktuellste Version dieses
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrAuszug aus der Auswertung der Befragung zur Ermittlung der IT-Basiskompetenz
Auszug aus der Auswertung der Befragung zur Ermittlung der IT-Basiskompetenz Wir arbeiten in Strukturen von gestern mit Methoden von heute an Problemen von morgen, vorwiegend mit Menschen, die die Strukturen
MehrÜbungspraktikum 3 Physik II
HOCHSCHULE BOCHUM Fachbereich Geodäsie Übungspraktikum 3 Physik II SS 2015 Thema: Wegzeitgesetze und Grundgesetz der Dynamik Übung 1: Bestimmung der und der Momentangeschwindigkeit eines Fahrzeugs auf
MehrAnalog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.
Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit
MehrÜbungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
MehrRauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter?
Rauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter? Marc Jarczok, Sven Schneider, Joachim E. Fischer, Freia De Bock 1 Mannheimer Institut für
Mehr3 Walken. 2. Laufen/Walken. 1. Laufen. Die Leistungsklassen. Übergewichtig BMI ab 30 BMI 25-30
Die Leistungsklassen Die Trainingspläne werden in 3 verschiedenen Leistungsklassen angeboten: 1. Normalgewichtig 2. / Leicht Übergewichtig BMI 25-30 3. Übergewichtig BMI ab 30 Der BMI errechnet sich nach
MehrBusiness Value Launch 2006
Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung
Mehr2. Laufen/Walken. 1. Laufen. 3 Walken. Die Leistungsklassen. Leicht Übergewichtig, Wiedereinsteiger, Untrainierte (BMI 25-30)
Die Leistungsklassen Die Trainingspläne werden in 3 verschiedenen Leistungsklassen angeboten: 1. Runaways, Normalgewichtig Der BMI errechnet sich nach folgender Formel: Gewicht BMI = Größe x Größe 2. /
MehrBachelorabschlussseminar Dipl.-Kfm. Daniel Cracau
1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank
Mehr3. Newsletter zur BGW-Studie Führung & Gesundheit in der Sozialwirtschaft (Stand 19.06.2014)
3. Newsletter zur BGW-Studie Führung & Gesundheit in der Sozialwirtschaft (Stand 19.06.2014) Nehmen Sie die Menschen wie sie sind, andere gibt es nicht. Konrad Adenauer Liebe Teilnehmer und Interessierte
Mehr= i (V) = d 2. v = d! p! n da v 1 = v 2 gilt auch d 1 ÿ p ÿ n 1 = d 2 ÿ p ÿ n 2 (III) p kürzen (Division durch p) d 1 ÿ n 1 = d 2 ÿ n 2 (IV) oder
v = d! p! n da v 1 = v 2 (I) (II) gilt auch d 1 ÿ p ÿ n 1 = d 2 ÿ p ÿ n 2 (III) p kürzen (Division durch p) d 1 ÿ n 1 = d 2 ÿ n 2 (IV) oder i = Übersetzungsverhältnis n 1 n 2 = d 2 d 1 = i (V) Beispiel
MehrDieses erste Kreisdiagramm, bezieht sich auf das gesamte Testergebnis der kompletten 182 getesteten Personen. Ergebnis
Datenanalyse Auswertung Der Kern unseres Projektes liegt ganz klar bei der Fragestellung, ob es möglich ist, Biere von und geschmacklich auseinander halten zu können. Anhand der folgenden Grafiken, sollte
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
MehrStichprobenauslegung. für stetige und binäre Datentypen
Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung
MehrMessmittelfähigkeit. Andreas Masmünster, Quality Control Event, 30. Juni 2011
Messmittelfähigkeit Andreas Masmünster, Quality Control Event, 30. Juni 2011 Agenda Messmittel Allgemeines Methode 1 Methode 2 Ziel der Methoden Praktischer Teil nach Methode 2 Formblatt Schlussfolgerung
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrModerne MRT-Bildauswertung mit appmri Hippocampus Volume Analyser.
APPMRI HIPPOCAMPUS VOLUME Moderne MRT-Bildauswertung mit appmri Hippocampus Volume Analyser. Quantitative und zuverlässige Informationen zur Unterstützung bei der Diagnose von Alzheimer Unser Schwerpunkt
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrSchülerinnen und Schüler als Informationsquelle im Rahmen des Qualitätsmanagements an Schulen. Diplomarbeit
Schülerinnen und Schüler als Informationsquelle im Rahmen des Qualitätsmanagements an Schulen Diplomarbeit vorgelegt an der Universität Mannheim Lehrstuhl für Wirtschaftspädagogik Prof. Dr. Hermann G.
MehrSWE12 Übungen Software-Engineering
1 Übungen Software-Engineering Software-Qualitätssicherung / Software-Qualitätsmanagement 2 Aufgabe 1 Ordnen Sie die folgenden Zitate dem entsprechenden Ansatz zum Qualitätsbegriff zu und begründen Sie
MehrAdditional Cycle Index (ACIX) Thomas Theuerzeit
Additional Cycle Index (ACIX) Thomas Theuerzeit Der nachfolgende Artikel über den ACIX stammt vom Entwickler des Indikators Thomas Theuerzeit. Weitere Informationen über Projekte von Thomas Theuerzeit
MehrForschen - Schreiben - Lehren
Forschen - Schreiben - Lehren Kontakt: Mareike Gronich mgronich@uni-bielefeld.de Fach/Fachgebiet: Germanistik Art der Lehrveranstaltung: Seminar Ausgangspunkt Geschütztes konstruktives Peer-Feedback in
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrPrüfung eines Datenbestandes
Prüfung eines Datenbestandes auf Abweichungen einzelner Zahlen vom erwarteten mathematisch-statistischen Verhalten, die nicht mit einem Zufall erklärbar sind (Prüfung auf Manipulationen des Datenbestandes)
MehrName (in Druckbuchstaben): Matrikelnummer: Unterschrift:
20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie
MehrProgressive Muskelentspannung
Newsletter Progressive Muskelentspannung Die Verbesserung der eigenen Lebensqualität sollte stets wichtiger sein, als keine Zeit zu haben. eine Einführung von Olaf Wiggers Max-Planck-Straße 18 61184 Karben
MehrIshikawa-Diagramm. 1 Fallbeispiel 2. 2 Was ist ein Ishikawa-Diagramm 2. 3 Vorgehen bei der Erstellung eines Ishikawa-Diagramms 2.
Ishikawa-Diagramm 1 Fallbeispiel 2 2 Was ist ein Ishikawa-Diagramm 2 3 Vorgehen bei der Erstellung eines Ishikawa-Diagramms 2 4 Vorteile 5 5 Nachteile 5 6 Fazit 5 7 Literaturverzeichnis 6 1 Fallbeispiel
Mehr