[01] Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Quantifizierung einer respiratorischen Sinusarrhythmie sowie Verwendung eines derartigen Verfahrens oder einer derartigen Vorrichtung.

[02] Als Herzratenvariabilität, abgekürzt HRV oder auch Herzfrequenzvariabilität genannt, bezeichnet man die Schwankungen der Herzfrequenz von Herzschlag zu Herzschlag. Die HRV kann durch geeignete mathematische Verfahren quantifiziert werden, z.B. mittels des gebräuchlichen statistischen Streuungsmaßes„Standardabweichung". Die Herzratenvariabilität ist Ausdruck der kontinuierlichen Anpassung der Herzfrequenz an wechselnde Anforderungen im menschlichen Organismus und lässt deshalb Rückschlüsse auf die neurovegetative Regulationsfähigkeit des Menschen zu. Insbesondere der Funktion des parasympathischen Nervensystems mit seinem Hauptnerv (Nervus Vagus) wird dabei eine besondere Wichtigkeit zugeschrieben (Clin Sei (Lond). 2012 Apr; 122(7) :323-8 You may need the vagus nerve to understand pathophysiology and to treat diseases; De Couck M, Mravec B, Gidron Y).

[03] Eine nicht ausreichende Funktion des Parasympathikus bzw. ein Überwiegen des

Sympathikus kann sich in einer geringen HRV bemerkbar machen. In schweren Fällen liegt das Bild einer Herzfrequenzstarre vor. Der Zusammenhang zwischen geringer HRV und erhöhter Morbidität und Mortalität wurde in zahlreichen Studien vielfach bestätigt und gilt heute als gesichert (Int J Cardiol. 2010 May 28; 141 (2): 122-31. Epub 2009 Nov 11 The relationship of autonomic imbalance, heart rate variability and cardiovascular disease risk factors; Thayer JF, Yamamoto SS, Brosschot JF).

[04] Die Bestimmung der HRV mittels der Herzfrequenzanalyse in Ruhe und unter

Stimulation gilt heute als wichtigste Untersuchungsmethode in der Diagnostik des autonomen Nervensystems (Eur Heart J. 1996 Mar;17(3):354-81 Heart rate variability. Standards of measurement, physiological Interpretation, and clinical use. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology). [05] Grundlage jeder HRV -Berechnung ist die Herzfrequenzkurve, die für jeden

Herzschlag den zeitlichen Abstand zum vorangehenden Herzschlag quantifiziert, entweder als Zeitintervall oder als resultierende Herzfrequenz, die sich als Quotient von 60 geteilt durch das Zeitintervall in Sekunden ergibt. Erfassen kann man die Herzfrequenzkurve aus EKG- oder Pulskurven. So zeigt Fig. 1 ein typisches EKG mit 4 Herzschlägen, erkennbar an den großen Zacken nach oben (R-Zacke). Der zeitliche Abstand zweier R-Zacken entspricht dem Abstand zweier Herzschläge und lässt sich z.B. in Millisekunden quantifizieren. Aus diesem zeitlichen Abstand, auch RR-Intervall genannt, berechnet sich die Herzfrequenz eines Herzschlags wie folgt:

Herzfrequenz [1/min] = 60000 / RR-Intervall [ms] Beginnt die EKG-Aufzeichnung zum Zeitpunkt t = 0, so lässt sich für jeden Herzschlag der Zeitpunkt seines Auftretens, das RR-Intervall und die resultierende Herzfrequenz angeben, wie diese in Tabelle 1 exemplarisch dargestellt ist.

[06] Eine solche Herzfrequenzliste kann nun leicht in ein Herzfrequenz-Diagramm umgesetzt werden, wobei die X-Achse durch die Zeit-Spalte gebildet wird und die Y-Achse durch die Spalte der Herzfrequenzen (siehe Fig. 2). Auch Figur 3 zeigt den typischen Herzfrequenzverlauf eines Menschen.

[07] Der Einfluss des parasympathischen Nervensystems zeigt sich vor allem in der

Größe der respiratorischen Sinusarrhythmie (RSA). Darunter versteht man die Oszillation der Herzfrequenz synchron zur Atmung, wobei beim Einatmen die Herzfrequenz ansteigt und beim Ausatmen wieder abfällt. Fig. 4a zeigt ein Beispiel einer ausgeprägten respiratorischen Sinusarrhythmie, während bei den in Figuren 4b und 4c dargestellten Beispielen deutlich geringere Schwankungen zu sehen sind.

[08] Die respiratorische Sinusarrhythmie wird ausschließlich durch den Parasympathikus vermittelt, der Sympathikus hat daran keinen Anteil. Dies liegt in der Geschwindigkeit der beiden Regelsysteme Sympathikus und Parasympathikus begründet, wobei der Parasympathikus deutlich schneller regeln kann als der Sympathikus. Diese Eigenschaft des Parasympathikus macht man sich zu Nutze, um zwischen der Aktivität des Sympathikus und der des Parasympathikus zu differenzieren, in dem man den Herzfrequenzverlauf entsprechenden Analyse, beispielsweise einer Spektralanalyse, z.B. mittels einer Fast-Fourier-Transformation (FFT), unterzieht, wie dieses exemplarisch in Fig. 3b für den Herzfrequenzverlauf nach Fig. 3a gezeigt ist.

[09] Der als „HF" (high frequency) in Fig. 3b gekennzeichnete Bereich der

Spektralanalyse bezeichnet dabei einen Regelbereich der Herzfrequenz, der ausschließlich durch den Einfluss des Parasympathikus zustande kommt (0,15 Hz bis 0,4 Hz). Der als„LF" (low frequency) gekennzeichnete Bereich umfasst einen Frequenzbereich, in dem sich Sympathikus und Parasympathikus überlappen (0,04 bis 0,15Hz). Der als„VLF" bezeichnete Frequenzbereich beinhaltet sehr langsam einwirkende Einflüsse wie z.B. die Thermoregulation. Aufgrund der erforderlichen langen Aufnahmezeit spielt der„VLF"-B ereich bei der Kurzzeit-HRV- Analyse keine Rolle und kann in der weiteren Betrachtung vernachlässigt werden.

[10] Es ist schon lange Stand der Technik, die unterschiedlichen Aktivitäten von

Sympathikus und Parasympathikus durch Parameter zu quantifizieren, die durch eine Spektralanalyse gewonnen werden. So wird beispielsweise in vielen wissenschaftlichen Studien der LF/HF-Quotient verwendet, um die Balance von Sympathikus und Parasympathikus anzuzeigen. Ins Verhältnis gesetzt wird dabei das Integral der Frequenzverteilung im LF-Bereich zum Integral der Frequenzkurve im HF-Bereich. Dabei geht man davon aus, dass der HF-Bereich ausschließlich den Parasympathikus abbildet und der LF-Bereich näherungsweise die Aktivität des Sympathikus widerspiegelt (Eur Heart J. 1996 Mar;17(3):354-81 ; Heart rate variability. Standards of measurement, physiological Interpretation, and clinical use. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology) .

[11] Ein weiterer Weg, um die Aktivität des Parasympathikus zu bestimmen, ist die

Quantifizierung der respiratorischen Sinusarrhythmie. Im Zustand der respiratorischen Sinusarrhythmie führt die Synchronisierung der Rhythmen von Atmung, Blutdruck und Herzfrequenz zu einer angenähert sinusförmigen Schwingung der Herzfrequenz (siehe Fig. 4a), die in der Spektralanalyse einen charakteristisches Muster aufweist und sich durch einen großen Peak über der Atemfrequenz auszeichnet (siehe Fig. 4b). Aufgrund der optimalen Resonanzfrequenz der respiratorischen Sinusarrhythmie von ca. 0,1 Hz liegt der Peak der respiratorischen Sinusarrhythmie praktisch immer im LF-(low frequency)-Bereich der Spektralanalyse, ist aber trotzdem Ausdruck parasympathischer Aktivität und nicht zu verwechseln mit sympathischer Aktivität, die durch das Fehlen eines charakteristischen Peaks und eine breite Verteilung der auftretenden Frequenzen im LF-Bereich gekennzeichnet ist.

[12] Es ist deshalb möglich, die Amplitude der respiratorischen Sinusarrhythmie über eine Spektralanalyse zu bestimmen. So beschreibt beispielsweise die DE 10 2006 039 957 AI ein spektral-analytisches Verfahren zur Bestimmung der respiratorischen Sinusarrhythmie, dem ein Verhältnis des Integralanteils zweier Frequenzbereiche ähnlich dem LF/HF-Quotienten zugrunde liegt. Die EP 1 156 851 Bl bzw. der DE 600 32 581 T2 wiederum beschreibt ein spektralanalytisches Verfahren zur Bestimmung der respiratorischen Sinusarrhythmie, bei dem mittels einer Peak-Detektion die Frequenz des Peaks bestimmt wird und nachfolgend ein Integral, das den Peak umfasst, ins Verhältnis zu zwei Integralen gesetzt wird, die jeweils einen Bereich unter und oberhalb der Peakfrequenz umfassen. Eine praktische Umsetzung der in den beiden Patenten genannten Verfahren sind beispielsweise Geräte zur Durchführung des sogenannten HRV- Biofeedbackverfahrens. Dabei wird die respiratorische Sinusarrhythmie des Anwenders in Echtzeit gemessen und durch verschiedenfarbige LEDs visualisiert. Durch den sogenannten Biofeedbackeffekt kann nun der Anwender gezielt seine respiratorische Sinusarrhythmie und damit den Einfluss des gesundheitsförderlichen Parasympathikus trainieren. Die DE 10 2008 030 956 AI zeigt ein Ausführungsbeispiel so eines Geräts.

[13] Die Bestimmung der respiratorischen Sinusarrhythmie mittels der Spektralanalyse nach dem Stand der Technik setzt aufgrund der benötigten mathematischen Verfahren wie z.B. einer Fourieranalyse, wie sie beispielsweise in der US 2007/0208266 AI offenbart ist, einer FFT- Analyse, wie sie insbesondere beispielsweise in der EP 1 156 851 Bl, der WO 2008/028912 A2 der US 6,358,201, der US 7,163,512 Bl, der US 7,462,151 B2, der US 8,066,637 B2 oder der US 8,123,696 B2 offenbart ist, oder einer Wavelet- Analyse eine hohe Rechenleistung voraus, wie sie heute im PC-Bereich durchaus üblich ist. Auch die US 2006/0074333 AI offenbart komplexe Rechenschritte um aus biometrischen Parameteren, die gemessen werden, auf den Zustand des Nervensystems zu schließen. In der Realisierung einfacher batteriebetriebener Geräte zur Bestimmung der respiratorischen Sinusarrhythmie sind aber wenig rechenintensive Analyseverfahren wünschenswert, weil dann auf den Einsatz teurer Mikroprozessoren mit hohem Stromverbrauch verzichtet werden kann. So kann beispielsweise mit verhältnismäßig geringem Rechenaufwand in der Zeit-Domain die Standardabweichung als Aussage für eine Varianz des entsprechenden Signals genutzt werden (Proceedings of the 17th IEEE Symposium on Computer- Based Medical Systems (CBMS'04) 2004, Seiten 1 bis 4; Raghavan V , Vikas Lath, Ashish Patil Sreejit Pillai).

[14] Ein geeignetes mathematisches Verfahren ist zum Beispiel die Standardabweichung

S: mit den jeweiligen Herzfrequenzen X _n und N als der Anzahl der jeweils untersuchten Herzfrequenzen sowie dem Mittelwert X _mea n der Herzfrequenzen X _n :

yN γ

^A mean ^~ _N

[15] Dieser Ansatz erweist sich jedoch als wenig aussagekräftig.

[16] Fig. 5 zeigt zwei Herzfrequenzkurven, die an zwei unterschiedlichen Probanden gemessen wurden (a, b). Schon aus dem visuellen Eindruck lässt sich erkennen, dass Kurve a) deutlich größere Schwankungen der Herzfrequenzen umfasst, als Kurve b). Entsprechend ergibt sich die Standardabweichung S der ersten Kurve zu 8,84 1/min. Die Standardabweichung S der zweiten Kurve beträgt lediglich 2,88 1/min, als Ausdruck der stark verringerten Schwankungsbreite der Herzfrequenz. Kurve c) der Abbildung 3 ist mit Kurve b) identisch, mit dem Unterschied, dass der Herzfrequenzverlauf als Beispiel ein einziges Artefakt (Fehler) enthält. Artefakte können während der Messung sehr leicht entstehen, wenn die Probanden sich beispielsweise bewegen oder husten. Die resultierende Standardabweichung S der Messung c) beträgt 17,04 1/min und ist damit wesentlich größer als die Standardabweichung S von Messung a), obwohl die Messung c) bis auf das Artefakt eine sehr geringe Schwankung der Herzfrequenz aufweist. Dieses verdeutlicht die Notwendigkeit eines besonders sorgfältigen Umgangs mit Artefakten bzw. einer besonders sorgfältigen Entfernung von Artefakten, um falsche und irreführende Auswertungen zu vermeiden.

[17] Um die Artefakte in der Herzfrequenzkurve zu beseitigen ist es Stand der Technik, die Herzfrequenzkurve zu filtern. So beschreibt die WO 2014/101913 AI die Filterung in der Zeit-Domain, was insbesondere eine wenig rechnerintensive Datenanalyse ermöglicht. In der Publikation: „Filtering Poincare plots" von Jaroslaw Piskorski und Przemyslaw Guzik (COMPUTATIONAL METHODS IN SCIENCE AND TECHNOLOGY 11(1), 39-48, 2005) wird eine Filtertechnik beschrieben, die auf der computergestützten Analyse von Poincare- Diagrammen beruht. Bei einem Poincare -Diagramm wird jeweils ein Punkt auf der Herzfrequenzkurve gegen den nachfolgenden Punkt in einem XY-Diagramm aufgetragen. Poincare-Diagramme lassen sich einfach aus der Herzfrequenzkurve erzeugen, in dem die X- Koordinaten den Messpunkten der Herzfrequenzkurve entsprechen und die Y-Koordinaten durch die um den Index 1 verschobene Messpunkte der Herzfrequenzkurve gebildet werden, so dass hier von einer Analyse in einer Phasen-Domain gesprochen werden kann. Auch die DE 10 2011 012 619 AI offenbart den Poincare-Plot für die Analyse und zur Filterung von Artefakten. Die Analyse in der Phasen-Domain bzw. über das Poincare -Diagramm bedingt ebenfalls die Möglichkeit einer wenig rechnerintensiven Datenanalyse.

[18] Fig. 6 zeigt die zur Fig. 5 zugehörigen Poincare-Diagramme. Die Artefakte in c) sind deutlich als Ausreißer außerhalb der Punktwolke zu erkennen. Es ist dabei unerheblich, ob das Poincare-Diagramm als Punktwolke der Herzfrequenzen oder als Punktwolke der Zeitintervalle gebildet wird, da beide sehr einfach durch mathematisches Umformen ineinander überführt werden können.

[19] Der im Stand der Technik genannte LF/HF-Quotient, sowie die in der DE 10 2006

039 957 AI und EP 1 156 851 B l genannten Quotienten entsprechen letztlich einem Signal- Rauschverhältnis, wobei als Signalanteil die Amplitude der respiratorischen Sinusarrhythmie verwendet wird und als Rauschanteil alle anderen auftretenden Frequenzen außerhalb der Atemfrequenz herangezogen werden.

[20] Es ist aus der Literatur bekannt, dass der LF/HF-Quotient mit dem SD2/SD1-

Verhältnis korreliert, wobei die Parameter SD2 und SDl aus dem Pointeare -Diagramm ermittelt werden können (Correlations between the Poincare plot and conventional heart rate variability Parameters assessed during paced breathing. Guzik PI, Piskorski J, Krauze T, Schneider R, Wesseling KH, Wykretowicz A, Wysocki H., J Physiol Sei. 2007 Feb;57(l):63-71. Epub 2007 Feb 3). Dort heißt es beispielsweise: "The LF/HF significantly correlated with SD2 and SD2/SD1 representing the balance between long- and short-term HRV". [21] Das Pointcare-Diagramm repräsentiert, wie bereits vorstehend angedeutet, die zeitliche Korrelation aufeinanderfolgender Herzschläge (RR-Intervalle) in einem X-Y- Diagramm. Als RR-Intervall bezeichnet man in diesem Zusammenhang den zeitlichen Abstand zweier Herzschläge in Millisekunden. Dabei ist jedes RR-Intervall eine Funktion des vorangehenden RR-Intervalls. Figur 3c zeigt ein typisches Pointcare-Diagramm, berechnet aus der in Figur 3a gezeigten Herzfrequenzkurve. Jedes Wertepaar (x;y) ergibt sich durch das jeweilige RR-Intervall (X-Wert: RR _n ) und dessen Nachfolger (Y-Wert: RR _n+ i). Die Winkelhalbierende (Identity Line) kennzeichnet alle RR-Intervalle für die gilt: RR _n+ i = RR _n - Aus dem Pointcare-Diagramm lassen sich nun die Größen SDl und SD2 ermitteln, wobei gilt, dass SDl das Maß für die Verteilung der Messpunkte quer zur Identity Line ist, wozu alle Punkte auf eine Linie projiziert werden, die quer zur Identity Line liegt und deren Standardabweichung berechnet und wobei allgemein anerkannt ist, dass SDl vor allem die schnellen Änderungen der RR-Intervalle quantifiziert; und dass SD2 das Maß für die Verteilung der Messpunkte längs zur Identity Line ist, wozu alle Punkte auf die Identity Line projiziert und deren Standardabweichung berechnet werden und wobei allgemein anerkannt ist, dass SD2 vor allem die langsamen Änderungen der RR-Intervalle quantifiziert.

[22] Da die grafische Ermittlung durchaus aufwändig sein kann und entsprechende

Rechenleistung erfordert, wird im weiteren Verlauf ein alternatives Berechnungs verfahren herangezogen, das mit deutlich weniger Rechenschritten auskommt. Es ist Stand der Technik, dass sich die beiden Parameter SDl und SD2 auch auf einfachem Weg berechnen lassen (Do existing measures of Poincare plot geometry reflect nonlinear features of heart rate variability? Brennan M., Palaniswami M, Kamen Ρ.,ΙΕΕΕ Trans Biomed Eng. 2001 Nov;48(l l): 1342-7).

[23] So lassen sich schnelle Änderungen der Herzschlagfolge über den RMSSD (root mean Square of successive differences) darstellen:

woraus dann sich SDl ableiten lässt:

RMSSD

SDl =

[24] SD2 ergibt sich, wenn von der Gesamtstreuung SDDN

die letztlich eine Art Standartabweichung darstellt, bei dem Mittelwert >

SDl in geeigneter Weise abzieht:

SD2 = V2 X SDNN ² - SDl ² .

[25] Aus den so gewonnenen Werten für SDl und SD2 lässt sich dann ein

Signalrauschverhältnis bilden

G = .

SDl

[26] Dieses Signal-Rauschverhältnis G ist jedoch nur bedingt zur Bestimmung der respiratorischen Sinusarrhythmie, wie sie beispielsweise für Biofeedbackzwecke benötigt wird.

[27] Es ist Aufgabe vorliegender Erfindung, in der Phasen-Domain eine aussagekräftigere Quantifizierung zu ermöglichen.

[28] Die Aufgabe der Erfindung wird durch ein Verfahren und eine Vorrichtung zur

Quantifizierung einer respiratorischen Sinusarrhythmie sowie durch die Verwendung eines derartigen Verfahrens oder einer derartigen Vorrichtung mit den Merkmalen der unabhängigen Ansprüche gelöst. Weitere, ggf. auch unabhängig hiervon, vorteilhafte Ausgestaltungen finden sich in den Unteransprüchen sowie der nachfolgenden Beschreibung.

[29] Hierbei geht die Erfindung von der Grunderkenntnis aus, dass durch Methoden, die an sich bei der Analyse in der Frequenz-Domain eine aussagekräftigere Quantifizierung ermöglichen, überraschender Weise auch in der Phasen-Domain vorteilhaft sind. So kann in der Frequenz-Domain eine Interpolation harmonische Artefakte minimieren, die durch die zeitliche Unregelmäßigkeit der aufgenommenen Messwerte bedingt sind, während durch geeignete Koeffizienten bzw. durch eine Detrending die Selektivität erhöht werden kann. Überraschender Weise zeigen diese Maßnahmen auch in der Phasen-Domain bzw. bei der Untersuchung von Pointeare -Diagrammen große Vorteile.

[30] So kann eine aussagekräftige Quantifizierung durch ein Verfahren zur

Quantifizierung einer respiratorischen Sinusarrhythmie, bei welchem zunächst eine Herzfrequenzkurve gemessen und anschließend der zeitliche Abstand zweier Herzschläge RR _n bestimmt und durch eine Analyse des zeitlichen Abstands RR _n der Herzschläge die respiratorische Sinusarrhythmie aus einem SDl und SD2 enthaltenden Quotienten quantifiziert wird, gewonnen werden, wenn zur Quantifizierung ein Wert G' mit

SD2 ^b

G ' = a -

(SD1 + c) ^d

genutzt wird. Ebenso bedingt eine Vorrichtung zur Quantifizierung einer respiratorischen Sinusarrhythmie mit Mitteln zur Messung einer Herzfrequenzkurve und Mitteln zur Analyse der Herzfrequenzkurve, wobei die Quantifizierungsvorrichtung Mittel zum Bestimmen des zeitlichen Abstands RR _n zweier Herzschläge und zum Berechnen eines SDl und SD2 enthaltenden Quotienten, der Grundlage für die Quantifizierung der respiratorischen Sinusarrhythmie ist, umfasst, eine aussagekräftige Quantifizierung, wenn diese Mittel zur Ausgabe eines Wertes G' als Quantifizierung der respiratorischen Sinusarrhythmie mit

n , SD2 ^b

(SDl+c) ^d '

umfasst.

[31] Auch kann ergänzend aber auch für sich genommen eine aussagekräftige

Quantifizierung durch ein Verfahren zur Quantifizierung einer respiratorischen Sinusarrhythmie, bei welchem zunächst eine Herzfrequenzkurve gemessen und anschließend der zeitliche Abstand zweier Herzschläge RR _n bestimmt und durch eine Analyse des zeitlichen Abstands RR _n der Herzschläge die respiratorische Sinusarrhythmie aus einem SDl und SD2 enthaltenden Quotienten quantifiziert wird, gewonnen werden, wenn sich dieses Verfahren dadurch auszeichnet, dass vor dem Berechnen des SDl und SD2 enthaltenden Quotienten die Herzfrequenzkurve interpoliert wird. Zeichnet sich eine Vorrichtung zur Quantifizierung einer respiratorischen Sinusarrhythmie mit Mitteln zur Messung einer Herzfrequenzkurve und Mitteln zur Analyse der Herzfrequenzkurve, wobei die Quantifizierungsvorrichtung Mittel zum Bestimmen des zeitlichen Abstands RR _n zweier Herzschläge und zum Berechnen eines SDl und SD2 enthaltenden Quotienten, der Grundlage für die Quantifizierung der respiratorischen Sinusarrhythmie ist, umfasst, durch Mittel zur Interpolation der Herzfrequenzkurve aus, so folgt dementsprechend ebenfalls eine aussagekräftige Quantifizierung der respiratorischen Sinusarrhythmie. Hierbei versteht es sich, dass es zunächst einmal unerheblich ist, in welcher Weise der SDl und SD2 enthaltene Quotient im Einzelnen berechnet wird, da sich die entsprechenden Vorteile an verschiedenen Arten der Quantifizierung nachweisen lassen. Insbesondere bei der Verwendung der Werte G oder G' als Quotienten ergeben sich durch die Interpolation sehr aussagekräftige Quantifizierungen.

[32] Kumulativ bzw. alternativ zu den vorstehend aufgeführten Lösungen kann eine aussagekräftige Quantifizierung durch ein Verfahren zur Quantifizierung einer respiratorischen Sinusarrhythmie, bei welchem zunächst eine Herzfrequenzkurve gemessen und anschließend der zeitliche Abstand zweier Herzschläge RR _n bestimmt und durch eine Analyse des zeitlichen Abstands RR _n der Herzschläge die respiratorische Sinusarrhythmie aus einem SDl und SD2 enthaltenden Quotienten quantifiziert wird, gewonnen werden, wenn sich dieses Verfahren dadurch auszeichnet, dass vor dem Berechnen des SDl und SD2 enthaltenden Quotienten die Herzfrequenzkurve detrendiert wird. In vorliegendem Zusammenhang bezeichnet der Begriff „detrendieren" die Bereinigung der Werte, welche der Berechnung des SDl und SD2 enthaltenden Quotienten zu Grunde gelegt werden, von einem Trend. Dementsprechend folgt, wenn sich eine Vorrichtung zur Quantifizierung einer respiratorischen Sinusarrhythmie mit Mitteln zur Messung einer Herzfrequenzkurve und Mitteln zur Analyse der Herzfrequenzkurve, wobei die Quantifizierungsvorrichtung Mittel zum Bestimmen des zeitlichen Abstands RR _n zweier Herzschläge und zum Berechnen eines SDl und SD2 enthaltenden Quotienten, der Grundlage für die Quantifizierung der respiratorischen Sinusarrhythmie ist, umfasst, durch Mittel zu Detrending der Herzfrequenzkurve auszeichnet, ebenfalls eine aussagekräftige Quantifizierung der respiratorischen Sinusarrhythmie. Der Begriff „Detrending" bezeichnet in vorliegenden Zusammenhang dementsprechend das Bereinigen der Werte, welche der Berechnung des SDl und SD2 enthaltenden Quotienten zu Grunde gelegt werden, von einem Trend. Es erscheint in einem ersten Ansatz als unerheblich, in welcher Weise der SDl und SD2 enthaltene Quotient im Einzelnen berechnet wird, da sich die entsprechenden Vorteile an verschiedenen Arten der Quantifizierung nachweisen lassen. Insbesondere niederfrequente Artefakte lassen sich auf diese Weise bereinigen und die Aussagekraft der Quantifizierung zu niedrigen Frequenzen hin erhöhen. Insbesondere bei der Verwendung der Werte G oder G' als Quotienten ergeben sich durch das Detrending sehr aussagekräftige Quantifizierungen. Dieses gilt insbesondere im Zusammenspiel mit einer Interpolation.

[33] Von den Koeffizienten a, b, c und d sollte einer der Koeffizienten a, b, oder d ungleich 1 und/oder der Koeffizient c ungleich 0 sein. [34] Die genaue Wahl der Koeffizienten richtet sich nach dem Grad der Quantifizierung, der für den konkreten Anwendungsfall gewünscht ist.

[35] Vorzugsweise liegt der Koeffizient a zwischen 0,5 und 1,5, wobei sich durch experimentelle Untersuchungen herausgestellt hat, dass auch bei einem Koeffizienten von 1 ohne weiteres eine aussagekräftige Quantifizierung möglich ist.

[36] Vorzugsweise liegt der Koeffizient b zwischen 2,4 und 3,3, wobei sich durch experimentelle Überlegungen herausgestellt hat, dass der Wert vorzugsweise zwischen 2,5 und 3,2 liegen sollte. Je nach konkreter Ausführungsform eignet sich auch ein Koeffizient zwischen 2,8 und 3,3, insbesondere zwischen 2,9 und 3,2.

[37] Der Koeffizient c wird vorzugsweise zwischen 4,0 und 10,0 gewählt, wobei experimentell insbesondere Werte zwischen 5,0 und 9,0 als vorteilhaft erachtet wurden.

[38] Hinsichtlich des Koeffizienten d haben sich Werte zwischen 2,8 und 4,2, vorzugsweise zwischen 2,9 und 4,1, als vorteilhaft erwiesen. Je nach konkreter Umsetzung können die Werte für den Koeffizienten d auch zwischen 3,5 und 4,2, vorzugsweise zwischen 3,6 und 4,1, liegen.

[39] Die vorgenannten Grenzen der Koeffizienten sind insbesondere für Berechnungen von G' optimiert, bei welchen SDl und SD2 über ungefähr eine Minute oder weniger aufsummiert werden. Es ist denkbar, dass bei längeren Summierungsintervallen andere Koeffizienten geeigneter sind, insbesondere eine Anpassung des Koeffizienten a, beispielsweise eine erhebliche Anhebung, erscheint hier vorteilhaft.

[40] Durch eine geeignete Wahl der Koeffizienten, die ggf. ohne weiteres aus einer Zahl bekannter Herzfrequenzkurven und dem gewünschten Maß an Quantifizierung experimentell bestimmt werden können, kann das Verhalten des Quantifizierungsverfahrens bzw. der entsprechenden Quantifizierungsvorrichtung ggf. sogar an andere Quantifizierungsverfahren oder -Vorrichtungen, die bereits aus dem Stand der Technik bekannt sind, angepasst werden. Dieses kann beispielsweise rekursiv durch eine Art Lernprozess erfolgen, indem die Koeffizienten experimentell durchiteriert werden, bis das Ergebnis des jeweiligen Wertes dem gewünschten Ergebnis bei vorgegebener Herzfrequenzkurve entspricht. Hierdurch ist es möglich, dass Verhalten sehr energieintensiver bzw. rechnerintensiver Quantifizierungsverfahren und -Vorrichtungen nachzubilden, um auf diese Weise mittels der energieschonenden bzw. rechenzeitschonenden Analyse in der Phasen-Domain bzw. im Poincare-Diagramm oder in Räumen, welche Poincare-Diagramm entsprechen, auch unter Ausnutzung von wenig Energie bzw. bei geringem Rechenaufwand, geringer Rechenzeit oder geringer Rechnerleistung vergleichbare Quantifizierungen bereit zu stellen.

[41] Entsprechende Anpassungen können sowohl an sehr energieintensiver bzw. rechnerintensiver Quantifizierungsverfahren und -Vorrichtungen, die mit kurzen Messintervallen arbeiten, als auch an sehr energieintensiver bzw. rechnerintensiver Quantifizierungsverfahren und -Vorrichtungen, die mit Messintervallen über einer Minute arbeiten, erfolgen, wobei dann entsprechend andere Koeffizienten möglicherweise geeignet erscheinen können.

[42] Vorzugsweise erfolgt die Interpolation der Herzfrequenzkurve zu einer

Herzfrequenzkurve, die mit regelmäßigen Zeitabständen aufgenommen wurde. Dieses aus der Fourier-Transformation, insbesondere auch der Fast-Fourier-Transformation (FFT), bekannte Verfahren dient dort dazu, harmonische Artefakte, welche durch die irregulären Zeitabstände der aufgenommenen Herzfrequenzkurven in der Frequenz-Domain entstehen können, zu vermeiden bzw. in ihren Auswirkungen zu minimieren. Überraschenderweise bedingt gerade eine entsprechende Interpolation auch eine hervorragende Verbesserung der Quantifizierung in der Phasen-Domain, die an sich letztlich völlig anderen Gesetzmäßigkeiten unterliegt.

[43] Hierbei ist es beispielsweise denkbar, die Herzfrequenzkurve auf 5 Hz bzw. auf 4

Hz zu interpolieren, was dementsprechend dann dem Erzeugen einer synthetischen Herzfrequenzkurve entspricht, die mit 5 Hz bzw. mit 4 Hz, also in Abständen von jeweils 200 msec bzw. von 250 msec, aufgenommen wird. Es versteht sich, dass je nach konkreter Umsetzung hier auch andere regelmäßige Zeitabstände gewählt werden können, wobei sich in der Praxis Interpolationen auf 5 Hz bzw. auf 4 Hz als vorteilhaft erwiesen haben.

[44] Hinsichtlich der Interpolation kann insbesondere eine lineare Interpolation zur

Anwendung kommen, welche insbesondere sehr schnell, sehr einfach und wenig energieintensiv durchgeführt werden kann. Alternativ sind beispielsweise Interpolationen über kubische Splines denkbar. Ebenso versteht es sich, dass auch andere Interpolationsansätze diesbezüglich zur Anwendung kommen können.

[45] Das entsprechende Verfahren bzw. die Vorrichtung eignet sich insbesondere für ein

Biofeedback, indem in Echtzeit eine Messung und Auswertung vorgenommen und das Ergebnis der Auswertung in Echtzeit angezeigt wird. Eine entsprechende Anzeige kann beispielsweise durch„Gut" oder„Schlecht" aber auch durch eine feinere Auflösung vorgenommen werden.

[46] Es versteht sich, dass die Merkmale der vorstehend bzw. in den Ansprüchen beschriebenen Lösungen gegebenenfalls auch kombiniert werden können, um die Vorteile entsprechend kumuliert umsetzen zu können.

[47] Weitere Vorteile, Ziele und Eigenschaften vorliegender Erfindung werden anhand nachfolgender Beschreibung von Ausführungsbeispielen erläutert, die insbesondere auch in anliegender Zeichnung dargestellt sind. In der Zeichnung zeigen:

Tabelle 1 eine tatsächliche Messung der RR-Intervalle und die daraus abgeleitete

Herzfrequenz;

Tabelle 2 eine Interpolation der Messung nach Tabelle 1 auf eine regelmäßige Messung;

Tabelle 3 in der Praxis anwendbare Koeffizientensätze;

Figur 1 ein typisches EKG mit 4 Herzschlägen;

Figur 2 eine Herzfrequenzkurve vor und nach einem Detrending;

Figur 3 eine zweite Herzfrequenzkurve mit seiner Fast-Fourier-Transformation und einem zugehörigen Pointcare-Diagramm;

Figur 4 eine dritte Herzfrequenzkurve mit seiner Fast-Fourier-Transformation;

Figur 5 zwei weitere Herzfrequenzkurven, die an zwei unterschiedlichen Probanden gemessen wurden; und

Figur 6 die zur Fig. 5 zugehörigen Pointeare -Diagramme.

[48] Bei der Interpolation nach Tabelle 2 kommt im Konkreten eine 5 Hz lineare

Interpolation zur Anwendung. Alternativ kann beispielsweise auch ein 4 Hz kubische Splineinterpolation zur Anwendung kommen.

[49] In der Praxis kann durch lineare Interpolation einer tatsächlich aufgenommenen

Herzfrequenzkurve, wie sie beispielsweise in Tabelle 1 als tatsächliche Messung der RR- Intervalle und der daraus abgeleiteten Herzfrequenz exemplarisch dargestellt ist, eine Messung, die alle 200 msec erfolgt ist, fingiert werden, wie dieses dann in Tabelle 2 dargestellt ist.

[50] Von dieser Tabelle 2 ausgehend kann zunächst ein Detrending vorgenommen werden, bei welchem, wie in Figur 2 beispielhaft dargestellt, eine Grundtendenz - hier einen Abfall der Kurve - durch Errechnen einer linearen Ausgleichsgeraden ermittelt und dann von den Werten der Tabelle 2 abgezogen wird, um mit diesen Daten dann in der Phasen-Domain eine Analyse vorgenvorzunehmen, die insbesondere als Quantifizierung die Werte G oder G' zum Ergebnis haben kann. Für die Quantifizierung eigenen sich bei Messintervallen bzw. bei Zeitfenstern, in denen SD1 und SD2 auf summiert werden, von weniger als eine Minute insbesondere die in Tabelle 3 angegebenen Koeffizienten. Bei anderen Messintervallen bzw. Zeitfenstern könnten ggf. andere Koeffizienten vorteilhafter sein, die jedoch ohne weiteres experimentell ermittelt werden können.

[51] Diese Werte können dann als Quantifizierung der respiratorischen Sinusarrhythmie definiert und genutzt werden.

[52] Eine derartige Quantifizierung kann insbesondere beispielsweise für ein

Biofeedback erfolgen, indem in Echtzeit entsprechende Messungen und Auswertungen vorgenommen und das Ergebnis der Auswertung entsprechend in Echtzeit angezeigt wird. So können beispielsweise die Werte G und G' in einer Anzeige von „gut" oder „schlecht" umgedeutet werden. Gegebenenfalls ist hier selbstverständlich eine feinere Umdeutung denkbar.

[53] Ergänzend zu der vorgenommenen Interpolation ist es von Vorteil, wenn die Werte

G' jeweils für die Quantifizierung genutzt werden.

[54] In einem experimentellen Vergleich hat sich herausgestellt, dass mit den in Tabelle

3 aufgeführten Koeffizienten bekannte Quantifizierungsvorrichtungen bzw. -verfahren, wie sie beispielsweise in der DE 10 2006 039 957 AI beschrieben sind, nachgestellt werden, wobei die vorzunehmenden Berechnungen der Werte G bzw. G' einschließlich der Interpolation und auch der etwaigen Berücksichtigung der Koeffizienten a, b, c und d wesentlich weniger Energie und Rechenzeit benötigen, sodass eine Umsetzung mit kleineren Apparaten bzw. mit Apparaten, denen wenig Rechnerleistung oder wenig Energie zur Verfügung steht, oder auch mit leistungsfähigen Geräten, die entsprechend schneller arbeiten, ohne weiteres möglich ist. Tabellen

Tabelle 1 Zeit [msec] RR-Intervall [ms] Herzfrequenz [1/min.]

0 822 72,99

200 828 72,46

400 834 71,94

600 840 71,43

800 847 70,84

1000 858 69,93

1200 871 68,89

1400 883 67,95

1600 896 66,96

1800 907 66, 15

2000 909 66,01

2200 911 65,86

2400 913 65,72

2600 915 65,57

2800 920 65,22

3000 927 64,72

3200 934 64,24

3400 941 63,76

3600 947 63,36

3800 949 63,22

4000 950 63, 16

4200 952 63,03

4400 953 62,96

4600 953 62,96

4800 945 63,49

5000 937 64,03

5200 929 64,59

5400 922 65,08

5600 914 65,65

5800 908 66,08

6000 901 66,59

6200 894 67, 11

Tabelle 2 b c d

3,0640933514 6,1416416168 3,8932845592

2,9336259365 5,8386063576 3,705612421

2,9868226051 7,0778589249 3,6734967232

3,0965418816 8,7936115265 3,7033727169

2,8916110992 5,5824341774 3,6648161411

3,0149903297 5,5045495033 3,9051029682

3,0251405239 5,3571920395 3,9388401508

3,0995018482 5,3888492584 4,0623898506

3,1028745174 5,3845295906 4,0731034279

2,5600000000 6,2700000000 2,9600000000

Tabelle 3