Speakers
Description
Die Herzratenvariabilität (HRV) ist sensitiv für körperliche, affektive und kognitive Prozesse, was eine automatische Detektion von transienten HRV-Veränderungen, z.b. als Korrelat kognitiver Anstrengung oder Emotionen interessant macht. Bislang ist aber nur wenig darüber bekannt, welche Muster von HRV-Veränderungen geeignet sind, um ensprechende psychologische Phänomene im Alltag vorherzusagen. In dieser Studie wurden verschiedene Parameter eines ambulanten HRV Algorithmus validiert, der psychologisch relevante HRV-Reduktionen unabhängig von körperlicher Aktivität detektieren soll. Für fünf Tage wurden divergente Denkleistung und HRV von 77 ProbandInnen im Alltag gemessen und verschiedene Muster von HRV-Reduktionen simuliert, um die Denkleistung im Alltag vorherzusagen. Es zeigten sich konsistente Modellierungseinstellungen sowohl innerhalb der Personen (Tag 2-3 vs. 4-5) als auch zwischen Personen (Teilstichproben). Dies spricht sowohl für die interne Validität als auch für die Generalisierbarkeit der Algorithmuseinstellungen. Somit steht ein Werkzeug zur Verfügung, das psychologische Phänomene kontinuierlich erkennen kann und somit just-in-time-Interventionen ermöglichen würde.