Smartwatches, Sensoren und andere Wearables ermöglichen die kontinuierliche Überwachung
verschiedener Aspekte unserer Gesundheit und unserer alltäglichen Aktivitäten. Diese Möglichkeit
bringt jedoch eine Herausforderung mit sich: Wie lassen sich Tausende von Messwerten, die über Tage, Wochen oder Jahre hinweg erfasst werden, in Indikatoren umwandeln, die zuverlässig interpretiert und verglichen werden können?

Eine Studie unter der Leitung des Barcelona Institute for Global Health (ISGlobal), eines von der
Stiftung „la Caixa“ unterstützten Zentrums, und der Universität Basel schlägt einen neuen Rahmen zur Standardisierung dieses Prozesses vor. Die Methode wurde so entwickelt, dass sie auf verschiedene Arten digitaler Gesundheitsdaten anwendbar ist, und wurde anhand von Daten zur Gehaktivität und zum Gangbild von 2.181 Personen getestet. Die Studie wurde in npj Digital Medicine veröffentlicht.

Digitale Geräte können Gesundheitsparameter in einer Häufigkeit und über Zeiträume hinweg
erfassen, die noch vor wenigen Jahren kaum zu erreichen gewesen wären. Mehr Daten bedeuten
jedoch nicht zwangsläufig bessere Informationen. Um diese Daten in der Forschung oder
klinischen Praxis nutzen zu können, muss entschieden werden, welche Teile relevant sind und wie
sie zusammengefasst werden sollen. Diese Entscheidungen können beeinflussen, wie die
Ergebnisse anschließend interpretiert werden.

Derzeit gibt es weder international anerkannte Richtlinien zur Standardisierung der Aggregation
kontinuierlicher, hochauflösender digitaler Gesundheitsdaten noch einen Konsens über die
Terminologie zur Beschreibung dieses Prozesses. Eine in der Studie zitierte frühere
Übersichtsarbeit ergab beispielsweise, dass mehr als die Hälfte der analysierten Studien, in denen
mobile Geräte zum Einsatz kamen, nicht angaben, welche Datenbeschränkungen sie angewendet
hatten.

Ein dreistufiger Prozess

Um dieses Problem anzugehen, nutzte das Forschungsteam einen strukturierten
Expertenkonsensprozess, in dem 16 Spezialisten aus verschiedenen Disziplinen mehrere Runden
mit Vorschlägen, Bewertungen und Diskussionen durchliefen, bis eine Einigung erzielt wurde. Dem
Gremium gehörten Experten für die Entwicklung und Bewertung von Sensoren und Algorithmen, für Biomechanik, Epidemiologie, Statistik sowie aus verschiedenen klinischen Fachgebieten an.
„Das von uns vorgeschlagene Rahmenkonzept umfasst drei Phasen. Zunächst identifizieren wir
mögliche Wege zur Zusammenfassung der Daten unter Berücksichtigung ihrer technischen Validität, klinischen Interpretierbarkeit, Stichprobengröße und Verteilung. Anschließend bewerten wir statistisch, wie stabil die resultierenden Messgrößen bei ein und derselben Person sind und ob sie zwischen relevanten Gruppen unterscheiden können – beispielsweise zwischen Menschen mit und ohne Gehbehinderungen. Schließlich vergleichen die Experten diese Ergebnisse mit bestehender Evidenz, verfügbaren internationalen Leitlinien und praktischen Überlegungen, um die am besten geeigneten Messgrößen auszuwählen“, erklärt Sarah Koch, Erstautorin der Studie und Forscherin an der Universität Basel und am ISGlobal.

Mehr als 2.000 Personen wurden eine Woche lang beobachtet

Um zu testen, wie das Rahmenwerk funktioniert, wandten die Forscher es auf Daten aus dem
europäischen Mobilise-D-Projekt an. Die Analyse umfasste 2.181 Personen, darunter Teilnehmer
mit chronisch obstruktiver Lungenerkrankung (COPD), Multipler Sklerose, Parkinson, einer
proximalen Femurfraktur und Herzinsuffizienz sowie gesunde Kontrollpersonen. Die Teilnehmer
trugen sieben Tage lang einen Sensor, der ihre Mobilität unter realen Bedingungen aufzeichnete.
Das Team ging zunächst von sieben Messgrößen aus, die sich auf die Gehaktivität und den Gang
bezogen – darunter Schrittzahl, Gehgeschwindigkeit, Schrittlänge, Schrittfrequenz und Dauer der
Gehphasen – und untersuchte verschiedene Möglichkeiten, diese zu aggregieren. Dieser Prozess
ermöglichte schließlich die Auswahl von 24 Mobilitätsindikatoren, die auf Tages- und Wochenebene aggregiert wurden und sich sowohl auf das Ausmaß und die Muster der Gehaktivität als auch auf Gangmerkmale bezogen.
„Selbst als wir die Methode auf Populationen mit sehr unterschiedlichen Mobilitätseinschränkungen anwendeten, erhielten wir klinisch interpretierbare und statistisch stabile Indikatoren, die zum Vergleich verschiedener Personen oder derselben Person im Zeitverlauf herangezogen werden können. Darüber hinaus ist das Rahmenkonzept nicht ausschließlich auf die Analyse der Mobilität ausgelegt: Seine Struktur lässt sich an andere Gesundheitsparameter anpassen, die über längere Zeiträume kontinuierlich erfasst werden, wie beispielsweise Herzfrequenz oder Temperatur“, sagt Judith Garcia-Aymerich, stellvertretende Direktorin von ISGlobal und letzte Autorin der Studie.

Der Originalbeitrag ist auf der Website von ISGlobal verfügbar.

Referenz

Koch S, Buekers J, Alvarez P, Becker C, Bonci T, Carsin AE, Caulfield B, Cobo I, Del Din S,
Demeyer H, Frei A, Hausdorff JM, Ionescu A, Aminian K, Klenk J, Lemos-Portela J, Marchena J,
Maetzler W, Micó-Amigo E, Piraino P, Singleton D, Sverdlov O, Troosters T, Rochester L, Garcia-
Aymerich J. Aggregationsrahmen für kontinuierliche digitale Gesundheitsmessungen und
Anwendung auf Daten zur Gehaktivität. npj Digit. Med. (2026).
https://doi.org/10.1038/s41746-026-03222-z