Eignung einer Messung der Herzratenvariabilität zur Validierung ...

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 

Hochschule München 

Fakultät Feinwerk- und Mikrotechnik, Physikalische Technik 

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 

Studiengang 

Diplom Bioingenieurwesen

Inhaltsverzeichnis 

Abbildungsverzeichnis iii 

Tabellenverzeichnis vii 

Abkürzungsverzeichnis ix 

1 Abstrakt 1 

2 Einführung und Zielsetzung 3 

3 Grundlagen 7 

3.1 Herzrate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 

3.1.1 Beschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 

3.1.2 Ermittlung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 

3.2 Herzratenvariabilität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 

3.2.1 Beschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 

3.2.2 Ermittlung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 

3.3 Kardio-Vaskuläre Leistungsparameter . . . . . . . . . . . . . . . . . . . . . 14 

3.3.1 Beschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 

3.3.2 Ermittlung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 

3.4 HRV und Gesundheit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 

3.4.1 Zusammenhang HRV und Gesundheit . . . . . . . . . . . . . . . . . 17 

3.4.2 HRV als Parameter in der Gesundheitsforschung . . . . . . . . . . . 18 

3.5 Robustheitsprüfung von Herzfrequenz und Herzfrequenzvariabilität . . . . 19 

3.5.1 Absolute Robustheitsprüfung . . . . . . . . . . . . . . . . . . . . . 19 

3.5.2 Relative Robustheitsprüfung . . . . . . . . . . . . . . . . . . . . . . 19 

4 Material und Methoden 21 

4.1 Probandenkollektiv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 

i

Ramona S. Curteanu Hochschule München 

4.2 HRV Scanner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 

4.2.1 Parameter Herzrate . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 

4.2.2 Parameter RMSSD . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 

4.3 IPN-Test® . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 

4.4 Studienablauf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 

4.5 Datenauswertung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 

4.6 Robustheitsprüfung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 

4.6.1 Korrelationsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 

4.6.2 Fehlerfortpflanzung . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 

5 Ergebnisse und Interpretation 35 

5.1 Probandenkollektiv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 

5.2 Mittelwerte der drei Probandengruppen . . . . . . . . . . . . . . . . . . . . 36 

5.2.1 Gruppe A - Körpertraining . . . . . . . . . . . . . . . . . . . . . . . 36 

5.2.2 Gruppe B - Achtsamkeitstraining . . . . . . . . . . . . . . . . . . . 37 

5.2.3 Gruppe C - Ganzheitliches Training . . . . . . . . . . . . . . . . . . 38 

5.3 Test auf Normalverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 




5.3.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 

5.4 T-Test Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 




5.5 Effektstärke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 

5.6 Robustheitsprüfung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 

5.6.1 Korrelationsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 

5.6.2 Fehlerfortpflanzung . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 

6 Diskussion und Ausblick 67 

7 Eigenständigkeitserklärung 69 

8 Bibliographie 71 

ii Inhaltsverzeichnis

Abbildungsverzeichnis 

3.1 Phasen des Herzzyklus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 

3.2 Zusammenhang von IBI und Herzrate (Tarvainen & Niskanen 2008: 12) . . 9 

3.3 Herzrate im Alter von 20 Jahren bei körperlicher Belastung - ©wolframalpha.com 10 

3.4 Herzrate im Alter von 50 Jahren bei körperlicher Belastung - ©wolframalpha.com 10 

3.5 HRV Vergleich Stress und Entspannung . . . . . . . . . . . . . . . . . . . . 11 

3.6 Darstellung von Puls unter Belastung und korrespondierender Leistung 

(Stemper o.J.: 8) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 

3.7 Biologischer Regelkreis einer Stressreaktion - (Börnert & Süß o.J.: 2) . . . 18 

4.1 Voraussetzungen, Ablauf und Interpretation des IPN-Test ® (Trunz 2001: 15) 25 

4.2 Flowchart zum Studienablauf . . . . . . . . . . . . . . . . . . . . . . . . . 26 

4.3 Flowchart zum Auswahlverfahren eines geeigneten Tests auf Normalvertei- 

lung - Eigene Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 

4.4 Flowchart zum T-Test Verfahren . . . . . . . . . . . . . . . . . . . . . . . 30 

5.1 Anzahl der nach Ausschluss berücksichtigten Teilnehmer je Gruppe - Eigene 

Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 

5.2 Mittelwert und Standardabweichung HR - Gruppe A . . . . . . . . . . . . 36 

5.3 Mittelwert und Standardabweichung RMSSD - Gruppe A . . . . . . . . . . 37 

5.4 Mittelwert und Standardabweichung P - Gruppe A . . . . . . . . . . . . . 37 

5.5 Mittelwert und Standardabweichung HR - Gruppe B . . . . . . . . . . . . 37 

5.6 Mittelwert und Standardabweichung RMSSD - Gruppe B . . . . . . . . . . 38 

5.7 Mittelwert und Standardabweichung P - Gruppe B . . . . . . . . . . . . . 38 

5.8 Mittelwert und Standardabweichung HR - Gruppe C . . . . . . . . . . . . 38 

5.9 Mittelwert und Standardabweichung RMSSD - Gruppe C . . . . . . . . . . 39 

5.10 Mittelwert und Standardabweichung P - Gruppe C . . . . . . . . . . . . . 39 

5.11 Normalverteilung HR zu t2 - Gruppe A . . . . . . . . . . . . . . . . . . . . 40 

5.12 Boxplot Normalverteilung HR - Gruppe A . . . . . . . . . . . . . . . . . . 40 

iii


5.13 Test auf Normalverteilung HR - Gruppe A . . . . . . . . . . . . . . . . . . 41 

5.14 Normalverteilung RMSSD zu t0 - Gruppe A . . . . . . . . . . . . . . . . . 41 

5.15 Boxplot Normalverteilung RMSSD - Gruppe A . . . . . . . . . . . . . . . . 42 

5.16 Test auf Normalverteilung RMSSD - Gruppe A . . . . . . . . . . . . . . . 42 

5.17 Normalverteilung P zu t2 - Gruppe A . . . . . . . . . . . . . . . . . . . . . 43 

5.18 Boxplot Normalverteilung P - Gruppe A . . . . . . . . . . . . . . . . . . . 43 

5.19 Test auf Normalverteilung P - Gruppe A . . . . . . . . . . . . . . . . . . . 43 

5.20 Normalverteilung HR zu t0 - Gruppe B . . . . . . . . . . . . . . . . . . . . 44 

5.21 Boxplot Normalverteilung HR - Gruppe B . . . . . . . . . . . . . . . . . . 44 

5.22 Test auf Normalverteilung HR - Gruppe B . . . . . . . . . . . . . . . . . . 45 

5.23 Normalverteilung RMSSD zu t1 - Gruppe B . . . . . . . . . . . . . . . . . 45 

5.24 Boxplot Normalverteilung RMSSD - Gruppe B . . . . . . . . . . . . . . . . 46 

5.25 Test auf Normalverteilung RMSSD - Gruppe B . . . . . . . . . . . . . . . 46 

5.26 Normalverteilung P zu t0 - Gruppe B . . . . . . . . . . . . . . . . . . . . . 47 

5.27 Boxplot Normalverteilung P - Gruppe B . . . . . . . . . . . . . . . . . . . 47 

5.28 Test auf Normalverteilung P - Gruppe B . . . . . . . . . . . . . . . . . . . 47 

5.29 Normalverteilung HR zu t1 - Gruppe C . . . . . . . . . . . . . . . . . . . . 48 

5.30 Boxplot Normalverteilung HR - Gruppe C . . . . . . . . . . . . . . . . . . 48 

5.31 Test auf Normalverteilung HR - Gruppe C . . . . . . . . . . . . . . . . . . 49 

5.32 Normalverteilung RMSSD zu t1 - Gruppe C . . . . . . . . . . . . . . . . . 49 

5.33 Boxplot Normalverteilung RMSSD - Gruppe C . . . . . . . . . . . . . . . . 50 

5.34 Test auf Normalverteilung RMSSD - Gruppe C . . . . . . . . . . . . . . . 50 

5.35 Normalverteilung P zu t2 - Gruppe C . . . . . . . . . . . . . . . . . . . . . 51 

5.36 Boxplot Normalverteilung P - Gruppe C . . . . . . . . . . . . . . . . . . . 51 

5.37 Test auf Normalverteilung P - Gruppe C . . . . . . . . . . . . . . . . . . . 51 

5.38 HR_Korrelation bei gepaarten Stichproben - Gruppe A . . . . . . . . . . . 53 

5.39 HR_T-Test bei gepaarten Stichproben - Gruppe A . . . . . . . . . . . . . 53 

5.40 RMSSD_Korrelation bei gepaarten Stichproben - Gruppe A . . . . . . . . 54 

5.41 RMSSD_T-Test bei gepaarten Stichproben - Gruppe A . . . . . . . . . . . 54 

5.42 P_Korrelation bei gepaarten Stichproben - Gruppe A . . . . . . . . . . . . 54 

5.43 P_T-Test bei gepaarten Stichproben - Gruppe A . . . . . . . . . . . . . . 54 

5.44 HR_Korrelation bei gepaarten Stichproben - Gruppe B . . . . . . . . . . . 55 

5.45 HR_T-Test bei gepaarten Stichproben - Gruppe B . . . . . . . . . . . . . 55 

5.46 RMSSD_Korrelation bei gepaarten Stichproben - Gruppe B . . . . . . . . 55 

5.47 RMSSD_T-Test bei gepaarten Stichproben - Gruppe B . . . . . . . . . . . 56 

iv Abbildungsverzeichnis


5.48 P_Korrelation bei gepaarten Stichproben - Gruppe B . . . . . . . . . . . . 56 

5.49 P_T-Test bei gepaarten Stichproben - Gruppe B . . . . . . . . . . . . . . 56 

5.50 HR_Korrelation bei gepaarten Stichproben - Gruppe C . . . . . . . . . . . 57 

5.51 HR_T-Test bei gepaarten Stichproben - Gruppe C . . . . . . . . . . . . . 57 

5.52 RMSSD_Korrelation bei gepaarten Stichproben - Gruppe C . . . . . . . . 57 

5.53 RMSSD_T-Test bei gepaarten Stichproben - Gruppe C . . . . . . . . . . . 58 

5.54 P_Korrelation bei gepaarten Stichproben - Gruppe C . . . . . . . . . . . . 58 

5.55 P_T-Test bei gepaarten Stichproben - Gruppe C . . . . . . . . . . . . . . 58 

5.56 Zusammenhang Herzrate und Leistung vor der Intervention - Gruppe C . . 61 

5.57 Zusammenhang Herzrate und Leistung nach der Intervention - Gruppe C . 61 

5.58 Zusammenhang RMSSD und Leistung vor der Intervention - Gruppe C . . 62 

5.59 Zusammenhang RMSSD und Leistung nach der Intervention - Gruppe C . 62 

Abbildungsverzeichnis v

Tabellenverzeichnis 

3.1 Phasen des Herzzyklus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 

3.2 Frequency Domain Measures of HRV . . . . . . . . . . . . . . . . . . . . . 12 

3.3 Time Domain Measures of HRV . . . . . . . . . . . . . . . . . . . . . . . . 13 

3.4 RMSSD in Abhängigkeit vom Alter . . . . . . . . . . . . . . . . . . . . . . 14 

3.5 Absolute Kontraindikationen zur Belastungsuntersuchung . . . . . . . . . . 15 

3.6 Relative Kontraindikationen zur Belastungsuntersuchung . . . . . . . . . . 16 

4.1 Exkurs - Allgemeine Darstellung für Hypothesentest . . . . . . . . . . . . . 28 

5.1 Ergebnis Test auf Normalverteilung . . . . . . . . . . . . . . . . . . . . . . 52 

5.2 Ergebnis Effektstärke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 

vii

Abkürzungsverzeichnis 

ANS . . . . . . . . Autonomes Nervensystem 

DGK . . . . . . . Deutsche Gesellschaft für Kardiologie 

EKG . . . . . . . Elektrokardiogramm 

HRV . . . . . . . Herzratenvariabilität 

IBI . . . . . . . . . Interbeat Intervall 

IQR . . . . . . . . Inter-Quantils-Abstand 

RMSSD . . . . Root Mean Square of the Successive Differences 

ix

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 sympatiko- 

vagalen Anpassungsmechanismus. Ist das Herz an äußere Umwelteinflüsse anpassungsfähig, 

so reagiert es mit einer großen Variation der Herzschläge. Dagegen beobachtet man eine ge- 

wisse 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 Leistungs- 

parametern 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 Salutoge- 

nese 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

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 Patho- 

genese 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 mögli- 

che 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


Entstehung von Krankheiten wird als Unfähigkeit des Organismus gewertet, auf umweltbe- 

dingte 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 sympatiko- 

vagalen 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 Herz- 

ratenvariabilität 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 aus- 

gewertet, 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. 

5Vgl. Horn et al. (2003). 

6Siehe hierzu Mück-Weymann (2005). 

7Siehe auch Hughes & Stoney (2000), 

8Vgl. Börnert & Süß. 

9Siehe hierzu Rehmer (2013). 

10Angesiedelt ist die angesprochene Studie am Humanwissenschaftlichen Zentrum der Ludwig-Maximilians- 

4 

Universität München, dem Peter-Schilffarth-Institut für Soziotechnologie in Bad Tölz.


Im zweiten Teil wird eine Methode entwickelt, mit deren Unterstützung man die Verläss- 

lichkeit (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 Mes- 

sung 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

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 Steige- 

rung 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 ein- 

zelnen 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


3.1.1 Beschreibung 

Die Herzrate als Parameter wird in der Einheit 1 

min 

gemessen und beschreibt die Anzahl 

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 

3.1.2 Ermittlung 

Abbildung 3.1: Phasen des Herzzyklus 

EKG Die einzelnen Perioden einer Phase sind: 

P Welle Erregungsausbreitung in den Vorhöfen 

QRS - Komplex ventrikuläre Depolarisation 

ST-Strecke Vollständige Erregung der Kammer 

TU Welle ventrikuläre Repolarisation 

Tabelle 3.1: Darstellung der Phasen des Herzzyklus 

In der oberen Beschreibung ist zu erkennen, wie man einen einzelnen Herzzyklus inter- 

pretieren kann. Um aus dem EKG-Bild eine Herzrate zu ermitteln, muss man zunächst 

2 Vgl. Wolf-Heidegger & Köpf-Maier (2005). 

8 3.1. Herzrate


einzelne R-Zacken detektieren. Des Weiteren wird der Abstand zwischen zwei benachbar- 

ten 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“ bezeich- 

net. 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). 

3.2. Herzratenvariabilität 9


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 

10 3.2. Herzratenvariabilität



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. 


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 parasympa- 

thischer 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 http://www.siegler-consulting.de/biofeedback_HRV.html. 

5 Vgl. hierzu Task Force of the European Society of Cardiology the North American Society of Pacing 

Electrophysiology (1996). 



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 0.04 − 0.15Hz 

LF norm nu LF power in normalized units LF / 

(total power - VLF) · 100 

HF ms 2 Power in HF range 0.15 − 0.4Hz 

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 0.003 − 0.04Hz 

LF ms 2 Power in the LF Range 0.04 − 0.15Hz 

HF ms 2 Power in the HF Range 0.15 − 0.4Hz 

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) 

12 3.2. Herzratenvariabilität


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) 



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 http://www.leistungstest.info. 

14 3.3. Kardio-Vaskuläre Leistungsparameter



Der kardio-vaskuläre Leistungsparameter P wird in W 

Kg 

(Watt pro Kilogramm Körper- 

gewicht) angegeben und beschreibt die physiologische Leistungsfähigkeit eines einzelnen 

Probanden. 


Der Leistungsparameter wird nach den Leitlinien zur Ergometrie der Deutschen Gesell- 

schaft für Kardiologie erfasst. 7 Um eine optimale Belastungsuntersuchung durchführen 

zu können, benötigt man eine klare Indikationsstellung. In der vorliegenden Gesundheits- 

studie 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 http://leitlinien.dgk.org/der Deutschen Gesellschaft für Kardiologie. 

3.3. Kardio-Vaskuläre Leistungsparameter 15


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. 8 

3.4 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). 

16 3.4. HRV und Gesundheit


Abbildung 3.6: Darstellung von Puls unter Belastung und korrespondierender Leistung (Stemper 

o.J.: 8) 

3.4.1 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 vor- 

gegeben 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 Beeinträch- 

tigung 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). 

3.4. HRV und Gesundheit 17


Abbildung 3.7: Biologischer Regelkreis einer Stressreaktion - (Börnert & Süß o.J.: 2) 

3.4.2 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. 13 

11 Weiterführende Informationen hierzu auch auf der Webseite des Institut für Leistungsdiagnostik und 

Gesundheitsförderung e.V. (ILUG) der Martin-Luther-Universität Halle-Wittenberg unter http:// 

www.ilug.uni-halle.de/. 

12 Vgl. Esperer & Hottenrott (2011). 

13 Siehe weiterführend zum Begriff der autonomen Fitness Hottenrott (2011). 

18 3.4. HRV und Gesundheit


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. 

3.5.1 Absolute Robustheitsprüfung 

In jeder Messung, die unter normalen Bedingungen durchgeführt wird, ist es wahrschein- 

lich, 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. 

3.5.2 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. 

3.5. Robustheitsprüfung von Herzfrequenz und Herzfrequenzvariabilität 19


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). 

20 3.5. Robustheitsprüfung von Herzfrequenz und Herzfrequenzvariabilität

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 Aus- 

wertung 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, emotio- 

nales oder achtsamkeitsbasiertes) absolviert werden. Personen die im letzten Jahr 

maximal zwei Mal pro Monat an einem entsprechenden Programm teilgenommen 

haben. 

21


Aus der Studie ausgeschlossen wurden Probanden, bei denen nachfolgende Ausschlusskri- 

terien 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 eventu- 

ellen 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). 

22 4.1. Probandenkollektiv


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. 

4.2.1 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 

in ms. 

Daraus errechnet sich die Herzrate wie folgt 

1 Vgl. hierzu Unterabschnitt 3.1.1. 

RRi = tQRSi+1 − tQRSi 

(4.1) 

HR = 60 · 1000 

RRi 

(4.2) 

4.2. HRV Scanner 23


in bpm. 

4.2.2 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 4.2.1 erläutert, kann man mithilfe der R-Zacken- 

Detektion die RR 

i 

4.3 IPN-Test® 

Abstände ermitteln. Weiterhin gilt 

 

 

 

RMSSD = 1 

N · 

N 

(RRi+1 − RRi) 

i=1 

2 

(4.3) 

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 3.3. 

3 Vgl. hierzu Trunz (2001). 

4 Siehe hierzu Trunz (2001: 7). 

24 4.3. IPN-Test®


Abbildung 4.1: Voraussetzungen, Ablauf und Interpretation des IPN-Test ® (Trunz 2001: 15) 

in W 

Kg . 

Legende 

HF − HF1 

P = W1 + (W2 − W1) · ( ) (4.4) 

HF2 − HF1 

W1 = vorletzte Belastungsstufe, bevor die Zielherzfrequenz (entsprechend der Voreinstel- 

lung) erreicht bzw. Überschritten wurde; Angabe in Watt 

W2 = letzte Belastungsstufe, bei der die Zielherzfrequenz (entsprechend der Voreinstellung) 

erreicht bzw. Überschritten wurde; Angabe in Watt 

HF = Herzfrequenz der individuellen Voreinstellung 

HF1 = Herzfrequenz, der am Ende von vorletzten Wattstufe (W1) ermittelt wurde 

HF2 = Herzfrequenz, der am Ende der letzten Wattstufe (W2) 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


ganzheitliches Gesundheitsprogramm interessierten, in einem lokalen Fitnessstudio auf 

Eignung zur Teilnahme hin untersucht. Es wurden die in Abschnitt 4.1 aufgezählten Ein- 

und Ausschlusskriterien mit den Probanden abgeglichen und dementsprechend wurde eine 

Auswahl getroffen. 

Nach erfolgter schriftlicher Einverständniserklärung zur Teilnahme an der Gesundheitsstu- 

die, 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 verschie- 

denen 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. 

26 4.4. Studienablauf


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 

und 

Legende 

µ = 1 

n 

n 

xi 

i=1 

 

 

 

σ = 1 

n 

(xi − x) 

n − 1 i=1 

2 

n = Anzahl der Probanden 

xi = Messdaten 

x = µ = Mittelwert 

(4.5) 

(4.6) 

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


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 x − y 

n + m s 

(4.7) 

Der T-Test ist ein Hypothesentest, hierbei ist H0: „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 (H0) verworfen 

werden kann. Wie die folgende Tabelle 4.1 zeigt, kann die Nullhypothese richtig oder falsch 

sein bzw. man kann H0 ablehnen oder nicht. 5 

unbekannte reale 

Verhältnisse 

Entscheidung 

H0 ablehnen H0 nicht ablehnen 

H0 richtig Fehler 1. Art richtige Entscheidung 

H0 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). 

28 4.5. Datenauswertung


Der Hypothesentest ermöglicht hingegen, eine exakte Aussage über die Normalverteilung 

zu treffen. Dabei ist eine Besonderheit zu beachten, dass man H0 nicht verwerfen möchte. 

H0 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 darge- 

stellt. 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. 

4.5. Datenauswertung 29


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 möch- 

te 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 Abwei- 

chungen ist (statistische Robustheit), wird im einschlägigen Forschungsfeld 8 empfohlen, 

die Effektstärke zusätzlich zum Signifikanzniveau anzugeben. Für die Effektstärke wird 

folgende Formel verwendet: 

d = x1 − x2 

(s1 2 +s 2 2 ) 

2 

7 Vgl. hierzu Cohen (1988). 

8 Siehe hierzu u.a. Erceg-Hurn & Mirosevich (2008). 

30 4.5. Datenauswertung 

(4.8)


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. 

4.6.1 Korrelationsanalyse 

Anfänglich wird bei der Robustheitsprüfung untersucht, ob es einen linearen Zusammen- 

hang 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 

rxy = 

9 Siehe hierzu Kühnel & Krebs (2010). 

10 Vgl. Kühnel & Krebs (2010: 406). 

n 1 (xi − x)(yi − y) 

n 

i=1 

 

n 1 (xi − x)( n 

i=1 

1 

n 

(yi − y) n 

i=1 

2 ) 

Legende 

sxy = Covarianz 

sx = Varianz x 

sy = Varianz y 

= sxy 

sx · sy 

(4.9) 

4.6. Robustheitsprüfung 31


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 Fehlerrech- 

nung 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 

Der mittlere Fehler rechnet sich wie folgt 

Legende 

32 4.6. Robustheitsprüfung 

∆x = 

2 

· ∆x) + ( ∂f 

∂y 

t · d 

√ n 

d = Stichprobenstandardabweichung 

n = Anzahl der Messwerte 

t = gibt die „Breite“ des Intervalls an 

2 

· ∆y) 

(4.10) 

(4.11)


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. 


5 Ergebnisse und Interpretation 

In diesem Abschnitt werden nun nachfolgend die Ergebnisse der Auswertung der Gesund- 

heitsstudie 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 2012. 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 4.1. 

2 Die konkrete Zahl der Probanden verkleinert sich auf 19 nach Anwendung der Ausschlusskriterien. 



35


Abbildung 5.1: Anzahl der nach Ausschluss berücksichtigten Teilnehmer je Gruppe - Eigene 

Darstellung 

5.2 Mittelwerte der drei Probandengruppen 

Als Erstes werden die Mittelwerte der drei Gruppen in Hinblick auf die Parameter HR, 

RMSSD und P zum Zeitpunkt t0 (vor der Intervention), t1 (nach acht Wochen Training) 

und t2 (nach sechs Monaten) untersucht. Die angegebenen Werte der einzelnen Messungen 

beziehen sich auf Kurzzeit HRV Messungen (während einer fünf-minütigen Ruhephase), 

die immer innerhalb desselben Zeitraums durchgeführt wurden. 

5.2.1 Gruppe A - Körpertraining 

Folgende Ergebnisse haben sich für die einzelnen Mittelwerte der Gruppe A ergeben. 

Abbildung 5.2: Mittelwert und Standardabweichung HR - Gruppe A 

36 5.2. Mittelwerte der drei Probandengruppen


Aus Abbildung 5.2 wird ersichtlich, dass sich der Parameter HR jeweils verbessert hat. Es 

ist ein Indiz für die Steigerung der Entspannungsfähigkeit nach der Intervention, sowie in 

der Nachhaltiskeitsmessung. 

Abbildung 5.3: Mittelwert und Standardabweichung RMSSD - Gruppe A 

In Abbildung 5.3 wird deutlich, dass sich die HRV gemessen am RMSSD Wert nach acht 

Wochen Training geringfügig verbessert hat. 

Abbildung 5.4: Mittelwert und Standardabweichung P - Gruppe A 

Bei Abbildung 5.4 bemerkt man den größten messbaren Effekt dieser Gruppe. Der kardio- 

vaskuläre Leistungsparameter ist nach acht Wochen bemerkenswert gestiegen. 

5.2.2 Gruppe B - Achtsamkeitstraining 

Folgende Ergebnisse haben sich für die einzelnen Mittelwerte der Gruppe B ergeben. 

Abbildung 5.5: Mittelwert und Standardabweichung HR - Gruppe B 

In der Abbildung 5.5 kann man feststellen, dass auch das Achtsamkeitstraining einen 

positiven Einfluss auf die Herzrate zeigt. 

5.2. Mittelwerte der drei Probandengruppen 37


Abbildung 5.6: Mittelwert und Standardabweichung RMSSD - Gruppe B 

Die Abbildung 5.6 stellt einen ungewöhnlichen Fall dar, und zwar ist die HRV nach acht 

Wochen Training schlechter geworden. Dieser Effekt muss später noch diskutiert werden. 

Abbildung 5.7: Mittelwert und Standardabweichung P - Gruppe B 

In der Abbildung 5.7 kann man beobachten, dass sich die körperliche Leistungsfähigkeit 

nach acht Wochen Achtsamkeitstraining erhöht hat. 

5.2.3 Gruppe C - Ganzheitliches Training 

Folgende Ergebnisse haben sich für die einzelnen Mittelwerte der Gruppe C ergeben. 

Abbildung 5.8: Mittelwert und Standardabweichung HR - Gruppe C 

In Abbildung 5.8 bemerkt man eine nennenswerte Reduktion der HR, was für den Erfolg 

des Trainings spricht. 

In der Abbildung 5.9 sieht man die verbesserte HRV nach einem ganzheitlichen Trainings- 

ansatz sehr deutlich. 

38 5.2. Mittelwerte der drei Probandengruppen


Abbildung 5.9: Mittelwert und Standardabweichung RMSSD - Gruppe C 

Abbildung 5.10: Mittelwert und Standardabweichung P - Gruppe C 

Aus der Abbildung 5.10 geht hervor, dass sich die Probanden der ganzheitlichen Studie 

erheblich in ihrer physischen Leistungsfähigkeit verbessert haben. 

5.3 Test auf Normalverteilung 

Im nächsten Schritt werden Tests auf Normalverteilung der Messdaten in Hinblick auf 

die Parameter HR, RMSSD und P zum Zeitpunkt t0 (vor der Intervention), t1 (nach acht 

Wochen Training) und t2 (nach sechs Monaten) durchgeführt. Es werden je Parameter und 

Gruppe nur ein Histogramm, statt dreien, repräsentativ dargestellt. 


Folgende Ergebnisse haben sich für den Test auf Normalverteilung bei Gruppe A herausge- 

stellt. Als Erstes werden die Tests für den Parameter HR aufgeführt. 

In Abbildung 5.11 erkennt man im Histogramm die Messwerte der Probanden bei der 

Nachhaltigkeitsmessung. Diese graphische Darstellung sieht einer Normalverteilung ähn- 

lich. 

5.3. Test auf Normalverteilung 39


Abbildung 5.11: Normalverteilung HR zu t2 - Gruppe A 

Abbildung 5.12: Boxplot Normalverteilung HR - Gruppe A 

40 5.3. Test auf Normalverteilung


Abbildung 5.12 stellt die Boxplot Ausgabe des Herzraten Parameters für die Gruppe 

Körpertraining dar. Der Median ist hier als Strich im Boxplot eingezeichnet. Diese robuste 

Kenngröße ist ein Maß für das Zentrum der Verteilung und könnte alternativ zum Mittelwert 

auch für die Interpretation herangezogen werden. 

Abbildung 5.13: Test auf Normalverteilung HR - Gruppe A 

In Abbildung 5.13 sieht man die Signifikanztests für die Normalverteilung. Da man hier H0 

nicht verwerfen möchte, kann man sagen, dass der Parameter HRt0 und HRt1 normalverteilt 

sind. Die gleiche Auswertung lässt sich nun für den Parameter RMSSD durchführen. 

Abbildung 5.14: Normalverteilung RMSSD zu t0 - Gruppe A 

Abbildung 5.14 zeig, die Verteilung der RMSSD Werte zu Beginn des Körpertrainings. 

Dieses Histogramm deutet auf eine Normalverteilung hin. 

In der Abbildung 5.15 sieht man den Boxplot der HRV. Der ausgefüllte Balken eines 

Boxplots stellt alle Werte dar, die ±1, 5 · IQR sind. Der Interquantilsabstand (IQR) ist 

wie der Median eine robuste Kenngröße, die unanfällig für Ausreißer ist. 



Abbildung 5.15: Boxplot Normalverteilung RMSSD - Gruppe A 

Abbildung 5.16: Test auf Normalverteilung RMSSD - Gruppe A 

In Abbildung 5.16 sind die Ergebnisse des Hypothesentests zur Normalverteilung des 

Parameters RMSSD zu allen drei Zeitpunkten aufgelistet. Es ist eine Normalverteilung 

ersichtlich. Schließlich wird der Parameter P auf Normalverteilung überprüft. 

Die Abbildung 5.17 zeigt das Histogramm der Messwerte P zu t2 und deutet auf eine 

Normalverteilung hin. 

Abbildung 5.18 zeigt die homogene Verteilung der Messwerte an allen drei Zeitpunkten; 

das ist ebenfalls ein Indiz für eine Normalverteilung. 

Die Abbildung 5.19 zeigt, dass alle Messwerte des Leistungsparameters normalverteilt 

sind. 


Folgende Ergebnisse haben sich für den Test auf Normalverteilung bei Gruppe B herausge- 




Abbildung 5.17: Normalverteilung P zu t2 - Gruppe A 

Abbildung 5.18: Boxplot Normalverteilung P - Gruppe A 

Abbildung 5.19: Test auf Normalverteilung P - Gruppe A 



Abbildung 5.20: Normalverteilung HR zu t0 - Gruppe B 

Die Abbildung 5.20 zeigt das Histogramm der Messwerte HRt0 mit der Normalverteilungs- 

kurve. 

Abbildung 5.21: Boxplot Normalverteilung HR - Gruppe B 

Aus der Abbildung 5.21 geht hervor, dass der Median der HR nach dem Achtsamkeitstrai- 

ning viel höher liegt. D.h. Also, dass min. 50% der Probanden ihre HR wider erwartend 

erhöht haben. 

Abbildung 5.22 zeigt, dass alle Werte normalverteilt sind. Die gleiche Auswertung lässt 

sich nun für den Parameter RMSSD durchführen. 



Abbildung 5.22: Test auf Normalverteilung HR - Gruppe B 

Abbildung 5.23: Normalverteilung RMSSD zu t1 - Gruppe B 



Die Abbildung 5.23 zeigt ein wichtiges Histogramm. Hier handelt es sich um den einzigen 

Parameter, der definitiv nicht normalverteilt ist. 

Abbildung 5.24: Boxplot Normalverteilung RMSSD - Gruppe B 

In der Abbildung 5.24 sieht man im mittleren Boxplot, dass es noch Ausreißer nach oben 

gibt. Auch der rechte Boxplot weist auf eine heterogene Verteilung hin. 

Abbildung 5.25: Test auf Normalverteilung RMSSD - Gruppe B 

Die Abbildung 5.25 zeigt, dass nur der erste Parameter normalverteilt ist. Schließlich wird 

der Parameter P auf Normalverteilung überprüft. 

In der Abbildung 5.26 zeigt sich ein Histogramm mit Normalkurve für P zu t0. 

Aus Abbildung 5.27 geht eine regelmäßige Verteilung der Messwerte hervor. 

Die Abbildung 5.28 zeigt, dass alle P Werte laut dem Hypothesentest normalverteilt 

sind. 



Abbildung 5.26: Normalverteilung P zu t0 - Gruppe B 

Abbildung 5.27: Boxplot Normalverteilung P - Gruppe B 

Abbildung 5.28: Test auf Normalverteilung P - Gruppe B 




Folgende Ergebnisse haben sich für den Test auf Normalverteilung bei Gruppe C herausge- 


Abbildung 5.29: Normalverteilung HR zu t1 - Gruppe C 

Abbildung 5.29 deutet auf eine Normalverteilung der Messwerte HR hin. 

Abbildung 5.30: Boxplot Normalverteilung HR - Gruppe C 

Aus Abbildung 5.30 erkennt man, dass der Median immer kleiner wird, was für den Erfolg 

der Intervention spricht. 

Alle Werte in Abbildung 5.31 sind normalverteilt. Die gleiche Auswertung lässt sich nun 

für den Parameter RMSSD durchführen. 



Abbildung 5.31: Test auf Normalverteilung HR - Gruppe C 

Abbildung 5.32: Normalverteilung RMSSD zu t1 - Gruppe C 



Abbildung 5.32 zeigt die Verteilung der RMSSD Werte, die für eine Normalverteilung 

charakteristisch sind. 

Abbildung 5.33: Boxplot Normalverteilung RMSSD - Gruppe C 

Laut Abbildung 5.33 ist der Median der HRV nach acht Wochen ganzheitlichem Trainings 

deutlich gestiegen. Das deutet auf eine Verbesserung der parasympathischen Aktivität 

hin. 

Abbildung 5.34: Test auf Normalverteilung RMSSD - Gruppe C 

Die Abbildung 5.34 zeigt, dass alle Werte normalverteilt sind, auch wenn der RMSSDt0 

Wert nur knapp über 0,05 liegt. Schließlich wird der Parameter P auf Normalverteilung 

überprüft. 

Die Abbildung 5.35 deutet auf eine Normalverteilung für die Messwerte von Pt2 hin. 

In Abbildung 5.36 erkennt man eine homogene Verteilung der Messwerte. 

Aus Abbildung 5.37 kann man sicher schließen, dass es sich um eine Normalverteilung 

handelt. Hier deuten sogar beide Kriterien darauf hin. 



Abbildung 5.35: Normalverteilung P zu t2 - Gruppe C 

Abbildung 5.36: Boxplot Normalverteilung P - Gruppe C 

Abbildung 5.37: Test auf Normalverteilung P - Gruppe C 



5.3.4 Zusammenfassung 

Zusammenfassend lässt sich sagen, dass der Test auf Normalverteilung für alle drei 

Parameter und für jede der drei Gruppen durchgeführt wurde. Wie aus Tabelle 5.1 

hervorgeht, lässt sich für den Parameter RMSSD in der Gruppe B kein parametrischer 

Test anwenden, da die Stichprobe nicht normalverteilt ist. 

Test auf Normalverteilung 

HR RMSSD P 

Gruppe A X X X 

Gruppe B X X 

Gruppe C X X X 

Tabelle 5.1: Ergebnis Test auf Normalverteilung der Gruppen A, B und C 



5.4 T-Test Verfahren 

Nach dem die Voraussetzung der Normalverteilung für die einzelnen Parameter und 

Gruppen geprüft wurde, kann nun der T-Test angewendet werden, um zu ermitteln, ob es 

signifikante Unterschiede zwischen den Messwerten vor und nach der Intervention gibt. 


Folgende Ergebnisse haben sich für den T-Test bei Gruppe A herausgestellt. Als Erstes 

werden die Tests für den Parameter HR aufgeführt. 

Abbildung 5.38: HR_Korrelation bei gepaarten Stichproben - Gruppe A 

Abbildung 5.39: HR_T-Test bei gepaarten Stichproben - Gruppe A 

Bei Abbildung 5.39 zeigt sich, dass sich die HR nach der Intervention der Gruppe Körper- 

training signifikant verbessert hat. Die gleiche Auswertung lässt sich nun für den Parameter 

RMSSD durchführen. 

Die Abbildung 5.41 zeigt, dass sich die HRV gemessen anhand des RMSSD nicht signifikant 

verbessert hat. Schließlich wird der T-Test für den Parameter P überprüft. 

5.4. T-Test Verfahren 53


Abbildung 5.40: RMSSD_Korrelation bei gepaarten Stichproben - Gruppe A 

Abbildung 5.41: RMSSD_T-Test bei gepaarten Stichproben - Gruppe A 

Abbildung 5.42: P_Korrelation bei gepaarten Stichproben - Gruppe A 

Abbildung 5.43: P_T-Test bei gepaarten Stichproben - Gruppe A 

54 5.4. T-Test Verfahren


Die Abbildung 5.43 zeigt, dass sich die Probanden der Gruppe Körpertraining hinsichtlich 

ihrer körperlichen Leistungsfähigkeit, sowohl kurzfristig als auch langfristig verbessert 

habe. 


Folgende Ergebnisse haben sich für den T-Test bei Gruppe B herausgestellt. Als Erstes 


Abbildung 5.44: HR_Korrelation bei gepaarten Stichproben - Gruppe B 

Abbildung 5.45: HR_T-Test bei gepaarten Stichproben - Gruppe B 

Abbildung 5.45 zeit, dass die Änderung der HR nicht signifikant ist. Die gleiche Auswertung 

lässt sich nun für den Parameter RMSSD durchführen. 

Abbildung 5.46: RMSSD_Korrelation bei gepaarten Stichproben - Gruppe B 

Die Abbildung 5.47 zeigt, dass das Achtsamkeitstraining keinen Einfluss auf die Herzraten- 

variabilität hat. Schließlich wird der T-Test für den Parameter P überprüft. 



Abbildung 5.47: RMSSD_T-Test bei gepaarten Stichproben - Gruppe B 

Abbildung 5.48: P_Korrelation bei gepaarten Stichproben - Gruppe B 

Abbildung 5.49: P_T-Test bei gepaarten Stichproben - Gruppe B 



Die Abbildung 5.49 zegt, dass der Parameter P sich nach acht Wochen signifikant verbessert 

hat. 


Folgende Ergebnisse haben sich für den T-Test bei Gruppe C herausgestellt. Als Erstes 


Abbildung 5.50: HR_Korrelation bei gepaarten Stichproben - Gruppe C 

Abbildung 5.51: HR_T-Test bei gepaarten Stichproben - Gruppe C 

Die Abbildung 5.51 stellt dar, dass das ganzheitliche Training keinen signifikanten Einfluss 

auf die Herzrate hat. Die gleiche Auswertung lässt sich nun für den Parameter RMSSD 

durchführen. 

Abbildung 5.52: RMSSD_Korrelation bei gepaarten Stichproben - Gruppe C 

Die Abbildung 5.53 zeigt, dass das ganzheitliche Training einen sehr positiven Effekt auf 

die HRV hat. Jedoch für den hier gewählten α = 0, 05 ist das Resultat als nicht signifikant 

zu interpretieren. Schließlich wird der T-Test für den Parameter P überprüft. 



Abbildung 5.53: RMSSD_T-Test bei gepaarten Stichproben - Gruppe C 

Abbildung 5.54: P_Korrelation bei gepaarten Stichproben - Gruppe C 

Abbildung 5.55: P_T-Test bei gepaarten Stichproben - Gruppe C 



Die Abbildung 5.55 zeigt, dass sich die Probanden der Gruppe C hinsichtlich ihres körperli- 

chen Leistungsvermögens signifikant verbessert haben. Das gilt kurz- als auch langfristig. 

5.5 Effektstärke 

Zusätzlich zum T-Test kann die Effektstärke (Cohen’s d - standardisierter Unterschied der 

Mittelwerte) angeben werden. Obwohl der T-Test relativ robust gegen leichte Abweichungen 

ist, kann mit der Effektstärke die Relevanz der Messergebnisse bestimmt werden. 

Übersicht der Effektstärke d 

HR0 und HR1 RMSSD0 und RMSSD1 P0 und P1 

Gruppe A 0,32 -0,11 -0,53 

Gruppe B 0,218 0,09 -0,28 

Gruppe C 0,297 -0,35 -0,48 

Tabelle 5.2: Ergebnis der Effektstärke der Gruppen A, B und C 

Die Tabelle 5.2 stellt die unterschiedlichen Effektstärken d nach Cohen dar. 

• Kleiner Effekt ist zwischen HR0 und HR1 (Gruppe B) und zwischen RMSSD(0) 

und RMSSD1 (Gruppe A). 

• Mittlerer Effekt ist zwischen: HR0 und HR1 (A) HR0 und HR1 (C) RMSSD(0) 

und RMSSD(1) (C) P0 und P1 (B) 

• Starker Effekt ist zwischen: P0 und P1 (A) P0 und P1 (C) 

Die positiven Vorzeichen bei der HR und die negativen bei RMSSD und P sind wegen 

der Formel zustande gekommen und sie zeigen auch entgegengesetzt zum gewünschten 

Effekt. 

• Interessanterweise trifft es nicht immer so zu. Ausnahme: RMSSD(0) und RMSSD(1) 

der Gruppe B deuten auf einen kleinen, gegenläufigen Effekt hin. Stimmt auch, da sich 

5.5. Effektstärke 59


die HRV der Probanden der Achtsamkeitsgruppe nach acht Wochen auch unerklärlich 

verschlechtert hat. 

5.6 Robustheitsprüfung 

Als abschließenden Teil dieser Auswertung wird die Robustheitsprüfung auf zwei Ebenen 

durchgeführt. Es handelt sich hier um einen Entwurf zur Klärung der Robustheitsfrage 

im Kontext der HRV Messung, da es hierzu noch keine veröffentlichten Anleitungen gibt. 

Dennoch wird in dieser Arbeit versucht werden, den Bogen zwischen den beteiligten 

Disziplinen Ingenieur- und Gesundheitswissenschaft (Unterabschnitt 5.6.1) auf der einen 

Seite und zwischen der Statistik und der Leistungsdiagnostik aus den Sportwissenschaften 

(Unterabschnitt 5.6.2) auf der anderen Seite zu spannen. 

5.6.1 Korrelationsanalyse 

In diesem Abschnitt wird die Korrelation zwischen dem HRV Parameter und dem Leis- 

tungsparameter durchgeführt. Es ist zu klären, ob die HRV Werte sich auch nach der 

gleichen Tendenz entwickeln, wie die P Werte. 

Die Ergebnisse für die Robustheitsprüfung werden exemplarisch anhand der Messwerte zu 

HR und RMSSD von Gruppe C in Korrelation mit der Leistung P gesetzt. 

Abbildung 5.56 weist einen Korrelationskoeffizienten (Pearson’s r) von r = 0, 226 auf. 



Abbildung 5.59 weist einen Korrelationskoeffizienten (Pearson’s r) von r = −0, 198 auf. 

60 5.6. Robustheitsprüfung


Abbildung 5.56: Zusammenhang Herzrate und Leistung vor der Intervention - Gruppe C 

Abbildung 5.57: Zusammenhang Herzrate und Leistung nach der Intervention - Gruppe C 



Abbildung 5.58: Zusammenhang RMSSD und Leistung vor der Intervention - Gruppe C 

Abbildung 5.59: Zusammenhang RMSSD und Leistung nach der Intervention - Gruppe C 

62 5.6. Robustheitsprüfung


5.6.2 Fehlerfortpflanzung 

Im folgenden Abschnitt wird die Fehlerfortpflanzung aufgrund der zufälligen Messfehler 

der HRV Messung berechnet. Auf diesem Weg versucht man, mit einer bekannten und 

bewährten Methode der Messtechnik (DIN Norm 1313), die neuen Parameter der HRV unter 

die Lupe zu nehmen. Die Fehlerbetrachtung könnte Auskunft darüber geben, wie robust 

die zwei Parameter auf zufällige Messfehler reagieren. Da bekannt ist, dass diese Messfehler 

mit steigender Anzahl der Messwerte geringer werden, kann man im Umkehrschluss sagen, 

dass diese Fehlerrechnung umso wichtiger ist, je kleiner der Umfang der Messung ist. Denn 

in einer 5-Min-HRV-Messung können die zufälligen Fehler eher ins Gewicht fallen, als in 

einer 24h-Messung. 

Der Parameter HR wird auch aus den RR-Intervallen wie folgt ermittelt: 

mit RRi = tQRSi+1 − tQRSi . 

HR = 60 · 1000 

RRi 

(5.1) 

Auch hier wird für die weitere Rechnung tQRSi+1 = x und tQRSi = y ersetzt. Dies sind die 

Messwerte, die fehlerbehaftet sind. Der absolute Fehler ∆HR(x, y) = f(x, y) lässt sich 

ebenfalls nach dem Fehlerfortpflanzungsgesetz ausrechnen: 

 

 

 

∆f(x, y) = 

∂f 

( 

∂x 

2 

· ∆x) + ( ∂f 

∂y 

2 

· ∆y) 

Zunächst werden die partiellen Ableitungen gebildet: f(x, y) = 60 · 1000 

x−y . 

Daraus folgt 

∆f(x, y) = 

 

(−60000 · (x − y) −2 · ∆x) 2 + (60000(x − y) − 2 · ∆y) 2 

∆f(x, y) = 60000(x − y) −2 · 

(5.2) 

(5.3) 

 

∆x 2 + ∆y 2 (5.4) 



Dabei handelt es sich um den absoluten Fehler für HR mit ∆x und ∆y wie oben beschrie- 

ben. 

RMSSD = 

(x − y) 2 

n 

= f(x, y) (5.5) 

Für ∆f(x, y) absoluten Fehler von RMSSD braucht man zunächst die partielle Ableitung 

(siehe Gleichung 5.6). 

yf ′ (xy) = 

 

(x − y) · ′(x − y) 

2 

(x−y) 

n · 

n 

(5.6) 

Es wäre zu umständlich mit der exakten Formel zurechnen 5 , deshalb reichen für diese 

Arbeit folgende Annäherungen: 

• RRi+1 = x 

• RRi = y 

• n = 2 

Original Formel: 

 

 

 

RMSSD = 1 

n · 

n 

(RRi+1 − Ri) 2 

=> Vereinfacht mit n = 2 und RRi+1 = x und Ri = y ergibt sich 

Zudem gilt: 

f(x, y) = 

5 Bzw. wäre dies nur durch Programmierung möglich. 

64 5.6. Robustheitsprüfung 

i=1 

(5.7) 

 

1 

2 (x − y)2 

1 

= · (x − y) (5.8) 

2


als partielle Ableitung nach x, und 

∂f 

∂x = 

 

1 

· 1 

2 

(5.9) 

∂f 

∂y = 

 

1 

· (−1) 

2 

(5.10) 

als partielle Ableitung nach y. Wird dies in die Formel (Gleichung 4.10) für den absoluten 

Messfehler eingesetzt, erhält man 

und weiter 

 

 

 

∆f(x, y) = 

∂f 

( 

∂x 

2 

· ∆x) + ( ∂f 

∂y 

 

 

 

2 2 

1 

1 

∆f(x, y) = ( · ∆x) + (− · ∆y) = 

2 2 

2 

· ∆y) 

(5.11) 

 

1 

2 · (∆x2 + ∆y 2 ) (5.12) 

d.h. also, der absolute Fehler ist nur von dem Vertrauensintervall abhängig! 

In der Realität hat man zwar mehr wie zwei Messungen, aber hier muss man berücksichtigen, 

dass die Einheit eines RR-Intervalls in ms angegeben wird. D.h., der zufällige Fehler ist 

einmal ganz am Anfang der Messung für die erste R-Zacke entscheidend. Für den Abstand 

zur nächsten R-Zacke könnte wieder ein Fehler entstehen, der nennenswert ist. Bei allen 

anderen R-Zacken können zwar auch zufällige Fehler auftreten, aber die hängen unmittelbar 

mit dem bereits beschriebenen Fehler zusammen, da die Software zur Detektion die gleich 

ist. Deshalb reicht es als Annäherung anzunehmen, dass der RMSSD für die Fehlerrechnung 

wie folgt lautet: 

RMSSD = 

 

1 

2 (RRi+1 − RRi) 2 

(5.13) 


6 Diskussion und Ausblick 

Ein wichtiger Punkt gleich zu Beginn der Diskussion ist der Hinweis, dass man in der 

ausgewerteten Gesundheitsstudie nicht auf ein Kollektiv junger Probanden zurückgreifen 

konnte (basierend auf der Zielgruppe). Man hätte damit viel weniger Schwierigkeiten 

hinsichtlich der Interpretation einzelner HRV Werte gehabt. Manche „Ausreißer“ Werte 

kann man sich als nicht-mediziner nicht unmittelbar erklären. Ziel dieser Gesundheitsstudie 

war es, ein Fitnessprogramm für die Generation 50+ zu entwickeln und zu evaluieren. In 

dieser vorliegenden Arbeit wurde die Auswertung der psycho-physiologischen Parameter mit 

besonderem Augenmerk auf die Methodik durchgeführt. Die Parameter wurden zwar auf 

Normalverteilung geprüft, um die Voraussetzung für einen T-Test zu validieren. An dieser 

Stelle hätte man zusätzlich noch einen Test für die Homogenität der Messwerte durchführen 

sollen, denen nicht nur die Normalverteilung, sondern auch die Varianzhomogenität als 

strikte Voraussetzung für die Durchführung eines parametrischen Tests dazu gehört. Des 

Weiteren kann man noch diskutieren, ob der Hypothesentest auf Normalverteilung entweder 

nach Kolmogorov oder nach Shapiro-Wilk positiv (p>0,05) ausfallen müsste, um eine 

Entscheidung für die Normalverteilung zu fällen. Es bleibt dabei unberücksichtigt, dass 

sich beide Hypothesentests nicht für die kleine Fallzahl der Stichprobe (n


Ursprungs sind. Man sieht es den Menschen nicht unbedingt an, wenn sie z.B. depressiv 

sind, jedoch spiegelt sich eine Einflussgröße, wie Depression oder Burn-Out, bemerkenswert 

im Parameter der HRV wider. Der zweite Versuch zur Beantwortung der Robustheits- 

frage der untersuchten Parameter erscheint jedoch sinnvoller und bodenständiger. Jeder 

Ingenieur kennt das Problem der zufälligen Fehler einer beliebigen Messreihe. Warum soll 

man diesen Ansatz zur Fehlerrechnung nicht auf die Gesundheitsindikatoren übertragen 

können? In der Messtechnik macht es doch keinen Unterschied, ob man Temperaturen 

oder Interbeat-Intervalle misst. Alle Messreihen sind fehlerbehaftet und es ist sinnvoll, 

diese wahrzunehmen und ihre möglichen Auswirkungen durch die Fehlerfortpflanzung auf 

den Parameter zu untersuchen. 

Im Ausblick bleibt nun sicherlich von Interesse, eine geeignete und vor allem robuste 

Validierung der HRV Parameter zu erforschen. Bisher war eher die Robustheitsfrage auf 

die einzelnen Parameter gerichtet, sodass man entscheiden kann, welcher Parameter ist 

wirklich robust gegenüber Ausreißern. Man könnte aber die Frage nach der Robustheit 

auch auf die statistische Auswertung der schon etablierten Parameter der HRV richten. 

Auf diesem Gebiet hat sich nämlich in den letzten Jahren viel verändert, viele statistische 

Methoden erwiesen sich als nicht robust. 1 Es gibt zahlreiche neue, robuste Parameter 

wie die M-Schätzer, R-Schätzer, „trimmed mean“, MAD oder α-winsorisiertes Mittel und 

Gini mean difference. Dennoch wäre es spannend herauszufinden, ob mit den Mitteln der 

robusten Statistik eine geeignete Auswertungsmethodik der HRV Parameter zu leisten 

wäre. Dies könnte das Ziel weiterer wissenschaftlicher Studien im Bereich der Salutogenese 

sein. 

1 Siehe Robuste Statistik mit R nach Jurecková & Picek. 

68

7 Eigenständigkeitserklärung 

Hiermit versichere ich, dass ich die von mir vorgelegte Arbeit selbstständig verfasst habe, 

dass ich die verwendeten Quellen, Internet-Quellen und Hilfsmittel vollständig angegeben 

habe und dass ich die Stellen der Arbeit - einschließlich Tabellen, Karten und Abbildungen-, 

die andere Werke oder dem Internet im Wortlauf oder dem Sinn nach entnommen sind, 

auf jeden Fall unter Angabe der Quelle als Entlehnung kenntlich gemacht habe. 

Tutzing, den 28. Februar 2013 

Ramona Sinziana Curteanu 

69

8 Bibliographie 

Andrea Horn, A., Borbein, H., Otte, M., Schulz, H., et al., 2003. Verhalten der mor- 

gendlichen Herzfrequenzvariabilität in der Regeneration nach einmaliger erschöpfender 

Ausdauerbelastung. In: K. Hottenrott, Hrg. Abstractband - 2. Symposium Herzfrequenz- 

variabilität im Fitness- und Gesundheitssport. Halle (Saale). 

Börnert, K. & Süß, M., o.J. Die Variabilität des Herzrhythmus: Gradmesser der Gesundheit. 

In: raum&zeit Sonderdruck. Wolfratshausen: ehlers Verlag. 

Cohen, J., 1988. Statistical power analysis for the behavioral sciences, Hillsdale, N.J.: L. 

Erlbaum Associates. 

Erceg-Hurn, D.M. & Mirosevich, V.M., 2008. Modern robust statistical methods: an easy 

way to maximize the accuracy and power of your research. American Psychologist, 63(7), 

S. 591. 

Esperer, H.-D. & Hottenrott, Kuno, 2011. Individuelle autonome Fitness in Sport und 

Training – Reflexionen über ein neues Konzept in der Belastungssteuerung. In: Kuno 

Hottenrott, O. Hoos, & H.-D. Esperer, Hrgs. Herzfrequenzvariabilität: Gesundheitsförde- 

rung, Trainingssteuerung, Biofeedback. Hamburg: Edition Czwalina Feldhaus Verlag, , S. 

46–54. 

Hottenrott, Kuno, 2011. Herzfrequenzvariabilität: Gesundheitsförderung, Trainingssteue- 

rung, Biofeedback., Hamburg: Feldhaus, Ed. Czwalina. 

Hughes, J.W. & Stoney, C.M., 2000. Depressed mood is related to high-frequency heart 

rate variability during stressors. Psychosomatic Medicine, 62(6), S. 796–803. 

71


Kühnel, S.-M. & Krebs, D., 2010. Statistik für die Sozialwissenschaften: Grundlagen, 

Methoden, Anwendungen 5. Aufl, Reinbek bei Hamburg: Rowohlt-Taschenbuch-Verl. 

Lange, S., Van Leeuwen, P., Bettermann, H. & Grönemeyer, D., 1997. Komplexitaetsanalyse 

der fetalen Herzfrequenz-Bestimmung der Dimension. Biomedizinische Technik, 42, S. 

59–60. 

Marcus W. Agelink et al., 2001. Standardized tests of heart rate variability: normal ranges 

obtained from 309 healthy humans, and effects of age, gender, and heart rate. Clinical 

Autonomic Research, 11(2), S. 99–108. 

Mück-Weymann, M., 2005. Depressionen und Herzratenvariabilität: Seelentief zwingt 

Herzschlag in enge Bahn. Der Hausarzt, (3/05), S. 64–69. 

Neumann, T. et al., 2001. Linear and non-linear dynamics of heart rate variability in brain 

dead organ donors. Zeitschrift für Kardiologie, 90(7), S. 484–491. 

Rehmer, H., 2013. Entwicklung und Evaluierung eines Trainings zur Steigerung der ganz- 

heitlichen Gesundheit für die Generation „Plus“, unv. Diss. (unveröffentlicht). Universität 

München; Bad Tölz. 

Rief, W. & Birbaumer, N., 2010. Biofeedback: Grundlagen, Indikationen, Kommunikation, 

Vorgehen 3., überarbeitete und erweiterte Auflage., Schattauer. 

Rosenbrock, R. & Gerlinger, T., 2009. Gesundheitspolitik: Eine systematische Einführung, 

Bern; Seattle: H. Huber. 

Stemper, T., o.J.. PWC Cardio-Fitness-Test: Durchführung und Auswertung. 

Tarvainen, M. & Niskanen, J.-P., 2008. Kubios HRV - User’s Guide. 

Task Force of the European Society of Cardiology the North American Society of Pa- 

cing Electrophysiology Hrg., 1996. Heart Rate Variability Standards of Measurement, 

Physiological Interpretation, and Clinical Use. Circulation, 93(5), S. 1043–1065. 

72


Trappe, H.-J. & Löllgen, H., 2000. Mitteilungen der Deutschen Gesellschaft für Kardiologie 

– Herz- und Kreislaufforschung Deutsche Gesellschaft für Kardiologie, Hrg. Zeitschrift für 

Kardiologie, 89(9), S. 821–837. 

Trunz, E., 2001. IPN-Test®–Ausdauertest für den Fitness-und Gesundheitssport. Institut 

für Prävention und Nachsorge, Köln. 

Wolf-Heidegger, G. & Köpf-Maier, P., 2005. Wolf-Heidegger’s Atlas of Human Anatomy. 

Basel; New York: Karger. 

73

Eignung einer Messung der Herzratenvariabilität zur Validierung ...

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?