Abstract

Die Spektralanalyse der Herzfrequenzvariabilität (HRV) gilt seit Akselrod et al. (1981) als nicht-invasive quantitative Messgröße des autonomen Nervensystems (ANS) und der Funktionalität kardiovaskulärer Regelkreise und findet seither vielfältig Anwendung im Rahmen medizinischer und psychophysiologischer Fragestellungen. Die Spektralanalyse der HRV ist zunehmend auch in den Blickpunkt des wissenschaftlichen Interesses von Sportmedizin und Trainingswissenschaft gerückt. Nicht nur grundsätzliche Veränderungen des HRV-Spektrums während körperlicher Belastung sind dabei von wissenschaftlichem Interesse; es werden auch spektrale Größen der HRV genutzt, um kurz-, mittel- und langfristige Auswirkungen sportlichen Trainings auf das ANS zu quantifizieren, Wechselwirkungen zwischen Ermüdung, Übertraining, Höhentraining und ANS zu analysieren, sowie eine HRV- gestützte Stratifizierung unterschiedlicher Leistungsgruppen und eine Bestimmung leistungsrelevanter Schwellwerte vorzunehmen. Ein korrektes, physiologisch bedeutsames Frequenzspektrum der HRV ist jedoch nur kalkulierbar, wenn für die traditionellen Spektralanalyseverfahren der nicht-parametrischen Fast-Fourier-Transformation (FFT) und der parametrischen autoregressiven Modellierung (AR) strenge methodische Vorgaben eingehalten werden, die Restriktionen in Bezug auf Datenerfassung, -analyse und -interpretation bedingen und aus dem Blickwinkel von Sportmedizin und Trainingswissenschaft besonderer Aufmerksamkeit bedürfen. In diesem Kontext haben insbesondere Signalstationarität, Detrending und Resampling der Rohdaten, die Messgenauigkeit der Rohdatenerfassung im Verhältnis zur Gesamtvariabilität sowie die mathematisch-technischen Spezifikationen der spektralanalytischen Verfahren wesentlichen Einfluss auf das resultierende HRV-Spektrum und erschweren zum Teil die Interpretierbarkeit und Vergleichbarkeit von Studienergebnissen. Innovationen im Bereich der Spektralanalyse der HRV bieten Lösungsmöglichkeiten für manche der genannten Probleme der traditionellen Verfahren und ermöglichen zum Teil eine zeitkontinuierliche Betrachtung des HRV-Spektrums. Die zeitkontinuierlichen Verfahren besitzen durch eine instantane Frequenzbestimmung und eine kontinuierliche Frequenz-Zeit-Darstellung einen additiven Informationsgehalt, der insbesondere auch für den medizinisch-trainingswissenschaftlichen Forschungsbereich bedeutsam erscheint. Die kontinuierliche Wavelet-Transformation (CWT) ist in diesem Zusammenhang als besonderes Verfahren herauszustellen, da sie eine verbesserte und bereichsspezifisch adjustierbare Frequenzauflösung erlaubt und somit ein gut lokalisiertes, zeitkontinuierliches Monitoring des HRV-Spektrums im Kontext von sportlicher Belastung und Erholung ermöglichen kann. Zusammenfassung

Abstract

Power spectrum analysis of heart rate variability (HRV-PSA) has been verified as a non-invasive marker of cardiac autonomic modulation at rest and is gaining increasing attention in Sports Science. In this area, HRV-PSA is currently used as a non-invasive tool for a variety of purposes, such as quantification of autonomic modulation during exercise and recovery, assessment of autonomic changes associated with short- and long-term exercise training, monitoring of training load, and detection of overreaching and overtraining. Despite its widespread use, inconsistent and confounding results are often reported, especially during exercise conditions. In addition to non-neural factors and a possible dissociation of spectral estimates and autonomic modulation, methodological limitations have to be considered, that strongly affect the traditional HRV spectral techniques of Fast-Fourier-Transform and Autoregressive Modelling. Important determinants of these methods are the non-stationarity and uneven sampling of the RR-interval time series, the spectral resolution, and the signal-to-noise-ratio in specific settings. Alternative spectral methods, such as Coarse Graining Spectral Analysis (CGSA) and Continous Wavelet Transform (CWT), are promising as they overcome some of the traditional limitations. Thus, CWT provides timecontinous frequency information and permits tracing of transient episodes, while CGSA proves valuable in verifying expected changes of autonomic activity during moderate exercise conditions. Future research with larger sample sizes using traditional and alternative spectral analysis methods as well as non-linear techniques are necessary to further elicudate the benefit of HRV as a non-invasive marker of cardiac autonomic modulation in sportsrelated activities. Due to the complexity of both the underlying physiology and the analysis methods interdisciplinary cooperations between researchers involved in sports science, cardiology, and biomedical engineering is desirable with respect to HRV-PSA. Zusammenfassung