Year: 2026
Type: article
Abstract: Zusammenfassung Die Polysomnographie (PSG) ist der Goldstandard der Schlafmedizin und für die Diagnostik schlafbezogener Atmungs- und Bewegungsstörungen unverzichtbar. Ihre Aussagekraft ist jedoch auf ein bis zwei Untersuchungsnächte begrenzt, während viele schlafmedizinisch relevante Phänomene fluktuieren, episodisch auftreten oder kontextabhängig sind. Dieser Beitrag diskutiert, inwieweit Wearables in Kombination mit maschinellem Lernen diese zeitliche Lücke ergänzend schließen können – und wo ihre Grenzen liegen. Grundlage sind drei Arbeiten unserer Arbeitsgruppe: Ein auf 8898 PSG-Nächten trainiertes und an einer populationsnahen Stichprobe von 136 Personen mit einem Anteil schlechter Schläfer:innen optimiertes neuronales Netz klassifiziert vier Schlafstadien aus dem Herzschlag mit rund 84 % Genauigkeit (κ = 0,76). In einer standardisierten Heimevaluation gegen ambulante PSG erreichten sechs verbreitete Consumer-Tracker dagegen 56–73 % und unterschätzten Wachphasen bei gestörtem Schlaf systematisch. Ein eigener Abschnitt erläutert die regulatorische Unterscheidung zwischen als Medizinprodukt zertifizierten Anwendungen und Lifestyle-Wearables, die diese Anforderungen nicht erfüllen. Anwendungsbeispiele – objektiv dokumentierte Therapieadhärenz in der digitalen Insomnietherapie, Verlaufsdaten bei Spezialeinsatzkräften und eine 100-Nächte-Aufzeichnung beim Kleine-Levin-Syndrom – zeigen Möglichkeiten der kontinuierlichen Messung auf; ihre Befunde sind teils explorativ und bedürfen der Replikation. Eine tabellarische Gegenüberstellung fasst Vor- und Nachteile beider Methoden zusammen.
Source: psychopraxis neuropraxis
Author: Manuel Schabus
Institution: University of Salzburg
Language: German
Topic: Sleep and related disorders
Subfield: Experimental and Cognitive Psychology
Field: Psychology
Domain: Social Sciences
Open Access status: hybrid
Estimated APC paid: $3,390
OpenAlex ID: W7225008546