Masterarbeit von Sophie Wagner: Ausbau der digitalen Patient*innenüberwachung: Robuste RR-Intervall-Extraktion und Analyse der Herzratenvariabilität (HRV) aus kontinuierlichen Photoplethysmographie-Daten bei COVID-19-Patient*innen
Diese Arbeit zeigt erfolgreich, wie mithilfe eines cosinuss° Im-Ohr Sensors verlässliche Langzeit-HRV-Daten erzeugt werden können. Zu diesem Zweck wurde der DiAssCo-Datensatz ausgewertet, welcher 145 Patient*innen umfasst, die in der ersten Jahreshälfte 2021 mit COVID-19 im Klinikum Großhadern aufgenommen wurden. Während der Dauer ihres Klinikaufenthaltes wurden alle Proband*innen kontinuierlich mit dem cosinuss° Two überwacht – somit wird in diesen Daten ein breites Spektrum an Krankheitsverläufen abgedeckt.
Da die kontinuierliche Berechnung von Herzratenvariabilität bisher nicht Teil der klassischen Patient*innenüberwachung ist, trägt die Studie zum Verständnis des Potenzials von HRV im Gesundheitswesen bei und betont die Relevanz sorgfältiger Datenbereinigungsmethoden. Um Einblicke in den Krankheitsverlauf von COVID-19 zu gewinnen, wurde ein Machine Learning (ML) Algorithmus erfolgreich eingesetzt, um den Ausgang der Erkrankung unabhängig vom Alter der Proband*innen vorherzusagen.
Aktuell steht ein wissenschaftlicher Konsens über die aussagekräftigsten HRV-Parameter im Zusammenhang mit COVID-19 noch aus. Daher wird in dieser Arbeit eine Gewichtung der einzelnen Parameter im Bezug auf den Ausgang der viralen Erkrankung vorgestellt.
