Wearables  

Der Einfluss von tragbarer non-invasiver Technologie (englisch: Wearable technologies; Wearables) im Sport und bei Alltagsbewegungen ist stark und rapide zunehmend, welches nicht zuletzt dadurch belegt wird, dass Wearables vom American College of Sports Medicine zum größten Fitnesstrend 2016 gekürt wurden.[1]

Definition

Unter Wearables werden kleine elektromechanische Instrumente verstanden, welche nah am Körper getragen werden und einzelne oder verschiedene externe und/oder interne Parameter erfassen, analysieren, speichern, anzeigen und kabellos versenden können.[20] Der Einsatz von Wearables ist in der Medizin zur Überwachung von Vitalparametern bei Patienten schon länger verbreitet und wird hier häufig auch als mHealth, eHealth oder telemonitoring bezeichnet.

Wearables werden häufig als Smart-Watches oder Smart-Bands am Handgelenk getragen, oder in verschiedene Bekleidungsstücke (Strumpfwaren, Schuhe, Hosen, Shirts, Helme, Hüte) integriert.

Wearables im Sport

Wearables können im Sport beispielsweise a) zur Analyse von (positionsspezifischen) Bewegungen und Unterschieden im Training und Wettkampf, b) zum Monitoring von physiologischen Parameter, oder c)  zur Analyse von Anforderungsprofilen verschiedener Sportarten verwendet werden.[5][11] Weiter werden Wearables auch zur Quantifizierung der körperlichen Aktivität einer Person eingesetzt.[11]

Parameter

Wearables ermöglichen die longitudinale Analyse verschiedener externer und interner Parameter mithilfe verschiedener Technologien. Externe Parameter definieren die geleistete Arbeit eines Athleten, interne Parameter geben Auskunft über seine individuelle physiologische Reaktion.[13]

Externe Parameter

Wearables können anhand folgender Parameter die geleistete Arbeit eines Athleten erheben:

  • Trainingsdauer und –häufigkeit
  • zurückgelegte Distanz
  • Geschwindigkeit eines Athleten (als Parameter der Trainingsintensität)
  • Wiederholungen im Krafttraining
  • Schrittanzahl

Interne Parameter

Auf dem Markt können derzeit Wearables erworben werden, welche hauptsächlich folgende Parameter erfassen können:

  • Herzparameter (Herzfrequenz, Herzfrequenzvariabilität, Erholung der Herzfrequenz nach Belastung (engl.: Heart Rate Recovery))
  • Energieumsatz
  • Schlafparameter (Schlafdauer und –effizienz)
  • Muskelaktivität
  • Körpertemperatur
  • Arterielle Sauerstoffsättigung (SpO2)
  • Oxygenierung der Muskulatur

Technologien in Wearables

Die Analyse der verwendeten Technologien in Wearables ermöglicht es Trainern und Athleten Aussagen darüber zu treffen, ob ein Wearable für einen bestimmten Zweck einsetzbar ist oder nicht. Dies bekommt einen besonderen Stellenwert, da für diverse Parameter mehr als eine einzelne Technologie zur Verfügung steht, und ein detailliertes Verständnis dieser Technologien erlaubt es dem Anwender verschiedene Wearables miteinander zu vergleichen. Dazu fasst Tabelle 1 die von Wearables erhobenen Parameter mit den verwendeten Technologien zusammen.

Parameter Technologie Vorteil der Technologie Nachteil der Technologie
Distanz & (Lauf-) Geschwindigkeit Beschleunigungssensor –          (Meist) kostengünstig –          Ungenau
GPS –          Hohe Genauigkeit bei Geschwindigkeiten < 20 km/h[9]
Wiederholungsanzahl im Krafttraining Beschleunigungssensor – Derzeit nur wenige Produkte auf dem Markt erhältlich
Schrittanzahl Beschleunigungssensor –  (Meist) kostengünstig- (Meist) reliabel und valide[17] – Platzierung des Sensors am Körper beeinflusst das Ergebnis: An Hüfte oder Oberkörper getragene Wearables scheinen im Gegensatz zu an Handgelenk getragenen Wearables eine höhere Genauigkeit aufzuweisen[17]
Pedometer – (Meist) kostengünstig- (Meist) reliabel und valide [17] – Platzierung des Sensors am Körper beeinflusst das Ergebnis: An Hüfte oder Oberkörper getragene Wearables scheinen im Gegensatz zu an Handgelenk getragenen Wearables eine höhere Genauigkeit aufzuweisen[17]
Herzparameter Pulsgurt –  Hohe Genauigkeit – Wird häufig als unangenehm empfunden[4]
Photoplethysmographie – Komfortabel – (Stark) beeinflusst durch Bewegungsartifakte [21]
–  In Kleidung eingewebte, elektrisch leitende Fasern- Auf Kleidung gedruckte, elektrisch leitende Farbe – Komfortabel – Derzeit nur wenige Produkte auf dem Markt erhältlich
Energieumsatz Beschleunigungssensor – (Meist) kostengünstig – Geringe Genauigkeit [8]
Herzfrequenz – Gute Korrelation (r=0.86) mit indirekter Kalorimetrie[16] Herzfrequenz muss vorher zur präzisen Bestimmung des Energieumsatzes auf Geschlecht, Alter, Fitnesslevel und Körpermasse abgestimmt sein[16]
Schlafparameter Beschleunigungssensor – Reliabel und valide zur Bestimmung von Schlafqualität und –quantität [14][18]  – Kann Polysomnographie nicht ersetzten. Sollten nicht als alleinige Methode zur Erfassung von Schlafparametern verwendet werden[26]
Arterielle Sauerstoffsättigung Pulsoxymetrie – Reliabel in Ruhe [19] – (Stark) beeinflusst von Bewegungsartifakten & Vasokonstriktion.[6][24] Ergebnisse bei Bewegung und in kalten Umgebungen sind daher vorsichtig zu interpretieren.
Oxygenierung der Muskulatur Nahinfrarotspektroskopie – Kann zur bestimmung von Laktatschwellen verwendet werden[3] – Derzeit nur wenige Produkte auf dem Markt erhältlich- Negativ beeinflusst durch Bewegungsartifakte & adipöses Gewebe[12][22]

 

Limitationen von Wearables

Es bleibt festzuhalten, dass die hier aufgezeigten Vor- und Nachteile der Technologien nur deren Potential zur Erfassung von verschiedenen Parametern aufzeigen. Wie reliabel, valide und präzise ein einzelnes Wearable ist, hängt jedoch auch von seiner Bauart sowie verwendeten Algorithmen ab. Anwender sollten entsprechende Datenbanken nach wissenschaftlicher Literatur durchsuchen, ob für ein spezielles Wearable eine evidenzbasierte Grundlage zumindest zu dessen Reliabilität und Validität vorliegt, bevor Sie sich zum Kauf eines Wearables entscheiden. Zum derzeitigen Standpunkt liegen jedoch für nur sehr wenige kommerziell erhältliche Wearables wissenschaftliche Studienergebnisse vor.

Um in der Praxis anwendbar zu bleiben, erfassen Wearables hauptsächlich nicht-invasive Parameter. Dennoch scheinen gerade zum Monitoring von Athleten und deren Gesundheitszustand auch (minimal) invasive Parameter von Bedeutung zu sein.[13]

Derzeit kann kein kommerziell erhältliches Wearable Auskunft über eine sportartspezifische Technik des Athleten geben. Neben Wearables sind jedoch mit Mikrosensoren instrumentalisierte Spiel- oder Sportgerät auf dem Markt erhältlich, welche verschiedene Leistungsparameter bereitstellen. Ein Beispiel hierfür ist der Tennisschläger Babolat Play Pure Drive (Babolat, Lyon, Frankreich), welcher in der Lage sein soll, Parameter wie Power, Ballimpakt und Anzahl der Schläge zu erfassen.[25] Allerdings liegen für diese Parameter keine wissenschaftlichen Ergebnisse vor.

Wearable-Prototypen in der Forschung

Neben kommerziell erhältlichen Wearables finden sich in der wissenschaftlichen Literatur verschiedene Prototypen von Wearables, von denen eine Auswahl hier nur kurz beschrieben werden.

Das BIOTEX Projekt befasste sich mit der Herstellung von in Kleidung integrierten Sensoren zur Messung der Schweißrate, des Natriumgehalts im Schweiß, der Atemfrequenz und Blutoxygenierung.[7]

Das ProeTEX Projekt entwickelte “intelligente” Kleidung für Rettungskräfte, welche neben Parametern wie Herz- und Atemfrequenz, Körpertemperatur, Blutoxygenierung, Standort und Umgebungstemperatur auch Giftgase in der Umgebungsluft detektieren kann.[10]

Das Royal Melbourne Institute of Technology betreibt Forschung mit einem “intelligenten” Fußballschuh, welcher Anzahl an Schüssen, Kraft beim Schuss und Kraftverlauf auf dem Fuß eines Athleten bei Ballkontakt messen kann.[23] Selbiges Institut forscht an einer „intelligenten“ Kompressionshose, welche die Kräfte im Kreuzband eines Athleten messen kann.[23]

Einzelnachweise

  1. ACSM. (2015). Fitness Trends 2016.→ https://www.acsm.org/about-acsm/media-room/news-releases/2015/10/26/annual-survey-reveals-new-1-fitness-trend-in-2016
  2. Belbasis, A., Fuss, F., & Sidhu, J. (2015). Estimation of cruciate ligament forces via smart compression garments. Paper presented at the 7th Asia-Pacific Congress on Sports Technology, APCST 2015.→ http://www.sciencedirect.com/science/article/pii/S1877705815014435
  3. Bellotti, C., Calabria, E., Capelli, C., & Pogliaghi, S. (2013). Determination of maximal lactate steady state in healthy adults: can NIRS help? [Clinical Trial]. Med Sci Sports Exerc, 45(6), 1208-1216. doi: 10.1249/MSS.0b013e3182828ab2→ http://www.ncbi.nlm.nih.gov/pubmed/23274611
  4. Buchheit, M. (2014). Monitoring training status with HR measures: do all roads lead to Rome? Front Physiol, 5, 73. doi: 10.3389/fphys.2014.00073→ http://journal.frontiersin.org/article/10.3389/fphys.2014.00073/abstract
  5. Chambers, R., Gabbett, T., Cole, M., & Beard, A. (2015). The use of wearable microsensors to quantify sport-specific movements. Sports Med, 45.→ http://www.ncbi.nlm.nih.gov/pubmed/25834998
  6. Chan, E. D., & Chan, M. M. (2013). Pulse oximetry: understanding its basic principles facilitates appreciation of its limitations. [Review]. Respir Med, 107(6), 789-799. doi: 10.1016/j.rmed.2013.02.004→ http://www.sciencedirect.com/science/article/pii/S095461111300053X
  7. Coyle, S., Lau, K. T., Moyna, N., O'Gorman, D., Diamond, D., Di Francesco, F., . . . Bini, C. (2010). BIOTEX--biosensing textiles for personalised healthcare management. [Research Support, Non-U.S. Gov't]. IEEE Trans Inf Technol Biomed, 14(2), 364-370. doi: 10.1109/TITB.2009.2038484→ http://www.ncbi.nlm.nih.gov/pubmed/20064761
  8. Crouter, S. E., Churilla, J. R., & Bassett, D. R., Jr. (2006). Estimating energy expenditure using accelerometers. [Research Support, Non-U.S. Gov't]. Eur J Appl Physiol, 98(6), 601-612. doi: 10.1007/s00421-006-0307-5→ http://www.ncbi.nlm.nih.gov/pubmed/17058102
  9. Cummins, C., Orr, R., O'Connor, H., & West, C. (2013). Global positioning systems (GPS) and microtechnology sensors in team sports: a systematic review. [Review]. Sports Med, 43(10), 1025-1042. doi: 10.1007/s40279-013-0069-2→ http://www.ncbi.nlm.nih.gov/pubmed/23812857
  10. Curone, D., Secco, E. L., Tognetti, A., Loriga, G., Dudnik, G., Risatti, M., . . . Magenes, G. (2010). Smart garments for emergency operators: the ProeTEX project. [Research Support, Non-U.S. Gov't]. IEEE Trans Inf Technol Biomed, 14(3), 694-701. doi: 10.1109/TITB.2010.2045003→ http://www.ncbi.nlm.nih.gov/pubmed/20371413
  11. Dellaserra, C. L., Gao, Y., & Ransdell, L. (2014). Use of integrated technology in team sports: a review of opportunities, challenges, and future directions for athletes. [Review]. J Strength Cond Res, 28(2), 556-573. doi: 10.1519/JSC.0b013e3182a952fb→ http://www.ncbi.nlm.nih.gov/pubmed/24263650
  12. Ferrari, M., Mottola, L., & Quaresima, V. (2004). Principles, techniques, and limitations of near infrared spectroscopy. [Review]. Can J Appl Physiol, 29(4), 463-487.→ http://www.nrcresearchpress.com/doi/abs/10.1139/h04-031?journalCode=cjap#.VkQevlXhAdU
  13. Halson, S. L. (2014). Monitoring training load to understand fatigue in athletes. [Research Support, Non-U.S. Gov't Review]. Sports Med, 44 Suppl 2, S139-147. doi: 10.1007/s40279-014-0253-z→ http://www.ncbi.nlm.nih.gov/pubmed/25200666
  14. Hausswirth, C., Louis, J., Aubry, A., Bonnet, G., Duffield, R., & Y, L. E. M. (2014). Evidence of disturbed sleep and increased illness in overreached endurance athletes. [Research Support, Non-U.S. Gov't]. Med Sci Sports Exerc, 46(5), 1036-1045. doi: 10.1249/MSS.0000000000000177→ http://www.ncbi.nlm.nih.gov/pubmed/24091995
  15. Hickey, A., Newham, J., Slawinska, M. M., Kwasnicka, D., McDonald, S., Del Din, S., . . . Godfrey, A. (2015). Estimating cut points: A simple method for new wearables. Maturitas. doi: 10.1016/j.maturitas.2015.10.003→ http://www.ncbi.nlm.nih.gov/pubmed/26490294
  16. Keytel, L. R., Goedecke, J. H., Noakes, T. D., Hiiloskorpi, H., Laukkanen, R., van der Merwe, L., & Lambert, E. V. (2005). Prediction of energy expenditure from heart rate monitoring during submaximal exercise. [Clinical Trial Research Support, Non-U.S. Gov't Validation Studies]. J Sports Sci, 23(3), 289-297. doi: 10.1080/02640410470001730089→ http://www.ncbi.nlm.nih.gov/pubmed/15966347
  17. Kooiman, T. J., Dontje, M. L., Sprenger, S. R., Krijnen, W. P., van der Schans, C. P., & de Groot, M. (2015). Reliability and validity of ten consumer activity trackers. BMC Sports Sci Med Rehabil, 7, 24. doi: 10.1186/s13102-015-0018-5→ http://www.ncbi.nlm.nih.gov/pubmed/26464801
  18. Leeder, J., Glaister, M., Pizzoferro, K., Dawson, J., & Pedlar, C. (2012). Sleep duration and quality in elite athletes measured using wristwatch actigraphy. J Sports Sci, 30(6), 541-545. doi: 10.1080/02640414.2012.660188→ http://www.ncbi.nlm.nih.gov/pubmed/22329779
  19. Petterson, M. T., Begnoche, V. L., & Graybeal, J. M. (2007). The effect of motion on pulse oximetry and its clinical significance. [Review]. Anesth Analg, 105(6 Suppl), S78-84. doi: 10.1213/01.ane.0000278134.47777.a5→ http://www.ncbi.nlm.nih.gov/pubmed/18048903
  20. Slade Shantz, J. A., & Veillette, C. J. (2014). The application of wearable technology in surgery: ensuring the positive impact of the wearable revolution on surgical patients. Front Surg, 1, 39. doi: 10.3389/fsurg.2014.00039→ http://www.ncbi.nlm.nih.gov/pubmed/25593963
  21. Spierer, D. K., Rosen, Z., Litman, L. L., & Fujii, K. (2015). Validation of photoplethysmography as a method to detect heart rate during rest and exercise. [Research Support, Non-U.S. Gov't]. J Med Eng Technol, 39(5), 264-271. doi: 10.3109/03091902.2015.1047536→ http://www.ncbi.nlm.nih.gov/pubmed/26112379
  22. Virtanen, J., Noponen, T., Kotilahti, K., & Ilmoniemi, R. J. (2011). Accelerometer-based method for correcting signal baseline changes caused by motion artifacts in medical near-infrared spectroscopy. [Research Support, Non-U.S. Gov't]. J Biomed Opt, 16(8), 087005. doi: 10.1117/1.3606576→ http://www.ncbi.nlm.nih.gov/pubmed/21895332
  23. Weizman, Y., & Fuss, F. (2015). Development of instrumented soccer footwear for kicking analysis and training purposes. Paper presented at the Procedia Engineering.→ http://www.sciencedirect.com/science/article/pii/S1877705815014411
  24. Windsor, J. S., & Rodway, G. W. (2014). Con: pulse oximetry is useful in predicting acute mountain sickness. [Review]. High Alt Med Biol, 15(4), 442-443. doi: 10.1089/ham.2013.1140→ http://www.ncbi.nlm.nih.gov/pubmed/25531459
  25. Babolat, 2015 http://de.babolat.com/product/tennis/racket/babolat-play-pure-drive-102188)→ http://de.babolat.com/product/tennis/racket/babolat-play-pure-drive-102188
  26. Sadeh, A.(2011). The role and validity of actigraphy in sleep medicine:an update. Sleep Med. Rev. 15, 259–267.doi:10.1016/j.smrv.2010.10.001→ http://www.ncbi.nlm.nih.gov/pubmed/21237680